# 용어 — 119 소방 AI 스튜디오 지식 그래프

AI 개념 용어입니다. 소방 관계 법령이 정의한 소방 업무 용어는 '소방 업무 용어' 파일에 따로 있습니다. 정의는 학습용 설명이며 표준 정의가 아닙니다. 용어사전은 미검토 · 위험도 미평가 상태입니다.
화면에서 보기: https://119-ai-studio.kr/glossary.html
이 파일: 전체 165건 중 40~72번째 (2/5)
지식 그래프 입구: https://119-ai-studio.kr/kg/index.txt

## 데이터·검색·RAG

### 데이터
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-data
- 카드 파일: https://119-ai-studio.kr/kg/card-29d4393ec13401c42704.txt
- 요약: 사실·사건·대상을 표현하는 값과 기록. 수집 목적·정의·시점·품질이 해석 범위를 결정한다.
- 영문·다른 이름: Data · 자료
- 난이도: 입문
- 비유: 분석과 학습에 쓰는 관찰·기록·측정값을 일정한 형식으로 모은 재료.
- 업무 참고: 출동 건수 하나도 집계 기준과 누락 규칙에 따라 의미가 달라져 데이터 사전을 함께 확인한다.
- 연결:
  - 관련 용어: 데이터셋 — https://119-ai-studio.kr/glossary.html#gl-dataset · 기존 관계 · 미검증
  - 관련 용어: 메타데이터 — https://119-ai-studio.kr/glossary.html#gl-metadata · 기존 관계 · 미검증
  - 관련 용어: 전처리 — https://119-ai-studio.kr/glossary.html#gl-preprocessing · 기존 관계 · 미검증
  - 배경 학습: pandas 데이터 분석 입문 — https://119-ai-studio.kr/learn/pandas/index.html
  - 함께 볼 자료: 파이썬 학습 안내서(전권) · 16. 파일 입출력과 데이터 형식 — https://119-ai-studio.kr/learn/python/중급편/16_파일과_데이터.html
  - 관련 안내서: 출동 데이터의 결측·중복·표기 불일치 정제하기 — https://119-ai-studio.kr/data-cleaning.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 데이터셋 — https://119-ai-studio.kr/glossary.html#gl-dataset · 기존 관계 · 미검증
  - 관련 용어 ← 메타데이터 — https://119-ai-studio.kr/glossary.html#gl-metadata · 기존 관계 · 미검증
  - 관련 용어 ← 전처리 — https://119-ai-studio.kr/glossary.html#gl-preprocessing · 기존 관계 · 미검증

### 데이터셋
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-dataset
- 카드 파일: https://119-ai-studio.kr/kg/card-1a2eda1cecaecda9c4c5.txt
- 요약: 분석·학습·평가를 위해 구조화한 데이터의 집합과 그 스키마·설명.
- 영문·다른 이름: Dataset · 데이터 집합
- 난이도: 입문
- 비유: 같은 목적과 규칙으로 모아 한 묶음으로 관리하는 자료철.
- 업무 참고: 공개 데이터셋도 수집 대상과 기간이 다르면 지역 소방 업무를 대표하지 않을 수 있다.
- 연결:
  - 관련 용어: 데이터 — https://119-ai-studio.kr/glossary.html#gl-data · 기존 관계 · 미검증
  - 관련 용어: 학습 데이터 — https://119-ai-studio.kr/glossary.html#gl-training-data · 기존 관계 · 미검증
  - 관련 용어: 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 배경 학습: pandas 데이터 분석 입문 — https://119-ai-studio.kr/learn/pandas/index.html
  - 관련 안내서: 소방 업무에 쓸 공공데이터 고르는 법 — https://119-ai-studio.kr/public-data-map.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 데이터 — https://119-ai-studio.kr/glossary.html#gl-data · 기존 관계 · 미검증
  - 관련 용어 ← 학습 데이터 — https://119-ai-studio.kr/glossary.html#gl-training-data · 기존 관계 · 미검증
  - 관련 용어 ← 합성 데이터 — https://119-ai-studio.kr/glossary.html#gl-synthetic-data · 기존 관계 · 미검증
  - 관련 용어 ← 편향 — https://119-ai-studio.kr/glossary.html#gl-bias · 기존 관계 · 미검증
  - 관련 용어 ← 도착 — https://119-ai-studio.kr/glossary.html#gl-law-103f8357
  - 관련 용어 ← 초진 — https://119-ai-studio.kr/glossary.html#gl-law-06d09b13
  - 관련 용어 ← 완진 — https://119-ai-studio.kr/glossary.html#gl-law-ec123937
  - 관련 용어 ← 잔불정리 — https://119-ai-studio.kr/glossary.html#gl-law-107a3882
  - 관련 용어 ← 재발화감시 — https://119-ai-studio.kr/glossary.html#gl-law-8f53605b
  - 관련 용어 ← 철수 — https://119-ai-studio.kr/glossary.html#gl-law-133a61b3
  - 관련 용어 ← 선착대 — https://119-ai-studio.kr/glossary.html#gl-law-be31dc02
  - 관련 용어 ← 화재현장 — https://119-ai-studio.kr/glossary.html#gl-law-a57d1048
  - 관련 용어 ← 내부관리통계 — https://119-ai-studio.kr/glossary.html#gl-law-a538c3db

### 학습 데이터
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-training-data
- 카드 파일: https://119-ai-studio.kr/kg/card-bc59e501c46ec5c42f2d.txt
- 요약: 모델 파라미터를 갱신하는 학습 과정에 사용되는 입력과 정답·목표 데이터.
- 영문·다른 이름: Training Data · 훈련 데이터
- 난이도: 실무
- 비유: 모델이 패턴을 배우기 위해 반복해서 보는 연습 문제 묶음.
- 업무 참고: 실제 신고·환자 자료는 학습 목적과 권한이 별도로 확인되지 않으면 사용하면 안 된다.
- 연결:
  - 관련 용어: 학습 — https://119-ai-studio.kr/glossary.html#gl-training · 기존 관계 · 미검증
  - 관련 용어: 데이터셋 — https://119-ai-studio.kr/glossary.html#gl-dataset · 기존 관계 · 미검증
  - 관련 용어: 데이터 라벨링 — https://119-ai-studio.kr/glossary.html#gl-data-labeling · 기존 관계 · 미검증
  - 정의 설명 학습 자료: LLM 안내서 · 4부 · 학습: 모델은 어떻게 만들어지는가 — https://119-ai-studio.kr/learn/llm/04_학습.html
  - 관련 안내서: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 인공지능 및 데이터 기반 행정 활성화에 관한 법률 — https://119-ai-studio.kr/ai-laws.html#law-ai-admin-act
  - 관련 용어 ← AI 데이터 품질관리 가이드라인 — https://119-ai-studio.kr/ai-laws.html#law-ai-data-quality-guideline
  - 관련 용어 ← 학습 — https://119-ai-studio.kr/glossary.html#gl-training · 기존 관계 · 미검증
  - 관련 용어 ← 데이터셋 — https://119-ai-studio.kr/glossary.html#gl-dataset · 기존 관계 · 미검증
  - 관련 용어 ← 데이터 라벨링 — https://119-ai-studio.kr/glossary.html#gl-data-labeling · 기존 관계 · 미검증

