QUICK
MENU

AI-based multimodal & MCP project

AIȰ¿ë ¸ÖƼ¸ð´Þ & MCP ÇÁ·ÎÁ§Æ®
ÅØ½ºÆ® À̹ÌÁö À½¼º±îÁö! ¸ÖƼ¸ð´Þ AI¿Í MCP±â¹Ý Çù¾÷ ÇÁ·ÎÁ§Æ®

ÀÌ °úÁ¤Àº ÀΰøÁö´ÉÀ» óÀ½ ¹è¿ì´Â »ç¶÷µµ ½±°Ô ½ÃÀÛÇÒ ¼ö ÀÖµµ·Ï ¼³°èµÈ ½Ç½À Á᫐ ÇÁ·Î±×·¥ÀÔ´Ï´Ù.
ÆÄÀ̽㠱âÃʺÎÅÍ µ¥ÀÌÅÍ ºÐ¼®, ±×¸®°í ÅØ½ºÆ®¡¤À̹ÌÁö¡¤À½¼ºÀ» µ¿½Ã¿¡ ´Ù·ç´Â ¸ÖƼ¸ð´Þ AI ±â¼ú±îÁö ´Ü°èÀûÀ¸·Î ÇнÀÇÕ´Ï´Ù. ½Ç½Ã°£ ½Ç½À ȯ°æ¿¡¼­ êGPT Ȱ¿ë, AI À¥¼­ºñ½º Á¦ÀÛ, Áö½Ä °Ë»ö ½Ã½ºÅÛ °³¹ß µî ½Ç¹« ±â¼úÀ» Á÷Á¢ °æÇèÇÕ´Ï´Ù. ƯÈ÷ MCP(Model-Coding-Prompt) ±¸Á¶¸¦ ±â¹ÝÀ¸·Î ¸ðµ¨ ¼³°è, API ¿¬µ¿, ÇÁ·ÐÆ®¿£µå ±¸Çö±îÁö À̾îÁö´Â ÅëÇÕ ÇÁ·ÎÁ§Æ®¸¦ ¼öÇàÇÕ´Ï´Ù. ¶ÇÇÑ **AI ¿¡ÀÌÀüÆ®(AI Agent)**¸¦ Ȱ¿ëÇØ ÀÚµ¿È­¿Í Çù¾÷ ±â´ÉÀ» üÇèÇϸç, ½ÇÁ¦ ¼­ºñ½º °³¹ß°ú À¯»çÇÑ ½Ç¹« °¨°¢À» ÀÍÈú ¼ö ÀÖ½À´Ï´Ù. ¸¶Áö¸·¿¡´Â ÇÁ·ÎÁ§Æ® ¼º°ú¸¦ GitHub Æ÷Æ®Æú¸®¿À·Î ¿Ï¼ºÇØ Ä¿¸®¾î¿Í Ãë¾÷ °æÀï·ÂÀ» °­È­ÇÒ ¼ö ÀÖ½À´Ï´Ù.

  • ±³À°±â°£
    6°³¿ù
  • °­Àǽð£
    3½Ã°£
  • ³­À̵µ
    ÀÔ¹®~°í±Þ
  • Á¤¿ø
    30¸í ³»¿Ü
  • ÀüÈ­»ó´ã(ÁÖ¸» ¡¤ °øÈÞÀÏ »ó´ã ¹× Á¢¼ö°¡´É)
    02-6953-2986

ÀÌ·± ºÐµé²² ÃßÃµÇØ¿ä!

