이 글은 클라우드 네이티브 환경에서 Kubernetes를 직접 운영하며 경험한 실용적인 팁들을 공유합니다. Namespace 기본값 설정부터 명령어 별칭(alias) 활용, YAML Manifest 자동 생성, ConfigMap 관리까지, 반복적인 작업을 줄이고 일상적인 운영 효율성을 높일 수 있는 방법들을 상세히 다룹니다. 실무에서 마주하는 다양한 상황에 적용할 수 있는 기본적이면서도 유용한 Kubernetes 활용법을 구체적으로 안내합니다.
이 글은 지식 그래프에 대해 간단히 설명하고, MCP를 통해 LLM이 지식 그래프를 활용하는 MCP 서버 또는 호스트로서의 연동 방안을 소개합니다. 또한, LLM이 지식 그래프를 기반으로 추론하는 방법 중 하나인 Think-on-Graph를 설명하고, 지식 그래프를 탐색하여 정답을 도출하는 과정을 보여줍니다.
접근성의 개념과 OS별 접근성 프레임워크를 이해하고, 한컴오피스의 현황 및 개선 방향까지 살펴보며, 모든 사용자에게 평등한 디지털 경험을 제공하는 방안을 제시합니다.
이 글은 LLM Agent 개발을 위한 표준 프로토콜인 MCP(Model Context Protocol)의 개념과 구조, 동작 방식을 자세히 다룹니다. 기존 에이전트 프레임워크의 파편화를 해결하고자 등장한 MCP는 Host, Client, Server로 구성되어 있으며, 다양한 외부 툴과 리소스를 연결해 에이전트의 유연성과 확장성을 높입니다. MCP를 통해 단순한 대화부터 복잡한 API 호출까지 다양한 작업을 자동화할 수 있으며, 글에서는 실제 예시와 함께 작동 흐름을 설명합니다. 또한 MCP의 현재 한계점과 향후 표준화, 생태계 확장 가능성에 대해서도 통찰을 제공합니다.
이 글은 응용기술검증팀의 QA 업무 프로세스를 소개하고, AI 검증을 포함한 효율성 개선 방법을 다룹니다. LLM as a Judge 평가 방식을 활용해 AI 제품의 품질 검증을 고도화했으며, 마인드맵 도구를 도입해 테스트케이스 작성 시간을 단축했습니다. 또한, Summary-TC를 활용해 검증 범위를 표준화하고, Katalon Studio를 이용한 자동화를 통해 반복 작업을 최적화했습니다. 마지막으로, 이슈의 중요도 및 보류 처리 기준을 명확히 정리하여 QA 프로세스를 더욱 체계적으로 개선한 방법을 설명합니다.
이 글은 중국 AI 스타트업 딥시크(DeepSeek)의 최신 언어 모델 DeepSeek-R1의 기술적 특징과 성능을 분석합니다. R1 모델은 기존 대형 AI 모델 대비 낮은 비용과 효율적인 학습 방식으로 주목받고 있으며, OpenAI의 o1과 비교할 만한 성능을 보이면서도 API 비용을 95% 절감할 수 있습니다. 또한, GRPO라는 새로운 강화학습 방식을 도입해 GPU 자원을 절감하고 학습 효율성을 높였습니다. 본 글에서는 DeepSeek-R1의 학습 과정, Distillation (지식 증류)을 통한 소형 모델 최적화, 그리고 한국어 적용 가능성을 포함한 다양한 요소를 상세히 살펴봅니다.
이 글은 개방형 문서 포맷인 HWPX의 구조와 데이터를 저장하고 관리하는 방식을 다룹니다. HWPX와 기존 HWP 포맷의 차이를 설명하며, HWPX 포맷의 주요 구성 요소와 각 파일의 역할을 분석합니다. HWPX 문서 데이터를 활용하기 위한 기초 지식을 제공하는 글입니다.
이 글은 HWP 포맷의 구조와 문서 정보 저장 방식을 다룹니다. HWP 포맷의 설명과 파일 구조를 중심으로, 문서 정보가 저장되고 관리되는 방식을 상세히 살펴봅니다. 마지막으로, HWPX 포맷에 대한 내용을 간단히 예고합니다.
Xmind 마인드맵 도구를 사용하여 복잡한 프로젝트에서 테스트 케이스 관리를 효율적으로 개선한 사례를 다룹니다. 기존 엑셀 관리 방식의 한계를 극복하기 위해 Xmind를 도입하고, 이를 통해 테스트 항목 간의 상호작용을 시각적으로 파악하고, 변경 사항을 유연하게 반영하는 방법을 소개합니다. Xmind를 활용한 업무 효율성 향상과 팀 내 협업 개선 사례를 공유하며, 도입 후 변화와 장점을 설명합니다.
