Minhyeok's traces

이번 글에서는 PlayMCP에 대해 이용해보려고 합니다. https://playmcp.kakao.com/ PlayMCP란?PlayMCP란, 카카오 AI 서비스에 연결될 MCP를 실험하고 준비할 수 있는 개발자용 플랫폼입니다. LLM과 연결되는 도구를 테스트하고, 다른 사람과 공유할 수 있는 마켓이자 플레이그라운드이며, 이 페이지에 올라오는 MCP들을 사용자들이 선택하여 사용할 수 있습니다. 이 사이트에는 카카오, 사람인 등 한 번쯤 들어봤을 법한 다양한 서비스부터 개인 개발자들이 올린 MCP까지 다양하게 확인할 수 있습니다. 여러 MCP 중 일부 MCP를 사용해보면서 다양한 확장 가능성을 확인하려고 합니다.도구 연결법PlayMCP 도구 연결법의 경우, Claude, GPT 모두 카카오에서 상세하게 안내해..

오늘은 Playwright라는 MCP를 사용해보려고 합니다. Playwright란?Playwright MCP는 Microsoft가 만든 MCP 서버로, LLM이 스크린샷/비전 모델 없이도 접근성 트리(accessibility snapshot) 기반으로 브라우저를 조작할 수 있게 해주는 도구입니다. 클로드뿐 아니라 Codex, Cursor 등 MCP를 지원하는 AI 모두 툴을 호출해서 실제 웹페이지를 탐색하고 조작, 테스트할 수 있다고 합니다. 개발자들은 이 MCP를 통해 웹을 만들고, 테스트해보는 과정을 AI에게 지시만으로 진행해볼 수 있고, 이 과정 속에서 트러블슈팅을 진행할 수 있습니다. 그럼 일반적인 사용자 입장에선 과연 뭘 할 수 있을까 의문을 가질 수 있을겁니다. 제가 설치부터 예시까지 진행하..

이전 글에 이어서 Mojo 설치부터 간단한 예제를 돌려보면서 Mojo라는 언어를 처음 접해보는 시간을 가져보려고 합니다. 참고한 공식 문서는 mojolang.org 퀵스타트입니다. uv 설치하기Mojo 공식 설치 방법은 여러 가지입니다. pip이나 conda 패키지로도 설치할 수 있지만, 공식 사이트가 추천하는 방식은 pixi 또는 uv를 사용하는 것입니다. 저는 이 중 uv를 이용해서 설치를 진행했습니다. uv가 아직 없다면, Windows 기준으로는 아래 글을 참고하면 됩니다.https://minhyeok-kimm.tistory.com/22 Python UV최근 VS Code를 키면 하나의 메시지 창이 떴습니다. 필자의 경우 Anaconda 환경을 사용하고 있어 파이썬을 정상적으로 사용하고 있었으나..

Mojo라는 프로그래밍 언어를 들어보셨나요? 1~2년 전, 저는 Mojo가 등장했다는 소식을 처음 접했습니다. 당시에는 Python과의 폭넓은 호환성을 장기 목표로 삼으면서도, 더 높은 성능을 추구한다는 초기 방향성이 특히 눈에 들어왔습니다. 그 시기에는 Python 코드만 좀 다루고, WSL2 등 운영체제에 대한 부분에는 미숙해서 설치해보고 직접 사용해 볼 엄두가 나지 않았습니다. 하지만 이 내용을 보고 처음 든 생각이 있었습니다.“이게 현실이 된다면 데이터 분석이나 머신러닝 작업에 꽤 큰 도움이 되지 않을까?” Python은 읽고 쓰기 쉬워서 데이터 분석과 AI 분야에서 많이 사용되고, 많은 분야에서 편하게 사용할 수 있다고 생각합니다. 다만 일반적인 CPython 환경에서는 동적 타입 처리 등의 특..

