AI 사이드카 패턴을 활용한 기존 앱에 AI 추가

세미나 개요2025년 4월 24일, Azure OpenAI Dev Day Korea 2025 행사에서 Microsoft의 App Innovation 솔루션 스페셜리스트인 Maaya Ishida(마야 이시다)가 “Adding AI to your existing apps with AI sidecar pattern”라는 주제로 세미나를 발표할 예정입니다. 이 세션은 기존 애플리케이션에 AI 기능을 통합하는 방법을 다뤘으며, 특히 AI 사이드카 패턴을 활용하여 최소한의 코드 수정으로 AI를 추가하는 여러 방안을 소개합니다. 그림 1: 사이드카 패턴 개념도 – 오토바이(기본 애플리케이션)에 사이드카(부가 기능 모듈)를 옆에 붙여 함께 운행하는 모습에 비유됩니다. 사이드카에는 관찰성(모니터링), 로깅, 보안, 캐싱, AI 통합 등 다양한 보조 기능을 탑재할 수 있으며, 기본 애플리케이션과 동일한 수명 주기로 함께 배포되고 관리됩니다.발표자는 모놀리식(일체형) 구조의 기존 앱을 크게 수정하지 않고도 AI의 강력한 기능을 접목할 수 있는 방법에 초점을 맞췄으며, AI 애플리케이션이나 클라우드 네이티브 앱 입문자를 위한 내용으로 구성되었습니다. 세션이 열린 Azure OpenAI Dev Day는 Azure OpenAI 서비스와 LLM(거대 언어 모델) 활용을 주제로 한 개발자 행사로, 국내외 전문가들이 참가하여 생성형 AI, AI 에이전트, 벡터 검색 등 지능형 앱 개발 전략을 공유한 자리입니다. 4/24(목)에 삼성역부근에서 개최되며 신청하시려면 상단에 ”AOAI Dev Day Korea 2025”를 클릭합니다. (혹은 아래 이미지 그냥 클릭합니다)AI 사이드카 패턴의 개념과 아키텍처사이드카 패턴(sidecar pattern)이란 마이크로서비스 아키텍처에서 보편적인 설계 패턴으로, 메인 애플리케이션 옆에 “사이드카”처럼 별도 프로세스나 컨테이너를 붙여서 부가 기능을 제공하는 방식입니다. 이름 그대로 오토바이에 연결된 사이드카에 빗대어, 메인 프로그램(오토바이)에 보조 역할을 하는 컴포넌트(사이드카)를 나란히 배치하는 구조입니다. 사이드카는 부모 애플리케이션과 연결되어 지원 기능을 제공하며, 부모 앱과 동일한 라이프사이클로 생성되고 종료됩니다​. 즉, 메인 애플리케이션과 함께 배포되지만 독립된 프로세스/컨테이너로 격리되어 동작하므로, 서로 다른 언어나 환경으로 개발된 컴포넌트도 결합할 수 있습니다. 이러한 구조를 통해 메인 앱의 코드를 직접 수정하지 않고도 관심사 분리를 실현하고, 이질적인 기술 스택 통합이나 기능 확장을 유연하게 할 수 있습니다​.사이드카 패턴의 핵심 특징을 정리하면 다음과 같습니다:격리 및 캡슐화: 보조 기능을 별도 프로세스/컨테이너로 분리하여 메인 애플리케이션과 격리합니다. 이를 통해 한쪽에 문제가 생겨도 다른 쪽에 영향을 최소화하고, 독립적인 배포/스케일링이 가능합니다​.이기종 기술 통합: 사이드카는 메인 앱과 다른 언어, 프레임워크로 개발될 수 있어, 기존 앱을 그대로 둔 채 새로운 기술 스택을 도입할 수 있습니다. 예를 들어 .NET 기반 애플리케이션 옆에 Python으로 작성된 AI 모델 사이드카를 붙이는 식입니다​.공유 자원 및 통신: 사이드카는 메인 앱과 동일한 호스팅 환경에 배치되므로 네트워크, 스토리지 등의 자원을 공유하고 낮은 지연으로 통신할 수 있습니다. 보통 로컬호스트 호출이나 IPC로 연동되어 성능 오버헤드를 최소화합니다.동일한 수명 주기: 사이드카는 메인 앱과 함께 시작되고 종료되며, 하나의 단위로 관리됩니다​. 따라서 애플리케이션 배포/운영 시 일체화되어 편리하고, 필요 시 사이드카만 교체하거나 업데이트하여 메인 앱 코드를 변경하지 않고도 기능을 개선할 수 있습니다​.이러한 특성 덕분에 사이드카 패턴은 모니터링/로그 수집, 구성 관리, 네트워킹, 보안 에이전트 등 다양한 부가기능을 기존 시스템에 추가하는 데 활용되어 왔습니다. Maaya Ishida의 발표에서는 이 사이드카 개념을 AI 기능에 적용함으로써, 기존 앱에 지능형 기능을 신속히 통합하는 방안을 소개합니다.기존 앱에 AI를 추가하는 대표적 접근 방식클라우드 AI 서비스 연동 사이드카가 Azure OpenAI 등 외부 AI API를 호출하고, 메인 앱은 사이드카를 통해 결과를 수신하는 구조입니다.메인 앱에는 최소한의 수정만 거쳐 AI 호출 로직을 우회하거나, 전혀 손대지 않고도 AI 기능을 추가할 수 있습니다.경량 AI 모델 사이드카 작은 언어 모델(예: Microsoft의 Phi-3)을 사이드카에 탑재해 로컬 추론을 수행합니다.가벼운 자원으로도 동작 가능하며, 클라우드 호출 비용을 줄이고 응답 속도 향상을 기대할 수 있습니다.온프레미스/엣지 AI 사이드카 데이터 보안·지연 등의 이슈로 클라우드를 사용하기 어려운 경우, 온프레미스나 엣지 환경에서 사이드카를 구동해 로컬 AI 기능을 제공합니다.외부 네트워크 없이 내부에서 AI 모델을 실행해 민감 데이터 처리나 오프라인 추론이 가능합니다.실제 적용 사례기존 웹앱에 AI 챗봇 붙이기: 사이드카에서 생성형 AI 모델을 실행해 질문을 처리하고, 웹앱은 사용자 입력·출력을 담당합니다.AI 기반 모니터링/로그 분석: 사이드카에 머신러닝 모델을 올려 메인 앱 로그를 실시간으로 이상 탐지·통계 분석합니다.캐싱 사이드카: Redis 등 캐시를 사이드카로 도입해 성능과 응답 속도를 향상시키는 사례도 많습니다.AI+벡터 DB 복합 사이드카: 사이드카 두 개를 이용해 AI 모델과 벡터 DB(RAG 시나리오 등)를 동시에 구동, 고급 지능형 기능을 빠르게 실험·적용할 수 있습니다.Microsoft App Innovation 전략과의 연관성Microsoft는 “앱 현대화와 지능형 기능 도입”을 핵심 목표로 삼고 있으며, 사이드카 패턴을 통해 기존 앱을 쉽게 AI로 확장하도록 지원합니다. Azure App Service가 2024년 말부터 사이드카 기능을 정식 지원하면서, 개발자는 별도의 쿠버네티스나 대규모 아키텍처 변경 없이도 사이드카 컨테이너를 배포해 AI·모니터링·보안·캐싱 등의 기능을 빠르게 붙일 수 있게 되었습니다. 이는 기존 시스템 안정성을 유지하면서 클라우드와 AI 기술을 도입하려는 조직에 현실적 대안을 제공합니다.발표 자료 및 참고 링크#제목유형바로가기1Sidecar pattern – Cloud Design Patterns설계 가이드https://learn.microsoft.com/azure/architecture/patterns/sidecar 2Announcing the General Availability of Sidecar Extensibility in Azure App ServiceGA 발표 블로그https://techcommunity.microsoft.com/blog/appsonazureblog/announcing-the-general-availability-of-sidecar-extensibility-in-azure-app-servic/4267985 3Sidecars in Azure App Service: A Deep Dive심층 기술 블로그https://azure.github.io/AppService/2025/03/06/Sidecars-Deep-Dive-Part1.html 4Integrating AI into your Python Apps with App Service Sidecars세션 동영상https://learn.microsoft.com/shows/azure-developers-python-day-2024/integrating-ai-into-your-python-apps-with-app-service-sidecars 사이드카 패턴은 기존 애플리케이션 옆에 AI 기능을 탑재해 빠르게 가치를 검증하고 장기적으로 확장할 수 있게 하는 핵심 방법론입니다. 최소한의 리스크로 AI 시대를 준비하려는 개발자·기업들에게 유용한 선택지라 할 수 있습니다.

