가끔 보자, 하늘.

모델을 도구·상태·루프·채점기·안전장치와 함께 실제로 돌아가도록 감싸는 실행 프레임워크 Responses API나 Codex 같은 에이전트를 쓸 때, 모델이 도구 호출을 요청하면 클라이언트가 그 요청을 실제로 실행하고, 결과를 다시 모델에 넣어주며, 필요하면 반복 루프를 돌리고, 상태를 관리하고, 안전 제약을 거는 부분이 필요하다. 쉽게 말하면 이런 것들이다. 툴 실행기대화/작업 상태 관리반복 에이전트 루프권한/안전 제어로그/관측성실패 재시도 및 종료 조건즉, 모델 바깥에서 모델을 일하게 만드는 운영 코드가 하네스다. Agent = “다음에 뭘 할지 결정하는 두뇌”Skill = “이런 작업은 이런 방식으로 하라”는 작업 매뉴얼MCP = “외부 능력과 연결하는 표준 플러그”Harness = “그 결정을 ..

https://skills.sh/vercel이 npm 다음으로 히트칠 것 같은 ai agent skill 저장소> npx skills add vercel-labs/agent-skills위 네 가지 모두 선택하고 설치원하는 AI 툴/에이전트를 선택 후 설치 계속처음이라면 global과 symlink 선택 후 설치 진행설치가 끝났다면 가장 첫 번째로 설치해야할 스킬은 find-skills. 에이전트에서 스킬을 자동으로 찾고 설치하라고 시킬 수 있음.> npx skills add https://github.com/vercel-labs/skills --skill find-skills역시 global로 설치해두고 symlink 로 선택해두면 편하게 사용 가능.하지만 아무거나 설치하면 큰일 날 수 있음. 보안 이슈..

자체 서비스에 MCP를 도입해 보세요.당신의 서비스에 MCP 서버와 클라이언트를 만들고 LangGraph를 이용해 서비스를 확장해 보세요. Spring Boot API와 LangGraph를 활용한 로컬 AI 에이전트 구축 실전 가이드목차서론: 프로젝트 개요 및 기술 스택 소개목표 및 핵심 컨셉기술 스택 요약1부: 백엔드 구축 - Spring Boot 사칙연산 API 서버 개발프로젝트 환경 설정MCP(Model-Context-Protocol) 설계API 컨트롤러 및 서비스 구현단독 서버 테스트2부: AI 에이전트 구축 - Ollama, Gemma 그리고 LangGraph로컬 LLM 환경 준비LangGraph 프로젝트 설정LangGraph의 핵심: 상태 기반 그래프 설계그래프 컴파일 및 실행3부: 시스템 통..

https://www.youtube.com/watch?v=M7yfLD-Wb6wveo3, notebookLM으로 만들어본 영상입니다. 직접 찍기는 힘들고 AI로 만들어 보기 위해 샘플로 만들어 보았습니다. iMovie로 대충 붙여놓기만 했네요 ^^a 글보다는 간단히 들을 수 있으니 좋긴한데 텍스트로 같이 정리하면 더 좋을 듯 하긴 하네요.다음에는 정리된 글과 함께 영상을 좀 더 깔끔하게 만들어 보겠습니다.