### 합성 데이터
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-synthetic-data
- 카드 파일: https://119-ai-studio.kr/kg/card-b700b05c7c58ea69c0aa.txt
- 요약: 현실 데이터의 형식이나 통계적 특징을 모사해 인공적으로 생성한 데이터. 실제 개인 기록과 같은 것이 아니다.
- 영문·다른 이름: Synthetic Data · 가상 데이터
- 난이도: 실무
- 비유: 실제 기록을 복사하지 않고 연습 목적에 맞춰 새로 만든 모의 자료.
- 업무 참고: 교육과 파이프라인 시험에 우선 사용하되 실제 분포와 차이가 있어 운영 성능 증거로 단정하지 않는다.
- 구분하기: 개인정보를 가린 실제 데이터와 처음부터 만든 합성 데이터는 출처와 위험이 다르다.
- 연결:
  - 관련 용어: 데이터셋 — https://119-ai-studio.kr/glossary.html#gl-dataset · 기존 관계 · 미검증
  - 관련 용어: 비식별화 — https://119-ai-studio.kr/glossary.html#gl-de-identification · 기존 관계 · 미검증
  - 관련 용어: 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 119 합성 데이터로 안전하게 연습하기 — https://119-ai-studio.kr/synth-data.html
  - 관련 안내서: 소방 AI, 이것만은 하지 마세요 — https://119-ai-studio.kr/ai-safety-anchor.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 산불 확산 위험 대응방안 추론 데이터 — https://119-ai-studio.kr/datasets.html#dataset-aihub-wildfire-spread-reasoning-text
  - 관련 용어 ← 한국소방산업기술원_위험물질시험_합성데이터 — https://119-ai-studio.kr/datasets.html#dataset-kfi-hazmat-test-synthetic

### 메타데이터
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-metadata
- 카드 파일: https://119-ai-studio.kr/kg/card-f584c38ecad314f264c4.txt
- 요약: 데이터의 출처·형식·생성 시각·작성자·버전 등 데이터를 설명하는 부가 정보.
- 영문·다른 이름: Metadata · 데이터 설명 정보
- 난이도: 입문
- 비유: 자료 내용이 아니라 언제·어디서·어떻게 만들어졌는지 적은 표지와 관리 기록.
- 업무 참고: 본문에서 이름을 지워도 파일명·위치·시간 메타데이터가 개인이나 사건을 드러낼 수 있다.
- 연결:
  - 관련 용어: 데이터 — https://119-ai-studio.kr/glossary.html#gl-data · 기존 관계 · 미검증
  - 관련 용어: 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증
  - 관련 용어: 개인정보 — https://119-ai-studio.kr/glossary.html#gl-personal-data · 기존 관계 · 미검증
  - 배경 학습: 개인정보 비식별 파이프라인, 이름·주소까지 자동으로 — https://119-ai-studio.kr/pii-pipeline.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 데이터 — https://119-ai-studio.kr/glossary.html#gl-data · 기존 관계 · 미검증
  - 관련 용어 ← 키워드 검색 — https://119-ai-studio.kr/glossary.html#gl-keyword-search · 기존 관계 · 미검증
  - 관련 용어 ← 발화지점 — https://119-ai-studio.kr/glossary.html#gl-law-4d580986
  - 관련 용어 ← 발화열원 — https://119-ai-studio.kr/glossary.html#gl-law-42630932
  - 관련 용어 ← 발화관련 기기 — https://119-ai-studio.kr/glossary.html#gl-law-b7c78915
  - 관련 용어 ← 최초착화물 — https://119-ai-studio.kr/glossary.html#gl-law-a1153855
  - 관련 용어 ← 연소확대물 — https://119-ai-studio.kr/glossary.html#gl-law-ff1c8f0a
  - 관련 용어 ← 동력원 — https://119-ai-studio.kr/glossary.html#gl-law-f79e4552

### 전처리
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-preprocessing
- 카드 파일: https://119-ai-studio.kr/kg/card-bf4447f9ea55791fbb82.txt
- 요약: 결측·중복·형식·단위·문자열 등을 검사하고 변환해 후속 분석이나 학습에 적합하게 만드는 과정.
- 영문·다른 이름: Preprocessing · 데이터 전처리
- 난이도: 실무
- 비유: 분석 전에 자료 형식과 오류를 정리해 같은 기준으로 맞추는 준비 작업.
- 업무 참고: 원본을 덮어쓰지 말고 제외·변환 건수와 규칙을 기록해 결과를 되짚을 수 있게 한다.
- 연결:
  - 관련 용어: 데이터 — https://119-ai-studio.kr/glossary.html#gl-data · 기존 관계 · 미검증
  - 관련 용어: 데이터 라벨링 — https://119-ai-studio.kr/glossary.html#gl-data-labeling · 기존 관계 · 미검증
  - 관련 용어: 회귀 테스트 — https://119-ai-studio.kr/glossary.html#gl-regression-test · 기존 관계 · 미검증
  - 배경 학습: pandas 데이터 분석 입문 — https://119-ai-studio.kr/learn/pandas/index.html
  - 관련 안내서: 출동 데이터의 결측·중복·표기 불일치 정제하기 — https://119-ai-studio.kr/data-cleaning.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 데이터 — https://119-ai-studio.kr/glossary.html#gl-data · 기존 관계 · 미검증
  - 관련 용어 ← 토큰화 — https://119-ai-studio.kr/glossary.html#gl-tokenization · 기존 관계 · 미검증
  - 관련 용어 ← OCR 광학 문자 인식 — https://119-ai-studio.kr/glossary.html#gl-ocr · 자료 대조: 스캔 이미지를 검색용 문서로 준비하는 경우 OCR은 후속 청킹·검색에 앞선 텍스트 준비 단계가 될 수 있다.
    - 편집 판단 근거: Microsoft Learn — OCR: Optical Character Recognition — https://learn.microsoft.com/en-us/azure/ai-services/computer-vision/overview-ocr (OCR (Read) editions — OCR 정의 문단, 2026-10-24)
  - 관련 용어 ← 데이터프레임 — https://119-ai-studio.kr/glossary.html#gl-dataframe · 자료 대조: 표 데이터를 다루는 분석에서는 DataFrame의 열과 자료형을 사용해 전처리 결과를 확인할 수 있다.
    - 편집 판단 근거: pandas — What kind of data does pandas handle? — https://pandas.pydata.org/docs/getting_started/intro_tutorials/01_table_oriented.html (pandas data table representation, 2026-10-24)
  - 관련 용어 ← ETL 추출·변환·적재 — https://119-ai-studio.kr/glossary.html#gl-etl · 자료 대조: ETL의 변환 단계에는 목적 저장소와 분석에 맞춘 데이터 정리·변환이 포함될 수 있다.
    - 원문에 명시: AWS — What is ETL? — https://aws.amazon.com/what-is/etl/ (What is ETL? / What is data transformation? / What is ELT?, 2026-10-24)