최근에 Claude를 구독하여 여러 방면으로 사용해보려고 하고 있습니다. 취업을 하면서 자연스럽게 회사의 구독으로 Claude, Claude Code를 많이 사용하게 되었고, 개인적인 학습이나 개발 등에 이용하고자 Pro 구독을 시작하게 되었습니다. 조금 늦은 감이 있지만, 다양한 기능들과 skill들을 찾아보고 적용하면서 적응해보려고 합니다. 초보의 입장에서 최대한 풀어서 작성하고, 차근차근 진행하는 방법을 기재해보고자 합니다. 요즘 AI 관련 유튜브들을 보면 PPT의 양식이 되게 비슷한 것을 느꼈을 수 있습니다. AI를 이용해서 다양한 작업을 진행하는 것이 가능해지다보니, PPT도 만들어주는 Skill까지도 만들어졌습니다. 그 스킬들을 직접 보고, 설치하고 기존에 부트캠프를 수강하며 만들었던 발표자료..

최근 데이터 엔지니어 부트캠프를 진행하면서 AWS 환경을 접하고 교육을 듣고 있는 중, PostgreSQL에 대해 접하였습니다. MySQL, Oracle이 있지만 클라우드, 현업에서는 PostgreSQL을 많이 사용하는 것으로 보였습니다. PostgreSQL을 직접 설치해보고, 사용해보고자 합니다. Windows, Mac, Linux 등 다양한 플랫폼을 지원하는 오픈소스 RDBMS로, 필자는 추후 Mac 환경(Linux 기반과 비슷함)을 사용해볼 예정으로, Windows의 wsl을 이용하여 리눅스 환경을 구축해서 진행해보고자 합니다. 1. wsl 환경 구축하기 wsl은 Windows에서 리눅스 개발 환경을 구축할 수 있는 간단한 방법입니다. 공식 문서 링크를 남겨두며, 해당 내용을 따라가면서 설명하도록 ..

Ollama로 이용하여 로컬 LLM을 사용하면 답변에 있어 방향성을 조절하고 싶거나, 커스텀하고 싶다는 생각이 들 수 있습니다. 이럴 때 LLM의 파라미터를 조절해서 모델을 추가한다면, 같은 모델 기반이어도 다른 답변을 낼 수 있습니다. 파라미터를 조절하여 본인 입맛대로 답변 형식 등을 수정하고 싶은 분들을 위해, 아래 방법을 공유합니다. 1. LLM 주요 파라미터 LLM 모델을 수정하기에 앞서 주로 사용하는 파라미터들이 있습니다. - temperature: 답변의 창의성. 0~1 범위로 설정 가능하며, 높을수록 상상력이 풍부해지고, 낮을수록 사실에 충실하여 답변합니다. - num_ctx: 문맥 기억량. 이전 대화를 얼마나 기억할지 결정합니다. 이 부분은 사용자의 환경에 따라 다를 수 있으며, 저의 데..

세 번째 글은 골드 데이터 및 경험치 데이터를 기반으로 분석을 진행해보고자 합니다. 사용하고 있는 데이터의 경우 10분~25분까지 5분 단위의 골드, 경험치 차이 등의 세부 지표가 있습니다. 해당 데이터 중 초반 라인전이라고 볼 수 있는(2025년 기준 포탑방패가 사라진 직후) 15분 시점 골드 격차에 따른 승률을 확인해보았습니다. 15분 시점을 기준으로 한 팀 골드 격차 데이터를 기반으로 시각화를 진행한 그래프입니다.우선 총 팀 골드 격차의 데이터는 218개입니다.[전체 세트 수(109) * 2(각 경기 당 팀)] 0을 기준으로 대칭적인 데이터가 나오는 구조이며, 이를 바탕으로 한 승률을 계산한 데이터입니다. n의 경우 해당 구간의 골드 격차를 보여준 팀의 수를 나타냅니다. 이를 보았을 때 15분 골드..