  • ¸ÖƼ¸ð´Þ AI(ÅØ½ºÆ®¡¤À̹ÌÁö¡¤À½¼º µî)¸¦ ½Ç¹«¿¡ Àû¿ëÇÏ°í ½ÍÀº Ãë¾÷ Áغñ»ý ¹× Çö¾÷ °³¹ßÀÚ
  • »ý¼ºÇü AI, êGPT, ¿¡ÀÌÀüÆ® ±â¹Ý ¼­ºñ½º °³¹ß¿¡ °ü½É ÀÖ´Â ÇнÀÀÚ
  • LLM API, ÇÁ·ÒÇÁÆ® ¿£Áö´Ï¾î¸µ, RAG ½Ã½ºÅÛ µî Ãֽбâ¼úÀ» ÇÁ·ÎÁ§Æ®¿¡ Á¢¸ñÇÏ°í ½ÍÀº ºÐ
  • Á¹¾÷ÀÛǰ, ½ºÅ¸Æ®¾÷ ±âȹ, ±â¾÷ ¼­ºñ½º °³¹ß¿¡ Ȱ¿ëÇÒ AI ÇÁ·ÎÁ§Æ® °æÇèÀÌ ÇÊ¿äÇÑ ºÐ

AIȰ¿ë ¸ÖƼ¸ð´Þ&MCP ÇÁ·ÎÁ§Æ®°úÁ¤ÀÇ ÇÙ½É Æ÷ÀÎÆ®

  • POINT.01

    AI ÇÙ½É ±âÃʺÎÅÍ ½Ç½À ½ÃÀÛ
    ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö, µ¥ÀÌÅÍ ºÐ¼®¡¤½Ã°¢È­ µî ±âº»±â¸¦ ´ÙÁö°í Colab ȯ°æ¿¡¼­ ½Ç½Ã°£ ½Ç½À

  • POINT.02

    ¸Ó½Å·¯´×¡¤µö·¯´× ¸ðµ¨¸µ ü°èÀû ÇнÀ
    Scikit-learn, CNN, ÀüÀÌÇнÀ µî ´Ù¾çÇÑ ¾Ë°í¸®Áò°ú ÇÁ·¹ÀÓ¿öÅ©(PyTorch¡¤TensorFlow) ½Ç½À

  • POINT.03

    NLP¡¤ÄÄÇ»ÅͺñÀü¡¤¸ÖƼ¸ð´Þ ÅëÇÕ ÀÌÇØ
    ÅØ½ºÆ® ó¸®, À̹ÌÁö¡¤À½¼º ÀνÄ, CLIP¡¤BLIP ±â¹Ý ¸ÖƼ¸ð´Þ ¸ðµ¨±îÁö Æø³ÐÀº °æÇè

  • POINT.04

    RAG ±â¹Ý »ý¼ºÇü AI ½Ç¹« Àû¿ë
    LLM API Ȱ¿ë, ÇÁ·ÒÇÁÆ® ¿£Áö´Ï¾î¸µ, º¤ÅÍDB °Ë»ö, LangChain¡¤LangGraph·Î RAG ÆÄÀÌÇÁ¶óÀÎ ±¸Ãà

  • POINT.05

    MCP(Model-Coding-Prompt) ±â¹Ý ÅëÇÕ ÇÁ·ÎÁ§Æ®
    ÆÄÀÏ¡¤API ¿¬µ¿, context °ü¸®, ¸Þ¸ð¸® ±¸Á¶ ¼³°è µî ½ÇÁ¦ ¼­ºñ½º ¼öÁØÀÇ MCP ¼³°è¿Í ±¸Çö

  • POINT.06

    Æ÷Æ®Æú¸®¿À¿Í ½Ç¹« ¿ª·® °­È­
    °³¹ßµÈ ÇÁ·ÎÁ§Æ®¸¦ GitHub¿¡ Á¤¸®¡¤¹®¼­È­ÇÏ¿©, Ãë¾÷°ú Ä¿¸®¾î¿¡ Ȱ¿ë °¡´ÉÇÑ Æ÷Æ®Æú¸®¿À ¿Ï¼º

AIȰ¿ë ¸ÖƼ¸ð´Þ&MCP ÇÁ·ÎÁ§Æ® Ä¿¸®Å§·³ ¾È³»

ÅØ½ºÆ®¡¤À̹ÌÁö¡¤À½¼ºÀ» ÇÑ ¹ø¿¡ ´Ù·ç´Â ¸ÖƼ¸ð´Þ AI¿Í MCP ±â¹Ý ÇÁ·ÎÁ§Æ®! ÃֽŠ»ý¼ºÇü AI ±â¼úÀ» Á÷Á¢ ±¸ÇöÇÏ¸ç ½Ç¹«¿¡ ¹Ù·Î Àû¿ëÇÒ ¼ö ÀÖ´Â ½ÇÀüÇü ±³À° °úÁ¤ÀÔ´Ï´Ù.