### 데이터 라벨링
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-data-labeling
- 카드 파일: https://119-ai-studio.kr/kg/card-32103ab3d346b8332eca.txt
- 요약: 학습·평가 데이터에 목표 범주·경계·값을 부여하는 과정. 기준과 작업자 일치도가 품질에 영향을 준다.
- 영문·다른 이름: Data Labeling · 레이블링 · 정답 표기
- 난이도: 실무
- 비유: 각 사례에 모델이 배울 정답표나 분류 이름을 붙이는 작업.
- 업무 참고: 화재·비화재나 신고 유형의 경계 사례를 정의하고 사람 간 불일치를 별도로 기록한다.
- 연결:
  - 관련 용어: 학습 데이터 — https://119-ai-studio.kr/glossary.html#gl-training-data · 기존 관계 · 미검증
  - 관련 용어: 정답 기준 — https://119-ai-studio.kr/glossary.html#gl-ground-truth · 기존 관계 · 미검증
  - 관련 용어: 평가셋 — https://119-ai-studio.kr/glossary.html#gl-evaluation-set · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 훈련 데이터 라벨 품질, 학습 전에 잡기 — https://119-ai-studio.kr/label-quality-check.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 화재 영상에서 화염·연기 탐지하기 — https://119-ai-studio.kr/fire-smoke-detection.html
  - 관련 용어 ← 학습 데이터 — https://119-ai-studio.kr/glossary.html#gl-training-data · 기존 관계 · 미검증
  - 관련 용어 ← 전처리 — https://119-ai-studio.kr/glossary.html#gl-preprocessing · 기존 관계 · 미검증
  - 관련 용어 ← 정답 기준 — https://119-ai-studio.kr/glossary.html#gl-ground-truth · 기존 관계 · 미검증

### 토큰화
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-tokenization
- 카드 파일: https://119-ai-studio.kr/kg/card-5c6131079a7ece674a60.txt
- 요약: 텍스트를 토큰 열로 변환하는 처리. 방식은 사용하는 토크나이저와 모델에 따라 달라진다.
- 영문·다른 이름: Tokenization · 텍스트 분절
- 난이도: 실무
- 비유: 긴 글을 모델이 처리할 수 있는 규칙적인 조각으로 나누는 과정.
- 업무 참고: 주소·약어·장비명이 예상과 다르게 쪼개질 수 있어 길이와 인식 오류를 실제 입력으로 확인한다.
- 연결:
  - 관련 용어: 토크나이저 — https://119-ai-studio.kr/glossary.html#gl-tokenizer · 기존 관계 · 미검증
  - 관련 용어: 토큰 — https://119-ai-studio.kr/glossary.html#gl-token · 기존 관계 · 미검증
  - 관련 용어: 전처리 — https://119-ai-studio.kr/glossary.html#gl-preprocessing · 기존 관계 · 미검증
  - 정의 설명 학습 자료: LLM 안내서 · 2부 · 언어를 숫자로 — https://119-ai-studio.kr/learn/llm/02_언어를_숫자로.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 토크나이저 — https://119-ai-studio.kr/glossary.html#gl-tokenizer · 기존 관계 · 미검증

