욤미의 개발일지

VS Code에서 Claude Code + Linear 연동하려면 아래의 과정이 필요하다.Claude Code를 VS Code에서 정상 실행Linear를 MCP 서버로 연결Claude가 Linear에서 내 티켓을 읽게 함현재 워크스페이스 코드와 티켓 문맥을 같이 보고 구현브랜치, 커밋, PR까지 Claude와 같이 진행Claude Code의 VS Code 확장은 VS Code 안에서 바로 쓰는 게 권장 방식이고, 확장 설치 후 Spark 아이콘이나 Command Palette로 열 수 있다. 또 VS Code 안의 통합 터미널에서 Claude Code CLI도 함께 쓸 수 있다. 1) Claude Code 설치A. 설치Anthropic 공식 문서 기준으로 Claude Code는 지금 native inst..

GPT와 ChatGPT는 이름이 비슷해 같은 개념으로 오해되기 쉽다.하지만 실제로는 역할과 구조가 다른 개념이며, 이를 정확히 이해하는 것이 LLM 기반 서비스를 이해하는 데 중요한 출발점이 된다. 1. GPT란 무엇인가GPT(Generative Pre-trained Transformer)는 Transformer 구조를 기반으로 한 언어 생성 모델이다.이 모델의 핵심 목적은 다음과 같다.주어진 텍스트를 기반으로 다음에 올 토큰(Token)을 예측하는 것즉 GPT는 “대화를 하기 위해 만들어진 모델”이 아니라 언어의 확률적 패턴을 학습한 생성 모델이다. 예를 들어, 입력: “나는 밥을” 출력: “먹었다”이처럼 GPT는 문맥을 바탕으로 가장 자연스러운 다음 단어를 예측한다.2. ChatGPT란 무엇인가Ch..

GPT는 최근 다양한 AI 서비스의 핵심으로 사용되고 있는 언어 모델이다.하지만 단순히 “대화를 잘하는 모델”이라는 수준을 넘어 내부적으로 어떤 구조와 원리로 동작하는지를 이해하는 것은 매우 중요하다. 1. GPT란 무엇인가GPT(Generative Pre-trained Transformer)는 Transformer 구조를 기반으로 한 Autoregressive Language Model이다. 이 모델의 핵심 목적은 단 하나다 → 이전까지의 텍스트를 기반으로 다음에 올 토큰을 예측하는 것즉 GPT는 “문장을 이해한다”기보다 확률적으로 가장 자연스러운 다음 단어를 생성하는 모델이라고 보는 것이 정확하다.2. GPT의 전체 동작 흐름GPT의 동작은 다음과 같은 흐름으로 이루어진다.텍스트 입력 → 토큰화(T..

LLM 기반 서비스에서 RAG(Retrieval-Augmented Generation)는 가장 널리 사용되는 구조 중 하나다. 사용자의 질문에 대해 관련 문서를 먼저 검색하고 그 결과를 바탕으로 답변을 생성하는 방식이다. 이 구조는 단순히 모델의 지식에 의존하는 것이 아니라 외부 데이터를 활용해 더 정확하고 최신의 답변을 만들어낼 수 있다는 점에서 실무에서 매우 유용하게 사용된다.하지만 실제로 RAG 시스템을 구현해 보면 예상과 다른 문제가 자주 발생한다. 분명 문서 안에는 답이 존재하는데 검색이 되지 않거나 관련 없는 내용이 함께 섞여 답변 품질이 떨어지는 경우가 많다. 이런 문제를 처음에는 임베딩 모델이나 LLM의 성능 부족으로 생각하기 쉽지만 실제로는 그 이전 단계에서 이미 문제가 발생한 경우가 대..

최근 LLM 기반 시스템은 단순 질의응답을 넘어 실제 문제를 해결하는 방향으로 발전하고 있다.이러한 흐름에서 핵심 개념으로 등장한 것이 AI Agent이다.AI Agent는 단순히 답변을 생성하는 모델이 아니라 문제를 해결하기 위해 판단하고 행동하는 실행 단위이다.1. Agent가 필요한 이유LLM을 단순 호출 방식으로 사용할 경우 다음과 같은 한계가 존재한다.복잡한 문제를 한 번에 해결하기 어렵다.현실의 작업은 데이터 수집, 분석, 정리, 검증 등 여러 단계를 포함한다. 단일 응답 구조로는 이러한 과정을 충분히 반영하기 어렵다.외부 시스템과의 연결이 제한적이다LLM 자체는 데이터 조회, 계산, API 호출과 같은 작업을 직접 수행하지 못한다. 따라서 실제 작업 수행을 위해서는 별도의 실행 구조가 필요하..

Agent를 “운영 가능한 시스템”으로 만드는 방법LLM 기반 애플리케이션은 단순한 프롬프트 호출을 넘어, 점점 복잡한 워크플로우를 요구하고 있다.이러한 흐름 속에서 등장한 것이 LangGraph이다.LangGraph는 단순한 체인 실행 도구가 아니라 상태를 가지는(Stateful) Agent 시스템을 설계하고 운영하기 위한 프레임워크이다.1. LangGraph란 무엇인가LangGraph는 LangChain에서 파생된 프레임워크로,상태 기반(Stateful) 워크플로우를 그래프 형태로 정의하고 실행하는 오케스트레이션 엔진이다.기존 LangChain이 "단일 흐름 또는 간단한 체인"에 초점이 있었다면, LangGraph는 다음 문제를 해결하기 위해 등장했다.여러 단계의 의사결정이 필요한 Agent도중에 멈..