조대협의 블로그

조대협 (http://bcho.tistory.com) Claude Code를 리서치 하면서, 요즘 에이전트의 구조 특히 SKILL, SubAgent, MultiAgent 등을 이해하다 보니, 실제로 만드는것도 어렵지 않겠다. 생각이 들어서 어떤 프레임웍이 지원하는지 찾아보던중 Langchain에서 얼마전에 발표한 DeepAgent를 찾아서 간단한 시나리오를 구현해봤다. DeepAgent는 Langchain의 LangGraph (복잡한 LLM 간의 연결 구조를 구현하는 프레임웍)을 한단계 더 추상화 시켜서 Agent 개발에 최적화된 프레임워크 이다. 다른 Agent가 가지고 있는 SubAgent,Skill 등의 개념을 잘 지원하고 있으며, 무엇보다 구현이 매우 쉽게 되어 있다. Claude Code과 ..

조대협 (http://bcho.tistory.com) 작년이 Cursor, Winsurf등 AI 코딩 도구와 Lovable, Replit 등의 바이브 코딩으로 시작되는 한해였다면, 금년은 Claude Code와 같은 CLI 기반의 에이전트 코딩으로 넘어가는 한해이다. 2026년 트랜드 변화2025년에는 개발자들이 전체 코드가 아니라 일부 모듈이나 코딩 부분을 Cursor 와 같은 IDE에서 개발하는 정도로, AI의 도움을 받아서 개발하는 단계 였다면, 금년은 Claude Code와 같은 에이전트 기반의 AI로 스펙만 작성하면 크고 복잡한 코드도 개발이 가능한 방향으로 변화하고 있다. 2026년 2월5일에 발표된 글을 보면, Anthropic Claude Code 모델을 사용하여, C 컴파일러를 개발한 ..

🚀 CDP & Playwright조대협 (http://bcho.tistory.com)아래 코드는 프롬프트를 이용해서, Sonnet-4를 사용해 생성한 컨텐츠 입니다.브라우저 자동화 학습 교본Chrome DevTools Protocol과 Playwright를 활용한 웹 자동화 완벽 가이드📑 목차1. 소개2. 아키텍처 이해3. 프로젝트 설정4. CDP 예제5. Playwright 예제6. 사람처럼 행동하기 (Advanced)7. CDP vs Playwright 비교8. 모범 사례1. 소개🎯 학습 목표이 교본에서는 다음 내용을 학습합니다:Chrome DevTools Protocol (CDP)의 기본 개념과 사용법Playwright를 활용한 브라우저 자동화봇 감지 우회 기법 (CAPTCHA 처리, 사람처럼..

아래 글은 Service에 대한 라우팅 메커니즘은 Ingress와 Gateway에 대한 설명이다.아래 글은 Gemini 3.0 Pro를 이용하여 생성되었다. 쿠버네티스 네트워크의 진화: Ingress에서 Gateway API까지쿠버네티스 환경에서 마이크로서비스 아키텍처를 운영하다 보면 필연적으로 네트워크 라우팅 문제에 직면하게 된다. 클러스터 내부에는 수많은 Service가 존재하지만 이들 모두에게 외부 접속용 공인 IP(LoadBalancer 타입)를 할당하는 것은 비용 측면에서나 관리 측면에서나 매우 비효율적이다. 결국 단일 진입점을 통해 들어온 트래픽을 URL 경로나 호스트 이름을 기반으로 적절한 내부 서비스로 분배해 줄 L7 로드밸런서가 필요하게 되며, 이것이 바로 쿠버네티스 Ingress가 탄..

참고한 원본 글 : https://www.anthropic.com/engineering/claude-code-best-practices Anthropic이 공개한 Claude Code는 단순한 코드 자동 완성 도구를 넘어, 개발자의 쉘 환경과 파일 시스템에 직접 접근하여 자율적으로 작업을 수행하는 '에이전트형(Agentic)' 개발 도구다. 하지만 이 강력한 자율성은 명확한 가이드라인 없이는 오히려 예측 불가능한 결과를 낳을 수 있다.이 글에서는 Anthropic이 공식적으로 밝힌 엔지니어링 블로그의 내용을 기반으로, Claude Code의 잠재력을 100% 끌어내기 위한 핵심적인 베스트 프랙티스를 항목별로 심층 분석하고, 실제 적용 가능한 예제와 함께 제시하고자 한다.1. 초기 설정 최적화 (Custo..