MCP 러닝데이 - 어시웍스 밋업 25Q2 현장 스케치 📸

안녕하세요, 인공지능팩토리 김선아입니다! 지난 4월 8일 판교 구름 타운홀에서 진행된 ‘MCP 러닝데이 - 어시웍스 밋업 25Q2’에 총 57명(참가자 50명, 발표자 7명)이 모여, 성황리에 행사를 마무리했습니다. 🎉 이번 러닝데이는 ‘AI와 에이전트 기술의 미래’를 미리 엿볼 수 있었던 매우 뜻깊은 자리였는데요. 어떤 내용들이 오갔는지, 간단한 현장 스케치로 소개해 드리겠습니다. 📸 🚀 행사 장소 & 분위기행사는 판교 구름 타운홀 9층에서 열렸습니다. 개방적인 공간 구조로, 네트워킹을 자유롭게 하기에도 딱 좋았죠. 마침 봄 날씨에 벚꽃이 만개한 시기라, 행사장으로 이동하는 동안도 화사한 분위기를 만끽할 수 있었습니다.🌸  💫 오프닝 & 인사행사 시작은 인공지능팩토리 김태영 대표이사님의 오프닝 인사로 문을 열었습니다. “MCP 생태계가 앞으로 어떻게 확장될 것인지, 어떤 기회를 창출할 수 있을지”에 대한 짧은 소견을 공유해 주셨고, 참가자들의 관심도 한껏 고조되는 분위기였어요. 📅 세션 일정🔥 오후 2시부터 5시30분까지, 3시간 30분간 논스톱 세션! 참가자분들의 열정에 맞춰 연사님들의 열정 넘치는 발표가 있었습니다. 시간세션내용14:00 ~ 14:10네트워킹오프닝 및 행사 안내- 주최 측 인사 (어시웍스 밋업, AIFactory)- MCP 러닝데이 행사 취지 및 흐름 소개14:10 ~ 14:35MCP 활용 세션MCP 활용 - 비개발자개발자가 아니어도 MCP 씁니다 — 해상풍력 회사에서 진짜로 써본 이야기연사: 박장원 (RWE)14:35 ~ 15:00MCP 활용 - 개발자 Figma MCP로 범정부 디자인시스템 구현해보기 with VS Code 인사이더연사: 이보라 (Microsoft MVP)15:00 ~ 15:25MCP 개발 세션MCP 개발 - 클라이언트MCP 클라이언트를 만들어봅시다. 딸깍 연사: 유저스틴 (Microsoft)15:25 ~ 15:50MCP 개발 - 서버“MCP 서버 구축 - 나만의 wrtn, lilys 만들기”연사: 강동주 (1AI)15:50 ~ 16:15MCP 연동 플랫폼MCP 연동 플랫폼 - 코파일럿 스튜디오MS 코파일럿 스튜디오와 에이전트에서 바라본 MCP 연사: 이재석 (Microsoft MVP)16:15 ~ 16:40MCP 연동 플랫폼 - 플로우그래프플로우그래프기반의 AI Agent및 Multi-modal RAG시스템에서의 MCP 활용 연사: 이서준 (비트스텝)16:40 ~ 17:05MCP 연동 플랫폼 - 어시웍스“에이전틱 AI 플랫폼인 어시웍스에서 MCP를 도입할 수밖에 없었던 이유는?”연사: 김태영 (AIFactory, Microsoft RD & AI MVP)17:05 ~ 17:30네트워킹💬 패널 토크 및 클로징 - 전체 연사 참여 - MCP 실전 도입, 기술/비즈니스 과제, 커뮤니티의 역할 등 자유 토론 및 질의응답- 단체 사진 촬영 및 종료    14:10 ~ 14:35 개발자가 아니어도 MCP 씁니다 — 해상풍력 회사에서 진짜로 써본 이야기 (박장원, RWE)14:35 ~ 15:00 Figma MCP로 범정부 디자인시스템 구현해보기 with VS Code 인사이더 (이보라, Microsoft MVP)15:00 ~ 15:25 MCP 클라이언트를 만들어봅시다. 딸깍(유저스틴, Microsoft)15:25 ~ 15:50 “MCP 서버 구축 - 나만의 wrtn, lilys 만들기” (강동주, 1AI)15:50 ~ 16:15 MS 코파일럿 스튜디오와 에이전트에서 바라본 MCP (이재석, Microsoft MVP)16:15 ~ 16:40 플로우그래프기반의 AI Agent및 Multi-modal RAG시스템에서의 MCP 활용 (이서준, 비트스텝)16:40 ~ 17:05 “에이전틱 AI 플랫폼인 어시웍스에서 MCP를 도입할 수밖에 없었던 이유는?” (김태영, AIFactory, Microsoft RD & AI MVP)📚 네트워킹 & 클로징모두가 열정적으로 지식을 나누고, 함께 배우며 토론한 뜻깊은 시간이었습니다! 다음에는 더 풍성한 네트워킹을 준비하려고하니 많은 기대 부탁드려요. 😆📸 끝까지 남아주신 분들과는 ‘MCP를 외치며 단체 사진도 찰칵! 📷📢 다음 행사도 기대해 주세요! 🚀더욱 유익한 콘텐츠와 네트워킹 기회로 다시 찾아뵙겠습니다! 감사합니다! 🙌💙

장애를 넘어, 기술로 연결되는 기회 – Microsoft ENGAGE

마이크로소프트가 장애 대학생을 위한 단기 테크 역량 강화 프로그램 ENGAGE Program을 시작합니다.AI, Cloud, Copilot 등 최신 기술 트렌드와 함께, 취업 특강, 모의 면접, 현직자 네트워킹까지 경험할 수 있는 특별한 기회! 서울 소재 대학(학부/석사/박사) 재학생 중, 장애를 경험한 학생이라면 누구나 참여할 수 있어요. 수료 시에는 인증서와 Microsoft 채용 정보 우선 제공 혜택도 주어집니다.📅 일정: 4/14, 4/21 (온라인) + 4/30 (오프라인)🔗 신청하기: https://aka.ms/engagekorea

빠른 시간에 이렇게 유익하고 즐거운 행사 챙겨주셔서 감사합니다 ^ ^

안녕하세요 구름에서 5분거리 판교에 서식하는 Joe입니다. 제목 그대로! 지브리와 MCP가 뜬지 한 열흘도 안된 것 같은데!  이렇게 빠른 시간에 유익하고 또 즐거운 행사를 다양한 라인업으로 만들어 주신 김태영 대표님께 감사드리고,  또 좋은 발표 준비해 주신 여러 전문가 분들께도 감사드립니다.  (대표님 사업이야기 하시는 것 같아 오늘은 인사 못드리고 일찍 나왔어요 ^ ^; )  1Q Agentic AI 밋업때 클릭의 아쉬움을 완전히 털어냈던 시간이었고 조만간 intensive한 핸즈온도 해보고 업무에도 적용해 보고 싶다는 생각이 들었습니다.  아는 분들 만나 반가웠고 사무실에서 가까와서 더 좋았으며 기회가 된다면 저희 홀에서도 행사 모셔보고 싶습니다.  다시 한번 감사드립니다. 모두 편안한 저녁 되십시오.   

[행사후기] 유익하고 재밌었습니다~

오늘 MCP 러닝데이가 유익했습니다.여러 연사분들의 발표를 듣고 MCP 활용법과 개발 팁을 많이 배울 수 있었습니다. 개인적으로 MCP활용에 대한 이재석님 인사이트가 인상에 깊었고, 실제 서비스에 도입된 사례들을 보며 MCP가 요즘 대세구나 실감이 났습니다.저도 MCP를 활용해 무언가를 빨리 만들어보고 싶은 마음이 드네요!!

MCP Client 중심으로 MCP 구조 파악하기 (LLM 빼고)

