AI8 FastMCP로 간단하게 만드는 MCP 서버 - 날씨 & 명언 서비스 FastMCP란?FastMCP는 MCP(Model Context Protocol) 서버를 쉽게 만들 수 있도록 도와주는 Python 프레임워크입니다.주요 특징:간결한 데코레이터 기반 API자동 JSON-RPC 처리자동 도구 스키마 생성stdio 통신 자동 처리프로젝트 설정1. 가상환경 생성 및 패키지 설치 # 프로젝트 디렉토리 생성mkdir weather-quote-servercd weather-quote-server# 가상환경 생성 (Windows)python -m venv .venv.venv\Scripts\activate# 필요한 패키지 설치pip install fastmcp requests 2. 날씨 A.. 2025. 11. 5. MCP(Model Context Protocol) MCP(Model Context Protocol)란?MCP는 Anthropic에서 개발한 AI와 외부 시스템을 연결하기 위한 오픈 프로토콜입니다. AI 모델이 실시간 데이터, API, 데이터베이스 등 외부 리소스에 접근할 수 있도록 표준화된 인터페이스를 제공합니다. 왜 MCP가 필요한가?AI 챗봇을 사용하다 보면 한계를 느낄 때가 있습니다. "오늘 서울 날씨 알려줘"라고 하면 실시간 정보에 접근할 수 없다고 답변하거나, 구글 드라이브의 문서를 읽어달라고 하면 불가능하다는 답변이 돌아옵니다.AI 모델 자체는 똑똑하지만, 외부 세계와 단절되어 있기 때문입니다. 학습된 지식으로만 답변할 수 있습니다.기존에도 Function Calling 같은 방식으로 AI에게 외부 데이터를 제공할 수 있었습니다. 하지만 문제.. 2025. 11. 4. Large Language Models Transformer GPT를 포함한 현재 널리 사용되는 LLM 구조는 모두 Transformer 구조입니다. Transformer는 2017년 구글이 발표한 "Attention is all Need" 논문에서 처음 소개된 딥러닝 모델입니다. 내부에 인코더 파트와 디코더 파트가 존재하고, 이 둘 사이를 이어주는 연결고리가 존재합니다. 쉽게 설명하면, 왼쪽 부분인 인코더는 컴퓨터가 이해할 수 있도록 해주고, 오른쪽 부분인 디코더에서 사람이 잘 이해할 수 있는 답변을 생성해주는 구조입니다. 이런 인코더와 디코더를 연결하는 것이 Attention 메커니즘이라 합니다. 기존 모델 대비 장점Transformer는 기존 딥러닝 모델들의 근본적인 한계를 해결했습니다. 학습 속도 혁신 (vs RNN/LSTM) R.. 2025. 10. 21. 데이터 품질 관리 앞선 포스트에서 언급했듯이 데이터의 양이 많다보니 품질 좋은 데이터를 선별해야 합니다. [ISO 8000 데이터 품질 표준 개발 현황]에 따르면 , 데이터 품질 저하로 인해 조직은 매년 1,290만 달러의 비용을 지출한다고 합니다. 따라서 데이터 품질 관리에 신경 쓰고, 지속적인 관리를 해야 합니다. 데이터 품질 관리 데이터 활용에 있어 수집, 저장, 분석 활용 단계별로 데이터 품질 관리를 위한 일반적인 점검 사항단계점검 사항데이터 수집- 수집 기준의 타당성(근거, 통계적 유의성)이 확보되었는가?- 추출 조건에 맞는 정보의 관련 항목 모두가 추출되었는가?- 악의적 유포 데이터 제거 방법을 확보하였는가?데이터 저장- 누락된 데이터는 없는가?- 저장을 위한 키 구성이 적절한가?데이터 분석- 최신 데이터인가?.. 2025. 10. 20. 좋은 데이터와 나쁜 데이터 2000년 초반부터 2023년까지 생산한 데이터의 양이 90ZB(제타바이트)에 달한다고 합니다. 이는 그 이전 5000년간 인류가 쌓은 데이터의 3000배가 넘는 수치입니다. 1인당 일주일에 1TB 용량의 데이터를 생성하는 것과 같은 상황입니다. 이렇게 폭발적으로 증가하는 데이터를 갖고 좋은 AI 시스템을 만들기 위해서는 데이터의 품질에 대해 정의하고 평가하는 기준이 있어야 합니다. 즉, AI 모델이 학습하기에 얼마나 완전하고 정확하게 구축되어 있는지를 파악해야 합니다. 데이터의 품질이란? AI 모델이 학습하기에 적절한 데이터의 완전성과 정확성을 의미합니다. 즉, 얼마나 일관되고, 오류가 없으며, 필요한 정보를 충분히 담고 있는가로 평가됩니다. 데이터 유형(정형, 비정형)에 따라 다르지만, 일반적인 데이.. 2025. 10. 20. Model-Centric AI, Data-Centric AI AI의 접근 방식은 크게 두 가지가 있습니다. Data-Centric AI : 2020년대에 들어서 주목받기 시작한 AI 접근 방식으로, 개발 및 운용의 관점에서 데이터를 중심으로 접근하는 방식 Model-Centric AI : 가장 많이 사용되는 AI 접근 방식으로, 개발 및 운용 관점에서 모델을 중심으로 접근하는 방식쉽게 설명하자면 Data를 바꾸며 성능을 향상시키면 Data-Centric AI, 모델을 수정하며 성능을 향상시키려 하면 Model-Centric AI입니다. Model-Centric AIAI 시스템 개발에서 모델을 중심으로 접근하는 방법론데이터를 일정 수준 고정 혹은 제한하고 모델 자체의 설계와 최적화에 집중과거부터 지금까지 주로 사용되는 AI 시스템 개발의 주 접근 방식BERT, GP.. 2025. 10. 20. 이전 1 2 다음