LLM 애플리케이션을 만드는데, 이미 Langchain과 같은 프레임웍이 있는데, 왜 추가로 Langgraph와 같은 프레임웍이 필요할까?예를 들어서, 질문에 대해서 구글 검색을 하고, 그 내용을 기반으로 답변하는 Agent를 만든다고 하자.아래 구조와 같이 질문을 분석해서 좀 더 명확한 프롬프트로 만들어내고, 구글 검색을 한 후, 검색 내용이 답변을 하는데 충분한 정보를 가지고 있는지 판단을 하고, 만약에 검색된 정보가 충분하지 않으면 질문을 변경해서 다시 구글 검색을 하고, 충분한 정보를 수집할때 까지 이 과정을 반복한 다음에, 이 정보를 이용해서 답변을 생성해서 리턴한다. 이 구조를 Langchain으로 만들 수 없을까?물론 가능은 하다. 대략 다음과 같은 구조를 가지면 된다. chain = ( ..

조대협 (http://bcho.tistory.com) 보통 우리가 LLM을 생각하면 LLM 모델은 학습된 정보를 기반으로 질문에 답변을 하는 기능만 생각하지만 LLM을 서비스하는 API의 경우 추가적인 기능을 제공하는 경우가 많다. Gemini API의 경우 구글 검색을 통한 답변이나, 코드를 생성한 후 자동으로 실행해주는 Code execution과 같은 추가 기능을 제공한다. 이는 Gemini LLM 모델에 추가적으로 Google Search나 코드 실행과 같은 추가 기능을 개발하여, API를 통해서 서비스 하는 개념이다. Gemini API에는 생각보다 유용한 기능들이 많은데, 이 글에서는 Gemini API의 유용한 기능을 위주로 살펴보도록 한다. Thinking먼저 Thinking 모델 (..

대규모 분산 학습에서 고려할 사항조대협 (http://bcho.tistory.com) 그러면 실제로 분산 학습은 어떻게 이루어질까, 하나의 머신에서 여러 GPU를 사용하는 멀티 GPU의 경우에는 코드만 싱글 GPU 코드와 다르지 다른 설정은 다르지 않다. 그러나 멀티 머신 학습의 경우에는 각 머신에서 학습 코드를 실행해줘야 하고, 같은 데이터 소스로 부터 데이터를 각 머신에서 읽어와야 한다. 그렇다면 동시에 여러 머신에 학습 코드를 어떻게 실행할까?스케쥴러수동으로, 특정 서버에서 각각 학습 코드를 실행할 수 도 있지만, 보통 수십,수백개의 머신에서 하나의 학습만을 돌리는 일은 드물다. 중간 중간 실험을 위해서 작은 모델을 학습하기도 하고, 전체 머신들에서 하나의 거대 모델들을 돌리기도 한다.  만약 50..

Vertex AI : 모델 학습 및 하이퍼 패러미터 튜닝 조대협 (http://bcho.tistory.com) 가장 기본적이지만 클라우드를 사용하면서 가장 효과적인 기능이 모델 학습과 하이퍼 패러미터 튜닝이다. 모델 학습을 위해서는 CPU/GPU 고사양의 컴퓨터가 필요하지만, 이 고사양의 컴퓨팅 파워가 항상 이용되는 것이 아니라. 학습때 많은 컴퓨팅 자원이 필요하기 때문에, 온프렘등에서 장비를 사놓고 학습때만 사용하고 평소에 장비를 사용하지 않는 것 보다는 학습때만 클라우드에서 컴퓨팅에서 컴퓨팅 자원을 사용하는 것이 오히려 비용 효율적이라고 볼 수 있다. 하이퍼 패러미터 모델을 학습함에 있어서 모델에는 여러가지 튜닝이 가능한 패러미터가 있다. 예를 들어 학습 속도 (Learning Rate)나, 또는 뉴..

Vertex.AI Model 학습 및 모델 배포&서빙 조대협 (http://bcho.tistory.com) 머신러닝 환경에서, 학습을 수행하기 위해서는 프레임웍에 맞는 환경 (파이썬,텐서플로우)등을 설치하고, 필요한 컴퓨팅 리소스 (CPU,GPU)등을 프로비저닝 한후, 학습을 진행해야 한다. 학습이 완료되면 서빙을 위해서 모델을 export 하고, 서빙을 위한 API 서버를 설치 한 후에, 모델을 배포해서 서빙을 해야 한다. 서빙시에는 학습시 데이터와 서빙 요창에 들어온 데이터가 크게 차이가 나지 않는지 (training & serving detection), 또는 서빙 요청이 들어온 데이터가 이전 서빙 요청이 들어온 데이터와 크게 차이가 나지 않는지 (data drift detection)등의 체크를 ..