가을기 Workspace

백엔드 개발자를 위한 AI Agent 입문 - LLM, 트랜스포머, Agent 기초

가을기_ — Tue, 26 May 2026 18:34:11 +0900

LLM이란 무엇인가?
Token이란 무엇인가?
Transformer란 무엇인가?
챗봇이란 무엇인가?
AI Agent는 챗봇과 어떻게 다른가?
Agent가 Tool을 호출한다니, 그게 어떻게 가능할까?
Multi-Agent가 왜 필요할까? Agent 하나면 되는 거 아닌가?
Langchain, 꼭 필요할까? 그냥 API 호출하면 안 되나?
정리

1. LLM이란 무엇인가?

LLM(Large Language Model) 은 "엄청 큰 언어 모델"이라는 뜻입니다. 쉽게 말하면 "다음에 올 단어를 정말 잘 맞히는 기계" 예요.

핵심 원리: 다음 단어 맞히기

입력:  "오늘 점심으로 김치"
출력:  "찌개" (확률 35%)
       "볶음밥" (확률 25%)
       "전" (확률 15%)
       ...

LLM은 인터넷에 있는 엄청난 양의 글(책, 위키백과, 블로그 등)을 읽고 "이런 단어 뒤에는 보통 이런 단어가 나오더라"를 학습한 거대한 통계 기계입니다.

백엔드 개발자식 비유

LLM = function next_token(context: string): string

입력: 지금까지의 문장
출력: 다음에 올 가장 그럴듯한 단어 하나
이걸 반복해서 문장을 완성합니다.

flowchart LR
    A["입력: '안녕'"] --> B[LLM]
    B --> C["출력: '하세요'"]
    C --> D["다시 입력: '안녕하세요'"]
    D --> B
    B --> E["출력: ','"]
    E --> F["다시 입력: '안녕하세요,'"]
    F --> B
    B --> G["출력: '반갑'..."]

이렇게 한 단어씩 만들어내는 걸 자기회귀(autoregressive) 생성 이라고 부릅니다.

2. Token이란 무엇인가?

LLM은 사실 "단어"가 아니라 Token(토큰) 단위로 생각합니다.

Token = 글자 조각

토큰은 단어보다 작을 수도, 클 수도 있어요. 영어 단어 하나가 토큰 하나일 수도 있고, 긴 단어는 여러 토큰으로 쪼개지기도 합니다.

"Hello"             → ["Hello"]              (1 token)
"unbelievable"      → ["un", "believ", "able"] (3 tokens)
"안녕하세요"          → ["안", "녕", "하세요"]    (3 tokens 정도)

왜 토큰을 알아야 할까?

돈 : API 호출 비용은 토큰 수로 계산됩니다.
속도 ⚡: 토큰이 많을수록 응답이 느려져요.
한계 : 모델마다 한 번에 처리할 수 있는 토큰 수가 정해져 있습니다(Context Window).

flowchart TD
    A["사용자 입력: '오늘 날씨 어때?'"] --> B[Tokenizer]
    B --> C["['오늘', ' 날씨', ' 어때', '?']"]
    C --> D[LLM이 숫자로 변환]
    D --> E["[2941, 8821, 5532, 33]"]
    E --> F[LLM 처리]
    F --> G["출력 토큰들"]
    G --> H[Detokenizer]
    H --> I["사람이 읽는 글자로 변환"]

3. Transformer란 무엇인가?

Transformer는 2017년 구글에서 발표한 신경망 구조예요. 지금 우리가 쓰는 거의 모든 LLM(GPT, Claude, Gemini 등)이 이 구조를 기반으로 합니다.

핵심 아이디어: Attention(주의 집중)

문장에서 어떤 단어가 다른 단어와 얼마나 관련이 있는지 계산하는 방식입니다.

"그 학생은 시험을 봤는데, 그는 결과를 기다렸다."

여기서 "그"가 누구를 가리킬까요? 사람은 자연스럽게 "학생"이라고 알지만, 기계는 모든 단어를 비교해서 "그 ↔︎ 학생"의 관련도가 높다는 걸 계산합니다. 이게 Attention이에요.

flowchart TD
    A["그는"] -.->|0.05| B[학생은]
    A -.->|0.85| C[학생]
    A -.->|0.02| D[시험을]
    A -.->|0.03| E[봤는데]
    A -.->|0.05| F[결과를]

Transformer가 강력한 이유

병렬 처리: 기존 모델(RNN)은 단어를 하나씩 순서대로 읽었지만, Transformer는 한 번에 다 봅니다.
장거리 관계: 문장 앞쪽 단어와 뒤쪽 단어의 관계도 잘 파악합니다.
확장성: 데이터와 컴퓨터 자원을 더 쏟아부으면 더 똑똑해집니다.

flowchart LR
    subgraph 기존방식[RNN: 순차 처리]
        A1[나는] --> A2[학교에] --> A3[갔다]
    end
    subgraph 트랜스포머[Transformer: 병렬 처리]
        B1[나는] -.-> B2[학교에]
        B1 -.-> B3[갔다]
        B2 -.-> B3
        B2 -.-> B1
        B3 -.-> B1
        B3 -.-> B2
    end

백엔드 비유: RNN은 for문, Transformer는 멀티스레딩이라고 생각해도 됩니다.

4. 챗봇이란 무엇인가?

챗봇 = LLM + 대화 인터페이스 + 대화 기록

LLM은 그 자체로는 그냥 "다음 단어 맞히기 기계"입니다. 챗봇은 여기에 다음을 더한 거예요.

사용자/AI 역할 구분 (system, user, assistant)
이전 대화를 기억 (Context로 계속 전달)
사람이 쓰기 좋은 UI

챗봇이 동작하는 방식

sequenceDiagram
    participant U as 사용자
    participant S as 서버
    participant L as LLM API

    U->>S: "안녕"
    S->>L: messages=[{user: "안녕"}]
    L->>S: "반가워요!"
    S->>U: "반가워요!"

    U->>S: "내 이름은 철수야"
    S->>L: messages=[{user: "안녕"}, {assistant: "반가워요!"}, {user: "내 이름은 철수야"}]
    L->>S: "철수님 반가워요"
    S->>U: "철수님 반가워요"

    U->>S: "내 이름이 뭐였지?"
    S->>L: messages=[전체 대화 기록]
    L->>S: "철수님이라고 하셨어요"
    S->>U: "철수님이라고 하셨어요"

중요한 사실

LLM은 사실 기억이 없습니다.

