1. 들어가며우리가 흔히 아는 챗GPT(ChatGPT)와 같은 대규모 언어 모델(LLM)은 뛰어난 지능을 가진 '두뇌'입니다. 하지만 텍스트 창에 갇혀 있다는 치명적인 한계가 있습니다. "오늘 서울 날씨 어때?", "이메일 좀 보내줘", "2345 곱하기 6789는 뭐야?"라고 물으면, 실시간 데이터를 모르거나, 실제로 메일을 보낼 수 없거나, 수학 계산에서 실수를(환각 현상) 저지르기도 합니다.이러한 LLM의 한계를 극복하고, 두뇌(AI)가 외부 세계와 상호작용할 수 있도록 '손과 발'을 달아주는 핵심 기술이 바로 'Tool Calling(도구 호출)'입니다.AI 에이전트(AI Agent)가 스스로 판단하고 행동하는 자율형 시스템으로 진화할 수 있었던 가장 큰 이유가 바로 이 Tool Calling 기..

1. 들어가며RAG(검색 증강 생성) 시스템을 구축하거나 LLM을 학습시킬 때 가장 큰 골칫거리는 무엇일까요? 바로 데이터 전처리입니다.회사에 쌓여있는 문서는 PDF, Word, Excel, PowerPoint 등 다양한 포맷으로 존재합니다. 이를 단순히 텍스트만 추출(Plain Text)하면 표 구조가 깨지거나 제목과 본문의 구분이 사라져, AI가 문맥을 제대로 이해하지 못합니다.이때 Markdown(마크다운)은 최고의 해결책입니다. # 제목, | 표 | 와 같이 구조를 명확히 유지하면서도 토큰 효율성이 좋기 때문이죠.오늘 소개할 MarkItDown은 마이크로소프트가 개발한 오픈소스 도구로, "세상의 모든 파일을 가장 쉽고 빠르게 마크다운으로 변환"해주는 강력한 유틸리티입니다. 단순 변환을 넘어 OCR..

1. 들어가며대규모 언어 모델(LLM)은 놀라운 지능을 가졌지만, 두 가지 치명적인 한계가 있습니다. 첫째는 "학습 시점 이후의 정보는 모른다"는 것이고, 둘째는 "외부 세상과 단절되어 있다"는 것입니다.이를 해결하기 위해 우리는 지금까지 복잡한 API 연동 코드를 직접 짜거나, LangChain 같은 프레임워크에 의존해 왔습니다. 하지만 AI 에이전트와 도구(Tool)의 수가 폭발적으로 늘어나면서, 모든 AI 모델과 모든 도구를 일일이 연결하는 것(M×N 문제)은 불가능에 가까워졌습니다.이때 등장한 것이 바로 MCP(Model Context Protocol)입니다. 마치 컴퓨터 주변기기를 연결할 때 제조사 상관없이 USB-C 하나로 통일하듯, AI 모델이 외부 데이터나 시스템과 소통하는 방식을 표준화한..