### 임베딩
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-embedding
- 정의 근거: https://119-ai-studio.kr/learn/llm/02_언어를_숫자로.html#s2 (LLM 안내서 — 2부 · 언어를 숫자로 · 2.2 임베딩 — 의미를 좌표로 · 토큰의 숫자 표현, 표현의 유사성 및 정적 표현과 문맥적 표현의 구분. 문서 검색용 임베딩은 별도 공식 자료로 보완합니다. · 원문 대조 2026-10-24)
- 정의 근거: https://developers.google.com/machine-learning/glossary#embedding_vector (Google Machine Learning Glossary · embedding space; embedding vector · 학습으로 만든 숫자 배열과 유사성 비교, 재학습 시 표현이 바뀔 수 있다는 설명. · 원문 대조 2026-10-24)
- 정의 근거: https://learn.microsoft.com/en-us/azure/search/vector-search-how-to-generate-embeddings#how-embedding-models-are-used-in-vector-queries (Microsoft Learn — Generate embeddings for search queries and documents · How embedding models are used in vector queries · 문서와 질문 벡터를 같은 임베딩 모델로 만드는 조건. Azure의 제품 설정·요금·지원 모델 목록으로 일반화하지 않습니다. · 원문 대조 2026-10-24)
- 정의 근거: https://learn.microsoft.com/en-us/azure/search/vector-search-overview#how-does-vector-search-work (Microsoft Learn — Vector search in Azure AI Search · What scenarios can vector search support?; How does vector search work? · 벡터 저장·색인·유사도 검색과 문서 반환, 메타데이터 필터, 키워드 검색과의 결합. Azure 제품 기능을 모든 제품의 보장으로 옮기지 않습니다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-e7e77a023edf4c10ca59.txt
- 요약: 텍스트·이미지 등의 항목을 의미적 유사성이 거리로 비교되도록 고정 길이 벡터로 변환한 표현.
- 영문·다른 이름: Embedding · 문장 임베딩 · 벡터 표현
- 난이도: 실무
- 의미 범위: 텍스트·문서를 숫자 벡터로 나타내는 표현
- 비유: 문장이나 항목의 의미 특징을 지도 위 좌표처럼 숫자 목록으로 바꾸는 표현.
- 학습 예시: 가상 문장인 지하층에서 연기가 난다와 지하실에 연기 발생을 숫자 표현으로 바꾸어 비슷한 신고 표현을 찾는 데 사용한다.
- 업무 참고: 소방시설 법령 질의를 검색하는 RAG에서 만난다. 학습 데이터셋의 '소방시설법령 질의회신집 임베딩 데이터'는 소방청 질의회신집을 질의·회신 한 건씩 청크로 나누고, 청크마다 임베딩 벡터와 출처 페이지·관계법령 정보를 붙인 자료다.
- 구분하기: 임베딩은 숫자 표현을 만드는 과정이고 벡터 스토어는 이를 저장·검색하는 기능입니다. 높은 유사도가 사실성을 뜻하지는 않습니다.
- 심화 설명: 작동 방식 임베딩 모델은 토큰·문장·문서 같은 입력을 숫자 배열로 변환합니다. 학습을 통해 목적에 유용한 특징이 숫자 표현에 반영되며, 검색에서는 질문과 문서의 표현을 비교합니다. 비슷한 표현을 찾을 때는 정해진 유사도나 거리 계산으로 두 벡터를 비교합니다. 비교할 벡터는 서로 호환되는 임베딩 모델과 처리 기준으로 만들어야 합니다. 학습 예시 - 가상 입력: 질문은 교육장에 가져갈 물품이며, 후보 문서는 교육 준비물과 차량 주차 안내입니다. - 출력 예: 임베딩 기반 검색이 교육 준비물 문서를 더 가까운 후보로 반환했다고 가정합니다. - 해석: 글자가 그대로 일치하지 않아도 관련 표현을 찾을 수 있음을 보여 줍니다. 실제 순위는 모델과 문서 내용에 따라 달라지므로 원문을 확인합니다. 구분과 한계 임베딩은 숫자 표현을 만드는 과정이고, 벡터 스토어는 그 표현을 저장하고 찾는 기능입니다. 높은 유사도는 내용이 참이거나 질문의 답을 포함한다는 보증이 아닙니다. LLM 내부의 토큰 임베딩과 문서 검색용 임베딩을 같은 용도의 값으로 혼용하지 않습니다.
- 연결:
  - 관련 용어: 벡터 — https://119-ai-studio.kr/glossary.html#gl-vector · 기존 관계 · 미검증
  - 관련 용어: 유사도 — https://119-ai-studio.kr/glossary.html#gl-similarity · 기존 관계 · 미검증
  - 관련 용어: 벡터 스토어 — https://119-ai-studio.kr/glossary.html#gl-vector-store · 기존 관계 · 미검증
  - 다음에 볼 개념: 벡터 스토어 — https://119-ai-studio.kr/glossary.html#gl-vector-store · 자료 대조: 임베딩 기반 문서 검색을 배울 때 저장되는 숫자 표현을 먼저 이해하면 벡터 스토어의 저장·검색 역할을 구분하기 쉽습니다.
    - 편집 판단 근거: Google Machine Learning Glossary — https://developers.google.com/machine-learning/glossary#embedding_vector (embedding space; embedding vector, 2026-10-24)
    - 편집 판단 근거: Microsoft Learn — Vector search in Azure AI Search — https://learn.microsoft.com/en-us/azure/search/vector-search-overview#how-does-vector-search-work (What scenarios can vector search support?; How does vector search work?, 2026-10-24)
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html
  - 함께 볼 자료: 에이전틱 AI 엔지니어링 · 20. 실전 n8n: 메모리·도구·앱 연동·프로덕션 — https://119-ai-studio.kr/learn/agentic-ai/20_n8n-production.html
  - 함께 볼 자료: LLM 안내서 · 2부 · 언어를 숫자로 — https://119-ai-studio.kr/learn/llm/02_언어를_숫자로.html
  - 관련 안내서: 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 소방시설법령 질의회신집 임베딩 데이터 — https://119-ai-studio.kr/datasets.html#dataset-bigdata119-fire-facility-law-qa-embedding
  - 관련 용어 ← 벡터 — https://119-ai-studio.kr/glossary.html#gl-vector · 기존 관계 · 미검증
  - 관련 용어 ← 유사도 — https://119-ai-studio.kr/glossary.html#gl-similarity · 기존 관계 · 미검증
  - 관련 용어 ← 벡터 스토어 — https://119-ai-studio.kr/glossary.html#gl-vector-store · 기존 관계 · 미검증
  - 관련 용어 ← 의미 검색 — https://119-ai-studio.kr/glossary.html#gl-semantic-search · 기존 관계 · 미검증

### 벡터
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-vector
- 카드 파일: https://119-ai-studio.kr/kg/card-6e575a604b8c2d5636a3.txt
- 요약: 순서가 있는 숫자 값의 배열. 임베딩에서는 항목의 학습된 특징을 표현한다.
- 영문·다른 이름: Vector · 수치 벡터
- 난이도: 실무
- 비유: 여러 특징을 한 줄의 숫자 좌표로 적은 위치표.
- 업무 참고: 벡터 자체는 사람이 읽는 법령 근거가 아니므로 검색 결과의 원문을 함께 보여줘야 한다.
- 연결:
  - 관련 용어: 임베딩 — https://119-ai-studio.kr/glossary.html#gl-embedding · 기존 관계 · 미검증
  - 관련 용어: 유사도 — https://119-ai-studio.kr/glossary.html#gl-similarity · 기존 관계 · 미검증
  - 관련 용어: 벡터 스토어 — https://119-ai-studio.kr/glossary.html#gl-vector-store · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html
  - 함께 볼 자료: LLM 안내서 · 2부 · 언어를 숫자로 — https://119-ai-studio.kr/learn/llm/02_언어를_숫자로.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 임베딩 — https://119-ai-studio.kr/glossary.html#gl-embedding · 기존 관계 · 미검증
  - 관련 용어 ← 유사도 — https://119-ai-studio.kr/glossary.html#gl-similarity · 기존 관계 · 미검증

### 유사도
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-similarity
- 카드 파일: https://119-ai-studio.kr/kg/card-34ad978e472eba2522ad.txt
- 요약: 벡터 간 방향이나 거리를 이용해 항목의 가까움을 수치화한 값. 점수의 의미는 모델과 자료에 의존한다.
- 영문·다른 이름: Similarity · 벡터 유사도
- 난이도: 실무
- 비유: 두 좌표가 의미 지도에서 얼마나 가까운지 계산한 비교 점수.
- 업무 참고: 유사도가 높아도 적용 법령·시점·지역이 다를 수 있어 원문 조건을 확인한다.
- 연결:
  - 관련 용어: 벡터 — https://119-ai-studio.kr/glossary.html#gl-vector · 기존 관계 · 미검증
  - 관련 용어: 임베딩 — https://119-ai-studio.kr/glossary.html#gl-embedding · 기존 관계 · 미검증
  - 관련 용어: 의미 검색 — https://119-ai-studio.kr/glossary.html#gl-semantic-search · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 임베딩 — https://119-ai-studio.kr/glossary.html#gl-embedding · 기존 관계 · 미검증
  - 관련 용어 ← 벡터 — https://119-ai-studio.kr/glossary.html#gl-vector · 기존 관계 · 미검증
  - 관련 용어 ← 벡터 스토어 — https://119-ai-studio.kr/glossary.html#gl-vector-store · 기존 관계 · 미검증
  - 관련 용어 ← 의미 검색 — https://119-ai-studio.kr/glossary.html#gl-semantic-search · 기존 관계 · 미검증