매 요청마다 이전 대화를 전부 다시 보내야 기억하는 것처럼 보이는 거예요. 백엔드 개발자라면 "stateless API에 매번 전체 컨텍스트를 전달하는 구조"라고 이해하면 됩니다.

5. AI Agent는 챗봇과 어떻게 다른가?

가장 큰 차이는 한 단어로 요약할 수 있습니다.

챗봇은 "말"을 한다. Agent는 "행동"을 한다.

비교표

구분	챗봇	AI Agent
입력	사용자 메시지	사용자 목표(goal)
출력	텍스트 응답	행동(action) + 결과
외부 시스템	못 건드림	API/DB/파일 조작 가능
반복	한 번 답하고 끝	목표 달성까지 스스로 반복
비유	똑똑한 친구	똑똑한 인턴

예시로 보기

챗봇에게: "내일 날씨 어때?" → "죄송해요, 저는 실시간 정보를 모릅니다."

Agent에게: "내일 날씨 어때?" → (속으로) "날씨 API를 호출해야겠다" → getWeather(date="2026-05-27", location="서울") 호출 → API 응답: { temp: 22, condition: "맑음" } → "내일 서울은 맑고 22도 정도예요!"

Agent의 동작 흐름

flowchart TD
    A[사용자 목표 입력] --> B[LLM이 상황 판단]
    B --> C{도구가 필요한가?}
    C -->|예| D[도구 호출]
    D --> E[결과 받기]
    E --> B
    C -->|아니오| F[최종 답변 생성]
    F --> G[사용자에게 응답]

이 "생각 → 행동 → 관찰 → 다시 생각" 의 반복(Loop)이 Agent의 핵심입니다. 이걸 ReAct 패턴(Reasoning + Acting) 이라고 부릅니다.

6. Agent가 Tool을 호출한다니, 그게 어떻게 가능할까?

"잠깐만요, LLM은 그냥 텍스트만 뱉는 거 아니에요? 어떻게 함수를 호출해요?"

이게 처음 보면 정말 신기한 부분입니다. 핵심을 먼저 말하면:

LLM이 직접 함수를 호출하는 게 아닙니다. LLM은 "이 함수를 이런 인자로 호출하고 싶어요"라고 JSON으로 말하고, 우리가 대신 호출해줍니다.

단계별로 보기

1단계: 도구 설명서를 LLM에게 알려줌

{
  "tools": [
    {
      "name": "getWeather",
      "description": "특정 도시의 현재 날씨를 가져옵니다",
      "parameters": {
        "city": { "type": "string", "description": "도시 이름" }
      }
    },
    {
      "name": "sendEmail",
      "description": "이메일을 보냅니다",
      "parameters": {
        "to": { "type": "string" },
        "subject": { "type": "string" },
        "body": { "type": "string" }
      }
    }
  ]
}

2단계: 사용자가 질문

"서울 날씨 알려줘"

3단계: LLM이 텍스트 대신 JSON을 뱉음

{
  "tool_call": {
    "name": "getWeather",
    "arguments": { "city": "서울" }
  }
}

4단계: 우리(백엔드 코드)가 실제로 함수 실행

result = getWeather(city="서울")
# → { "temp": 22, "condition": "맑음" }

5단계: 결과를 다시 LLM에게 전달

"getWeather 결과: 온도 22도, 맑음"

6단계: LLM이 사람 말로 답변

"서울은 지금 22도이고 맑아요!"

전체 흐름도

sequenceDiagram
    participant U as 사용자
    participant A as Agent 서버
    participant L as LLM
    participant T as Tool/API

    U->>A: "서울 날씨 알려줘"
    A->>L: 메시지 + tool 정의 목록
    L->>A: tool_call: getWeather(city="서울")
    Note over A: LLM은 직접 호출 못함<br/>JSON으로만 요청
    A->>T: getWeather("서울")
    T->>A: {temp: 22, condition: "맑음"}
    A->>L: tool 결과 = {temp:22, ...}
    L->>A: "서울은 22도이고 맑아요"
    A->>U: "서울은 22도이고 맑아요"

더 깊이: 어떻게 LLM이 정확한 JSON을 뱉을까?

학습 데이터: LLM은 학습 단계에서 "이런 상황에선 이런 JSON을 만들어라"를 엄청나게 많이 본 상태입니다.
System Prompt: "도구를 쓰려면 반드시 이 형식의 JSON으로 응답하라"고 시스템 메시지로 강제합니다.
Structured Output: 최신 API는 아예 "이 schema에 맞는 JSON만 뱉어라"고 강제하는 기능이 있어요(잘못된 JSON이 절대 안 나오게 막아줌).

핵심 깨달음: Tool calling은 마법이 아니라 "잘 정의된 프로토콜 + LLM의 패턴 매칭 능력" 입니다. 백엔드식으로 보면 RPC와 비슷해요.

7. Multi-Agent가 왜 필요할까? Agent 하나면 되는 거 아닌가?

좋은 질문입니다. 처음엔 다 한 Agent로 해보는 게 맞아요. 하지만 일이 복잡해지면 한계가 옵니다.

한 Agent가 모든 걸 다 할 때의 문제점

flowchart TD
    A[슈퍼 Agent] --> B[도구 1: 검색]
    A --> C[도구 2: 코드 실행]
    A --> D[도구 3: 이메일]
    A --> E[도구 4: DB 조회]
    A --> F[도구 5: 결제]
    A --> G[도구 6: 번역]
    A --> H[도구 7: ...]
    A --> I[도구 50: ...]

System prompt가 너무 길어짐: 도구 50개 설명을 다 넣으면 매번 수만 토큰을 보내야 함 → 비쌈, 느림.
헷갈림: 도구가 많으면 LLM이 잘못된 도구를 고를 확률이 올라감.
유지보수 지옥: "이 Agent는 도대체 뭘 하는 애야?" 한 명이 모든 걸 하면 디버깅이 어려움.

Multi-Agent: 회사 조직도처럼 나누기

flowchart TD
    U[사용자] --> O[Orchestrator Agent<br/>조율자]
    O --> R[Research Agent<br/>리서치 담당]
    O --> C[Coder Agent<br/>코딩 담당]
    O --> W[Writer Agent<br/>문서 작성 담당]

    R --> R1[웹 검색]
    R --> R2[논문 검색]

    C --> C1[코드 실행]
    C --> C2[테스트 실행]

    W --> W1[Markdown 생성]
    W --> W2[번역]

백엔드 개발자식 비유

단일 Agent = God Object (모든 책임을 가진 거대한 클래스)
Multi-Agent = 마이크로서비스 아키텍처 (각 서비스가 하나의 일만 잘함)

실전 예시: "AI에 대한 블로그 글 써줘"

sequenceDiagram
    participant U as 사용자
    participant O as Orchestrator
    participant R as Research Agent
    participant W as Writer Agent
    participant E as Editor Agent

    U->>O: "AI 에이전트 블로그 글 써줘"
    O->>R: "AI Agent 최신 트렌드 조사해줘"
    R->>R: 웹 검색, 논문 검색
    R->>O: 자료 정리본
    O->>W: "이 자료로 초안 써줘"
    W->>O: 초안
    O->>E: "문법/논리 검토해줘"
    E->>O: 수정본
    O->>U: 최종 글

언제 Multi-Agent로 가야 하나?

