Agent3 MCP 완전체 만들기 — Resource와 Prompt까지 붙여보기 지난 글에서는 @mcp.tool()을 이용해서 AI가 직접 DB를 조회할 수 있는 MCP 서버를 만들어봤다.Tool을 하나 붙이고 나니까 확실히 느낌이 다르다.Claude가 그냥 답을 만들어내는 게 아니라, 실제로 서버 함수를 호출해서 데이터를 가져오기 시작한다.그런데 MCP를 조금 더 만져보면 알게 된다. Tool만으로는 생각보다 할 수 있는 게 제한적이다.MCP에는 Tool 말고도 두 가지 핵심 기능이 더 있다.기능데코레이터역할Tool@mcp.tool()AI가 실행할 수 있는 함수Resource@mcp.resource()AI에게 읽을 수 있는 데이터를 제공Prompt@mcp.prompt()AI에게 재사용 가능한 지시문을 제공이 세 가지를 모두 갖추면 진짜 쓸 수 있는 MCP 서버가 된다.Tool / .. 2026. 3. 15. LLM Agent가 어려운 진짜 이유는 무엇일까? 개요요즘 “AI Agent”라는 단어는 어디서든 거의 만능 키처럼 쓰인다.툴을 연결하고, 메모리를 붙이고, 프롬프트로 역할을 정의하면 마치 사람처럼 일하는 시스템이 만들어질 것처럼 보인다. 하지만 실제 프로젝트에서는 Agent는 생각보다 기대 수준을 못미친다. 그리고 그 실패의 원인은 모델 성능 부족이 아닌 경우가 대부분이다.1. Agent PoC는 왜 항상 잘 되는가Agent PoC 단계에서는 시나리오가 제한적이고 실패해도 큰 문제가 없다. 명확한 평가보다는 그럴듯한 답으로 구현이 가능하다. (Google AI Studio로 바이브코딩만 해도 그럴듯함.) 이 환경에서는 LLM의 추론 능력이 빛을 발한다.조금 애매해도, 조금 틀려도 그 답을 “그럴듯하다”고 받아들인다. 그래서 PoC 데모는 괜찮고, 고객.. 2025. 12. 26. AI Agent 시대의 기업 전략: 왜 모든 서비스는 Agent화되는가 “모든 소프트웨어는 결국 Agent가 된다.”2025년 AI 전략의 핵심은 ‘모델 성능’이 아니라 ‘Agent화 전략’이다.1. 서론: LLM에서 Agent로, 패러다임이 이동하고 있다2023~2024년은 LLM(ChatGPT, Claude, Gemini 등)이 AI 혁신을 만들었던 시기였다.하지만 2025년을 기점으로, LLM은 여전히 핵심 기술일 뿐 실제 비즈니스 가치는 Agent화 과정에서 나오기 시작했다.LLM → LLM 기능LLM 기능 → 하나의 태스크 자동화태스크 자동화 → 워크플로우 자동화워크플로우 자동화 → “업무 담당자” 역할을 수행하는 Agent결국 기업은 LLM을 도입하는 것이 아니라, 업무를 수행하는 AI 직원을 만드는 방향으로 가고 있다.이 글은 왜 모든 서비스가 Agent화되고,.. 2025. 11. 23. 이전 1 다음 반응형