Jira MCP를 보고 에이전트 시스템을 이해하기 시작한 과정
MailShield AI 인턴십에서 Anthropic Claude 기반 대화형 서비스가 Jira MCP를 통해 업무 정보를 조회하는 모습을 보며, 대화형 AI가 답변을 넘어 도구를 선택하고 실행하는 구조를 처음 이해한 기록입니다.
기록 읽기OWEN'S NEST / TECH BLOG
01—16만들면서 발견한
질문과 판단의 길.
프로젝트 안에서 기준을 세우고, 확인하고, 다시 고친 순간들을 기록합니다.
BROWSE THE NOTES
기록 둘러보기
카드는 자동으로 다음 기록을 보여줍니다. 직접 넘기거나 잠시 멈춰서 살펴볼 수 있습니다.
01 / 16
NOTE 01—16
전체 기록
태그를 고르거나 검색어를 입력해 필요한 기술 기록만 빠르게 모아볼 수 있습니다.
태그 필터
16개의 기록
Jira MCP를 보고 에이전트 시스템을 이해하기 시작한 과정
MailShield AI 인턴십에서 Anthropic Claude 기반 대화형 서비스가 Jira MCP를 통해 업무 정보를 조회하는 모습을 보며, 대화형 AI가 답변을 넘어 도구를 선택하고 실행하는 구조를 처음 이해한 기록입니다.
휴리스틱 규칙과 Naive Bayes로 이메일 필터를 설계하며 배운 것
설명 가능한 규칙과 확률 기반 분류를 함께 사용하며 precision, recall과 오탐의 균형을 다룬 경험입니다.
도구 호출에서 메모리와 평가까지, Agent Workflow 확장하기
MCP 이후 워크플로·컨텍스트·모델 평가를 신뢰 가능한 제품 흐름으로 연결하는 방법을 정리합니다.
Agentic RAG에서 확인 가능한 답변을 설계하는 법
복지 정보처럼 복잡한 지식을 검색과 대화로 연결할 때, 답변의 근거와 다음 행동을 어떻게 사용자가 확인할 수 있게 만들지 정리합니다.
모델 응답을 비교 가능한 평가 루프로 바꾸는 과정
좋아 보이는 한 번의 답변이 아니라, 응답·선호도·trace를 함께 놓고 더 나은 결과를 반복해서 판단하는 방법을 정리합니다.
실시간 음성 에이전트에서 latency를 제품 경험으로 다루는 법
듣고, 판단하고, 말하는 단계가 이어지는 음성 Agent MVP에서 사용자가 체감하는 지연과 신뢰성을 어떻게 설계할지 기록합니다.
Agent는 어떻게 도구를 호출하는가
모델의 결정과 runtime의 실행을 분리해 보고, tool calling이 실제 시스템 안에서 반복되는 다섯 단계와 안전 경계를 정리합니다.
좋은 prompt보다 측정 가능한 prompt
한 번 좋아 보인 응답을 개선으로 착각하지 않도록, prompt를 versioned system asset과 재현 가능한 비교 실험으로 다루는 기준을 만듭니다.
RAG는 왜 긴 문맥을 넣어도 실패하는가
Context window의 크기와 검색 품질을 구분하고, query·retrieval·ranking·placement에서 생기는 RAG의 실패 지점을 추적합니다.
Static RAG에서 Agentic RAG로: 검색을 다시 판단하는 루프
첫 검색을 그대로 믿지 않고, evidence를 평가하고 query를 고쳐 다시 찾는 retrieval policy를 하나의 제어 루프로 설계합니다.
MCP는 API wrapper와 무엇이 다른가
Tool calling과 MCP의 책임을 분리하고, host·client·server가 capability를 발견하고 통제하는 protocol lifecycle을 살펴봅니다.
Human-in-the-loop은 확인 버튼 하나가 아니다
승인을 UI 버튼이 아니라 실행 전후의 state transition으로 정의하고, 위험도와 되돌릴 수 있음에 따라 사람의 개입 지점을 설계합니다.