✅ 단일 Agent의 system prompt가 너무 길어졌을 때
✅ 도구가 명확히 다른 도메인으로 나뉠 때
✅ 각 단계를 다른 모델로 쓰고 싶을 때 (예: 리서치는 큰 모델, 단순 변환은 작은 모델)
❌ 단순한 task에 굳이 나누지 말 것. 오버엔지니어링 주의.

8. Langchain, 꼭 필요할까? 그냥 API 호출하면 안 되나?

답부터 말하면: 꼭 필요하진 않습니다. 그냥 API 호출로도 충분히 만들 수 있어요.

하지만 "왜 사람들이 Langchain 같은 프레임워크를 쓰는가"를 이해하면 좋습니다.

그냥 API 호출로 Agent 만들기 (Pseudo code)

import anthropic

client = anthropic.Anthropic()
messages = []
tools = [...]  # 도구 정의

def run_agent(user_input):
    messages.append({"role": "user", "content": user_input})

    while True:
        response = client.messages.create(
            model="claude-opus-4-7",
            messages=messages,
            tools=tools
        )

        if response.stop_reason == "tool_use":
            tool_call = response.content[-1]
            result = execute_tool(tool_call.name, tool_call.input)
            messages.append({"role": "assistant", "content": response.content})
            messages.append({"role": "user", "content": [
                {"type": "tool_result", "tool_use_id": tool_call.id, "content": result}
            ]})
        else:
            return response.content[0].text

이게 사실상 Agent의 전부예요. 약 30줄 이면 됩니다.

그럼 Langchain은 뭘 해주는데?

추상화: OpenAI/Anthropic/Gemini 등을 같은 인터페이스로 쓸 수 있게.
유틸리티 모음: 문서 로딩, 청킹, 벡터 DB 연결, 메모리 관리 등 자주 쓰는 걸 미리 만들어 놓음.
체인 구성: 여러 단계의 LLM 호출을 파이프라인처럼 엮을 수 있음.
콜백/로깅: 어떤 단계에서 무슨 일이 일어났는지 추적.

flowchart LR
    subgraph 직접구현[직접 구현]
        A1[내가 다 짜야 함]
        A2[모델 바꿀 때마다 코드 수정]
        A3[메모리/로깅 직접]
    end
    subgraph 프레임워크[Langchain 등 사용]
        B1[추상화 제공]
        B2[모델 교체 쉬움]
        B3[유틸 풍부]
        B4[추상화의 무게 ⚠️]
    end

Langchain을 쓰지 않으면 무슨 일이 벌어지나?

좋은 점 ✅
- 코드가 짧고 명확함. "이 줄에서 정확히 뭐가 일어나는지" 안다.
- 디버깅이 쉬움. 모든 게 내 코드.
- 외부 라이브러리 업데이트로 망가질 일 없음.
- 의존성이 적어서 보안/유지보수에 좋음.
불편한 점 ❌
- 자주 쓰는 패턴(메모리, 벡터 검색, 도구 실행 루프)을 직접 짜야 함.
- 여러 모델 지원하려면 어댑터를 만들어야 함.
- 복잡한 워크플로(분기, 병렬)는 직접 설계해야 함.

실전 권장 사항

프로토타입/학습 단계: 그냥 SDK(Anthropic SDK 등)로 직접 호출하세요. Agent의 작동 원리를 체감할 수 있습니다.
간단한 프로덕션: 직접 호출이 더 명확하고 안정적입니다.
복잡한 워크플로/여러 모델 동시 지원: LangGraph, CrewAI, LlamaIndex 같은 프레임워크 검토.

핵심: 프레임워크는 도구일 뿐, 본질을 가리지 마세요. Agent의 원리(LLM + Tool Loop)를 이해하면 어떤 프레임워크를 써도 됩니다.

9. 정리

지금까지 살펴본 내용을 한 장으로 요약하면 다음과 같습니다.

flowchart TD
    A[Token<br/>글자 조각] --> B[LLM<br/>다음 토큰 예측기]
    C[Transformer<br/>병렬 신경망 구조] --> B
    B --> D[Chatbot<br/>LLM + 대화 기록]
    D --> E[Agent<br/>Chatbot + Tool 사용 루프]
    E --> F[Multi-Agent<br/>여러 Agent의 협력]
    F --> I[고도화된 AI 시스템]

핵심 요약 5줄

LLM은 다음 토큰을 예측하는 통계 기계 입니다.
챗봇은 LLM에 대화 기록을 계속 던지는 stateless API 구조 입니다.
Agent는 챗봇에 "Tool 호출 루프"를 더한 것 입니다.
Tool calling은 마법이 아니라 LLM이 JSON으로 의도를 전달하면 우리가 대신 실행 해주는 프로토콜입니다.
Langchain은 편의일 뿐 본질은 아닙니다. 직접 만들 수 있어야 진짜 이해한 거예요.

영화 - 퍼펙트 데이즈

가을기_ — Sun, 23 Mar 2025 11:17:34 +0900

1. 특별한 목적없이 그저 살아가는 것의 아름다움.
히라야마는 특별할 것 하나없는 사람. 사업체를 운영하는 것도 아니고, 가정을 꾸린 모습이 나오는 것도 아니다. 영화는 특별한 무언가를 비추지 않는다. 그저 특별할 것 없는 하루하루의 일상을 보여준다. 아침에 청소를 하고, 점심에 신사로 산책을 가서 샌드위치를 먹고, 필름카메라 사진을 찍는다. 매일매일이 반복이다. 그러나 그것을 무의미한 반복으로 받아들일지 소중한 하루하루라고 받아들일지는 개인의 선택이다. 똑같은 하루하루로 보일 수도 있겠지만, 히라야마에겐 어떤 날은 동료가 부탁을 하기도 하고, 산책나온 아주머니를 눈에 담기도 하는 날마다 독특한 차이가 있음이 분명하다.

