이종훈

원문 링크 소프트웨어 추상화를 형성하는 데 LLM이 어떻게 도움이 되는지에 대한 Unmesh, Rebecca, Martin의 대화입니다. 우리는 우리의 과제를 변화에 살아남는 시스템을 구축하는 것으로 보며, 이를 위해 인지 부하(cognitive load)를 관리해야 한다고 생각합니다. 우리는 소프트웨어가 수행하기를 원하는 "무엇(what)"을 프로그래밍

시리즈 구성 1편 : 환경 설정 · 첫 Agent · Function Calling · 메모리와 세션 (1\~4장) 2편 (이 글) : RAG · 멀티 에이전트 · 미들웨어 & 관측성 (5\~7장) 1편에서는 AIAgent를 만들고, Tool을 붙이고, 세션으로 대화 맥락을 유지하는 법을 익혔습니다. 2편에서는 프로덕션에서 자주 마주치는 세 가지 주제를 다

시리즈 구성 1편 (이 글) : 환경 설정 · 첫 Agent · Function Calling · 메모리와 세션 (1\~4장) 2편 : RAG · 멀티 에이전트 · 미들웨어 & 관측성 (5\~7장) ChatGPT, Copilot, Claude 같은 기성 AI Agent는 이미 충분히 강력합니다. 일상적인 질의응답, 코드 리뷰, 문서 요약 같은 범용 작업이라

문제 상황: 느린 API 응답과 사용자 경험 웹 어플리케이션을 개발하다보면 종종 즉각적인 응답을 할 수 없는 기능에 대한 요구를 받기도 합니다. 이경우 일반적인 응답으로 처리하게되면 사용자는 브라우저에서 응답이 올때까지 기다려야만 합니다. 혹여나 해당 페이지를 닫거나 하게되면 기다리던 작업의 응답은 받아볼 수 없게됩니다. 이런 경우에 카프카를 이용한 메세지