  • Chapter.01

    Python ±âÃÊ

    - Colab ȯ°æ ¼¼ÆÃºÎÅÍ Python ±âº» ¹®¹ý, ÀÚ·áÇü, Á¦¾î¹®±îÁö ´Ü°èº° ÇнÀ
    - ÇÔ¼ö, ¶÷´Ù, °´Ã¼ÁöÇâ(Ŭ·¡½º/»ó¼Ó) °³³äÀ» ÀÌÇØÇϰí Ȱ¿ë
    - ÆÄÀÏ ÀÔÃâ·Â°ú ¿¹¿Ü󸮷Π½Ç¹«Çü ÄÚµå ÀÛ¼º °æÇè
    - ¸ðµâ¡¤ÆÐŰÁö ±¸Á¶±îÁö ÀÍÇô ÆÄÀ̽ã ÇÁ·Î±×·¡¹Ö ±âÃÊ ¿Ï¼º
  • Chapter.02

    µ¥ÀÌÅÍ ºÐ¼® ±âÃÊ

    - NumPy, Pandas¸¦ Ȱ¿ëÇÑ µ¥ÀÌÅÍ Ã³¸®¿Í ±âº» Åë°è ºÐ¼®
    - ½Ã°¢È­(Plot, Histogram, Heatmap µî)·Î µ¥ÀÌÅÍ ÀÌÇØ ´É·Â °­È­
    - À¥ Å©·Ñ¸µ(BeautifulSoup, Selenium)°ú Àüó¸® ½Ç½ÀÀ¸·Î ½Ç¹« µ¥ÀÌÅÍ ¼öÁý °æÇè
    - °áÃøÄ¡/ÀÌ»óÄ¡ ó¸®, ÀÎÄÚµù, EDA µî ºÐ¼® Àü °úÁ¤ üÇè
    - Git & GitHub Ȱ¿ë¹ý ÇнÀÀ¸·Î Çù¾÷°ú Æ÷Æ®Æú¸®¿À Áغñ
  • Chapter.03

    ¸Ó½Å·¯´×¡¤µö·¯´×

    - ÁöµµÇнÀ/ºñÁöµµÇнÀ ±¸Á¶¿Í Æò°¡ ÁöÇ¥ ÀÌÇØ
    - ȸ±Í¡¤ºÐ·ù ¸ðµ¨, ¾Ó»óºí(XGBoost, LightGBM)±îÁö ÁÖ¿ä ¾Ë°í¸®Áò ÇнÀ
    - End-to-End ¸Ó½Å·¯´× ÇÁ·ÎÁ§Æ®·Î Àüó¸®~Æ©´× ½Ç½À
    - µö·¯´× ±âº» °³³ä(ÆÛ¼ÁÆ®·Ð, ÅÙ¼­ ¿¬»ê, ½Å°æ¸Á ÇнÀ ·çÇÁ) ½Àµæ
    - CNN Ȱ¿ë À̹ÌÁö ºÐ·ù ¹× PyTorch¡¤TensorFlow ºñ±³
  • Chapter.04

    NLP & ÄÄÇ»ÅͺñÀü

    - ÅØ½ºÆ® Àüó¸®¿Í ÀÓº£µù(BOW, TF-IDF, Word2Vec) ±âÃÊ ÇнÀ
    - Transformer, BERT, GPT µî Ãֽоð¾î ¸ðµ¨ ÀÌÇØ¿Í Ȱ¿ë
    - OpenCV ±âÃʺÎÅÍ CNN ±â¹Ý À̹ÌÁö ºÐ·ù, ÀüÀÌÇнÀ±îÁö ½Ç½À
    - ¸ÖƼ¸ð´Þ AI(CLIP, BLIP) °³³ä ¼Ò°³ ¹× ½Ç½À °æÇè
    - Hugging Face ¶óÀ̺귯¸®·Î NLP¡¤CV ÅëÇÕ ¸ðµ¨ Ȱ¿ë
  • Chapter.05