MCP를 단 번에 이해하기란 쉽지 않습니다. LLM, Function Calling, Server-Client, Protocol, 로컬 호스트(claude, cursor)… 게다가 다양한 프로그래밍 언어까지 뒤엉켜 하나의 생태계를 이루고 있습니다. 그냥 쓰기만 한다면 개념만 알아도 되지만, 직접 시스템을 구축하려면 핵심 요소들에 대한 이해는 필수입니다. 그래서! 이번엔 MCP Host나 LLM은 모두 걷어내고, MCP Client에 집중해서 테스트해봤습니다. Claude가 제공하는 파일 시스템 기반 MCP Server와 통신하면서, 파이썬으로 직접 호출한 소스코드도 공유합니다. MCP 공부 중에 모듈별로 뜯어보고 싶은 분들에게 작은 실마리가 되길 바랍니다.목차MCP란 무엇인가?프로젝트 구조 및 준비mcp_server_config.json으로 서버 파라미터 관리클라이언트 코드 구현잠깐 Stdio이란?실행 및 예시 출력정리1. MCP란 무엇인가?Model Context Protocol(MCP)는 LLM(예: Claude, GPT)과 다양한 툴(데이터베이스, 파일시스템, 기타 API 등)을 연결하는 클라이언트-서버 프로토콜입니다.서버(MCP Server): 특정한 기능(‘도구’)을 제공하고, MCP 메시지를 받아 처리합니다. 예: 파일시스템 접근, 데이터 쿼리, HTTP 호출 등.클라이언트(MCP Client): MCP 서버에 접속하여 필요한 작업을 요청합니다.이 프로토콜은 JSON-RPC 2.0 스타일로 요청(Request)·응답(Response)·알림(Notifications)을 주고받아 확장성과 호환성이 높습니다.2. 프로젝트 구조 및 준비예시 디렉토리 구조는 다음과 같습니다:<code class="language-plaintext">mcp-client/ ┣ .venv/ # 가상환경(uv venv) ┣ mcp_server_config.json # MCP 서버 설정 파일(예: filesystem 서버) ┣ client.py # MCP 클라이언트 코드 ┗ ... </code>가상환경 설치 예시 (uv CLI)아래와 같이 프로젝트 폴더를 만듭니다.<code class="language-plaintext">uv init mcp-client cd mcp-client uv venv source .venv/bin/activate # (Windows: .venv\Scripts\activate) uv add mcp</code>이제 프로젝트 폴더 내에서 client.py와 mcp_server_config.json을 작성해볼 수 있습니다.3. mcp_server_config.json으로 서버 파라미터 관리이 예시에서는 파일시스템 접근을 클로드에서 제공해주는 파일시스템 MCP 서버를 사용합니다. 서버를 실행하기 위한 명령어와 파라미터를 JSON 파일로 관리할 수 있습니다. 아래 내용으로 “mcp_server_config.json”을 저장합니다.<code class="language-plaintext">{ "mcpServers": { "filesystem": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", "." ] } } }</code>mcpServers: MCP 서버 목록을 JSON으로 정의합니다. 여기서는 filesystem이라는 이름의 서버 한 개를 사용합니다.command: MCP 서버를 실제로 실행할 명령어(npx, python 등).args: 명령어에 전달될 인자(매개변수) 목록. 위 예시에서는 -y 옵션과 함께 @modelcontextprotocol/server-filesystem 패키지를 실행하고, 현재 디렉토리(.)를 루트로 삼아서 MCP 파일시스템 서버를 띄웁니다.이 설정 파일을 사용하면, Python 클라이언트 코드에서 쉽게 서버 정보를 읽어와서 서버를 실행할 수 있습니다.4. 클라이언트 코드 구현MCP 서버(filesystem)에 연결하여, 서버가 제공하는 도구(tools) 목록을 조회한 뒤, 디렉토리를 나열하고, 특정 확장자를 가진 텍스트 파일만 읽어 일부 내용을 출력하는 로직을 담고 있습니다. 주요 단계를 조금씩 나누어 설명합니다.4.1 필요한 모듈 임포트필요한 모듈을 임포트 합니다.<code class="language-python">import json, os, asyncio from contextlib import AsyncExitStack from mcp import ClientSession, StdioServerParameters from mcp.client.stdio import stdio_client</code>json: mcp_server_config.json을 읽고 파싱하기 위해 사용.os: 파일 경로를 합치거나(os.path.join) 운영체제별 경로 처리를 위해 사용.asyncio: MCP 클라이언트가 비동기 방식으로 동작하므로(async/await) 필요.contextlib.AsyncExitStack: 비동기 컨텍스트(async with)를 여러 겹으로 깔끔하게 관리하기 위해 사용.mcp 관련 임포트:ClientSession: MCP 서버와의 세션을 나타내는 객체.StdioServerParameters: MCP 서버 실행 정보를 담는 파라미터 클래스.stdio_client: 표준 입출력을 통해 서버와 연결하는 함수.4.2 main() 함수 전반부서버 설정을 준비하는 코드입니다.<code class="language-python">async def main(): # 1. 설정 파일 읽기 및 서버 연결 준비 with open("mcp_server_config.json") as f: config = json.load(f)["mcpServers"]["filesystem"] server_params = StdioServerParameters( command=config["command"], args=config["args"], env=None )</code>설정 파일 읽기mcp_server_config.json을 열어서 JSON 파싱 후, "mcpServers" 하위 "filesystem" 키의 설정 정보를 config 변수에 저장합니다.서버 실행 파라미터 설정StdioServerParameters에 command와 args를 지정합니다.env는 None으로 두면, 현재 환경 변수를 그대로 사용합니다. 필요하다면 환경 변수를 추가할 수도 있습니다.4.3 서버 실행 및 MCP 세션 초기화서버 실행을 client에서 할 수 있습니다.<code class="language-python"> # 2. 서버 연결 및 세션 설정 stack = AsyncExitStack() async with stack: # 서버 프로세스 시작 및 세션 초기화 stdio, write = await stack.enter_async_context(stdio_client(server_params)) session = await stack.enter_async_context(ClientSession(stdio, write)) await session.initialize()</code>AsyncExitStackstack = AsyncExitStack()를 통해, 비동기 컨텍스트를 안전하게 열고 닫을 수 있는 스택을 생성합니다.async with stack: 구문에 들어가면, 이 블록 내에서 enter_async_context로 여러 개의 컨텍스트를 등록한 뒤, 블록이 끝날 때 한꺼번에 정리합니다.stdio_client(...)stdio_client(server_params)는 MCP 서버를 subprocess로 실행한 뒤, 그 프로세스의 표준 입출력과 연결합니다.이 반환값 stdio, write는 표준 입력/출력을 비동기로 주고받기 위한 스트림 객체입니다.ClientSessionClientSession(stdio, write)를 통해, MCP 프로토콜을 구현한 세션을 생성합니다.session.initialize()는 MCP 서버와 최초 Handshake 과정을 거쳐서 세션을 사용 가능한 상태로 만듭니다.4.4 MCP 도구 목록 조회 및 출력MCP Server의 도구들을 조회할 수 있습니다.<code class="language-python"> # 3. 도구 목록 조회 및 출력 tools_response = await session.list_tools() tool_names = [tool.name for tool in tools_response.tools] print("도구:", ", ".join(tool_names)) </code>session.list_tools()를 호출하면, MCP 서버가 제공하는 “도구”(tool) 리스트를 얻을 수 있습니다.예: ["list_allowed_directories", "list_directory", "read_file", ...]이 목록을 출력해보면, MCP 서버가 어떤 기능들을 노출하고 있는지 한눈에 파악할 수 있습니다.4.5 허용된 디렉토리 목록 조회json에 설정된 디렉토리 목록을 조회할 수 있습니다.<code class="language-python"> # 4. 허용된 디렉토리 목록 조회 allowed_response = await session.call_tool("list_allowed_directories") allowed_text = allowed_response.content[0].text # 디렉토리 목록 추출 directories = [] for line in allowed_text.split('\n'): if line.strip() and "Allowed" not in line: directories.append(line.strip()) if not directories: directories = ['.'] print(f"디렉토리: {', '.join(directories)}")</code>call_tool(tool_name, parameters=None)해당 MCP 서버 도구(tool_name)를 호출합니다.list_allowed_directories는 파일시스템 서버가 “접근 허용 디렉토리” 목록을 반환하는 기능입니다.allowed_response.content[0].text는 응답 본문을 텍스트 형태로 가져옵니다.디렉토리 목록 파싱텍스트 응답은 줄 단위로 되어 있으므로 split('\n')로 잘라서 각 줄을 확인합니다.“Allowed” 같은 안내 문구는 제외하고, 실제 경로만 추출해 directories 리스트에 담습니다.만약 비어 있으면(if not directories:), 기본적으로 현재 디렉토리(".")만 포함합니다.4.6 텍스트 파일 확장자 정의읽고자 하는 파일 타입을 정의합니다.<code class="language-python"> # 5. 텍스트 파일 확장자 정의 extensions = ['.txt', '.md', '.py', '.json', '.csv', '.log', '.html', '.css', '.js']</code>이 예시에서는 텍스트로 볼 만한 확장자를 지정합니다.여기 포함된 파일만 대상으로 실제 파일 내용을 확인하거나 출력합니다.4.7 디렉토리 순회 및 파일 내용 출력허용된 디렉토리 내에서 파일 목록을 가지고 와서 하나씩 읽습니다.<code class="language-python">  # 6. 각 디렉토리 처리 for directory in directories: print(f"\n--- {directory} ---") # 디렉토리 내용 조회 및 파일 필터링 dir_response = await session.call_tool("list_directory", {"path": directory}) dir_text = dir_response.content[0].text # 텍스트 파일 찾기 text_files = [] for line in dir_text.split('\n'): if line.startswith('[FILE]'): filename = line.replace('[FILE]', '').strip() # 텍스트 파일 확장자 확인 if any(filename.lower().endswith(ext) for ext in extensions): text_files.append(filename) # 파일 목록 출력 if not text_files: print("파일 없음") continue print(f"{len(text_files)}개: {', '.join(text_files[:3])}" + ("..." if len(text_files) > 3 else "")) # 파일 내용 출력 (최대 2개 파일) for filename in text_files[:2]: try: # 파일 내용 읽기 및 처음 3줄 출력 file_path = os.path.join(directory, filename) file_response = await session.call_tool("read_file", {"path": file_path}) content = file_response.content[0].text lines = content.split('\n') print(f"\n> {filename}:") for i in range(min(3, len(lines))): print(f" {lines[i]}") if len(lines) > 3: print(" ...") except: print(f"오류: {filename} 읽기 실패")</code>디렉토리 순회앞서 구한 directories 리스트에 담긴 각 디렉토리를 순회하며 처리합니다.list_directory 호출session.call_tool("list_directory", {"path": directory})로 해당 디렉토리에 있는 파일과 폴더 목록을 얻습니다.응답 텍스트는 [FILE], [DIR]와 같은 태그로 구분되어 있을 수 있습니다.텍스트 파일 필터링줄마다 “[FILE]”로 시작하는 항목만 추출하고, 지정한 확장자 리스트(extensions)에 맞는 파일만 text_files에 담습니다.파일 내용 읽기read_file 도구를 이용해 실제 파일 내용을 가져옵니다.가져온 내용(file_response.content[0].text)을 3줄만 출력하되, 줄 수가 더 많으면 “...”을 덧붙여 표시합니다.4.8 메인 함수 실행부메인 함수를 실행합니다.<code class="language-python">if __name__ == "__main__": asyncio.run(main()) </code>Python 스크립트가 직접 실행될 경우 main() 코루틴을 asyncio.run(...)으로 구동합니다.여기서부터 비동기로 MCP 서버와 통신이 이뤄집니다.4.9 최종 전체 코드위 내용을 합치면 client.py는 아래와 같이 작성할 수 있습니다.<code class="language-python">import json, os, asyncio from contextlib import AsyncExitStack from mcp import ClientSession, StdioServerParameters from mcp.client.stdio import stdio_client async def main(): # 1. 설정 파일 읽기 및 서버 연결 준비 with open("mcp_server_config.json") as f: config = json.load(f)["mcpServers"]["filesystem"] server_params = StdioServerParameters( command=config["command"], args=config["args"], env=None ) # 2. 서버 연결 및 세션 설정 stack = AsyncExitStack() async with stack: # 서버 프로세스 시작 및 세션 초기화 stdio, write = await stack.enter_async_context(stdio_client(server_params)) session = await stack.enter_async_context(ClientSession(stdio, write)) await session.initialize() # 3. 도구 목록 조회 및 출력 tools_response = await session.list_tools() tool_names = [tool.name for tool in tools_response.tools] print("도구:", ", ".join(tool_names)) # 4. 허용된 디렉토리 목록 조회 allowed_response = await session.call_tool("list_allowed_directories") allowed_text = allowed_response.content[0].text # 디렉토리 목록 추출 directories = [] for line in allowed_text.split('\n'): if line.strip() and "Allowed" not in line: directories.append(line.strip()) if not directories: directories = ['.'] print(f"디렉토리: {', '.join(directories)}") # 5. 텍스트 파일 확장자 정의 extensions = ['.txt', '.md', '.py', '.json', '.csv', '.log', '.html', '.css', '.js'] # 6. 각 디렉토리 처리 for directory in directories: print(f"\n--- {directory} ---") # 디렉토리 내용 조회 및 파일 필터링 dir_response = await session.call_tool("list_directory", {"path": directory}) dir_text = dir_response.content[0].text # 텍스트 파일 찾기 text_files = [] for line in dir_text.split('\n'): if line.startswith('[FILE]'): filename = line.replace('[FILE]', '').strip() # 텍스트 파일 확장자 확인 if any(filename.lower().endswith(ext) for ext in extensions): text_files.append(filename) # 파일 목록 출력 if not text_files: print("파일 없음") continue print(f"{len(text_files)}개: {', '.join(text_files[:3])}" + ("..." if len(text_files) > 3 else "")) # 파일 내용 출력 (최대 2개 파일) for filename in text_files[:2]: try: # 파일 내용 읽기 및 처음 3줄 출력 file_path = os.path.join(directory, filename) file_response = await session.call_tool("read_file", {"path": file_path}) content = file_response.content[0].text lines = content.split('\n') print(f"\n> {filename}:") for i in range(min(3, len(lines))): print(f" {lines[i]}") if len(lines) > 3: print(" ...") except: print(f"오류: {filename} 읽기 실패") if __name__ == "__main__": asyncio.run(main())</code>5. 잠깐 Stdio이란?Stdio는 MCP에서 서버와 클라이언트가 표준 입력/출력을 통해 메시지를 교환하는 방식인 Stdio Transport를 의미합니다. 장점:로컬 프로세스 간 통신에 간편네트워크 설정 없이 바로 테스트 가능프로세스 시작/종료가 명확해 디버깅에 용이한계:원격 서버와 연결이 필요한 경우에는 SSE + HTTP Transport(웹소켓, SSE 등) 활용이 일반적로컬 환경이 아닌 분산 아키텍처에는 부적합따라서, 로컬에서 빠르게 MCP 서버-클라이언트 구조를 만들고 테스트하고 싶다면, Stdio가 가장 간단한 선택입니다.6. 실행 및 예시 출력1. mcp_server_config.json을 준비합니다.2. 아래처럼 클라이언트를 실행합니다:<code class="language-python">uv run client.py</code>또는 가상환경에서<code class="language-python">python client.py</code>3. 정상 동작 시, MCP 서버가 함께 실행되며, 콘솔에 “사용 가능한 도구: ...”와 디렉토리/파일 목록 및 일부 파일 내용이 출력됩니다.예시 출력<code class="language-python">사용 가능한 도구: list_allowed_directories, list_directory, read_file 허용 디렉토리: ['.', './data'] === . 디렉토리 확인 === 텍스트 파일 목록(3개): ['README.md', 'test.txt', 'example.py']... > README.md 내용 (상위 3줄): # Project Readme This is an example README file. For demonstration. > test.txt 내용 (상위 3줄): test row1 test row2 test row3</code>7. 정리이 예시 코드는 Python에서 로컬 파일시스템 MCP 서버에 연결해 텍스트 파일을 자동으로 스캔하고 일부 내용을 출력해 봄으로써, MCP 클라이언트가 어떤 식으로 작동하는지 확인하는 좋은 출발점이 됩니다. 이후에는 자신만의 LLM과 연동한 MCP Client를 만들어서 어떻게 도구를 호출하는 지 살펴보시면 좋을 것 같습니다. 추가 고려사항은 아래와 같습니다.Stdio Transport는 동일 머신에서 MCP 서버-클라이언트를 빠르게 연결하는 데 최적화되어 있습니다.원격 서버 또는 웹 기반 연동이 필요하다면, SSE + HTTP Transport를 사용해 HTTPS/TLS, 인증 등을 고려할 수 있습니다.MCP의 프로토콜 계층은 바뀌지 않으므로, Transport 방식을 교체해도 list_tools(), call_tool() 등의 함수 사용법은 동일합니다.LLM과의 연동: 여기서는 LLM을 쓰지 않았지만, 같은 구조에서 ChatGPT/Claude/GPT4 등과 결합해 자연어로 MCP 도구를 호출하는 형태로 확장할 수 있습니다.  참조 링크https://modelcontextprotocol.io/quickstart/client 

