TwentyTwentyOne

LangChain과 함께하는 MCP: 서버 및 클라이언트 구축 가이드Evren Ozkip의 글 MCP with LangChain에서는 LangChain MCP 어댑터를 활용하여 Model Context Protocol(MCP) 기반의 서버와 클라이언트를 구축하는 방법을 소개합니다. 이 글은 대규모 언어 모델(LLM)과 다양한 도구 및 데이터 소스를 연결하여 복잡한 워크플로우를 구성하는 데 중점을 둡니다.🔍 MCP란 무엇인가?MCP는 LLM과 외부 도구 및 데이터 소스를 연결하는 표준화된 프로토콜입니다이를 통해 에이전트와 도구 간의 통신을 간소화하고, 복잡한 워크플로우를 효율적으로 구성할 수 있습니다✅ MCP의 주요 기능에이전트와 도구의 연결:MCP는 LLM과 다양한 도구를 연결하는 중간 계층 역할을 ..

LLM을 판사로 활용한 RAG 평가 및 합성 데이터셋 생성대규모 언어 모델(LLM)의 성능을 향상시키기 위해 검색 증강 생성(RAG) 시스템이 주목받고 있습니다. 그러나 RAG 시스템의 효과적인 평가를 위해서는 맞춤형 평가 데이터셋과 평가 방법론이 필요합니다. 이 글에서는 LLM을 판사로 활용하여 RAG 시스템을 평가하고, 합성 데이터셋을 생성하는 방법을 소개합니다.RAG 시스템이란?검색 증강 생성(Retrieval-Augmented Generation, RAG) 시스템은 LLM이 외부 데이터 소스로부터 정보를 검색하여 응답을 생성하는 방식입니다. 이를 통해 모델은 최신 정보나 특정 도메인 지식을 활용하여 보다 정확하고 관련성 높은 응답을 제공할 수 있습니다. LLM을 판사로 활용한 평가 방법전통적인 L..