    RAG ±â¹Ý »ý¼ºÇü AI

    - LLM ±¸Á¶ ÀÌÇØ ¹× API È£Ã⠽ǽÀ(OpenAI µî)
    - ÇÁ·ÒÇÁÆ® ¿£Áö´Ï¾î¸µ ±â¹ý°ú ÀÀ´ä ǰÁú ºñ±³ ½Ç½À
    - RAG(Retrieval-Augmented Generation) ±¸Á¶¿Í ÆÄÀÌÇÁ¶óÀÎ ¼³°è
    - º¤ÅÍDB, ÀÓº£µù, ¹®¼­ Chunking µî °Ë»ö ±â¹Ý ±â¼ú ½Ç½À
    - LangChain¡¤LangGraph¸¦ Ȱ¿ëÇÑ RAG ½Ã½ºÅÛ ±¸Ãà ¹× Æò°¡
  • Chapter.06

    ÅëÇÕ ÇÁ·ÎÁ§Æ® (MCP)

    - MCP(Model-Coding-Prompt) °³³ä°ú Ȱ¿ë »ç·Ê ÀÌÇØ
    - ÆÄÀÏ¡¤API ±â¹Ý context ±¸¼º ¹× ¿ÜºÎ ¿¬µ¿ ½Ç½À
    - ¸Þ¸ð¸® °ü¸®, ¿ªÇÒ ±â¹Ý context Àü·« µî È®ÀåµÈ MCP ±¸Á¶ Àû¿ë
    - ÇÁ·ÒÇÁÆ® ÃÖÀûÈ­¿Í MCP ÅëÇÕ ¼³°è·Î ¼­ºñ½º ǰÁú °³¼±
    - ÇÁ·ÎÁ§Æ® Àüü¸¦ ½Ã½ºÅÛÈ­ÇÏ°í ¹®¼­È­¡¤Æ÷Æ®Æú¸®¿À·Î Á¤¸®

Ãë¾÷ÀÇ ÇÙ½É
½Ç¹« ±â¹Ý ÇÁ·ÎÁ§Æ®·Î ¿Ï¼ºÇÏ´Â Æ÷Æ®Æú¸®¿À

½ÇÁ¦ ¼ö·á»ýµéÀÇ ÇÁ·ÎÁ§Æ® °á°ú¹°À» º¸°í, ±â¾÷ÀÌ ¿øÇÏ´Â Æ÷Æ®Æú¸®¿À ±âÁØÀ» È®ÀÎÇØ º¸¼¼¿ä

¼º°øÀûÀÎ Ãë¾÷ Áغñ!
ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì¿¡¼­ ½ÃÀÛÇϼ¼¿ä!

IT±³À°ÀÇ ¿Ï¼ºÀº Ãë¾÷ÀÔ´Ï´Ù!

ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì´Â ÇöÀå Áß½É Ä¿¸®Å§·³°ú Ãë¾÷ ¹ÐÂø ÇÁ·Î±×·¥À¸·Î ¼ö°­»ýÀÇ ¼ºÀåÀ» ³¡±îÁö Áö¿øÇÕ´Ï´Ù.

step.01
Áø·Î¼³°è
¼ö°­»ý ¸ÂÃãÇü Á÷¹« ¸ÅĪ & Ä¿¸®¾î »ó´ã

-ÇнÀ°úÁ¤ ±â¹Ý ÁøÃâ ºÐ¾ß ¾È³»