### 벡터 스토어
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-vector-store
- 정의 근거: https://learn.microsoft.com/en-us/azure/search/vector-search-overview#how-does-vector-search-work (Microsoft Learn — Vector search in Azure AI Search · What scenarios can vector search support?; How does vector search work? · 벡터 저장·색인·유사도 검색과 문서 반환, 메타데이터 필터, 키워드 검색과의 결합. Azure 제품 기능을 모든 제품의 보장으로 옮기지 않습니다. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/learn/agentic-ai/25_basic-terms.html#s5 (에이전틱 AI 엔지니어링 — 부록 · 기초 기술 용어 사전 · E. 인프라·데이터베이스·라이선스 · 문서를 임베딩으로 표현해 저장·검색하는 벡터 스토어와 청킹의 기초 용어. 내부 항목이 두 개념을 묶어 적어 공식 자료로 역할을 분리했습니다. · 원문 대조 2026-10-24)
- 정의 근거: https://learn.microsoft.com/en-us/azure/search/vector-search-how-to-generate-embeddings#how-embedding-models-are-used-in-vector-queries (Microsoft Learn — Generate embeddings for search queries and documents · How embedding models are used in vector queries · 문서와 질문 벡터를 같은 임베딩 모델로 만드는 조건. Azure의 제품 설정·요금·지원 모델 목록으로 일반화하지 않습니다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-90ac685b1a0dbf252939.txt
- 요약: 임베딩 벡터와 메타데이터를 저장하고 유사도 검색을 제공하는 저장·검색 계층.
- 영문·다른 이름: Vector Store · 벡터 데이터베이스 · 벡터 DB · 벡터DB · Vector DB
- 난이도: 실무
- 비유: 의미 좌표와 원문 위치를 함께 보관하고 가까운 자료를 찾아주는 서고.
- 학습 예시: 가상 교육안의 준비물·장소 절을 각각 벡터로 저장하고 질문과 가까운 절의 원문과 ID를 반환하는 검색을 생각할 수 있습니다.
- 업무 참고: 학습 데이터셋의 '소방시설법령 질의회신집 임베딩 데이터'처럼 청크마다 벡터와 출처 페이지·관계법령 정보를 함께 붙인 자료를 검색할 때 만난다. n8n 에이전트에 벡터 스토어를 RAG 지식베이스로 붙이는 방법은 에이전틱 AI 엔지니어링 코스 20장에 있다.
- 구분하기: 벡터 스토어는 임베딩 모델이나 답변 생성 모델이 아닙니다. 유사한 후보를 찾은 뒤 원문·버전·접근 권한을 따로 확인합니다.
- 심화 설명: 작동 방식 문서에서 만든 임베딩 벡터를 문서 ID나 원문 위치 같은 정보와 연결해 저장합니다. 검색할 때는 질문도 비교 가능한 벡터로 바꾸고 저장된 벡터 중 가까운 후보를 찾습니다. 반환된 후보의 원문을 읽거나 모델 입력에 넣는 단계는 검색 이후에 이어집니다. 공개 범위·문서 버전 같은 조건은 별도 필터로 설계해 검색 대상에 반영합니다. 학습 예시 - 가상 입력: 공개 교육안의 준비물 절과 장소 절을 각각 벡터로 저장하고, 준비할 물품이라는 질문을 검색합니다. - 출력 예: 준비물 절의 ID, 원문과 유사도 값이 반환됐다고 가정합니다. - 해석: 가까운 후보를 찾은 결과입니다. 답변에 사용할 수 있는지 확인하려면 원문 내용과 문서 버전을 다시 봅니다. 구분과 한계 벡터 스토어가 임베딩 모델이나 답변 생성 모델 자체인 것은 아닙니다. 벡터 검색 기능은 전용 제품뿐 아니라 일반 데이터베이스나 검색 엔진에 포함될 수 있습니다. 유사도 순위는 사실성·최신성·접근 권한 순위가 아니므로 필요한 조건을 따로 적용합니다.
- 연결:
  - 관련 용어: 임베딩 — https://119-ai-studio.kr/glossary.html#gl-embedding · 기존 관계 · 미검증
  - 관련 용어: 유사도 — https://119-ai-studio.kr/glossary.html#gl-similarity · 기존 관계 · 미검증
  - 관련 용어: 검색증강생성 RAG — https://119-ai-studio.kr/glossary.html#gl-rag · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 에이전틱 AI 엔지니어링 · 부록 · 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/agentic-ai/25_basic-terms.html
  - 함께 볼 자료: 에이전틱 AI 엔지니어링 · 20. 실전 n8n: 메모리·도구·앱 연동·프로덕션 — https://119-ai-studio.kr/learn/agentic-ai/20_n8n-production.html
  - 관련 안내서: 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 임베딩 — https://119-ai-studio.kr/glossary.html#gl-embedding · 기존 관계 · 미검증
  - 먼저 볼 개념 ← 임베딩 — https://119-ai-studio.kr/glossary.html#gl-embedding · 자료 대조: 임베딩 기반 문서 검색을 배울 때 저장되는 숫자 표현을 먼저 이해하면 벡터 스토어의 저장·검색 역할을 구분하기 쉽습니다.
    - 편집 판단 근거: Google Machine Learning Glossary — https://developers.google.com/machine-learning/glossary#embedding_vector (embedding space; embedding vector, 2026-10-24)
    - 편집 판단 근거: Microsoft Learn — Vector search in Azure AI Search — https://learn.microsoft.com/en-us/azure/search/vector-search-overview#how-does-vector-search-work (What scenarios can vector search support?; How does vector search work?, 2026-10-24)
  - 관련 용어 ← 벡터 — https://119-ai-studio.kr/glossary.html#gl-vector · 기존 관계 · 미검증
  - 관련 용어 ← 검색증강생성 RAG — https://119-ai-studio.kr/glossary.html#gl-rag · 기존 관계 · 미검증

### 청크
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-chunk
- 카드 파일: https://119-ai-studio.kr/kg/card-d4662e1890ce8508ef7a.txt
- 요약: 검색·임베딩·컨텍스트 주입을 위해 문서를 분할한 단위로 제목·문단·토큰 길이 등을 기준으로 만든다.
- 영문·다른 이름: Chunk · 문서 조각
- 난이도: 실무
- 비유: 큰 문서를 검색과 입력에 알맞은 크기로 나눈 한 조각.
- 업무 참고: 조항과 예외가 서로 다른 청크로 끊기면 잘못 해석될 수 있어 앞뒤 문맥을 보존한다.
- 연결:
  - 관련 용어: 청킹 — https://119-ai-studio.kr/glossary.html#gl-chunking · 기존 관계 · 미검증
  - 관련 용어: 검색 — https://119-ai-studio.kr/glossary.html#gl-retrieval · 기존 관계 · 미검증
  - 관련 용어: 컨텍스트 윈도우 — https://119-ai-studio.kr/glossary.html#gl-context-window · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 에이전틱 AI 엔지니어링 · 부록 · 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/agentic-ai/25_basic-terms.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 소방시설법령 질의회신집 임베딩 데이터 — https://119-ai-studio.kr/datasets.html#dataset-bigdata119-fire-facility-law-qa-embedding
  - 관련 용어 ← 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html
  - 관련 용어 ← 청킹 — https://119-ai-studio.kr/glossary.html#gl-chunking · 기존 관계 · 미검증

