노트

NotebookLM 은 Google 의 자료 우선 (source-grounded) AI 노트북. 사용자가 업로드한 PDF·구글 문서·웹사이트·YouTube·오디오에서만 답변을 합성하므로 hallucination 이 일반 챗봇보다 적음. 04-gemini-api 가 raw API, 08-google-ai-studio 가…

9회 조회

RAG (Retrieval-Augmented Generation) 는 LLM 의 한정된 학습 시점·메모리 한계를 외부 지식으로 보완하려는 방식입니다. 검색·생성을 분리하면 모델을 다시 학습시키지 않고도 새로운 자료를 다룰 수 있습니다.

4회 조회

AI 가 브라우저 안으로 들어오는 흐름이 2023~2025 년에 빠르게 진행됐습니다. 사이드바 보조에서 시작해 페이지 요약·번역·드래프트, 그리고 에이전트가 사용자 대신 페이지를 다루는 자리까지 펼쳐졌습니다.

3회 조회

공공기관·외부 사업자가 제공하는 OpenAPI 를 프론트엔드에서 직접 호출 하면 첫 화면은 빠르게 만들 수 있습니다. 그러나 운영을 며칠 굴려 보면 같은 자리에서 같은 종류의 사고가 반복됩니다 — 키 노출, 응답 코드 해석, 프로토콜 미스매치. 그래서 외부 API 는 우리쪽 BFF 한 겹 을 사이에 두는 게 거의 항상…

2회 조회

관리 콘솔이나 백오피스는 한 프로세스에서 콘텐츠·카탈로그·운영 로그처럼 서로 다른 DB에 접근해야 할 수 있습니다. HTTP 경유 대신 풀 직접 접속을 선택할 때는 연결 수, 권한, 장애 격리를 함께 설계해야 합니다.

2회 조회

IDE 안에서 동작하는 보조 도구와 별개로, 터미널 CLI 형태의 AI 코딩 도구가 따로 자라고 있습니다. 셸·SSH·CI 와의 친화성, 스크립트 자동화, 가벼운 인터페이스가 동기.

2023 년 Cursor 가 GA 가 된 즈음부터 "AI 가 메인 인터랙션" 인 IDE 가 빠르게 늘었습니다. VS Code 포크 또는 신규 에디터 형태로 다양한 시도가 있습니다. 능력 평가는 시점에 따라 빠르게 바뀌므로 사실 위주로.

AI 코딩 보조 도구가 늘어나면서 "프로젝트 규칙·맥락을 한 파일에 적어 두자" 는 관습이 자리 잡았습니다. 도구마다 이름과 위치가 조금씩 다르지만 의도는 비슷합니다.

LLM 에이전트가 도구를 호출하기 전·후에 외부 동작을 끼우고 싶어지는 자리가 있습니다. 자동 포매터 실행, 변경 감시, 로깅, 정책 검증, 비밀 누출 차단 같은 작업입니다.

큰 작업을 한 LLM 인스턴스 한 번에 맡기면 컨텍스트가 빠르게 차고 책임이 흐려집니다. 서브에이전트는 작업을 작은 단위로 잘라 별도 모델 인스턴스에 위임하는 패턴입니다. 컨텍스트 절약 · 병렬성 · 역할 분리가 동기이고, 디버깅 · 메시지 디자인이 비용입니다.

Claude Code 는 Anthropic 이 2025 년 2 월에 공개한 터미널 기반 코딩 보조 CLI 입니다 (연구 프리뷰 시점). 이후 일반 가용성으로 옮겨가며 IDE 통합 · GitHub Actions · Skills 같은 기능이 추가됐습니다.

Google 이 2025 년에 공개한 Agent Development Kit (ADK) 는 LLM 기반 에이전트와 멀티에이전트 시스템을 만들기 위한 오픈소스 프레임워크입니다. Vertex AI 와의 통합을 의식하지만 모델·런타임에 대해 비교적 중립적이라는 점이 특징.

