본문 바로가기
반응형

AI에이전트29

🤖 MCP vs. A2A: 두 가지 AI 에이전트 프로토콜 비교 최근 Agentic AI 시스템 구축을 위한 오픈소스 도구들을 잇달아 공개되면서, 멀티에이전트 환경에서의 표준화된 통신 방식을 제시하고 있습니다. 그 중 가장 핵심이 되는 두 가지가 바로:MCP (Model Context Protocol)A2A (Agent-to-Agent Protocol)이 두 가지는 목적과 적용 범위가 다릅니다. 이 글에서는 그 차이점을 중심으로 설명해보겠습니다. 1. MCP (Model Context Protocol)📌 개념MCP는 LLM이 외부 도구(API) 를 안전하고 유연하게 사용할 수 있도록 하는 도구 통합 프로토콜입니다.🧠 핵심 목적"툴을 LLM 친화적으로 만들어주는 표준화된 연결 방식"🛠 예시LLM이 Python 실행기, 날씨 API, 검색 API 등과 상호작용할 .. 2025. 4. 23.
구글 ADK 🔧 Google Cloud로 나만의 AI 에이전트를 만드는 방법 이제는 누구나 하나쯤 에이전트를 가지고 있어야 할 시대 요즘 AI 에이전트라는 단어, 정말 자주 들리죠?하지만 막상 만들려고 하면 생각보다 복잡합니다. 프레임워크, 모델, 도구, API, 배포 환경… 선택해야 할 것들이 너무 많거든요.그렇다면, 기업용 AI 인프라에 강점을 가진 Google Cloud는 과연 어떤 방식으로 이 복잡한 퍼즐을 쉽게 맞춰줄 수 있을까요? 이 글에서는 Google Cloud를 기반으로 에이전트를 처음부터 끝까지 설계, 연결, 배포하는 방법을 소개합니다.단순한 챗봇을 넘어, RAG, Tool calling, 멀티 에이전트 시스템, A2A 통신까지 다룰 수 있는 실전 가이드라고 생각하셔도 좋습니다. 1. 프레임워크 선택: 복잡해질수록 ADK가 빛난다AI 에이전트는 결국 ‘로직’이 .. 2025. 4. 21.
🤖 🧠 Agentic RAG 에이전트 RAG 란 무엇인가? 🤖 기존 RAG와 무엇이 다를까?RAG는 말 그대로 검색 기반 생성(Retrieval-Augmented Generation) 방식입니다.기존의 RAG는 이렇게 작동합니다:사용자의 질문을 입력받고,검색기를 통해 관련 문서를 찾아온 후,해당 문서를 기반으로 LLM이 답변을 생성합니다.하지만 이 방식에는 한계가 있습니다.검색된 문서가 부정확하면, 결과도 부정확모든 쿼리에 동일한 전략 적용복잡한 문제 해결엔 부족여기서 한 단계 진화한 것이 에이전트 기반 RAG, 즉 Agentic RAG입니다.🧠 Agentic RAG의 작동 방식Agentic RAG는 단순한 검색/생성 흐름이 아닙니다.복수의 에이전트(Agent)가 역할을 나누어 협력하며 더 정밀하고 상황에 맞는 응답을 생성합니다.핵심 흐름사용자 질의 수신라우.. 2025. 4. 21.
[AI 에이전트 프로젝트] 🧳 Part 3. 멀티 에이전트 시스템: 목적지 추천 → 날씨 확인 → 짐 리스트까지 여행의 모든 걸 도와주는 스마트 AI 비서를 ADK로 만들어볼 시간입니다. 이번 글에서는 3개의 전문 Agent와 이를 오케스트레이션하는 TravelPlannerAgent를 만들어, 목적지 추천부터 날씨 확인, 짐 리스트 제안까지 연결되는 AI 팀워크를 구성합니다. 🧠 목표목적지 추천 Agent, 날씨 Agent, 짐 리스트 Agent를 각각 정의SequentialAgent를 이용해 순차적인 워크플로우 구현사용자의 단 한마디에 모든 Agent가 협업하는 시스템 완성👥 전체 에이전트 구성Agent 이름역할설명destination_agent목적지 추천계절, 날씨, 유럽/아시아 여부 기반 추천weather_agent날씨 확인이전 글에서 만든 도구 기반 Agentpacking_agent짐 리스트 생성날씨 기.. 2025. 4. 21.
반응형

티스토리툴바