### 청킹
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-chunking
- 정의 근거: https://119-ai-studio.kr/sop-law-rag.html#s6 (소방 법령·SOP, RAG로 근거 있게 답하기 · 2. 조문 경계로 나누기(청킹) · 문서 분할 시 조건·예외와 문서 구조 보존, 원문 위치 메타데이터 및 최소 코드의 권한·버전 한계. · 원문 대조 2026-10-26)
- 정의 근거: https://119-ai-studio.kr/learn/agentic-ai/25_basic-terms.html#s5 (에이전틱 AI 엔지니어링 — 부록 · 기초 기술 용어 사전 · E. 인프라·데이터베이스·라이선스 · 문서를 임베딩으로 표현해 저장·검색하는 벡터 스토어와 청킹의 기초 용어. 내부 항목이 두 개념을 묶어 적어 공식 자료로 역할을 분리했습니다. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/sop-law-rag.html#s4 (소방 법령·SOP, RAG로 근거 있게 답하기 · RAG가 하는 일; 4. 검증: 검색 오류와 생성 오류 나누기 · 출처·확인일 보존, 문서 조각 검색과 답변 검증의 별도 단계. · 원문 대조 2026-10-26)
- 카드 파일: https://119-ai-studio.kr/kg/card-b314607275567ebe4194.txt
- 요약: 문서를 여러 청크로 나누는 전략과 과정. 크기·겹침·구조 보존 방식이 검색 품질에 영향을 준다.
- 영문·다른 이름: Chunking · 문서 분할
- 난이도: 실무
- 비유: 서류철을 검색하기 좋은 단위로 자르되 제목과 연결 관계를 남기는 작업.
- 학습 예시: 가상 교육안의 준비물과 온라인 참가자 예외를 같은 조각에 남겨 검색 결과에서 조건이 빠지는지 비교합니다.
- 업무 참고: 법령·SOP를 조·항 경계로 나누고 조문번호·출처·확인일을 함께 저장하는 '소방 법령·SOP, RAG로 근거 있게 답하기'의 청킹 단계에서 만난다. 학습 데이터셋의 '소방시설법령 질의회신집 임베딩 데이터'는 질의회신집을 질의·회신 한 건씩 청크로 나눈 자료다.
- 구분하기: 청킹은 원문을 검색 단위로 나누는 과정이고 요약은 내용을 줄여 다시 표현하는 과정입니다. 작은 조각이 항상 좋은 검색을 뜻하지는 않습니다.
- 심화 설명: 작동 방식 긴 문서를 검색하고 모델에 전달할 단위로 나눕니다. 분량만 기준으로 자르면 제목과 본문, 조건과 예외, 표의 머리와 값이 떨어질 수 있어 문서 구조를 함께 고려합니다. 각 조각에는 원문 위치와 문서 식별 정보를 붙여 검색 이후에도 근거를 찾을 수 있게 합니다. 나누는 방식을 바꾸면 같은 질문에서 필요한 부분이 검색되는지도 다시 평가합니다. 학습 예시 가상 교육안의 문장은 준비물은 필기도구이며, 온라인 참가자는 별도 준비물이 없다는 내용입니다. 나누는 방식 검색된 조각 해석 --------- 문장 중간에서 분할 준비물은 필기도구 온라인 참가자 예외가 빠집니다. 항목 전체를 보존 준비물과 온라인 참가자 예외 적용 조건을 함께 확인할 수 있습니다. 구분과 한계 청킹은 원문을 조각으로 나누는 과정이며 요약처럼 내용을 새 문장으로 줄이는 과정과 다릅니다. 조각을 작게 만들면 관련 부분을 좁혀 찾기 좋을 수 있지만 필요한 맥락이 빠질 수 있습니다. 법령처럼 조건과 예외가 연결된 문서는 조문 경계를 보존해도 다른 조문 참조를 추가 확인해야 합니다.
- 연결:
  - 관련 용어: 청크 — https://119-ai-studio.kr/glossary.html#gl-chunk · 기존 관계 · 미검증
  - 관련 용어: 검색 — https://119-ai-studio.kr/glossary.html#gl-retrieval · 기존 관계 · 미검증
  - 관련 용어: 검색증강생성 RAG — https://119-ai-studio.kr/glossary.html#gl-rag · 기존 관계 · 미검증
  - 다음에 볼 개념: 검색증강생성 RAG — https://119-ai-studio.kr/glossary.html#gl-rag · 자료 대조: 긴 문서를 조각으로 검색하는 RAG를 배울 때 청킹을 먼저 보면 검색 결과에서 조건과 예외가 빠지는 이유를 설명하기 쉽습니다. 모든 RAG의 필수 방식이라는 뜻은 아닙니다.
    - 편집 판단 근거: 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html#s6 (2. 조문 경계로 나누기(청킹), 2026-10-26)
    - 편집 판단 근거: 프롬프트·컨텍스트 엔지니어링 — 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html#s2 (RAG — 검색 증강 생성, 2026-10-24)
  - 정의 설명 학습 자료: 에이전틱 AI 엔지니어링 · 부록 · 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/agentic-ai/25_basic-terms.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html
  - 관련 용어 ← 청크 — https://119-ai-studio.kr/glossary.html#gl-chunk · 기존 관계 · 미검증