-¸ñÇ¥ Á÷¹«¿¡ ¸ÂÃá Áø·Î ·Îµå¸Ê Á¦½Ã

step.02
Ãë¾÷¿ª·® °­È­
¼­·ù¡¤Æ÷Æ®Æú¸®¿ÀºÎÅÍ ½Ç¹« ¿ª·®±îÁö ¿Ï¼º

-À̷¼­/ÀÚ±â¼Ò°³¼­ 1:1 Çǵå¹é

-GitHub¡¤Notion Æ÷Æ®Æú¸®¿À Á¦ÀÛ Áö¿ø

-IT±â¾÷ ½Ç¹«ÀÚ Æ¯°­ & ½ÇÀü ÄÚµù Ŭ¸®´Ð

step.03
±â¾÷ ¿¬°è
ITÀü¹® Çù¾à±â¾÷°úÀÇ Á÷Á¢ ¿¬°á

-Çö¾÷ÀÚ ÃÊû ±â¾÷¼³¸íȸ

-Ãë¾÷ ¿¬°è ¹Ì´Ï ä¿ë¹Ú¶÷ȸ

-±¸Àαâ¾÷ ´ë»ó ÀÎÀç Ãßõ ¿î¿µ

step.04
¸ðÀǸéÁ¢ & ±â¼ú¸éÁ¢ ÈÆ·Ã
½ÇÀü ¸éÁ¢ ½Ã¹Ä·¹À̼ÇÀ¸·Î ÇÕ°Ý·ü »ó½Â

-Àμº¡¤±â¼ú ¸éÁ¢ ½Ç½À

-Á÷¹«º° ¿¹»óÁú¹® Á¦°ø

-Çǵå¹é ±â¹Ý ¸éÁ¢ Àü·« ¼ö¸³

step.05
¼ö·á ÈÄ Áö¼Ó°ü¸®
Á¹¾÷ ÈÄ¿¡µµ À̾îÁö´Â Ãë¾÷ Áö¿ø

-¼ö·á»ý Àü¿ë ä¿ëÁ¤º¸ ä³Î ¿î¿µ

-ÀÌÁ÷ ÄÁ¼³ÆÃ ¹× °í±Þ°úÁ¤ ¾È³»

-ä¿ë ±â¾÷ÀÇ Çǵå¹é ¹Ý¿µÇÑ Ãë¾÷ ¸ÅĪ

ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì Ãë¾÷Áö¿ø, À̰ÍÀÌ ±Ã±ÝÇÏ´Ù!

À̷¼­ ÷»èºÎÅÍ Æ÷Æ®Æú¸®¿À, ¸ðÀǸéÁ¢, ±â¾÷¿¬°è±îÁö Ãë¾÷ °ÆÁ¤À» ´ú¾îÁÖ´Â ½ÇÀüÇü Q&A Á¤¸®!

