요즘 AI 개발에 대해 얘기하자면 MCP를 빼놓고 얘기할 수 없다. LLM이 나오면서 AI가 모든 것을 바꿔 버릴 것이라는 우려가 있었지만 막상 Chatbot수준의 정보를 얻는 것 말고는 활용 가치가 그리 크지 않았다. 하지만 Antropic에서 MCP규격(2024.11)을 내 놓으면서 기류는 크게 바뀌었다. LLM이 인공지능 즉, 두뇌 역할을 담당했다면 MCP는 이 두뇌에 팔과 다리를 달아주었기 때문이다. 결국 사람이 AI에게 말을 건네면 AI는 그 말를 이해하고 실제 도움이 되는 행동을 할 수 있게 된 셈이다. 이 글에서는 MCP가 무엇인지 규격(Specification)위주로 간략하게 설명하고 Langchain MCP Adapter와…
최근들어 AI의 흐름은 LLM이라는 거대 언어모델 개발을 지나 LLM을 활용하여 실용적인 소프트웨어를 개발하는 단계로 넘어가는 것 같다. 그 대표적인 예가 MCP(Model Context Protocol)과 A2A(Agent to Agent)가 아닐까 싶다. MCP에 관심을 갖게 되면서 관련 기술을 찾아 보던 차에 “Learning LangChain”이라는 올 해(2025)에 나온 따끈따끈한 책이 눈에 띄어 조금씩 시간을 내어 읽기 시작했는데 오늘 그 마지막 페이지를 넘겼다. OpenAI, Google, Antropic, Meta, DeepSeek등에서 각사의 LLM을 소개하고 사용할 수 있도록 웹기반 API를 제공하고 있다. 이들 LLM 이용하여 A.I. 어플리케이션을 개발하고 싶다면 이들이 제공하는…
최근 A.I. 모델은 추론모델(Reasoning)을 기반으로 한다. OpenAI, Google, DeepSeeke들도 이런 추론모델을 기반으로 A.I. bot들을 만들고 있다. 하지만 이른 추론모델을 기반으로 하는 A.I.가 이전 모델보다 hallucination이 더 심해지고 있다. OpenAI의 경우 가장 강력하다고 하는 모델인 o3모델에서 PersonQA테스트를 했을 때 33%의 hallucination이 발생했다고 하며 이는 이전의 추론 시스템인 o1보다 두 배 이상의 hallucination이 발생되는 수치이다. 새 모델인 o4-mini는 이보다 더 높은 48%의 hallucination이 발생되고 있다. Hallucination을 줄이기 위한 노력들은 하고 있지만 모델이 방대한 데이터를 기반으로 학습을 하기 때문에 원인을 정확하게 어떤 경로를…