도입LLM을 활용해 많은 문서를 처리할 때 가장 많이 사용되는 방법 중 하나가 RAG(Retrieval-Augmented Generation)다.RAG는 사용자의 질문과 관련된 문서를 검색하고, 검색된 내용을 LLM에게 전달해 답변을 생성한다.그런데 문서가 계속 추가되고 내용이 변경된다면 어떨까? 예를 들어 사내에 다음과 같은 자료가 있다고 해보자.프로젝트 개발 문서회의록API 명세장애 기록업무 가이드시간이 지나면서 같은 내용이 여러 문서에 반복되거나, 과거 문서와 최신 문서의 내용이 달라질 수 있다.RAG는 이러한 문서를 잘 찾아주는 것에는 강하지만, 여러 문서에 흩어진 정보를 하나의 최신 지식으로 정리하고 관리하는 것은 별개의 문제다. 이러한 문제를 다른 방식으로 접근하는 것이 LLM Wiki다.⚡ ..

도입최근 AI 개발 도구를 사용하면서 LLM이 단순히 코드나 텍스트를 생성하는 것을 넘어, 외부 서비스의 데이터를 직접 조회하고 기능을 실행하는 방식에 관심을 가지게 되었다. 그 과정에서 알게 된 것이 MCP(Model Context Protocol)다. MCP의 구조를 직접 이해하기 위해 Node.js + TypeScript로 MCP Server를 구현하고, Notion API와 연결해 Cursor에서 Notion의 페이지를 검색·조회·생성할 수 있도록 만들어보았다.1. MCP란?MCP(Model Context Protocol)는 LLM 애플리케이션과 외부 데이터 및 도구를 연결하기 위한 표준 프로토콜이다.쉽게 생각하면 다음과 같다.Cursor / Claude 등의 AI │ ..

💡 터널링(Tunneling)이란?터널링(Tunneling)은 한 네트워크에서 다른 네트워크로 데이터를 전달하기 위해 중간에 가상의 통신 경로(Tunnel)를 만드는 기술이다. 쉽게 말하면, 직접 접근할 수 없는 두 지점 사이에 통신할 수 있는 통로를 만들어주는 것 이라고 이해할 수 있다. ngrok은 이 터널링 기술을 이용하여 외부 인터넷 ↔ ngrok ↔ localhost 간의 통신을 가능하게 해주는 서비스이다. 1️⃣ ngrok이란?ngrok은 로컬에서 실행 중인 서버(localhost)를 외부 인터넷에서 접근할 수 있도록 공개 URL을 생성해주는 터널링(Tunneling) 도구이다. 일반적으로 로컬에서 실행한 서버는 자신의 PC에서만 접근할 수 있다. ngrok을 사용하면 다음과 같은 공개 H..

도입LLM을 사용하다 보면 한 가지 한계를 쉽게 발견할 수 있다.LLM이 내가 가지고 있는 문서를 모른다는 것이다. 예를 들어 회사의 프로젝트 가이드 PDF를 가지고 있다고 해보자.일반적인 LLM에게 "이 프로젝트에서 로그인 요청은 어떤 흐름으로 처리돼?"라고 물어봐도 LLM은 해당 문서를 학습한 적이 없기 때문에 정확하게 답변하기 어렵다.그렇다고 매번 수십 페이지의 PDF를 프롬프트에 전부 넣는 것도 비효율적이다. 이 문제를 해결하기 위해 사용할 수 있는 방법이 RAG(Retrieval-Augmented Generation)다. 이번 프로젝트에서는 실제 프로젝트 가이드 PDF를 기반으로 질문에 답변할 수 있도록 Python으로 RAG 시스템을 직접 구현했다. 단순한 Vector Search에서 끝내지 ..

📍 MySQL vs. PostgreSQL 차이점구분 MySQL PostgreSQL 데이터베이스 기술순수 관계형 데이터베이스 (RDBMS)객체 관계형 데이터베이스 관리 시스템 (ORDBMS)기능뷰, 트리거 및 프로시저와 같은 데이터베이스 기능을 제한적으로 지원구체화된 뷰, INSTEAD OF 트리거, 여러 언어의 저장 프로시저와 같은 최고급 데이터베이스 기능을 지원데이터 유형숫자, 문자, 날짜 및 시간, 공간, JSON 데이터 유형을 지원기하학, 열거형, 네트워크 주소, 배열, 범위, XML, hstore, 복합을 포함하여 모든 MySQL 데이터 유형을 지원ACID 규정 준수InnoDB 엔진을 통해 지원기본적으로 가장 엄격한 수준의 ACID를 완벽하게 지원인덱스B-트리 및 R-트리 인덱스를 지원트리와..

