Page History

...

• 둘 다 공통적으로

  • 하위 인프라 계층은 동일하게 구성됨:
    Network → Storage → Hypervisor → OS → Managed Runtime

  • 이는 클라우드 기반 컨테이너 또는 가상머신 위에서 실행된다는 점을 의미함

...

📌 요약 정리 (한 문장 비교)

AI의 활용되는 MCP(Model Context Protocol) 에대해 설명하고~ 이것을 시스템 아키텍처 적용할때 고려사항?

...

간단히 말해, **AI가 상황에 맞는 적절한 응답/행동을 하게 하기 위한 "문맥 주입 기술"**입니다.

...

✅ 2. MCP의 핵심 구성요소

...

✅ 3. MCP가 활용되는 AI 시스템 사례

• AI 챗봇 / 비서: 사용자 세션 기반 대화 히스토리와 상태 저장

• AI CRM 시스템: 고객 이력, 행동 로그 등을 문맥으로 활용

• 자동화된 상담봇: 업무 정책, 상담 이력, 감정 분석 정보 포함

• 멀티모달 시스템: 이미지 + 텍스트 + 위치 정보 등을 종합 문맥으로 전달

...

🧩 아키텍처 레벨에서 MCP 적용 시 고려해야 할 요소들:

✅ 5. 시스템 구성 예시 (AI 기반 고객지원 플랫폼)

...

SOA → MSA → Contextual, Autonomous, AI-Native Architecture

✅ 1. Next 아키텍처의 키워드

✅ 2. MSA 이후 고려해야 할 인프라 스트럭처 구성

...

• Context 기반 AI 엔진 연동 (예: RAG, LLM, Embedding)

• AI Orchestrator (multi-agent flow 조정)
  | Service Layer |

• Async-first 구조 (Kafka, NATS, gRPC, WebSocket)

• Function 단위의 배포 (FaaS: AWS Lambda, OpenFaaS 등)
  | Runtime Layer |

• Container+Function 조합 (Knative, Dapr, WASM)

• 서비스 메시 (Istio, Linkerd) 통한 트래픽 및 보안 제어
  | Data Layer |

• Vector DB (FAISS, Weaviate) + OLTP/OLAP 조합

• Streaming DB (Apache Flink, RisingWave 등)
  | Infra Layer |

• Multi-Cloud / Edge 분산 배포 고려

• GitOps 기반 CI/CD (ArgoCD, Flux)
  | Observability & Ops |

• AI APM (분산 트레이싱 + 모델 추론 로그)

• Self-healing 플랫폼 (Kubernetes + AI Ops)

✅ 3. 인프라 전환 시 고려 사항

✅ 예시: Next-Gen AI CRM 아키텍처 (MSA 이후)

[User Input]
   ↓
[Context Gateway] ← MCP & Metadata
   ↓
[Intent Router] → [AI Service A]
                 → [AI Service B]
                 → [LLM + RAG Layer]
   ↓
[Event Bus (Kafka/NATS)]
   ↓
[Function Service (FaaS)]
   ↓
[DB + Vector DB + Cache]
   ↓
[Monitoring + AI Ops]

✅ 요약 정리

...