2. 돈이 없어서 원하는 것을 못한다는 환상.
세상엔 좀처럼 내 맘대로 안되는 것이 가득하다. 타인의 마음, 주식투자, 사업 등. 이것을 그대로 받아들이는 것은 너무나도 고통스러운 일이라 우리는 항상 어떤 도피처, 변명거리를 만든다. "돈이 없어서, 지금 내가 돈이 많았더라면" "외모가 안되서, 지금 내 외모가 잘 생겼더라면" "나이가 많아서, 몇살이라도 내가 젊었더라면". 다 그럴듯한 변명으로 들리지만, 애초에 통제범위를 벗어난 영역들이다. 어렸을때부터 우리는 많은 것들을 통제할 수 있다는 환상에 빠지기 쉽지만, 아이러니하게도 고통을 받아들여야지만이 우리는 원하는 것에 조금이라도 가까워질 수 있다.

3. 검약하며 일상을 살아가는 것으로 충분하다.
그저 하루하루 살아가며 일에 집중하고, 순간순간에 집중하고, 책에 집중하고, 하루하루를 기록한다. "그렇게 사는 것으로 충분한 것이다." 라고 영화가 말해주는 것 같다.

4. 다음은 다음, 지금은 지금.
일정을 정하고 계획을 하는 것이 중요함을 알고 있으나, 우리의 삶이 한치 앞도 모른다는 것을 염두에 두어야한다. 이렇게 사는 히라야마가 한때 부잣집 도련님이었다는 것을 감히 누가 상상이나 할 수 있겠는가. 그럼에도 히라야마는 돌아가지 않는다. 이러한 일상이 더 행복하고 소중한 것임을 알았기에.

5. 木漏れ日, komorebi
흔들리는 나뭇잎 사이로 일렁이는 햇살. 바로 그 순간에만 존재한다.

앞으로 지켜갈 투자철학

가을기_ — Sun, 16 Mar 2025 13:27:31 +0900

1. 수익은 확실치 않고, 손실은 확실하다. 그러니 수익의 발생확률을 생각해보았는가? 높은 변동성이란 말은 수익을 볼 가능성만큼이나 손실을 볼 가능성도 높다는 뜻이다.

2. 블랙잭을 할때 조차 카드카운팅 등의 기법으로 확률이 설사 유리해진다 하더라도, 게임을 오래해야 확률에 수렴한다. 언제나 망할 수 있다는 사실을 염두에 두어야한다.

3. 그러니 MDD를 고려해야한다. 고점대비 최대 손실이며, 채권 부동산에 비해 주식은 MDD가 높다. 마이너스 몇프로까지 평정심을 유지할 수 있는가? 대부분의 사람들은 MDD 10프로를 견디지 못한다.

4. 확률을 계산하기 위해서는 충분한 정보가 있어야 한다. 진짜 투자자는 미래를 예측하는 대신 가격을 책정하고, 동시에 잘못 책정된 가격을 찾는다. 경마에서 우승 확률과 배당률이 잘못 계산된 말을 찾는 것과 같다.

5. 확률을 계산하고 충분한 정보를 모았을때 비로소 진정한 자산배분이 가능해진다. 그것이 바로 포트폴리오 이론이다.

6. '보이는 것’은 확실하고 매력적일수록, ‘보이지 않는 것’을 무시하게 만들어 투자자를 위험에 빠뜨린다. 이처럼 투자의 성패는 보이지 않는 것으로 결정된다. 투자자의 노력 대부분은 투자의 맹점을 보는 데 집중된다.

7. 버핏은 시장의 방향 변화를 예측하는 사람들은 보통 ‘두 번 해서 열 번’ 틀린다고 생각했다. 대신 버핏은 더 나아가 예측이 필요 없는 모델을 만들었다. 버핏의 위대함은 미래를 예측해서가 아니라 어떤 미래에도 살아남는 모델을 만들었다는 데에 있다. 알 수 없는 미래를 앞에 두고 반복했을 때 돈을 버는 모델을 만드는 것. 이것이 투자자의 일이다. 그리고 훌륭한 투자자는 확률 높은 투자 기계를 만들고 다가올 미래를 기다린다. => 이것이 포트폴리오다.

8. 돈보다 중요한 것은 생존이다. 버핏은 어떤 회사가 제2의 마이크로소프트나 인텔이 될지, 그리고 어떤 회사가 쓰레기나 다름없는 종이쪽지로 사라질지 알지 못했다. 이 와중에 버핏은 안전 마진이라는 지침을 절대 놓치지 않았다. 전쟁터에서 적군 한 명을 더 죽이는 것보다 자신이 살아남는 게 우선인 것처럼. => 그러니 상승이 확실해보이는 종목에도 정보가 충분치 않다면 투자하지 않는다.

9. 그 어떤 상황에서도 살아남는 것이 최우선이므로, 빚을 지지 않는 것은 무엇보다 중요하다.

10. 투자를 평가할때 가장 중요한 요소는 잃지 않았음이다. 얼마를 벌었음이 아닌 것에 주의하자. => 돈을 버는 것에 초점을 맞추면 "천재 투자자"가 되었다는 환상에 빠지거나 "천재 투자자"들에게 조종당한다.

11. 그래서 손실이 날때의 계획을 언제나 염두에 두자. 수익을 기대하는 것이 아니라, 손실이 났을때의 대응만을 생각해보자는 것이다. (그것은 헷징이 될 수도, 손절 계획이 될 수도 있다.)

12. 언제나 내가 한계를 가진 사람이라는 것을 인정하고 겸손하자. => 내가 주식의 내제가치를 "완벽히" 보는 것은 사실상 불가능할 것이다. 그저 추측만이 가능할 뿐. 그러니 연 10%이상의 수익률을 기대하지 않는다.

13. 남이 뭐라하든 흔들리지 않고 위의 원칙들을 지켜나가자.

일볻 부동산 경제 특징

가을기_ — Mon, 3 Mar 2025 21:52:35 +0900

일본의 부동산 특징
- 재개발이 거의 이뤄지지 않는다. 설사 이루어져도 주민들에겐 현금청산. 주택은 사실상 감가상각 대상이다.
- 그나마 도쿄로는 인구가 빨려들어가고 있다. 도쿄 수도권과 비수도권은 인프라가 점점 차이날 수 밖에 없어진다.
- 정부의 내집마련 지원정책으로, 월세보다 주담대대출받고 원리금 상환하는 것이 이득이 되었다. 너도나도 내집마련을 한다. 물론 도쿄외곽 지역으로. 카나가와, 치바같은 곳.
- 집을 사는 것에 있어서, 투기목적이 아니므로 준거점은 0. 사람들은 집가가 내려가는 것을 당연시하는 분위기. 어차피 기대치가 낮으므로, 내집마련에 있어서만큼은 걱정이 없다. (높은 세금과 물가가 걱정일테고, 이것은 한국의 미래다.)