GPTo Text

등장인물을 Sref Seed를 활용해 일관성 잇는 캐릭터를 만들어서 참조시켜 웹툰 스타일로 생성합니다. 

[추천 아티클] AI 스타트업의 혁신 전략: 성공을 위한 핵심 요소

AI 스타트업이 시장에서 성공하기 위한 전략과 도전 과제는? 최근 패스트캠퍼스에서 발행된 아티클 중, 스타트업을 운영하거나 창업을 고민하는 분들께 도움이 될 만한 내용이라 읽어보시면 좋을 것 같아 공유드립니다.AI 기반의 비즈니스 사업 확장을 구상하시는 분들의 의견이 궁금하네요! [아티클 3문장 요약]1️⃣ AI 스타트업은 혁신적인 기술과 아이디어를 바탕으로 빠르게 변화하는 시장에서 주목받고 있습니다.2️⃣ 성공적인 AI 스타트업은 명확한 비전, 우수한 팀 구성, 효과적인 비즈니스 모델을 갖추고 있으며, 이를 통해 시장에서 경쟁 우위를 확보합니다.3️⃣ 그러나 AI 스타트업은 데이터 확보, 기술 개발, 규제 준수 등 다양한 도전 과제에 직면해 있으며, 이를 극복하기 위한 전략적 접근이 필요합니다. 💡 주목할 만한 인사이트AI 스타트업의 성공 공식은 과연 존재할까요?많은 AI 스타트업이 뛰어난 기술력을 보유하고 있지만, 실제 수익 모델을 찾지 못해 어려움을 겪는 경우가 많습니다.AI 솔루션을 제공하는 스타트업은 고객의 니즈를 정확히 이해하고, 기존 시장과 어떻게 차별화할지 명확한 전략이 필요합니다.최근 데이터 확보 전쟁이 치열해지고 있는데, 스타트업이 충분한 데이터를 확보하지 못하면 AI 모델의 경쟁력이 낮아질 가능성이 큽니다.규제 환경 역시 중요한 변수입니다. 개인정보 보호, AI 윤리 문제 등 법적 장벽을 어떻게 넘을 것인지에 대한 고민도 필수적입니다. [전문 보기]  대AI 시대, 2025년 스타트업 창업 성공 전략은 바로 여기에!

