Tech Notes

헷갈리는 AI 개념을 짧고 명확하게 비교합니다

프롬프트, RAG, Fine-tuning, 출처 인용, Structured Output, MCP처럼 실무에서 자주 혼동하는 개념을 정리합니다.

14 ARTICLES

Tech Notes 글

발행일이 최신인 글부터 확인할 수 있습니다.

MCP와 Function Calling은 무엇이 다르고 어떻게 함께 쓰나

Function Calling은 모델이 스키마에 맞는 도구 호출을 제안하는 모델 API 기능입니다. MCP는 AI 애플리케이션과 외부 시스템 사이에서 Tool·Resource·Prompt를 발견하고 연결하는 표준 프로토콜입니다. 두 기능은 MCP Host가 서버의 Tool 스키마를 읽어 모델의 Function Calling 형식으로 전달하는 방식으로 함께 쓰입니다.

글 읽기

프롬프트, RAG, Fine-tuning 중 무엇을 선택해야 할까

최신 사내 지식으로 답하게 하려면 RAG를, 출력 형식·역할·제약을 조정하려면 프롬프트와 Structured Output을 검토합니다. 반복되는 행동 패턴을 안정적으로 학습시켜야 할 때는 충분한 평가 데이터를 갖추고 Fine-tuning을 검토합니다. 세 방법은 해결하는 문제가 서로 다릅니다.

글 읽기

Context Engineering은 Prompt Engineering과 무엇이 다른가

Prompt Engineering은 모델에 주는 지시문의 표현과 구조를 설계하는 일입니다. Context Engineering은 지시문과 함께 도구 정의, 검색 문서, 대화 이력, 메모리, 중간 결과 가운데 이번 추론에 어떤 정보를 포함하고 제외할지 관리하는 일입니다.

글 읽기

Structured Output과 JSON mode는 무엇이 다른가

JSON mode는 문법적으로 유효한 JSON 출력을 목표로 하지만 필요한 필드·타입·enum까지 보장하지는 않습니다. Structured Output은 지원되는 모델·API에서 strict: true를 사용하고, refusal이 없고 응답이 중간에 끊기지 않았을 때 제공한 JSON Schema 일치를 보장합니다. 값의 사실성·업무 규칙·권한은 서버에서 별도로 검증해야 합니다.

글 읽기

KMWORKS AI Tech Lab은 설계 이유와 운영 트레이드오프를 근거와 함께 기록합니다.

AI 프로젝트 문의