일본의 기업 밸류업.
- 기업들이 낮은 PBR을 가질 수 밖에 없는 것은 과거 벌어놓은 돈으로 주 사업이 아닌 부동산을 사두고 영업익을 임대료로 채워버리니까. 부동산 자산가치는 실제가치가 아닌 장부가치가 되고, 이는 감가상각 대상이다.
- 이러한 기업들이 문제인 것은, 부동산으로 적절히 벌어먹고 살 수 있으니까 원래의 주력사업은 뒷전이 되어버린다. 방송사업, 호텔경영 등. 본래 자사주매입, 배당, 사업 재투자로 이뤄졌어야할 주주가치환원은 뒷전이 되어버린다.
- 사회 가치로 보았을때도 이는 건강하지 못하다. 아무런 가치를 내지 않는, 사실상 금융사업일 뿐인 부동산 임대료로 그 거대한 기업이 경영은 방만한 상태로 좀비처럼 연명하고 있는 것이니까. 사회를 위한 무언가를 하기보다, 부를 빨아먹고 있는 것이 되어버린다.

근면성실은 답이 아닙니다.

가을기_ — Mon, 3 Mar 2025 14:33:01 +0900

근면성실이 답은 아니다. 창조적 삶을 위해서는 자신의 관심사를 탐구하고, 데이터를 축적하는 습관이 필요하다.

https://www.youtube.com/watch?v=2OQncaacULI

룩백 - 재능이란 무엇인가

가을기_ — Tue, 1 Oct 2024 14:42:28 +0900

1) 재능이란 무엇인가.
선천적으로 갖게된 능력과 후천적 훈련으로 획득하는 능력이라 익히 알려져 있으나, 일반적으로는 "타고난 소질"로써 사회는 인식한다. 흔히들 성공한 사람들을 바라보며 "재능"을 떠올리지만, 그 뒷면의 노력이 흔히들 무시되곤 하는 경향이 있다. '저 사람은 재능이 있었으니 성공했고, 나는 없으니까.'

2) 그런데 재능이란 누가 정하는걸까.
후지노는 처음에 주변 사람들의 인정을 통해 자기가 재능있는 줄 알고 우쭐댄다. 그러다가 두둥탁 등장한 쿄모토의 그림, 후지노는 벽을 느끼고 2년간 주구장창 그림만 그린다(그 원동력은 쿄모토를 이기겠다 였을까, 그저 만화를 그리는 순간의 몰입이 즐거워서 였을까). 그럼에도 스스로가 느낀 좁히지 못한 격차. 가족들도 친구들도 만류한다. 쿄모토와 비교하면 너는 재능 없다고, 졸업식날 우연하게 만나게 된 쿄모토의 대사가 일품이다. "저 선생님 팬이에요, 선생님을 보며 벽을 느꼈는데, 어떻게 그렇게 만화를 잘 그려요"

3) 후지노와 쿄모토의 차이는 관심과 세계관의 차이
각 두 주인공의 만화의 차이는 보신 분들이라면 다 아시겠지만, 후지노에겐 서사, 이야기가 있었다. 항상 인간이 등장해서 그 곳에서 피어나는 감정과 서사를 통해 사람들에게 즐거움을 준다. 그림 연습 교본들도 모두 "인체 골격 그림". 반면 쿄모토의 만화에는 자연 경치, 마치 풍경 사진이 그대로 그림으로 옮겨진 듯한 느낌이다. 이는 나중에 순수 자연미술로 대학 진로를 결정하는 것으로 더 부각된다. 각 캐릭터의 성격적 특징이 반영된 것으로 보인다. 후지노 -> 나름 인싸. 친구들 많고, 사람들과 잘 어울린다. 쿄모토 -> 히키코모리, 사람들과 어울리지 못하니, 인간끼리의 서사보다 배경을 중시. 여기서 사람들이 가진 것은 그저 흥미 혹은 관심이고, 얼마나 사람들이 반응하느냐에 따라 그것이 재능으로 평가되는 것이 아닐까 싶은 생각이 들었다. 그저 사회로부터의 평가란 것이다.

4) 룩백의 의미
후지노와 쿄모토, 서로가 서로에게 큰 자극을 받는 존재들이었다. 쿄모토가 있었기에 그 등을 따라가보겠다고 그림을 무진장 연습한 후지노, 후지노의 등을 따라가며 사람들이 있는 사회로 나오고 그 즐거움을 만끽하게 되는 쿄모토. 함께있어 좋기도 하고 성장도 많이 해왔지만 궁극의 행복을 위해선 각자의 길을 걸어가야한다. 인간관계란 흐르는 물과도 같아서 만남이 있으면 헤어짐도 있고 그것을 억지로 붙잡으려 할 수는 없는 법이다. 그리고 그런 주인공들의 등을 바라보는 우리 관객들. 지금 당장은 서로의 등을 바라보며 잠깐 함께이지만, 언젠가 각자의 길을 갈 날이 오는 것을 상징하듯이, 그리고 그렇게 헤어졌던 각자가 각자의 자리에서 사회를 위해 최선을 다하는 모습을 위로하듯이.

5) 비극적인 사건
흔히들 어떻게 할 수 없는 고통의 비극은 있을 수 밖에 없다. 그때마다 다들 “내가 이러지 않았으면, 저러지 않았으면 이 비극을 피할 수 있었을텐데”와 같은 말을 되뇌이곤 한다. 너무나도 아픈 사건을 마주했을때 자신이건 타인이건, 누군가를 탓하면 그 아픈 감정으로부터 도망칠 수 있으니까. 이에 대한 화답으로 쿄모토의 4컷 만화가 말하는 듯 한다. ‘후지노가 날 방밖으로 꺼내지 않았어도, 자신은 같은 선택을 했을 것이다’라고. 그 말에 후지노도 용기를 얻은 것으로 보았다. 어쩔 수 없는 비극에 충분히 슬퍼하고, 하고싶은 일을 할 수 있는 용기.

레드필, 페미니즘이 주는 특별함과 달콤한 유혹.

가을기_ — Sat, 31 Aug 2024 18:20:30 +0900

1)
~~를 해야한다라는 당위를 만들고 자아의탁를 해버리는 행위는 불안때문일까? 개인적 책임으로부터 도망치는. 그러다보면 이데올로기와 이념이 탄생한다. 대표적인 것이 페미니즘, 레드필. 혐오의 훌륭한 수단이 된다.
레드필은 알게된 사람으로 하여금 그걸 아는 것만으로도 알파메일이 된 듯한 착각을 불러일으킨다.