회사 부서원 모집 공고 작성을 위한 에이전트

   채용공고 작성 지원 에이전트 시스템개요중소기업을 위한 채용공고 작성 및 관리 시스템을 개발했습니다. 이 시스템은 회사 소개, 부서 전문성 소개, 구직자 면접 질문까지 포함한 완성도 높은 채용공고를 작성하는 데 도움을 주는 AI 기반 에이전트 시스템입니다.문제 정의중소기업은 대기업과 달리 전문적인 인사팀이나 마케팅팀의 부재로 인해 매력적인 채용공고 작성에 어려움을 겪습니다. 특히 잡코리아나 사람인과 같은 구인사이트에 등록할 때, 회사 소개와 부서 전문성을 효과적으로 표현하고 적절한 면접 질문을 구성하는 것이 쉽지 않습니다.해결 방안이러한 문제를 해결하기 위해 세 단계의 AI 에이전트로 구성된 시스템을 개발했습니다:모집요강 에이전트: 회사의 정책과 목적에 맞는 초안 작성부서장 에이전트: 작성된 내용 검수 및 수정사항 지적최종결과 에이전트: 수정사항을 반영하여 HTML 형태로 최종 공고 생성기능 및 특징맞춤형 회사 소개: 기업의 비전, 가치, 문화적 특성을 반영한 전문적인 회사 소개 작성부서 전문성 강조: 해당 부서의 주요 업무와 전문성을 구체적으로 소개효과적인 면접 질문: 지원자의 역량과 적합성을 평가할 수 있는 맞춤형 면접 질문 제공반복적인 검증 과정: 부서장 에이전트의 검토를 통한 정확성과 적합성 향상HTML 변환: 완성된 채용공고를 즉시 웹에 게시할 수 있는 HTML 형식으로 제공구현 사례 - 상생솔루션 마케팅부 신입 채용시스템 구현의 예시로, 시스템에어컨 임대 및 자재 공급 기업인 상생솔루션의 마케팅부 신입 채용 공고를 작성했습니다.모집요강 에이전트가 기본 정보를 바탕으로 초안 작성부서장 에이전트가 검토 후 자격 요건 구체화, 면접 질문 개선 등의 피드백 제공모집요강 에이전트가 수정사항 반영하여 개선된 버전 작성최종결과 에이전트가 웹 게시용 HTML 형식으로 최종 공고 생성기대 효과시간 및 비용 절감: 채용공고 작성에 필요한 시간과 인력 비용 감소전문성 향상: 전문적이고 매력적인 채용공고로 우수 인재 지원율 증가일관성 유지: 회사의 브랜드 이미지와 일관된 메시지 전달맞춤형 솔루션: 각 기업과 부서의 특성에 맞는 맞춤형 채용공고 작성향후 발전 방향다양한 산업별 템플릿 추가지원자 분석 기능 통합으로 타겟 인재 맞춤형 공고 작성 지원다국어 지원으로 글로벌 인재 채용 지원채용 트렌드 데이터 분석 및 반영 기능 추가 화면-Tools 화면-Agents  화면-Teams  

[API도구초급이벤트] 국립중앙도서관 소장자료 검색

Call API 2. 에이전트 3. 도구4. 도구 추가 5. 검색

[LLM도구이벤트] 이야기 작가

쓰다 만 이야기를 마저 써주는 이야기 작가1.도구 2. 에이전트 3. 이야기 생성     

[API도구특급이벤트] 개인 비서 만들기

 “어시웍스 API 도구 생성 방법 - 특급편”에 소개된 예제에 따라 개발해 보았습니다.  내가 좋아하는 음식을 설농탕, 파인애플이라 알려준 다음,배 고프다고 하면 설농탕과 파인애플 볶음밥을 추천 메뉴로 알려주네요.또 좋아하는 과일을 물으면 파인애플이라고 알려 줍니다.  그리고 내가 좋아하는 것을 독서이고 좋아하는 가수를 알려준 다음심심할 때 뭐 하면 좋겠느냐고 물으니책 읽기와 좋아하는 가수의 음악 감상을 추천해 줍니다.  이런 것이 고정된 방식의 DB 검색과 LLM을 이용한 검색의 차이인 것 같습니다.  어시웍스를 이용하니 아주 빠르고 편하게 만들 수 있어 좋네요. 

팀 에이전트

test

test

[인턴십연계] 12주 개발 프로젝트로 실무 경험까지!

개발 취준생에게 가장 필요한 것은? 사이드 프로젝트 VS 코딩테스트 준비 VS 인턴 이 모든 것을 ☆전액무료☆로 한번에! 포폴도 없고 스펙도 없는데  취준시장에 던져진 개발 취준생이라면 주목! 😭 돈 한푼 내지 않고 구글 출신 개발 리더, 카카오, LG의 현직 개발자의 밀착 멘토링과 코드리뷰로  개발자 취업 준비를 완벽하게 끝내세요 ⚡Kernel360 : 백엔드 심화 캠프 교육 기간 | 25년 4월 28일(월) ~ 25년 7월 18일(금) 모집 기간 | 4월 16일(수) 마감 교육 방식 | - 수업 형태 : 100% 오프라인 - 디렉터, 멘토, 동료와 함께하는 프로젝트십 과정 교육 내용 |  - 기획부터 운영까지 경험하는 기업 문제 해결 프로젝트 - 프로젝트 후 우수 수료생에게 인턴십 기회, 장학금 제공 - 멘토진의 철저한 관리로 포트폴리오 완성 교육비 | 💸 무료 (전액 국비지원) 신청 접수 | 👉 https://buly.kr/7x636lb 문의처 | 메일 : help.edu@fastcampus.co.kr  전화번호: 02-518-4831

유튜브 분석 어시 (다운로드 + 자막 추출 + 요약 + 타임코드 답변)