1️⃣ Ollama 설치 및 실행Ollama는 로컬 환경(macOS, Windows, Linux)에서 오픈소스 LLM(Llama, Qwen, Gemma 등)을 명령어 한 줄로 편리하게 설치하고 실행할 수 있도록 돕는 도구이다. macOS 설치 기준터미널을 열고 Homebrew를 사용하여 간단하게 설치할 수 있다.# 1. macOS 설치 (Homebrew 이용)brew install ollama# 2. 설치 확인 및 버전 체크ollama --version 2️⃣ Ollama 서버 실행 및 동작 확인Ollama는 기본적으로 로컬 백그라운드 서버(API 서버) 형태로 작동한다. # 백그라운드에서 Ollama 실행 (포트: 11434)ollama serve 기본 포트: http://localhost:11434..

Spring Boot 환경에서 데이터베이스 처리를 위해 MyBatis를 연동하는 전체적인 과정과 핵심 개념을 정리했다. 기존 프로젝트들에서는 JPA를 활용해 DB 연동을 해왔는데,아직 많은 회사에서 MyBatis를 활용한다는 이야기를 듣고 직접 쿼리를 짜보는 것도 좋겠다고 판단해 학습하고 정리하고자 했다.(IT 스타트업 회사나 네카라쿠배같은 IT 플랫폼 대기업을 제외하고는 아직 MyBatis 환경에 머물고 있음) 1. MyBatis 의존성(Dependency) 추가가장 먼저 프로젝트의 build.gradle 파일에 MyBatis와 MySQL 커넥터 의존성을 추가한다.dependencies { // MyBatis Spring Boot Starter (Spring Boot 3.x 버전 기준 3.0.x ..

Blob 정의Blob(Binary Large Object) : 이미지, 오디오, 비디오, 문서와 같은 멀티미디어 파일 바이너리를 객체 형태로 저장하는 것. ▶︎ Integer 타입, String 타입 등과 같이 Blob 타입이 있다고 생각하면 좋음. base64 vs. Blobbase64 는 멀티미디어 바이너리 데이터를 텍스트 형태로 저장한 포맷이고,Blob 은 멀티미디어 바이너리 데이터를 객체 형태로 저장한다. Binary(바이너리)는 0과 1로 이루어진 이진 데이터를 말하는 것이고,base64는 바이너리를 인코딩하여 텍스트 형식으로 변환하는 것이다. 실제로 출력된 base64 텍스트를 브라우저에 붙여넣으면 이미지가 바로 보여진다.다만 base64는 문자열이 너무 길어 DB 부하가 심해지므로,조회가 자..

문제 링크https://school.programmers.co.kr/learn/courses/30/lessons/43105 프로그래머스SW개발자를 위한 평가, 교육의 Total Solution을 제공하는 개발자 성장을 위한 베이스캠프programmers.co.kr 문제 풀이DP 알고리즘 풀이는 Top-down 방식이랑 Bottom-up 방식으로 나눠볼 수 있다. 해당 문제는 최대경로 값을 시간 효율을 신경써서 DP로 접근해야하므로,아래에서 위(Bottom-up)로 올라오면서 i-1 행의 j와 j+1 중 최대값과 i행 j 현재 위치값을 더한 결과를 미리 저장해두어 계산 중복을 없앤다. 즉 아래 두 값 중 최대값을 선택해 올라오면서 저장한 누적값을 최종적으로 반환해주면된다.제출 코드import java.ut..

문제 링크https://school.programmers.co.kr/learn/courses/30/lessons/42895 프로그래머스SW개발자를 위한 평가, 교육의 Total Solution을 제공하는 개발자 성장을 위한 베이스캠프programmers.co.kr 풀이DP 문제 키트를 풀고 있는 중이라 DP로 접근해야한다는 것을 알고 시작했지만DP로 접근하기 위한 규칙이 보이지 않았음!!! 그래서 다른 풀이 블로그들을 찾아보니까 이 문제는 수학적 규칙을 찾는 것이 아니라,N을 i개 썼을 때 만들 수 있는 숫자들로 i+1, i+2 ... 를 만들어가는 것이었다. 쉽게 풀어보자면 N=5일 때,dp[1] = {5}dp[2] = {55, 5+5, 5-5, 5*5, ... }dp[3] = dp[1] + dp[2]..