  • Q.¼ö·áÇÏ¸é ¹Ù·Î Ãë¾÷ÀÌ µÇ³ª¿ä?
    A.ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹Ì´Â ¼ö·á¿Í µ¿½Ã¿¡ Ãë¾÷ÀÌ º¸ÀåµÇÁö´Â ¾ÊÁö¸¸ À̷¼­ ÷»è, Æ÷Æ®Æú¸®¿À Á¦ÀÛ, ¸ðÀǸéÁ¢, ±â¾÷¸ÅαîÁö Àü °úÁ¤ÀÇ Ãë¾÷Áö¿ø ¼­ºñ½º¸¦ Á¦°øÇϰí ÀÖ¾î ³ôÀº Ãë¾÷ ¼º°ú¸¦ º¸À̰í ÀÖ½À´Ï´Ù.
  • Q.¾î¶² ±â¾÷µé°ú ¿¬°èµÇ¾î ÀÖ³ª¿ä?
    A.À¥°³¹ß, ¹é¿£µå, º¸¾È, µ¥ÀÌÅÍ ºÐ¼®, Ŭ¶ó¿ìµå µî ´Ù¾çÇÑ ºÐ¾ßÀÇ ITÀü¹® Áß¼Ò±â¾÷, ½ºÅ¸Æ®¾÷, Çù¾à ±â¾÷ 100¿© °÷ ÀÌ»ó°ú ¿¬°èµÇ¾î ÀÖ½À´Ï´Ù.
    ½ÇÁ¦ ä¿ë ÀÇ·Ú°¡ µé¾î¿Â ±â¾÷°úÀÇ ¸éÁ¢µµ ¼ö·á ÈÄ ¹Ù·Î ¿¬°áµË´Ï´Ù.
  • Q.Æ÷Æ®Æú¸®¿À´Â ²À ¸¸µé¾î¾ß Çϳª¿ä?
    A.ÃÖ±Ù °³¹ßÀÚ Ã¤¿ë¿¡¼­ À̷¼­º¸´Ù Æ÷Æ®Æú¸®¿À°¡ ´õ Áß¿äÇÏ°Ô Æò°¡µÇ´Â °æ¿ì°¡ ¸¹½À´Ï´Ù.
    GitHub, Notion, ÇÁ·ÎÁ§Æ® °á°ú¹° ±â¹ÝÀÇ Æ÷Æ®Æú¸®¿À¸¦ ½Ç½À °úÁ¤ Áß Á÷Á¢ Á¦ÀÛÇϰí Çǵå¹éÀ» ¹Þ°Ô µË´Ï´Ù.
  • Q.ºñÀü°øÀÚµµ Ãë¾÷ÀÌ °¡´ÉÇѰ¡¿ä?
    A.³×, °¡´ÉÇÕ´Ï´Ù.
    ÄÚ¸®¾ÆIT¾ÆÄ«µ¥¹ÌÀÇ °úÁ¤Àº ºñÀü°øÀÚµµ ÀÌÇØÇÒ ¼ö ÀÖµµ·Ï ±âÃʺÎÅÍ ½Ç½À À§ÁÖ·Î ±¸¼ºµÇ¾î ÀÖÀ¸¸ç, ÇÁ·ÎÁ§Æ® Á᫐ ÇнÀ°ú Ãë¾÷ÄÁ¼³ÆÃÀ¸·Î ½Ç¹« ÀûÀÀ·ÂÀ» Ű¿ö Ãë¾÷±îÁö ¿¬°áÇÕ´Ï´Ù.
  • Q.¸ðÀǸéÁ¢Àº ½ÇÁ¦ ¸éÁ¢Ã³·³ ÁøÇàµÇ³ª¿ä?
    A.½ÇÁ¦ ±â¾÷ ¸éÁ¢°ú À¯»çÇÏ°Ô ±â¼ú¸éÁ¢ + Àμº¸éÁ¢ Çü½ÄÀ¸·Î ±¸¼ºµÇ¸ç, ¸éÁ¢°ü Çǵå¹é±îÁö Á¦°øµË´Ï´Ù.
    ¸éÁ¢ ºÒ¾È ÇØ¼Ò¿Í Ä¿¹Â´ÏÄÉÀÌ¼Ç ´É·Â Çâ»ó¿¡ ¸Å¿ì È¿°úÀûÀÔ´Ï´Ù.
  • Q.¼ö·á ÈÄ¿¡µµ Ãë¾÷Áö¿øÀ» ¹ÞÀ» ¼ö ÀÖ³ª¿ä?
    A.³×. ¼ö·á ÈÄ¿¡µµ **Àü¿ë ä¿ë Ä¿¹Â´ÏƼ(īī¿Àä³Î/½½·¢ µî)**¸¦ ÅëÇØ ä¿ë Á¤º¸¸¦ Áö¼ÓÀûÀ¸·Î Á¦°øÇϸç, ÀÌÁ÷ ¹× Àç±³À°À» À§ÇÑ °í±Þ°úÁ¤ Ãßõ, Ãë¾÷ ÄÁ¼³ÆÃµµ ¿î¿µÇϰí ÀÖ½À´Ï´Ù.
  • Q.Ãë¾÷·üÀº ¾î´À Á¤µµÀΰ¡¿ä?
    A.°úÁ¤ ¹× ½Ã±â¿¡ µû¶ó ´Ù¸£Áö¸¸, ½Ç¹« ÇÁ·ÎÁ§Æ®¿Í Æ÷Æ®Æú¸®¿À¸¦ Ãæ½ÇÈ÷ À̼öÇÑ ¼ö°­»ýÀÇ °æ¿ì Æò±Õ 85% ÀÌ»óÀÇ Ãë¾÷·üÀ» º¸À̰í ÀÖ½À´Ï´Ù.
banner banner banner banner