2)
인간은 쾌락에 돈을 쓴다. "자아 의탁적 쾌락"이 필요한 연약한 친구들이 성공학, 레드필 등의 지식에 많이 소비를 할 수 밖에 없다.

3)
페미니즘이 발전된 이유를 살펴보자. 정작 차별받은 세대는 가만히 있는데, 정작 젊은 세대에서 많이 퍼졌다. 어떤 '여자', 삶이 결핍 투성이고 인생 자체가 불안한 사람이 취업도 안되어 불만이 많고 신경증적인 증상이 많은 상태. (근데 사실 인생이란 내 맘대로 되는 것이 아니다. 누구나 불안하고 불확실한 것이 삶이다. 누구나 결핍있고 누구나 힘들다.) 이렇게 내 삶이 마음대로 안되고 미디어에서 찾은 메세지, "네가 못나서가 아니고 이 사회구조에 치명적인 문제가 있어. 이것만 해결되면 모든게 해결될거야"라는 말은 너무나 유혹적이다. '아, 내가 못난게 아니라 이 사회 기득권, 남성들에게 문제가 있구나' 원인을 이렇게 단순화하면 납득도 쉽고 명쾌하다.

그런데 사실 조금만 다른 관점에서 살펴보면 '여성차별'만을 극단적으로 주창할 수 없다는 것을 알게될텐데. 정작 나라에서 2년동안 나라지키며 온갖 사고를 경험하고 또 사회인프라를 몸 갈아 넣어가며 건설 재건하는 것은 남성들이다. 지금껏 우리가 편하게 누려온 지하철, 건물, 집, 이 인프라를 구축한 것들은 작업복을 입고 땀흘리며 일해온 블루칼라들이다. 그 사람들이야말로 이 사회를 유익하게 이끄는 사람들이 아닌가. 이렇게 본다면 차별당하지 않은 세대와 성이 있을까?

4)
관점을 이번엔 남성으로 가져와보자. 어떤 '남성', 그런데 연애도 잘 안되고 여자들이 맨날 자신을 무시하는 것 같다. 이런 부정적인 결과물들의 원인은 매우 다양할 것이다. 외모, 돈, 지위, 여성들의 본능, 이정도로 퉁칠 수 있는 것이 아니다. 잘 생겨봐야 연애 못하는 이들도 있고, 사겨봐야 얼마 못가는 이들도 있다. 극단적으론 무시당한적 없는데 심리적인 원인으로 그렇게 착각하는 것일 수도 있다. 그런데 그런 사람 눈에 갑자기 들어온 '레드필' 컨텐츠. 너무나도 명쾌하고 단순하다. 당연하다, '여자들은 원체 계산적이고 기회주의적이니까'. 종국에는 이렇게 결론짓게 된다. "여자란 원래 이런 존재니까 내 사회적 경제적 지위 높이고 내 외모도 가꾸고 해서 찍어 눌러야 하는구나." 이런 결론으로 흑화를 해버리게 되는 것.

이러한 결론에 이를 수는 있다. 다만 경계해야할 것은 습득하자마자 "알파메일이 된것만 같은 착각". 명명의 효과는 특별함이라는 착각. 이름을 붙이는 순간 그 개념이 특별해진다. "레드필", 얼마나 멋있는가. 페미니즘도 스스로를 "페미니스트"라 명명함으로써 볼품없었던 사람도 굉장히 깨어있는 능력자가 된 것 같은 '기분'을 만들어주는 것처럼, 이념은 굉장히 중독적이다. "레드필을 따르는 것"도 마찬가지. 그것만으로도 스스로가 깨어있는 Hot guy가 된다는 착각을 불러일으킨다.

5)
그렇다면 우리는 무엇을 추구해야하는가. 에리히 프롬의 사랑의 기술을 읽어봤다면 이해할 것이다. 자본주의에 익숙해진 사람들은 무언가를 거래하는 것을 너무나 당연시해버린 나머지 사랑마저도 거래의 대상으로 여기게 되어버렸다. 내 가치가 너보다 높으니 내가 갑질해도 되네, 가치가 낮으니 내 가치를 어떻게든 높여 주도권을 되찾아 오겠다. 그런데 자본주의가 있기 전부터 번식과 사랑은 존재했다. 우리가 어렸을 적에 품었던, 상대와 나의 결핍을 어루만져줄 수 있는 무조건적인 사랑과 낭만을 되찾아오는 것, 그리고 이를 행하는 것이다.

https://youtu.be/2aNDpojTmHw?si=IMd8ChCKJ22AxYW6

인터넷 커뮤니티는 사회에 필요한 것일지도 모른다.

가을기_ — Fri, 30 Aug 2024 20:26:54 +0900

은둔형 외톨이
고립형 외톨이
외로워하는 이들이 많다.
21세기는 외로움의 시대라고들 하니까.

외로움이란 무엇인가.
이는 혼자라서 생기는 감정이 아니라,
수많은 사람들에게 둘러싸여있는 와중에 나를 존중해주는 사람이 아무도 없고 아무도 나를 신경써주지 않는 것 같을때 생기는 것이 외로움.
스스로 고독과 은둔을 택하는 사람들은 세상으로부터 쟈신이 버려졌다고 생각할때 고독과 은둔을 택한다.

다만 외로움이 극한에 달하면 분노로 바뀐다.
모두에게 버려졌다고 생각하는 사람들은 "자기중심적 슬픔"에 빠진다. 슬픔은 외로움과 합쳐져 분노가 된다. (개인적으로는 수치심을 보호하는 방어기제라고 생각한다만.)

이러한 분노 어린 슬픔(우울)은 타인에 대한 공감을 떨어트리고 사회의 이득을 생각할 여유가 없어진다. 타자와의 신뢰관계를 경험해본 적이 없기에.

공동체 감각이 부재하다는 것. 이는 혐오로 이어진다. 내 자신에 대한 혐오에서 시작한다. 외로움이 "어떤 사람도 나를 챙겨주지 않고 내가 아무것도 아니라고 느껴지는 존재"라는 감정이니, 스스로가 싫어지게 된다.
- 내가 잘생겼더라면, 예뻤더라면, 몸이 좋았다면, 매력이 있었으면, 성격이 좋았다면 나를 챙겨줬을 텐데.
이걸 안에만 담아둘 수 없다. 억눌린 부정적 감정들은 언젠가 터져나오거나 배설된다. 결국 투사가 나온다. 집단갈등이 많아졌다는 건, 스스로를 혐오하는 사람이 많아졌다는 뜻이다.