이제 에이전트로 유튜브 영상 분석하는 시대! 어시웍스 덕분에 유튜브 링크만 있으면 AI가 자막을 추출하고, 핵심 내용을 뽑아주며, 질문하면 "몇 초에 나와요!"까지 알려줍니다 🤖✨에이전트 API 개요세션 생성: 여러 유튜브 영상을 동시에 처리할 수 있도록 세션 단위로 관리영상 다운로드: yt-dlp를 사용해 유튜브 링크로부터 mp4 다운로드오디오 추출: ffmpeg로 mp4에서 오디오(wav)만 추출Whisper로 자막(SRT) 생성: OpenAI의 음성인식 모델SRT → 텍스트 변환: 자막 파일을 읽어 "시작시간 자막텍스트" 형태로 가공다운로드 및 파일 제공: 세션별로 저장된 비디오/오디오/SRT 파일을 직접 다운로드각 단계를 에이전트가 순서대로 호출하면, 영상 처리 작업이 완결됩니다.사용 시나리오사용자가 에이전트에게 "이 유튜브 영상 요약 좀 해줘!"라고 요청합니다. 에이전트는 이 API 서버를 통해 다음을 진행합니다:/create_session으로 새 세션 아이디(session_id) 받기/youtube_download로 영상 다운로드/extract_audio로 오디오 추출/audio2srt로 자막 생성/srt_to_text로 완성된 자막을 텍스트로 가져오기필요하다면 자막 텍스트를 기반으로 LLM이 요약함결과:에이전트가 "영상에서 뽑은 자막과 요약"을 사용자에게 답변합니다.사용자가 추가 질문을 하면, 자막에 시간대별로 접근해 "몇 초 부분입니다."라고 알려줍니다.시연 동영상을 보도록 하겠습니다.API 상세 설명1. 세션 생성: /create_sessionMethod: GET설명:세션이란, 각 작업(영상 다운로드 등)을 독립적으로 처리하기 위해 필요한 고유 식별자입니다.이 엔드포인트는 내부적으로 uuid.uuid4()로 고유 ID를 만들고, SESSIONS[session_id]에 작업 상태를 저장할 공간을 마련합니다.사용 예시:<code class="language-plaintext">GET /create_session</code>샘플 응답:<code class="language-plaintext">{ "session_id": "4f055ad9-268c-4caa-be39-...", "message": "새로운 세션이 생성되었습니다." } </code>주요 포인트글로벌 딕셔너리 SESSIONS:<code class="language-plaintext">SESSIONS[session_id] = { "video_path": None, "audio_path": None, "srt_path": None, }</code>실제 배포 시: Redis, DB 등을 사용해 세션 정보를 관리하는 방식을 권장.2. 유튜브 영상 다운로드: /youtube_downloadMethod: POSTPayload:<code class="language-plaintext">{ "session_id": "string", "youtube_url": "string" }</code>설명:yt_dlp 라이브러리를 통해 지정된 session_id 경로에 mp4 영상을 저장합니다.다운로드된 파일 경로를 SESSIONS[session_id]["video_path"]에 기록합니다.응답:<code class="language-plaintext">{ "message": "다운로드 완료", "file_path": "...", "download_url": "http://127.0.0.1:8000/download_file/{session_id}/video", "session_id": "..." }</code>주요 포인트yt-dlp 설정:<code class="language-plaintext">ydl_opts = { 'format': 'best[ext=mp4]/bestvideo[ext=mp4]+bestaudio[ext=m4a]/best', 'outtmpl': f'{download_dir}/%(title)s.%(ext)s', 'merge_output_format': 'mp4' }</code>가능한 mp4 포맷 중 가장 화질 좋은 것부터 시도.영상/오디오 스트림 통합(m4a → mp4).파일명 관리:실제 파일명은 동영상의 title을 가져와 [title].mp4 형태로 저장.session_id별로 downloads/{session_id} 디렉토리에 구분 저장.3. 오디오 추출: /extract_audioMethod: POSTPayload:<code class="language-plaintext">{ "session_id": "string" }</code>설명:ffmpeg를 이용해 영상(mp4)에서 오디오(wav)만 추출합니다.SESSIONS[session_id]["audio_path"]에 결과 파일 경로를 저장합니다.응답:<code class="language-plaintext">{ "session_id": "...", "audio_path": "outputs/..._audio.wav", "download_url": "http://127.0.0.1:8000/download_file/{session_id}/audio", "message": "오디오 추출이 완료되었습니다." }</code>주요 포인트ffmpeg-python 사용 예시:<code class="language-plaintext">ffmpeg.input(video_path).output( audio_path, format='wav', acodec='pcm_s16le', ar='16000', ac=1 ).run(overwrite_output=True)</code>ac=1: 모노로 변환ar=16000: Whisper 권장 16kHz 샘플링pcm_s16le: 16비트 오디오 인코딩폴더 구조:outputs/ 디렉토리에 WAV를 저장해두고, 필요하면 /download_file/ API를 통해 액세스.4. Whisper로 자막(SRT) 생성: /audio2srtMethod: POSTPayload:<code class="language-plaintext">{ "session_id": "string", "model_size": "tiny" // tiny, base, small, medium, large }</code>설명:OpenAI Whisper 모델로 오디오를 인식하고, segment별로 SRT 파일을 생성.SESSIONS[session_id]["srt_path"]에 자막 파일 경로를 저장합니다.응답:<code class="language-plaintext">{ "session_id": "...", "srt_path": "...", "download_url": "http://127.0.0.1:8000/download_file/{session_id}/srt", "message": "SRT 생성이 완료되었습니다." }</code>주요 포인트Whisper 모델 로딩:<code class="language-plaintext">model = whisper.load_model(req.model_size) result = model.transcribe(audio_path)</code>큰 모델로 갈수록 정확도 높아지나, 메모리 점유/추론 시간이 증가.SRT 형식 생성:<code class="language-plaintext">for i, segment in enumerate(result['segments'], start=1): start_time = str(timedelta(seconds=segment['start'])) end_time = str(timedelta(seconds=segment['end'])) ...</code>start_time --> end_timeSRT 파일에선 인덱스 번호, 시간 정보, 자막 텍스트, 공백 줄 구조를 지킵니다.5. SRT → 텍스트 변환: /srt_to_textMethod: POSTPayload:<code class="language-plaintext">{ "session_id": "string" }</code>설명:생성된 SRT 파일을 파싱하여 "시작시간 자막텍스트" 형식의 문자열로 변환.추가적으로 사용자 입맛에 맞게 "00:00:01,000 Hello..." 등 더 정교한 포맷을 만들 수도 있습니다.응답:<code class="language-plaintext">{ "session_id": "...", "srt_path": "...", "text": "00:00:02 Hello and welcome to ...\n00:00:07 Today we are...", "message": "SRT 텍스트 변환이 완료되었습니다." }</code>기술 포인트SRT 파싱:<code class="language-plaintext"># SRT 파일 읽으며: if content[i].strip().isdigit(): i += 1 if '-->' in content[i]: time_line = content[i].strip() start_time = time_line.split(' --> ')[0]</code>자막 인덱스 번호 / 시간 구간 / 자막 본문을 순서대로 읽어내는 간단한 로직.포맷 변환:필요하다면 start_time, end_time 모두 저장해 DB나 JSON 형태로 응답 가능.6. 파일 다운로드: /download_file/{session_id}/{file_type}Method: GETPath Variables:session_id: 세션 IDfile_type: video, audio, srt설명:서버에 저장된 (video/audio/srt) 파일을 직접 다운로드할 수 있는 엔드포인트.응답:FileResponse로 해당 파일을 즉시 다운로드.기술 포인트StaticFiles:app.mount("/downloads", StaticFiles(directory="downloads"), name="downloads")app.mount("/outputs", StaticFiles(directory="outputs"), name="outputs")고정된 폴더 구조에 접근 가능.FileResponse:return FileResponse(path=file_path, filename=os.path.basename(file_path), media_type="application/octet-stream")이 방식으로 브라우저나 클라이언트에서 바로 다운로드 할 수 있습니다.전체 흐름 정리세션 생성GET /create_session → 세션 ID 발급유튜브 다운로드POST /youtube_download → yt-dlp로 mp4 획득, video_path 저장오디오 추출POST /extract_audio → ffmpeg로 mp4 → wav 변환, audio_path 저장자막 생성POST /audio2srt → whisper 음성인식 후 SRT 작성, srt_path 저장텍스트 변환POST /srt_to_text → 사용자가 재가공하기 쉽게 SRT 파싱파일 다운로드파일이 필요할 때 GET /download_file/{session_id}/{file_type}로 가져오기확장 아이디어자동 요약:마지막 단계에서 result["text"]를 받아 GPT나 다른 NLP 알고리즘을 사용해 요약.시간대별 검색:SRT 결과를 저장해두면 특정 키워드가 언제 등장했는지 알려줄 수 있습니다.예: "문장에 'Python' 이라는 단어가 몇 번째 시간 구간에 나오는지"번역:Whisper가 언어를 자동 감지하므로, 특정 언어로 번역해서 SRT를 만드는 것도 가능.다운로드 로직 개선:실제 운영에선 대형 파일을 저장/관리하는 방식을 S3 등 클라우드 스토리지와 연계하기도 합니다.마무리위 API들로 "유튜브 → 자막 생성 → 텍스트 변환" 과정을 구축해 에이전트가 손쉽게주요 내용 요약질문에 시간대별로 답변추가적인 NLP 분석 등을 수행할 수 있습니다.정말 편해지겠죠? 추가 기능이 필요하다면 댓글로 남겨주세요~

[API도구고급이벤트] 사용자 관리 에이전트

사용자 관리 에이전트 정보API 주소: https://jsonplaceholder.typicode.com/users등록 도구(5): 사용자 전체 조회 도구지정된 사용자 조회 도구사용자 등록 도구사용자 삭제 도구사용자 수정 도구  

[API도구초급이벤트] WorldTimeAPI

Worldtimeapi를 사용하면 특정 지역의 현재 날짜와 시간등 다양한 정보를 알 수 있다.

[API도구중급이벤트] 웹페이지 검색기

클로드도 사용하는 브레이브 서치 API입니다.적용 방법1. https://brave.com/search/api/ 접속하여 회원 가입을 한다.2. 아래 페이지에서 API Keys를 발급받는다.3. API 도구를 생성한다.4. 즐거워하며 웹페이지 검색기를 마음껏 사용한다. 기타. 무료 플랜은 한달에 2,000건 무료입니다.

[LLM도구이벤트] 팀장님을 위한 오늘의 브리핑 작성기

[Instruction]다음은 팀장님을 위한 오늘의 브리핑 메시지입니다.[작성 가이드] 와 [브리핑 포맷]을 참고하여 작성해 주세요## 날씨 인사는 [오늘 날씨]를  참고하여 외근직인 직원에게 자상한 인사말, 우산이나 마스크 챙기기등의 날씨와 관련된 인사말을 작성해 주세요 ## 생일 이벤트는 [직원 생일 정보]를 확인하여 해당 직원에게 위트 있는 축하 인사와 이벤트 기획를 기획해 주세요 ## 오늘의 시사는 [오늘의 시사]에서 주요한 3가지와 책임감 있는 코멘트도 포함해 주세요. 제목은 한글로 작성하며, 정치적인 내용은 제외합니다. ## 프로젝트 돌보기는 [프로젝트 임박 정보]의 내용을 토대로 팀원들에게 힘이 될 수 있는 격려 인사말을 남겨주세요. [프로젝트 임박 정보]가 없으면 작성하지 않습니다. ## 오늘의 유모는 재미있는 이야기나 하루를 시작할 때 힘이 되는 문구로 작성해 주세요[작성 가이드] - MZ 세대 스타일 - 이모지 사용 - 공감과 경청하는 태도 - 존중과 배려심이 있는 말투 - 솔직하고 따뜻한 마음씨 - 공정한 리더십 - 책임지는 자세 - 함께 성장하려는 자세 - 작은 것에 감사 표현[브리핑 포맷] # YYYY년 MM월 DD일 브리핑## 날씨 인사## 생일 이벤트## 오늘의 시사 뉴스 제목: 뉴스 요약: 팀장 코멘트:뉴스 제목: 뉴스 요약: 팀장 코멘트:## 프로젝트 돌보기## 오늘의 유모  # 2025년 03월 24일 브리핑## 날씨 인사 안녕하세요, 팀원 여러분! 오늘 서울의 날씨는 맑고 기온이 쌀쌀하니 외출하실 때 따뜻한 옷을 챙기고, 미세먼지 농도가 나쁨이니 마스크도 잊지 마세요! 여러분의 건강과 안전이 최우선입니다. ☔️🌬️## 생일 이벤트 곧 생일을 맞이하는 김지운 씨의 생일을 축하합니다! 🎉🎂 지난주에 대폭발적으로 바빴던 일들이 이제 조금씩 정리가 되는 듯하니, 올 해 김지운 씨의 생일은 특별한 파티를 기획해볼까요? 다같이 모여서 서프라이즈 파티를 준비하고, 종이컵과 풍선으로 생일을 축하해보면 좋을 것 같아요! 🎈## 오늘의 시사 뉴스 제목: "White House inadvertently texted top-secret Yemen war plans to journalist" 뉴스 요약: 백악관이 기자에게 우연히 기밀인 예멘 전쟁 계획을 전송한 사실이 밝혀졌다. 이 사건은 강한 비판을 받고 있으며, 기밀 유출에 대한 우려가 커지고 있다. 팀장 코멘트: 기밀 문서의 관리는 무엇보다 중요합니다. 이러한 실수가 반복되지 않도록 주의가 필요합니다. 전체적인 보안 시스템을 재점검할 필요가 있겠어요.뉴스 제목: "‘Insecure baby’: Trump’s Colorado capitol portrait removed after he throws fit" 뉴스 요약: 트럼프 전 대통령의 콜로라도 주 의사당 초상화가 그의 불만으로 인해 철거되었다. 팀장 코멘트: 대중의 비판과 의견을 존중하는 것도 중요한 정치적 태도입니다. 커뮤니케이션 방식이 다각화 될 필요가 있겠네요.뉴스 제목: "Anger in Greenland over Usha Vance and Mike Waltz’s planned visit this week" 뉴스 요약: 그린란드의 총리가 두 미국 정치인들의 방문에 대해 강한 반감을 표명하며, 이는 미국의 정치적 간섭으로 간주하고 있다. 팀장 코멘트: 외교에 있어서는 상대국의 의견을 존중하는 태도가 매우 중요합니다. 다양성을 인정하고 대화를 이어가는 것이 필요합니다.## 프로젝트 돌보기 현재 진행 중인 프로젝트들의 마감이 다가오고 있습니다. 모두들 힘내고 계신가요? 😄 마감 임박이라 스트레스 느낄 수 있지만, 우리는 팀워크가 뛰어난 동료들입니다. 서로 도와가며 힘내보아요! 시간이 부족하더라도 품질을 잃지 않는 것이 중요하니 한 단계 한 단계 잘 진행해보자구요. 화이팅! 💪## 오늘의 유모 하루를 시작하면서, 고민이 있을 땐 이렇게 말해보세요. "홀로서기의 복잡함도 모두 함께 하면 간단해진다." 🕊️ 당신의 마음은 얼마든지 자유로울 수 있습니다. 오늘 하루도 소중히 보내길 바랍니다! ☀️