### 검색
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-retrieval
- 카드 파일: https://119-ai-studio.kr/kg/card-eca638b9f7088698b6ce.txt
- 요약: 질의에 맞는 문서·청크·레코드를 저장소에서 찾아 순위를 매겨 반환하는 단계.
- 영문·다른 이름: Retrieval · 정보 검색
- 난이도: 입문
- 비유: 질문과 관련된 자료를 서고에서 골라 작업 책상으로 가져오는 과정.
- 업무 참고: 답변 생성 전에 최신 원문과 적용 범위가 맞는 자료가 실제로 검색됐는지 확인한다.
- 연결:
  - 관련 용어: 키워드 검색 — https://119-ai-studio.kr/glossary.html#gl-keyword-search · 기존 관계 · 미검증
  - 관련 용어: 의미 검색 — https://119-ai-studio.kr/glossary.html#gl-semantic-search · 기존 관계 · 미검증
  - 관련 용어: 검색증강생성 RAG — https://119-ai-studio.kr/glossary.html#gl-rag · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 컨텍스트 엔지니어링 — https://119-ai-studio.kr/glossary.html#gl-context-engineering · 기존 관계 · 미검증
  - 관련 용어 ← 중간 소실 — https://119-ai-studio.kr/glossary.html#gl-lost-in-middle · 기존 관계 · 미검증
  - 관련 용어 ← 청크 — https://119-ai-studio.kr/glossary.html#gl-chunk · 기존 관계 · 미검증
  - 관련 용어 ← 청킹 — https://119-ai-studio.kr/glossary.html#gl-chunking · 기존 관계 · 미검증
  - 관련 용어 ← 키워드 검색 — https://119-ai-studio.kr/glossary.html#gl-keyword-search · 기존 관계 · 미검증
  - 관련 용어 ← 검색증강생성 RAG — https://119-ai-studio.kr/glossary.html#gl-rag · 기존 관계 · 미검증
  - 하위 개념 ← 하이브리드 검색 — https://119-ai-studio.kr/glossary.html#gl-hybrid-search · 자료 대조: 이 문맥의 하이브리드 검색은 키워드와 벡터 검색 결과를 결합하는 검색 방식이다.
    - 원문에 명시: Microsoft Learn — Hybrid search overview — https://learn.microsoft.com/en-us/azure/search/hybrid-search-overview (Why use hybrid search? / How does hybrid search work?, 2026-10-24)
  - 관련 용어 ← 리랭킹 — https://119-ai-studio.kr/glossary.html#gl-reranking · 자료 대조: 리랭킹은 초기 검색이 반환한 후보의 관련성을 다시 평가하는 후속 단계다.
    - 원문에 명시: Microsoft Learn — RAG information-retrieval phase — https://learn.microsoft.com/azure/architecture/ai-ml/guide/rag/rag-information-retrieval (Reranking / Semantic ranking, 2026-10-24)

### 키워드 검색
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-keyword-search
- 카드 파일: https://119-ai-studio.kr/kg/card-8fd325cf99e9c3f51f76.txt
- 요약: 질의의 단어·형태와 문서의 일치 정도를 이용해 관련 결과를 찾는 방식.
- 영문·다른 이름: Keyword Search · 문자열 검색
- 난이도: 입문
- 비유: 문서에 적힌 같은 단어나 표현을 기준으로 찾는 색인 검색.
- 업무 참고: 정확한 법령명·장비명에 강하지만 표현이 다른 유사 문서를 놓칠 수 있다.
- 연결:
  - 관련 용어: 검색 — https://119-ai-studio.kr/glossary.html#gl-retrieval · 기존 관계 · 미검증
  - 관련 용어: 의미 검색 — https://119-ai-studio.kr/glossary.html#gl-semantic-search · 기존 관계 · 미검증
  - 관련 용어: 메타데이터 — https://119-ai-studio.kr/glossary.html#gl-metadata · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 검색 — https://119-ai-studio.kr/glossary.html#gl-retrieval · 기존 관계 · 미검증
  - 관련 용어 ← 의미 검색 — https://119-ai-studio.kr/glossary.html#gl-semantic-search · 기존 관계 · 미검증

### 의미 검색
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-semantic-search
- 카드 파일: https://119-ai-studio.kr/kg/card-c0593de30647e3fa45d3.txt
- 요약: 임베딩 등 의미 표현의 유사도를 이용해 질의와 관련된 문서를 찾는 방식.
- 영문·다른 이름: Semantic Search · 시맨틱 검색
- 난이도: 실무
- 비유: 같은 단어가 없어도 뜻이 비슷한 자료를 의미 좌표로 찾는 검색.
- 업무 참고: 심정지와 의식 없음처럼 표현이 다른 자료를 찾을 수 있지만 조건이 다른 유사 사례도 함께 나올 수 있다.
- 연결:
  - 관련 용어: 임베딩 — https://119-ai-studio.kr/glossary.html#gl-embedding · 기존 관계 · 미검증
  - 관련 용어: 유사도 — https://119-ai-studio.kr/glossary.html#gl-similarity · 기존 관계 · 미검증
  - 관련 용어: 키워드 검색 — https://119-ai-studio.kr/glossary.html#gl-keyword-search · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 유사도 — https://119-ai-studio.kr/glossary.html#gl-similarity · 기존 관계 · 미검증
  - 관련 용어 ← 검색 — https://119-ai-studio.kr/glossary.html#gl-retrieval · 기존 관계 · 미검증
  - 관련 용어 ← 키워드 검색 — https://119-ai-studio.kr/glossary.html#gl-keyword-search · 기존 관계 · 미검증

