[AI 시대, 신입 개발자로 살아남는 법] 1. 용어 정리 (LLM, RAG, Agent, MCP)

관련 용어 정리 

---

LLM Model

기존에 학습되어 있는 지식만을 가지고 답변한다.
새롭게 업데이트 된 지식이나 또는 학습되지 않은 지식에 대해서 답변이 불가능하다.
 
 

RAG(Retrieval Augmented Generation)

#관련_정보를_기반으로_답_생성

 
문서를 데이터베이스에 저장해두고 질문에 답변할 수 있는 문서를 검색하여 그 문서를 LLM에 전달하고 새로운 지식을 기반으로 답변할 수 있게 한다.

사용자 질문 > 유사 청크 검색 > 프롬프팅 > 응답 생성

 

Agent

#LLM이 다른 Tool 호출하도록 보조하는 역할
 

LLM을 이용하여 LLM으로부터 질문에 대한 답변을 가지고 오거나 필요한 Tool을 호출하여 그 결과를 LLM에 전달하는 역할을 수행한다.  

주식 시세 알고 싶음 > Agent to LLM 다음 질문에 대해 답변해줘 필요하면 아래 있는 외부 도구들 사용하면 되고 외부 도구들의 특징은 이래 > LLM 이 나는 주식 시세 모름 외부 도구 A 써서 데이터 가져와줘 > Agent 가 API 호출 + 전달 > LLM이 이 내용 기반으로 생성

 
 

Agent 구현 방식

Agent 구현에는 필요한 요소가 많아서 처음부터 만들기 어렵고 Agent Framework을 통해 구현하게 된다.
예를 들어, LangChain, CrewAI 등이 있다

 

Tool SDK 방식의 문제점

1. Agent Framework마다 Tool별로 SDK를 만듦
2. 서비스 제공업체 (Tool)업체와 스펙 맞춰야 함
 
그래서, MCP가 나옴
 

MCP

# 프로토콜

 
Tool벤더들이 프로토콜 스펙만 맞춘다면 개별로 SDK와 Integration 할 필요 없어지게 하는 스펙

 
SSE(Server Sents Events) : JSON RPC + HTTP 를 사용한다
 
 

MCP Client SDK, Server SDK

프로토콜 다 만들면 귀찮으므로 한 번 래핑해서 제공 

MCP Client SDK : Agent Framework가 MCP Server를 쉽게 호출할 수 있는 SDK 제공 (Agent Framework에 포함되어 있음)

 
MCP Server : MCP 요청을 받는 서버를 만드는 SDK 
 
 
 
다음 시리즈에서는 Claude, Cursor, Obsidian 툴들과 MCP의 통합에 대해 알아보려고 한다. 

---

참고

블로그 : https://bcho.tistory.com/1470
유튜브 강의 : https://www.youtube.com/watch?v=-b0IEN4JAGE