🚀 나만의 에이전트 만들기 - 라이브 핸즈온(3/24 8pm) 📺

안녕하세요, 김태영입니다.2025 AOAI톤 아이디어 경진대회와 함께할 특별한 라이브 핸즈온 세션을 준비했습니다! 🎯 주제 - 나만의 AI 에이전트 만들기!실제 활용 가능한 AI 에이전트 사례를 직접 따라 하면서 배우는 실전 핸즈온! 아래와 같이 다양한 주제로 준비했습니다.✔️ 쇼핑몰 운영 도우미✔️ 네이버 검색 연동✔️ 개인 정보 기록 및 자동화라이브 세션에서 핸즈온 실습 + 대회 관련 Q&A까지 진행되니, 실시간으로 궁금증을 해결하세요.🎟️ 사전 예습 가이드 제공!핸즈온을 미리 준비하고 싶은 분들을 위해 가이드 페이지를 마련했습니다. 각 난이도에 맞춰 LLM & API 도구 활용법을 익히고, 더 깊이 있는 실습을 경험하세요.LLM 도구 생성API 도구 생성 - 초급API 도구 생성 - 중급API 도구 생성 - 고급API 도구 생성 - 특급🎯 이런 분들께 추천합니다!✅ AI 에이전트 개발을 처음 접하는 분✅ 실무에서 활용 가능한 맞춤형 AI 도구를 만들고 싶은 분✅ AOAI톤 경진대회를 준비하며 기술 역량을 강화하고 싶은 분✅ 라이브로 직접 참여하며 질문하고 실습하고 싶은 분📅 라이브 핸즈온 세션 일정🗓️ 날짜: 3월 24일 (월요일)⏰ 시간: 8:00 PM📍 장소: 온라인 유튜브 (아래 링크에서 바로 보실 수 있습니다.)🚀 실전 AI 에이전트 개발! 함께 도전해 보세요. 대회도 현재 진행 중이니 아래 링크에서 [참여하기] 클릭해서 좋은 정보와 경험 얻어가세요.🎉https://aifactory.space/task/8883/overview

달콤 살벌 데이트~~!!

제작한 방법은~~https://www.facebook.com/groups/mj.korea/permalink/2018059775330014/요기서 확인할 수 있습니다~~!!

