반응형 AI 공부/AI 에이전트 (AI Agents)17 [AI 에이전트 프로젝트] ✈️ Part 1. 여행비서의 탄생: Google ADK로 나만의 AI Agent 만들기 이 글은 Google의 Agent Development Kit(ADK)를 활용해 스마트 여행 비서를 직접 만드는 4부작 시리즈 중 첫 번째입니다.오늘은 아주 기본적인 하나의 Agent를 만들어보고, 자연어 대화로 여행 관련 질문에 답하는 첫 번째 여행 비서를 완성해보겠습니다. 📦 목표Google ADK를 설치하고 기본 구조를 이해하기여행 관련 질문에 답할 수 있는 단일 Agent 생성간단한 질의응답 테스트 🧰 사전 준비 (Prerequisites)1. 가상 환경 생성 및 ADK 설치python -m venv .adk_envsource .adk_env/bin/activatepip install google-adk==0.2.02. .env 파일 설정.env 파일을 프로젝트 루트에 만들고 다음처럼 입력하세.. 2025. 4. 20. 🤖 AI끼리 말이 안 통해? 구글 A2A가 해결한다! 📡 며칠 전, 저는 AI 에이전트들이 서로 "말을 못 알아듣는" 상황에 부딪혔습니다. OpenAI의 챗봇은 사람의 질문에 대답은 잘하는데, 뒤에 붙은 툴 에이전트에게 계산을 요청할 때마다 형식을 틀리게 보내고, 요약해주는 Claude는 검색 에이전트의 응답을 무슨 말인지 모른다며 씹어버리는 일이 반복됐죠. AI끼리 말이 안 통하면, 결국 인간 개발자가 중간에서 “통역사”가 되어야 합니다. API 호출 코드를 갈아엎고, JSON 형식을 바꿔주고, 오류 포맷을 매번 새로 해석해야 하죠. 이게 바로 오늘날 멀티 에이전트 AI 개발의 현실입니다. 🚧 멀티 에이전트 시스템의 통신 지옥여러 개의 LLM, 검색 시스템, 계산 모듈, 사용자 입력 분석기 등을 조합하면 강력한 시스템을 만들 수 있습니다. 하지만 문제는 “.. 2025. 4. 14. ⚙️ Sampling과 Root — 서버가 모델을 호출하고, 파일에 접근하는 법 🧠 1. Sampling — 서버가 LLM 호출 요청하는 방법 MCP에서 Sampling이란, 서버가 "나 대신 Claude/GPT에게 이 질문 좀 던져줘"라고 요청하는 행위입니다.🧪 예시 시나리오서버가 내부 데이터로 전략 요약을 만들고 싶을 때:{ "method": "sample", "params": { "prompt": "이 전략을 5줄로 요약해줘", "context": { "resources": ["strategy_detail.json"] } }} 🎯 특징서버는 LLM에 직접 접근할 수 없음대신, 클라이언트가 모델을 호출하고 응답을 받아 전달따라서 사용자 동의 및 권한 제어는 클라이언트(Host)가 수행🛡️ MCP는 의도적으로 서버가 전체 프롬프트를 못 보게 설.. 2025. 4. 4. 🔍 MCP의 세 가지 핵심 구성요소 — Prompts, Resources, Tools 완전 이해 2025.03.30 - [AI/AI Agents] - MCP란 무엇인가? — AI의 새로운 문법 MCP란 무엇인가? — AI의 새로운 문법MCP란 무엇인가? — AI의 새로운 문법🧠 AI 초보~중급 개발자를 위한 MCP 입문 가이드1. MCP의 등장 배경 🧩 Generative AI 시대가 본격화되면서, 다양한 앱과 도구들이 언어모델(LLM)의 힘을 빌려 동작datasciencebeehive.tistory.com2025.03.31 - [AI/AI Agents] - 🧠 MCP의 핵심 철학: Context의 힘 🧠 MCP의 핵심 철학: Context의 힘1. Generative AI의 진짜 실력은 '문맥'에서 나온다많은 분들이 "GPT가 똑똑하다", "Claude가 유능하다"는 말을 합니다. 그런데 .. 2025. 4. 2. 이전 1 2 3 4 5 다음 반응형
