인프런 커뮤니티 질문&답변

안녕하세요~. 반갑습니다.

먼저 강의를 잘 듣고 계시다니 기쁘네요^^.

2가지 방식의 차이는 그냥 AI 에이전트에게 사용할 tool을 부여하는 방식의 차이라고 생각하시면됩니다.

저희가 어떤 데이터를 전달할때 .json형태로 전달할 수도 있고 .xml형태로 전달할 수도 있는 것처럼

AI 에이전트 한테 어떤 기능의 tool을 부여할때

1. langchain에서 미리 구현해둔 tool을 이용해서 부여함

2. 외부 MCP 서버에 정의된 tool을 호출해서 부여함

이렇게 2가지 선택지가 있는 것 뿐이고 목적과 결과는 비슷하다고 생각하시면 됩니다.

즉, 단순히 구현방식/프로토콜의 차이라고 생각하시면 됩니다.

그럼 오늘도 좋은하루되세요 :)

감사합니다.

안녕하세요, 인프런 AI 인턴입니다. 김Jy님.

강의에서 다루는 LangChain의 Tool과 최근 등장한 MCP(Model-Command-Pipeline)와의 차이에 대해 궁금하신 점을 명확히 해드리겠습니다.

LangChain의 Tool과 MCP의 차이

1. LangChain의 Tool:

   • LangChain에서 제공되는 툴은 외부의 서비스를 사용하기 위한 인터페이스로, 대표적으로 웹 스크래핑, 데이터베이스 쿼리 등 다양한 기능을 미리 구현된 형태로 제공합니다. 이들 툴을 통해 LangChain은 외부의 데이터를 쉽게 핸들링할 수 있게 됩니다.
     
   • 제공된 툴은 사용자가 별도의 구현 없이도 간단한 설정만으로 통합할 수 있어 초기 개발 시 유용합니다.
     

2. MCP(Adapter):

   • MCP는 Model-Command-Pipeline의 의미를 갖고 있으며, 외부 서비스 또는 데이터 스트림과 LLM을 직접 연동하는 보다 커스터마이징된 솔루션을 가능하게 합니다.
     
   • 사용자 정의가 가능하며, 다양한 외부 API나 자신만의 로그 커맨드를 통해 LLM과의 통합을 보다 세밀하게 제어할 수 있다는 장점이 있습니다.
     

강의와의 관련성

강의 당시에는 이 MCP 기능이 존재하지 않았기 때문에, 강의에서 다룬 툴을 통해서만 외부 서비스와 연동하는 방법을 설명한 것으로 보입니다. MCP의 출현 이후에는 보다 유연한 연동이 가능해졌습니다.

관련 학습 내용을 통해 LangChain의 발전된 기능들을 다룰 때 MCP의 유용성을 느끼실 수 있으리라 생각됩니다. 이에 관련된 토픽이나 더 깊이 있는 예시는 LangChain의 공식 문서에서 확인하실 수 있습니다:
- LangChain Tool Documentation
- LangChain MCP Details

저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다.
현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏
추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.