그런데 자기혐오에서 이유를 찾는 것은 굉장히 어렵다. 타인에 대한 혐오의 이유를 찾는 것은 쉽다. (저 사람이 이런 행동을 해서, 저런 행동을 해서.) 나를 미워할땐 이게 왜 미운지 정의하기 어렵다. 이유를 찾아 헤맨 끝에 도달하는 결론은 "공통의 적을 만들어내는 것." 이것이 남녀갈등. 외로운 사람들이 스스로를 너무 혐오하다가, 결국에는 그게 너무 지쳐가지고 공통의 적을 규정하며 소속감을 느끼고, 혐오에 중독되어 간다.

풀 곳이 없는 외로움은 디지털 세상으로 이어지게 만든다. 이러한 커뮤니티들을 많은 사람들이 악이라 생각하고 접근조차 하지 않기를 권한다. 이는 한번 발을 담그면 마찬가지로 악에 물들게 되는 것을 두려워하기 때문일까? 그러나 이러한 곳들도 사람들이 모여 살고있는 곳이고, 경험해보지 않고 판단하는 것이야말로 아쉬운 행동이다. 너무나 개방적인 접근성은 많은 사람들을 불러모으기에 평균적인 질을 떨어트릴 수 있으나, 이 시대의 청년들에겐 되려 필요한 것일지도 모른다.

이들을 관찰해보면 분노가 차있는 사람들이 많은데, 본연적인 외로움이 느껴진다. 그 분노의 이유는 모두 외로움인 것이다. 되려 그런 커뮤니티가 있어서 이 사회가 문제없이 굴러가고 있는 것일지도 모른다. 거기 있는 사람들 대다수가 인터넷이니 그렇게 하는 것이지, 극단적인 1%가 지나친 성향을 보이는 것이지 대다수는 그냥 눈팅하고 건실하게 사는, 공격성이 없는 사람들이다.

능력주의 사회에서는 내가 능력이 없고 잘난 점이 없으면 존중받기가 어렵다. 능력없고 못나면 혼자가 되고 힘들어진다. 이때 좋은 사람이 주변에 있다면 다시 일어설 수 있다 (혼자서 스스로 일어선 사람이 있다고 하면 그것은 자아도취라 봐도 좋다. 스스로 일어서는 것은 너무나도 어려운 일이니까). 그런데 그런 좋은 가족이나 친구가 없다면, 어디서 그 감정표현을 하고 외로움을 표현할 수 있을까. 결국 그런 자리를 못찾은 사람들이 고립되고 은둔형 외톨이가 되는건데, 그러니 커뮤니티는 필요한 걸지도 모른다.

커뮤니티는 위험하고 패배자들이 밀집되어있는 그런 곳이 아니다. 그저 평범한 사람들이 고삐를 내려놓고 "임금님 귀는 당나귀 귀"라고 말하며 심리적 부담을 내려놓는 곳이다.

다만 vpn을 켜서까지 범법행위를 저지르고 있다면, 범법행위를 저지르는 것임을 인지하면서도 게시글을 올린다던지 커뮤니티 활동을 하는 것이라면 이는 자기자신을 철저히 파괴하는 것이고 스스로에게 굉장히 유해한 행동임을 알아야 한다. 어떤 사람에게 엄청난 피해를 주려고 하는 의도가 있다면 그것은 걸리지만 않았지 이미 범법자다. 언젠가는 후회할 행위이고, 마약 도박처럼 스스로를 망가트리게 될 것이다. 내가 잘못하고 있는 줄 알면서도 회피하려고 하는 행동은 심리적으로 스스로에게 안좋다는 것.

커뮤니티는 악도 아니고, 선도 아니다. 그저 사회를 이루는 구성 요소중의 하나다.

다만 도취되는 것은 경계하는 것이 좋다. 내 발언에 대해 책임을 질 필요가 없는 공간이기 때문에. 이는 어떤 부분에 있어서는 발전하기 어려울 수 있다. 나한테 발전을 주는 사람들은 내가 뭔가 나쁜 행위나 올바르지 않은 행동을 저질렀을때 그대로 지적하고 스며들기 어렵게 하도록 만든다. 반면 커뮤니티 활동은 지적이 없고, 올바르지 않은 행동에 도취되는 것이 쉽다. (책임질 필요가 없으니 일어나는 아무말 대잔치가 된다는 것.) 그래서 나를 검열해야하는 격식있는 커뮤니티도 겸하는 것이 좋다.

모든 것이 사회의 탓인가. 이를 좌파의 포퓰리즘이라고 지적하는 것이 일반적으로 보수진영이다. 그러나 우파라고 프로파간다가 없는 것이 아니다. "개인은 강해져야한다."와 같은 발언이 대표적. 모든 것이 사회의 잘못이라고 할 수 없지만, 개인의 탓이라고도 할 수 없다. 지금의 세태는 한국을 포함해 많은 국가들(미국의 트럼프, 그외 수많은 트럼프주의를 표방하는 리더들)의 젊은이들이 보수를 지지하고 있다. 개인의 패배감이 팽배해질때 국가를 성장시킬 수 있는 강력한 독재적인 리더십을 원하는 경우가 많다고 한다. 독일의 나치즘이 대표적.

많은 청년 남성들이 특히나 외로운 것 같다. 물론 청년 여성들도 많이 외롭겠지만, 보수적인 메세지에 더 귀를 기울이고, 극단적 선택의 통계도 시도는 비슷하나 진짜 죽는 사람은 남성이 훨씬 많다.

결핍과 외로움, 이를 극복한 사람들은 모두 알게모르게 주변의 도움을 받았다. (필자 또한 모든 것들을 포기하고 죽고싶었을때, 주변인들의 도움을 얻을 수 있었다. 그 덕분에 버틸 수 있었다.) 그런데 그런 환경이 조성이 안되어있는 친구들이 훨씬 많다. 우리가 상상할 수 없는 수준의 안 좋은 상황에 처한 이들이 있고 그런 용기도 못내는 사람들이 있다.

모든 것을 개인의 책임으로 돌리는 것이 스스로의 성장엔 도움이 될지도 모른다. 그런데 그걸 다 개인의 책임으로 돌려버린다면, 국가와 사회는 존재할 이유가 없어진다. 모든 실패나 패배감들이 다 개인이 약해서, 의지가 게을러서가 아니다. 능력주의 사회에서 끊임없이 패배하다보면 모든 용기와 희망을 잃어버릴 수 있다. 기회도 평등하지 않다.