디자인 도구의 정보를 코드 작성 LLM 에 전달하는 시도가 늘어나고 있습니다. 디자이너가 만든 화면을 LLM 에게 보여주고 컴포넌트·토큰·레이아웃을 코드로 옮기는 자리에서 Figma 의 위치가 가장 큽니다. 2025 년에 Figma 가 공식 Dev Mode MCP 서버를 공개하면서 이 흐름이 표준화 단계로 들어갔습니다.

LLM 의 학습 데이터 시점이 늘 최신과 어긋납니다. 라이브러리 문서·API 명세는 자주 바뀌고, 모델은 옛 정보를 자신감 있게 답합니다. 문서를 LLM 친화 형식으로 노출하는 MCP 서버·서비스가 그 자리에 등장했습니다.

MCP 가 표준이라면 클라이언트는 그 표준을 실제로 사용자에게 노출하는 진입점입니다. 같은 서버를 여러 클라이언트에서 동시에 쓰는 멀티클라이언트 환경이 현실입니다.

Model Context Protocol (MCP) 은 LLM 클라이언트가 외부 데이터·도구·프롬프트와 표준화된 방식으로 연결하기 위한 프로토콜입니다. Anthropic 이 2024 년 11 월에 공개했고 이후 다른 AI 도구·IDE 가 빠르게 채택했습니다.

LLM 시장의 지형은 빠르게 바뀝니다. 폐쇄형 API 와 오픈 가중치, 영어 중심과 다국어, 클라우드와 자체호스팅, 한국어에 특화된 모델이 함께 자리 잡고 있습니다.

"에이전트" 라는 말이 여러 의미로 쓰여 혼란스러운 시점입니다. 스크립트 자동화도 에이전트라 부르고, LLM 이 도구를 호출하는 모양도 에이전트라 부릅니다.

임베딩은 텍스트 (또는 이미지·코드) 를 고정 차원의 실수 벡터로 매핑한 결과입니다. 의미가 가까운 것이 벡터 공간에서 가깝게 배치된다는 가정 위에 검색·클러스터링·분류·추천이 얹힙니다.

Gemini 는 Google DeepMind 가 2023 년 말에 공개한 모델 시리즈입니다. 텍스트뿐 아니라 이미지·오디오·비디오·코드를 함께 다루는 멀티모달 입력, 1.5 부터 들어온 매우 긴 컨텍스트가 특징으로 거론됩니다.

프롬프트는 단순히 LLM 에 보내는 문자열이 아니라 입력 인터페이스의 설계 자체에 가깝습니다. 메시지 구조 · 추론 유도 패턴 · 샘플링 매개변수 · 보안까지 한꺼번에 얽힙니다.

RAG (Retrieval-Augmented Generation) 는 LLM 의 한정된 학습 시점·메모리 한계를 외부 지식으로 보완하려는 방식입니다. 검색·생성을 분리하면 모델을 다시 학습시키지 않고도 새로운 자료를 다룰 수 있습니다.

대형 언어 모델을 자기 컴퓨터에서 직접 돌리려는 흐름이 2023 년부터 빠르게 자리 잡았습니다. 클라우드 API 만 쓰던 자리에 GGUF 같은 양자화 포맷, llama.cpp 같은 추론 런타임, LM Studio · Ollama · vLLM 같은 도구가 합쳐지며 노트북에서도 비교적 큰 모델을 굴릴 수 있게 됐습니다.

HTTP 는 본래 한 번 요청 → 한 번 응답의 모델입니다. 서버가 클라이언트에게 먼저 말 걸기 어렵습니다. 채팅·알림·라이브 업데이트 같은 자리에서는 서버가 능동적으로 데이터를 보낼 수 있어야 합니다.

HTTP 위에 API 를 짤 때 가장 자주 등장하는 단어가 REST 입니다. 뜻은 Representational State Transfer 로, Roy Fielding 의 2000 년 박사 논문에서 정리됐습니다.