°£ÆíÇÏ°Ô °ü½ÉÀÖ´Â
ÀϹÝ/±¹ºñÁö¿ø °úÁ¤ ¼ö°­·á ¾Ë¾Æº¸¼¼¿ä!

Step2. ¼¼ºÎ ±³À°°úÁ¤À» ¼±ÅÃÇØ ÁÖ¼¼¿ä.(Áߺ¹ ¼±Åà °¡´É)

Step3. °¡±î¿î ÁöÁ¡À» ¼±ÅÃÇØ ÁÖ¼¼¿ä.

    ½ÅûÇϽô ºÐÀÇ À̸§°ú ¿¬¶ôó¸¦ ÀÔ·ÂÇØ ÁÖ¼¼¿ä.

    - -
    ÀÚ¼¼È÷ º¸±â
    ¼öÁý Ç׸ñ: À̸§, ¿¬¶ôó, ¼ö°­¾È³» °ü·Ã ÀÌ·Â
    ÀÌ¿ë ¸ñÀû: ¼ö°­¾È³» Á¦°ø, °ü·Ã ÀÌ·Â °ü¸® ¹× ¸ÂÃãÇü Àç¾È³»¸¦ ÅëÇÑ ¼­ºñ½º ǰÁú °³¼±
    º¸À¯ ±â°£: ¼öÁýÀϷκÎÅÍ ÃÖ´ë 3³â°£ º¸°ü ÈÄ ÆÄ±â

    AIȰ¿ë ¸ÖƼ¸ð´Þ&MCP ÇÁ·ÎÁ§Æ® ¹Ù·Î ¾Ë¾Æº¸½Ã°Ú¾î¿ä?

    ´Ý±â
    • ±³À°Èñ¸ÁÁöÁ¡À» ¼±ÅÃÇØÁÖ¼¼¿ä
      • ½ÅûÇϽôºÐÀÇ À̸§°ú ¿¬¶ôó¸¦ ÀÔ·ÂÇØ ÁÖ¼¼¿ä.
        - -
      ÀÚ¼¼È÷ º¸±â
      ¼öÁý Ç׸ñ: À̸§, ¿¬¶ôó, ¼ö°­¾È³» °ü·Ã ÀÌ·Â
      ÀÌ¿ë ¸ñÀû: ¼ö°­¾È³» Á¦°ø, °ü·Ã ÀÌ·Â °ü¸® ¹× ¸ÂÃãÇü Àç¾È³»¸¦ ÅëÇÑ ¼­ºñ½º ǰÁú °³¼±
      º¸À¯ ±â°£: ¼öÁýÀϷκÎÅÍ ÃÖ´ë 3³â°£ º¸°ü ÈÄ ÆÄ±â
      Àüü¸Þ´º ¿­±â

      ¼Õ½±°í °£ÆíÇϰÔ
      Àü¹®°¡¿Í ÀüÈ­»ó´ã!

      ¾È³»¹Þ°í ½ÍÀº ÁöÁ¡À» ¼±ÅÃÇØ ÁÖ¼¼¿ä.

      ¾ß°£ ¹× ÁÖ¸» »ó´ã ÀüÈ­ ¾È³»

      ºü¸¥ ¾È³»¸¦ À§ÇØ
      ÆòÀÏ ¾ß°£(¿ÀÈÄ 6½Ã ~ ¿ÀÈÄ 10½Ã)
      ÁÖ¸»(¿ÀÀü 9½Ã ~ ¿ÀÈÄ 6½Ã)¿¡µµ ¾È³»ÇØ µå¸®°í ÀÖ½À´Ï´Ù.