그들도 그저, 다른 사람으로부터의 사랑과 따뜻한 관심을 필요로 했던 것이 아닐까.

https://youtu.be/2CuryYYlruA?si=DgEnYmO6Kzcgx3WZ

사회는 돈을 추구할 수록 불행해진다

가을기_ — Thu, 11 Jul 2024 10:22:21 +0900

https://youtu.be/fkEJQduV3kI?si=ZUnkTUvtCGq4Tkns

행복도가 높은 국가들과 낮은 국가를 비교하면 나오는 결정적 차이는 신뢰.
구성원들에 대한 신뢰 혹은 정부에 대한 신뢰.

한국은 산업화 역사가 굉장히 짧다. 그 영향으로 구성원들에겐 덕이 없어졌고 구성원간 신뢰가 박살났다. 이를 전적으로 드러내는 것은 "사기"가 많다는 것.

돈은 심리적 구조물.
쌀, 음료수등의 진짜 가치있는 것들을 보완하기 위한 심리적 매개체. 화폐에 가치를 부여한 것은 인간들의 상상력이다.
사고 판다는 것은 협력을 의미.
인간들은 협력을 통해 지구를 정복했다.
돈이란 것은 신뢰가 없는 자들도 협력할 수 있게 만들어 놓은 물건이다.
그래서 우리는 돈 빌릴때 신용등급부터 확인한다.

기업가 => 협력을 잘 하는 사람
사기꾼 => 협력을 할 생각이 없는 사람

한국인들이 돈, 돈, 돈 하는 건 구성원간 신뢰가 없어서.
정부와 구성원간 신뢰가 있으면, 돈이 덜 든다. 못믿으니까 돈이 필요하다. 구성원간 신뢰가 있다면 필요한 절차가 간소화된다.

"단군 이래 가장 돈 벌기 쉬운 세대" 라는 말의 이면.
구성원간 덕이 없고 믿음, 신뢰가 없어 모두가 욕망에 물들어있고 돈, 돈, 돈 거리는 시대엔 서로를 등쳐먹기 쉬운 세대라는 뜻을 내포하고 있다. (성공학, 투자사기 등을 떠올리게 한다.)

나라, 사회 자체가 건전하게 성장을 하고 서로 협력랑 환경이 좋아서 부자되기 쉬운게 아니라, 서로 다 욕망이 드글드글 하니까 돈 빼먹기 좋은 것. 사기도 욕망이 있는 사람이 당하는 것이니까.

과거 약 100년 전 선진국들이 먼저 겪었던 문제들이고 실존주의 철학자들이 이미 답을 내놓은 바 있다. (에리히 프롬 - "소유냐 존재냐"). 소유를 좇았을때의 불행, 결국 좇게되는 것은 관계.

결론적으로 우리 세대가 해결해야할 과제다. 후대 사람들이 좀 더 좋은 환경에서 성장하기 위해서, 더 행복한 삶을 살기 위해서 우리가 교육하고 가르치고, 욕망에 매몰되지 않고 이를 몸소 실천하고 살아야 된다. 지금 상황을 마냥 냉소적으로, 부정적으로 볼 일이 아닌, 우리 세대의 당연한 과제니까. (기성세대의 과제가 산업화였던 것처럼)

외국어를 습득하는 방법 (feat. 타일러)

가을기_ — Mon, 1 Jul 2024 10:48:50 +0900

https://youtu.be/fqdrXIWYt10?si=Ahp8IzGIB65Zn8-c

외국어 공부는 할수록 내 뇌가 발달하게 된다.
멀티모달 학습을 노리자.

언어의 학습과정 설계.
1. To notice. 인지와 관심.
2. 필요성. 예를 들어 여행에서 주문을 할때 라던지, 안하면 안되는 상황. (시험 말고). 핸드폰 언어설정 또한 그렇다.
=> 그래서 모르는 단어가 나왔을때 바로 찾아보는 것이 안되는 것.
언어는 여러 맥락에서 쓰이는 깨달음이 있어야한다.

탐색과 필요성, 맥락
=> 그래서 릴스 숏츠 영상을 많이 보는 것은 도움이 된다.

완벽함을 추구하기보다는 중급만 하자. 중급만 해도 상위 10% (대부분은 포기하니까)

가을기 Workspace

백엔드 개발자를 위한 AI Agent 입문 - LLM, 트랜스포머, Agent 기초

목차

1. LLM이란 무엇인가?

핵심 원리: 다음 단어 맞히기

백엔드 개발자식 비유

2. Token이란 무엇인가?

Token = 글자 조각

왜 토큰을 알아야 할까?

3. Transformer란 무엇인가?

핵심 아이디어: Attention(주의 집중)

Transformer가 강력한 이유

4. 챗봇이란 무엇인가?

챗봇이 동작하는 방식

중요한 사실

5. AI Agent는 챗봇과 어떻게 다른가?

비교표

예시로 보기

Agent의 동작 흐름

6. Agent가 Tool을 호출한다니, 그게 어떻게 가능할까?

단계별로 보기

1단계: 도구 설명서를 LLM에게 알려줌

2단계: 사용자가 질문

3단계: LLM이 텍스트 대신 JSON을 뱉음

4단계: 우리(백엔드 코드)가 실제로 함수 실행

5단계: 결과를 다시 LLM에게 전달

6단계: LLM이 사람 말로 답변

전체 흐름도

더 깊이: 어떻게 LLM이 정확한 JSON을 뱉을까?

7. Multi-Agent가 왜 필요할까? Agent 하나면 되는 거 아닌가?

한 Agent가 모든 걸 다 할 때의 문제점

Multi-Agent: 회사 조직도처럼 나누기

백엔드 개발자식 비유

실전 예시: "AI에 대한 블로그 글 써줘"

언제 Multi-Agent로 가야 하나?

8. Langchain, 꼭 필요할까? 그냥 API 호출하면 안 되나?

그냥 API 호출로 Agent 만들기 (Pseudo code)

그럼 Langchain은 뭘 해주는데?

Langchain을 쓰지 않으면 무슨 일이 벌어지나?

실전 권장 사항

9. 정리

핵심 요약 5줄

영화 - 퍼펙트 데이즈

앞으로 지켜갈 투자철학

일볻 부동산 경제 특징

근면성실은 답이 아닙니다.

룩백 - 재능이란 무엇인가

레드필, 페미니즘이 주는 특별함과 달콤한 유혹.

인터넷 커뮤니티는 사회에 필요한 것일지도 모른다.

사회는 돈을 추구할 수록 불행해진다

외국어를 습득하는 방법 (feat. 타일러)