SeSAC:Note에서 Judge는 정답 판별기가 아닙니다. Judge는 Summarizer가 만든 노트를 원본 segment와 비교해 groundedness, note quality, multimodal use를 보조적으로 점검하는 gate입니다. 이 구분이 중요합니다. Judge 수치를 잘못 쓰면 생성 품질을 최종 판정한 것처럼 보일 수 있습니다...

Tool Calling 한줄 정의 LLM이 외부 도구(API, 함수)를 호출하여 작업을 수행하는 기법. LLM의 텍스트 생성 능력을 실제 행동 능력으로 확장한다. 학습 맥락 Tool Calling은 Agentic Workflow의 실행 능력을 만드는 핵심 개념이다. 프롬프트만 사용하는 LLM은 텍스트를 생성할 수 있지만, 파일을 읽거나 A...

MCP (Model Context Protocol) 한줄 정의 Model Context Protocol — LLM과 외부 도구/데이터를 연결하는 표준 프로토콜. Anthropic이 제안한 개방형 표준으로 도구 통합을 표준화한다. 학습 맥락 MCP는 W06D02 Tool Calling Fundamentals & MCP에서 Tool C...

Tool Calling 기본 과제 실습 정보 주차: Week 06, Day 02 유형: Jupyter Notebook 상태: 완료 실습 목표 Tool Calling 기본 개념과 MCP 활용 실습. 핵심 학습 포인트 Function Calling 인터페이스 구현 도구 스키마 정의와 등록 MCP 프...

Tool Calling Fundamentals & MCP 핵심 개념 요약 LLM이 외부 도구를 호출하여 실제 작업을 수행하는 Tool Calling의 기본 원리를 학습한다. 함수 정의, 파라미터 스키마, 호출/응답 흐름을 이해하고, MCP(Model Context Protocol)를 통한 표준화된 도구 연동 방법을 다룬다. 주요 내...

Lumi_agent의 개발 흐름은 “처음부터 완성된 Agent”가 아니라, MCP 도구 실험에서 시작해 Memory, LangGraph, HITL, GUI 안정화로 확장된 과정에 가깝습니다. 개발 기록을 기준으로 보면 구조 변화는 다음 순서로 읽힙니다. 개발 타임라인 날짜 흐름 의미 ...

LocalLens는 로컬에 흩어진 텍스트, 이미지, PDF 파일을 자연어 질의로 찾기 위한 멀티모달 검색 엔진입니다. 파일명이나 정확한 키워드를 기억하지 못해도, 파일의 내용과 시각 정보를 임베딩해 의미 기반으로 Top-K 결과를 반환하는 구조를 목표로 했습니다. 핵심은 검색 대상을 하나의 형식으로 강제로 맞추는 것이 아니라, 파일 타입별 인코더를 ...

Agentic Workflow 한줄 정의 LLM 에이전트가 자율적으로 작업을 계획하고 실행하는 워크플로우. 단순 체인을 넘어 동적 의사결정과 반복 실행이 가능하다. 학습 맥락 Agentic Workflow는 업스테이지 과정에서 Prompt/RAG 다음 단계로 등장했다. 앞선 단계가 “LLM에게 잘 묻고, 필요한 문서를 검색해서 답하게 만드...

Week 06: Agentic Workflow 개요 주간 개요 에이전틱 워크플로우를 구성하는 핵심 기술들을 학습한다. AI 서비스 설계와 에이전트 아키텍처, Tool Calling과 MCP, Agentic RAG와 메모리 관리, Context Engineering과 보안, 그리고 평가(Evaluation)와 AgentOps를 다룬다. 일별 ...

AI 서비스와 에이전트 설계 수업 위치 이 수업은 Agentic Workflow 주차의 시작점이다. 앞선 Prompt/RAG 단계에서 LLM을 잘 쓰는 방법을 배웠다면, 여기서는 그것을 실제 AI 서비스 구조로 묶는 방법을 다룬다. 초기 강의 계획서 기준으로는 AI Product Engineering > Agentic Workflow의 AI...