AI 요약관련 정보

• MCP의 핵심 역할: 대규모 언어 모델(LLM)과 다양한 도구(검색, Slack, Docker, GitHub 등) 간의 복잡한 통합을 단일화된 API로 간소화하는 다리 역할을 합니다. 🌉
• MCP의 구성 요소: 사용자 질문을 LLM에 전달하는 MCP 클라이언트와 실제 도구를 호스팅하고 실행하는 MCP 서버로 이루어져 있습니다. 🤝
• STDIO 프로토콜: 로컬 터미널에서 스크립트(Python, Bash 등)를 실행하여 도구로 활용하는 방식으로, 오프라인 환경에서 유용합니다. 💻
• SSE 프로토콜: 웹 애플리케이션 형태로 로컬 또는 온라인 서버에 배포하여 사용할 수 있으며, MCP 클라이언트와 서버 간의 웹 기반 통신을 가능하게 합니다. 🌐
• 간편한 MCP 서버 구축: praise-ai-agents-mcp 라이브러리를 사용하여 단 세 줄의 코드로 AI 에이전트 기반의 MCP 서버를 쉽게 생성하고 배포할 수 있습니다. ✨
• 다양한 클라이언트 통합: Cursor, Vinc와 같은 코드 편집기나 Praise AI 자체 클라이언트를 통해 MCP 서버를 연동하여 AI 에이전트의 기능을 활용할 수 있습니다. 🔗
• AI 애플리케이션 강화: MCP를 통해 LLM에 인터넷 검색, 내부 API 접근, 사내 데이터 활용 등 다양한 도구를 추가하여 AI 에이전트의 능력을 극대화할 수 있습니다. 🚀
• STDIO와 SSE의 차이: STDIO는 로컬 스크립트 실행에 중점을 두는 반면, SSE는 웹 기반의 접근성과 배포 용이성을 제공하여 활용 범위가 더 넓습니다. ⚖️