IBM Quantum Composer 소개

1. 양자컴퓨터와 IBM Quantum Composer란?양자컴퓨터: 지금 우리가 사용하는 일반 컴퓨터(고전 컴퓨터)와 달리, 빛이나 원자 수준에서 일어나는 양자 역학의 원리를 활용하는 컴퓨터입니다.IBM Quantum Composer: 웹 브라우저에서 간단히 드래그 앤 드롭(Drag & Drop) 방식으로 양자 회로를 구성해볼 수 있는 툴(tool)입니다.마우스 클릭만으로 양자 게이트를 배치하고, 시뮬레이터를 통해 실제 양자 하드웨어에서 어떤 일이 일어나는지 미리 확인할 수 있습니다.주소: IBM Quantum Composer 바로가기2. 큐비트(Qubit)란?일반 컴퓨터가 정보를 0과 1로 표현한다면, 양자컴퓨터의 정보 단위는 큐비트(Qubit)입니다.고전적인 비트: 0 또는 1 (둘 중 하나만 가질 수 있음)큐비트: 0 상태와 1 상태를 동시에 가질 수 있음(이를 중첩(Superposition)이라고 함)중첩(Superposition)을 쉬운 비유로 알아보기동전을 던져서 공중에서 빙글빙글 도는 순간을 떠올려 보세요. “앞면”도 “뒷면”도 될 수 있는 그 순간과 비슷하게, 큐비트는 0과 1의 상태가 겹쳐(중첩) 있는 상태가 될 수 있습니다. 하지만 우리가 동전을 손바닥에 탁! 하고 멈춰서 확인(측정)하는 순간, 그제야 앞면이거나 뒷면이 되는 것처럼, 큐비트도 관측(Measurement)을 하는 순간 0이거나 1로 결정됩니다. 아래는 아다마르 게이트를 이용해서 큐비트 하나를 중첩시켜 본것 입니다. 엄청 쉽게 할 수 있습니다. IBM Quantum Learning 웹사이트에서 바로 시뮬레이션 해볼 수 있습니다. 3. 벨 상태(Bell State)란?우리가 이번에 만들어볼 회로가 생성하는 상태를 “벨 상태(Bell State)”라고 부릅니다.두 개의 큐비트가 서로 깊이 연결되어(얽혀, Entangled) 있어, 마치 두 큐비트가 하나의 상태처럼 행동하는 특수한 양자 상태를 의미합니다.벨 상태를 측정해보면, 두 큐비트가 나오는 값이 항상 같게 (00 또는 11) 나오는 신기한 결과를 얻을 수 있습니다.얽힘(Entanglement)을 쉬운 비유로 알아보기한 쌍의 장갑이 들어 있는 상자를 예로 들어볼까요? 장갑은 왼손용과 오른손용이 한 쌍입니다. 상자를 열기 전까지는 어떤 상자에 왼손용이 들어있는지 알 수 없지만, 한 상자를 열어 “왼손 장갑”을 발견하는 순간, 다른 상자에는 자동으로 “오른손 장갑”이 들어 있다는 사실을 즉시 알 수 있습니다. 이처럼 양자 얽힘이 걸린 두 큐비트 중 하나를 관측하면, 다른 하나의 상태가 즉시 결정되는 현상을 볼 수 있습니다.4. Composer에서 처음으로 벨 상태 회로 만들어 보기이제 본격적으로 IBM Quantum Composer 안에서 회로를 만들면서 벨 상태를 생성해 봅시다.4.1 새 프로젝트(“Get Started”) 시작IBM Quantum Composer 웹사이트에 접속합니다.“Get started” 버튼을 눌러 새로운 양자 회로 프로젝트를 만들 수 있습니다.화면에 보시면,큐비트(Qubit) 와이어: Q0, Q1, Q2 ... 이런 식으로 가로 줄이 보일 텐데요. 우리가 게이트(연산자)를 배치할 수 있는 공간입니다.클래식 비트(Classical Bit) 와이어: 측정 결과가 저장될 고전적 비트(0 또는 1) 공간입니다.Composer는 양자 회로를 구성하고 시각화하며 실제 양자 하드웨어에서 실행할 수 있도록 돕는 맞춤형 도구를 제공합니다. 자 그럼 가이드에 따라 첫 회로를 만들어볼까요? “Get started"를 클릭합니다.우리가 만들 회로는 벨 상태(Bell State)입니다. 벨 상태는 두 큐비트가 얽힌(Entangled) 상태를 나타내며, 양자 정보 이론에서 중요한 개념입니다. 이제 하나씩 단계를 따라가며 회로를 구성해 보겠습니다.양자 게이트와 연산은 큐비트(Qubit)를 조작하는 요소로, 양자 회로의 기본 구성 요소입니다. Composer에서는 연산 블록(Operation Blocks)을 오른쪽의 와이어(Wires) 위로 드래그 앤 드롭(Drag and Drop) 하여 원하는 양자 회로를 구성할 수 있습니다.4.2 첫 번째 큐비트(Q0)에 아다마르(Hadamard) 게이트를 추가하기오른쪽에 있는 “Operations(연산 블록)” 목록에서 Hadamard(H) 게이트를 찾아 Q0 와이어 위에 드래그 앤 드롭하세요.게이트가 놓이는 순간, 시뮬레이터(시각화 도구)에서 Q0이 |0> 상태에서 중첩 상태가 된 것을 확인할 수 있습니다.아다마르 게이트(H)는 무슨 역할을 하나요?중첩(Superposition) 상태를 만들어주는 게이트입니다.비트가 0이었다면, H 게이트를 통과한 뒤에는 “0과 1이 동시에 섞인” 상태가 됩니다.비유로 말하자면,원래 조용히 바닥에 놓여 있던 동전(확실한 0 상태)을 공중에 던져 동시에 앞/뒤면이 가능하도록 만든 것과 같습니다.와이어 옆 오른쪽 원을 보면, 반이 회색, 반이 하늘색으로 되어 있습니다. 바로 중첩이 된 것이지요. 이제 다음 단계로 넘어가 보겠습니다!첫 번째 큐비트(Q0)는 이제 중첩(superposition) 상태에 있습니다. 회로에 연산을 추가할 때마다 시뮬레이터가 동작을 반영하여 상태 변화를 보여줍니다. 현재, 첫번째 큐비트가 0과 1의 상태를 동시에 가질 수 있는 중첩 상태로 변화한 것이 확인됩니다. 그럼 경우의 수를 생각해보면, 첫번째 큐비트 1 두번째 큐비트 0가 나올 확률 50%첫번째 큐비트 0 두번째 큐비트 0가 나올 확률 50%이 됩니다.4.3 CNOT 게이트로 두 큐비트 얽히게 만들기자, 그럼 이제 두 큐비트를 얽히게 해볼까요? 이때 필요한 것이 CNOT 게이트 입니다.CNOT 게이트(Controlled-NOT)를 Q0와 Q1 사이에 연결되도록 드래그 앤 드롭합니다.제어 큐비트(Control Qubit): Q0대상 큐비트(Target Qubit): Q1CNOT의 동작은 다음과 같습니다.제어 큐비트(Q0)가 0이면: Q1(대상 큐비트)는 변화 없음제어 큐비트(Q0)가 1이면: Q1이 0에서 1로, 1에서 0으로 뒤집힘(NOT 연산)여기서 벌어지는 일이미 Q0은 H 게이트로 인해 0과 1이 동시에 가능(중첩)한 상태입니다.Q0이 “0일 수도 있고 1일 수도 있는” 상태이므로, CNOT에 의해 Q1이 조건부로 뒤집히게 됩니다.그 결과, 두 큐비트가 서로 얽히게 되어, 벨 상태가 만들어집니다.중간 정리첫 번째 큐비트(Q0)는 아다마르 게이트로 인해 중첩 상태이제 CNOT 게이트를 추가하면서 두 번째 큐비트(Q1)와 얽힘(Entanglement) 생성4.4 회로 측정(Measurement)하기이제 만들어진 벨 상태를 측정(Measure) 해보겠습니다.측정 연산(Measurement) 블록을 CNOT 게이트 오른쪽에 드래그해, Q0과 Q1 각각에 배치합니다.이 측정 게이트는 큐비트 상태를 고전적 비트로 바꿔주는 역할을 합니다.시뮬레이터가 결과를 보여주면, 00 또는 11이 나오는 것을 확인할 수 있습니다.즉, 두 큐비트가 항상 같은 값(0,0 또는 1,1)으로 측정됩니다. 이것이 벨 상태의 중요한 특징입니다!5. 회로를 코드로 확인하기 (OpenQASM & Qiskit)Composer에서 그래픽으로 게이트를 추가할 때마다, 코드 편집기(Code Editor) 도 자동으로 갱신됩니다.OpenQASM: 양자 회로를 기술하기 위한 언어(표준 형식)Qiskit (Python): IBM 양자컴퓨터를 제어하는 파이썬 라이브러리아래는 OpenQASM 예시입니다(두 큐비트 벨 상태 회로).<code class="language-plaintext">qreg q[2]; // 2개의 큐비트 준비 creg c[2]; // 2개의 고전적 비트 준비 h q[0]; // 첫 번째 큐비트 q[0]에 Hadamard 게이트 cx q[0], q[1]; // CNOT (제어: q[0], 대상: q[1]) measure q[0] -> c[0]; // 첫 번째 큐비트 결과를 c[0]에 기록 measure q[1] -> c[1]; // 두 번째 큐비트 결과를 c[1]에 기록</code>이렇게 생성된 코드를 Export(내보내기) 해서 다른 플랫폼이나 Qiskit(Python) 환경에서 재활용할 수 있습니다.Qiskit으로 가져가면, 실제 IBM 양자 하드웨어(또는 시뮬레이터)에서 바로 실행도 가능합니다.6. 정리 및 더 배우기중첩(Superposition): 큐비트가 0과 1의 상태를 동시에 가질 수 있는 성질얽힘(Entanglement): 두(또는 그 이상의) 큐비트가 서로 깊이 연결되어, 측정 시 하나가 결정되는 순간 다른 것도 즉시 영향을 받는 현상벨 상태(Bell State): 두 큐비트를 최대한 얽힌 상태로 만든 것(결과값이 항상 00 또는 11로 측정)IBM Quantum Composer로 그래픽 회로 편집하면서 쉽게 양자 개념을 실습할 수 있음OpenQASM & Qiskit: 양자 회로/알고리즘을 코드로 작성하고, 실제 하드웨어나 시뮬레이터에서 실행 가능이제 직접 코드를 확인하고 수정해 보세요! 🚀더 배우기Composer에서 더 많은 기능을 탐색하고 싶다면 문서(Docs) & 튜토리얼(Tutorials) 패널을 확인하세요!

어시웍스 API도구 특급 이벤트 #5 《랭체인 & 랭그래프로 AI 에이전트 개발하기》 경품

AI 에이전트 개발에 꼭 필요한  《랭체인 & 랭그래프로 AI 에이전트 개발하기》 전자 도서를 추첨을 통해 1명에게 드립니다! (유사 이벤트가 총 5개(총 5권)가 준비되어 있습니다)이벤트 참여 방법어시웍스에서 API 도구를 하나 만든다.1번에서 만든 API 도구를 활용하여, 현재 대회 태스크의 토론 탭에 게시글을 작성한다.제목에 [API도구고급이벤트] 를 포함할 것.예시) [API도구고급이벤트] 쇼핑몰 상세페이지 작성기, [API도구고급이벤트] 영문 이메일 작성기대회 종료 후 2025년 3월 31일 추첨을 통해 당첨자를 1명 선정하여 공지할 예정입니다.이벤트 목록현재 이벤트를 포함하여, 다음과 같은 5개의 이벤트가 진행됩니다.어시웍스 LLM 도구 이벤트 #1 《랭체인 & 랭그래프로 AI 에이전트 개발하기》 경품 어시웍스 API도구 초급 이벤트 #2 《랭체인 & 랭그래프로 AI 에이전트 개발하기》 경품 어시웍스 API 도구 중급 이벤트 #3 《랭체인 & 랭그래프로 AI 에이전트 개발하기》 경품어시웍스 API 도구 고급 이벤트 #4 《랭체인 & 랭그래프로 AI 에이전트 개발하기》 경품 어시웍스 API 도구 특급 이벤트 #5 《랭체인 & 랭그래프로 AI 에이전트 개발하기》 경품 (현재 이벤트)📌 유의사항각 이벤트 1권씩 총 5권의 전자 도서가 준비되어 있으며, 각 이벤트에 중복 응모 가능합니다.단, 추첨 시 중복 당첨은 불가합니다.개인정보 활용동의 고지본 이벤트는 개인 정보를 포함하고 있으며, 개인 정보 활용 동의를 받고 있습니다.개인정보는 경품 지급을 위해서 활용하며 경품 지급 후 폐기됩니다.당첨 발표 후 2주 내 응답이 없을 시 당첨이 취소됩니다.어시웍스 API 도구 생성 방법 - 특급편API 도구 특급편에서는 직접 내가 만든 API 서버와 어시웍스의 API 도구를 연동하는 방법에 대해서 알아보겠습니다. 👉 API 도구 생성 - 특급 가이드를 참고하면서 API 도구를 만들어 보시길 바랍니다.!목표직접 만든 API(코랩+ngrok)로 데이터(메모리)를 저장·검색할 수 있도록 구성어시웍스에서 메모리 읽기/쓰기/검색 도구를 각각 만들어, 노코드 방식으로 API와 연동에이전트를 통해 저장된 정보를 이용해 대화형 개인 비서 시나리오 구현외부에서 접근 가능한 서버(ngrok 터널 활용) + 어시웍스 API 도구 + 에이전트의 통합 활용 경험이벤트 경품 전자 도서 정보📖 《랭체인 & 랭그래프로 AI 에이전트 개발하기》✅ 현직 AI Specialist에게 배우는 LLM Agents! ✅ 개념부터 활용, 실습까지 한 권으로 익히기! ✅ 8가지 프레임워크를 활용한 AI 에이전트 구현 방법 학습(랭체인, 랭그래프, 랭스미스, 오토젠, AutoGPT, 크루AI, 라마인덱스, M365 코파일럿)📌 구매 링크: 🔗 바로가기많은 관심과 참여 부탁드립니다! 🚀✨