| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | |||
| 5 | 6 | 7 | 8 | 9 | 10 | 11 |
| 12 | 13 | 14 | 15 | 16 | 17 | 18 |
| 19 | 20 | 21 | 22 | 23 | 24 | 25 |
| 26 | 27 | 28 | 29 | 30 |
- self-attention
- RLHF
- test-time scaling
- 토크나이저
- extended thinking
- Langchain
- Embedding
- Positional Encoding
- BLEU
- flashattention
- attention
- rotary position embedding
- CoT
- chain-of-thought
- Engineering at Anthropic
- reinforcement learning from human feedback
- Multi-Head Attention
- gqa
- langgraph
- fréchet inception distance
- MHA
- context engineering
- SK AI SUMMIT 2025
- catastrophic forgetting
- MQA
- re-ranking
- model context protocol
- PEFT
- transformer
- 트랜스포머
- Today
- Total
목록Theory/MCP (2)
AI Engineer 공간 "사부작 사부작"
안녕하세요. 오늘은 MCP 도구 설계 최적화에 관한 글에 대해서 이야기하고자 합니다. 제가 연구 및 개발한 서비스에서, 현재 모든 MCP 서버에 아래의 글의 내용이 모두다 반영되어 있습니다. 이를 통해서, 답변의 품질, 응답의 속도 등이 크게 개선되었습니다. 그렇다면 에이전트를 위한 MCP 도구 설계 방법에 대해서 알아보도록 하겠습니다. AI Engineer 라면 MCP 날씨 조회 서버 예시를 작성해본 경험이 있을 것입니다. getWeather("서울")을 호출하면 항상 같은 방식으로 서울의 날씨를 가져옵니다. 하지만 AI 에이전트에게 "오늘 우산을 가져가야 할까요?"라고 묻는다면 어떨까요? 에이전트는 날씨 도구를 호출할 수도 있고, 일반 지식으로 대답할 수도 있으며, 심지어 위치를 먼저 물어볼 수도 ..
MCP: AI의 만능 열쇠, 그리고 Streamable HTTP가 현업의 표준이 된 이유인공지능(AI) 기술이 발전하면서, 이제 AI는 단순히 텍스트를 생성하는 것을 넘어 외부 세계와 소통하고 실제 작업을 수행하는 '에이전트'로 진화하고 있습니다. 마치 우리가 스마트폰으로 다양한 앱을 실행해 정보를 얻고 일을 처리하는 것처럼, AI도 파일 시스템을 읽고, 데이터베이스에 쿼리를 날리고, API를 호출할 필요가 생겼죠. 하지만 수많은 AI 모델과 도구들이 각기 다른 방식으로 소통한다면, 마치 전 세계 사람들이 각자의 언어로만 말하는 것처럼 혼란스러울 것입니다. 이러한 문제를 해결하기 위해 앤트로픽(Anthropic)이 제시한 해결책이 바로 모델 컨텍스트 프로토콜(Model Context Protocol, M..