### 검색증강생성 RAG
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-rag
- 정의 근거: https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html#s2 (프롬프트·컨텍스트 엔지니어링 — 26. 검색·도구와 결합하기 (RAG·도구 사용) · RAG — 검색 증강 생성 · 질문·검색·문맥 제공·생성 흐름과 검색 실패 및 생성 오류의 구분. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/sop-law-rag.html#s4 (소방 법령·SOP, RAG로 근거 있게 답하기 · RAG가 하는 일; 4. 검증: 검색 오류와 생성 오류 나누기 · 출처·확인일 보존, 문서 조각 검색과 답변 검증의 별도 단계. · 원문 대조 2026-10-26)
- 정의 근거: https://119-ai-studio.kr/learn/llm/04_학습.html#s3 (LLM 안내서 — 4부 · 학습: 모델은 어떻게 만들어지는가 · 4.1 사전학습 — 다음 토큰 맞히기를 수조 번; 4.3 사후학습 — 패턴 흡수기를 조수로 바꾸기 · 추가 학습과 파라미터 조정, 지시·응답 예시로 응답 방식을 조정하는 과정. · 원문 대조 2026-10-24)
- 정의 근거: https://learn.microsoft.com/en-us/azure/search/vector-search-overview#how-does-vector-search-work (Microsoft Learn — Vector search in Azure AI Search · What scenarios can vector search support?; How does vector search work? · 벡터 저장·색인·유사도 검색과 문서 반환, 메타데이터 필터, 키워드 검색과의 결합. Azure 제품 기능을 모든 제품의 보장으로 옮기지 않습니다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-c84f08f19cfe454f3053.txt
- 요약: 질의와 관련된 외부 자료를 검색해 모델 컨텍스트에 넣고 그 자료를 바탕으로 출력을 생성하는 구조.
- 영문·다른 이름: Retrieval-Augmented Generation · 검색 증강 생성 · RAG
- 난이도: 실무
- 비유: 모델 기억에만 맡기지 않고 관련 서류를 먼저 찾아 펼친 뒤 답하게 하는 오픈북 방식.
- 학습 예시: 공개 소방안전 교육교재에서 질문과 관련된 부분을 찾고, 답변에 그 문서의 제목과 원문 위치를 함께 제시한다.
- 업무 참고: 법령·SOP 질문에 검색한 근거로만 답하게 하는 '소방 법령·SOP, RAG로 근거 있게 답하기'와 법령 개정·모델 교체 뒤 답을 다시 평가하는 'RAG 운영, 골든셋 회귀 평가와 가드레일'에서 만난다. 시험 자료로는 학습 데이터셋의 '소방시설법령 질의회신집 임베딩 데이터'가 있으며, 소방 업무 용어 화재안전기준 카드도 이 데이터셋으로 이어진다.
- 구분하기: RAG는 환각을 줄일 수 있으나 없애지 않으며 파인튜닝과 달리 실행 때 자료를 제공한다.
- 심화 설명: 작동 방식 질문이 들어오면 검색기가 관련 문서나 문서 조각을 찾습니다. 응용 프로그램은 검색 결과와 질문을 모델 입력에 넣고, 모델은 그 자료를 사용해 답변을 구성합니다. 출처 위치를 함께 전달하면 답변의 주장을 원문과 대조할 수 있습니다. 검색에서 필요한 자료를 놓친 경우와 모델이 자료에 없는 말을 만든 경우를 나누어 점검합니다. 학습 예시 다음 문서와 질문은 학습을 위해 만든 것입니다. 단계 내용 ------ 질문 가상 교육의 준비물은 무엇인가요? 검색 결과 교육안 A의 준비물 절에 필기도구와 개인 물병이 적혀 있습니다. 모델 입력 질문과 해당 절을 함께 주고 자료 안에서만 답하도록 요청합니다. 출력 예 준비물은 필기도구와 개인 물병입니다. 근거는 교육안 A의 준비물 절입니다. 검색 결과가 행사 장소만 설명한다면 준비물을 답할 근거가 부족합니다. 올바른 절을 찾았어도 출력에 없는 준비물을 추가했다면 생성 단계의 오류입니다. 구분과 한계 RAG는 실행할 때 자료를 제공하고, 파인튜닝은 추가 학습으로 모델 파라미터를 조정합니다. 둘을 함께 쓸 수도 있습니다. 검색은 키워드나 벡터 방식 등을 사용할 수 있으므로 임베딩과 벡터 스토어가 모든 RAG의 필수 구성은 아닙니다. 검색 결과와 인용이 있다는 사실만으로 답변이 검증되지는 않습니다.
- 연결:
  - 관련 용어: 검색 — https://119-ai-studio.kr/glossary.html#gl-retrieval · 기존 관계 · 미검증
  - 관련 용어: 근거화 — https://119-ai-studio.kr/glossary.html#gl-grounding · 기존 관계 · 미검증
  - 관련 용어: 벡터 스토어 — https://119-ai-studio.kr/glossary.html#gl-vector-store · 기존 관계 · 미검증
  - 함께 비교: 파인튜닝 미세조정 — https://119-ai-studio.kr/glossary.html#gl-fine-tuning · 자료 대조: RAG는 실행 시점의 검색 자료를 입력에 넣고 파인튜닝은 추가 학습으로 파라미터를 바꾸므로 바꾸려는 대상과 갱신 방법을 비교합니다.
    - 편집 판단 근거: 프롬프트·컨텍스트 엔지니어링 — 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html#s2 (RAG — 검색 증강 생성, 2026-10-24)
    - 편집 판단 근거: LLM 안내서 — 4부 · 학습: 모델은 어떻게 만들어지는가 — https://119-ai-studio.kr/learn/llm/04_학습.html#s3 (4.1 사전학습 — 다음 토큰 맞히기를 수조 번; 4.3 사후학습 — 패턴 흡수기를 조수로 바꾸기, 2026-10-24)
  - 정의 설명 학습 자료: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html
  - 관련 안내서: 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html
  - 관련 안내서: RAG 운영, 골든셋 회귀 평가와 가드레일 — https://119-ai-studio.kr/rag-eval-ops.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 인공지능 개발·서비스를 위한 공개된 개인정보 처리 안내서 — https://119-ai-studio.kr/ai-laws.html#law-pipc-public-data-guide
  - 관련 용어 ← AI 데이터 품질관리 가이드라인 — https://119-ai-studio.kr/ai-laws.html#law-ai-data-quality-guideline
  - 관련 용어 ← 저작권법 — https://119-ai-studio.kr/ai-laws.html#law-copyright-act
  - 관련 용어 ← 소방시설법령 질의회신집 임베딩 데이터 — https://119-ai-studio.kr/datasets.html#dataset-bigdata119-fire-facility-law-qa-embedding
  - 관련 용어 ← 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html
  - 관련 용어 ← 파인튜닝 미세조정 — https://119-ai-studio.kr/glossary.html#gl-fine-tuning · 기존 관계 · 미검증
  - 관련 용어 ← 벡터 스토어 — https://119-ai-studio.kr/glossary.html#gl-vector-store · 기존 관계 · 미검증
  - 관련 용어 ← 청킹 — https://119-ai-studio.kr/glossary.html#gl-chunking · 기존 관계 · 미검증
  - 먼저 볼 개념 ← 청킹 — https://119-ai-studio.kr/glossary.html#gl-chunking · 자료 대조: 긴 문서를 조각으로 검색하는 RAG를 배울 때 청킹을 먼저 보면 검색 결과에서 조건과 예외가 빠지는 이유를 설명하기 쉽습니다. 모든 RAG의 필수 방식이라는 뜻은 아닙니다.
    - 편집 판단 근거: 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html#s6 (2. 조문 경계로 나누기(청킹), 2026-10-26)
    - 편집 판단 근거: 프롬프트·컨텍스트 엔지니어링 — 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html#s2 (RAG — 검색 증강 생성, 2026-10-24)
  - 관련 용어 ← 검색 — https://119-ai-studio.kr/glossary.html#gl-retrieval · 기존 관계 · 미검증
  - 관련 용어 ← 근거화 — https://119-ai-studio.kr/glossary.html#gl-grounding · 기존 관계 · 미검증
  - 관련 용어 ← 환각 할루시네이션 — https://119-ai-studio.kr/glossary.html#gl-hallucination · 기존 관계 · 미검증
  - 하위 개념 ← GraphRAG — https://119-ai-studio.kr/glossary.html#gl-graphrag · 자료 대조: Microsoft GraphRAG는 지식그래프와 커뮤니티 요약 구조를 활용하는 RAG 접근이다.
    - 원문에 명시: Microsoft — GraphRAG documentation — https://microsoft.github.io/graphrag/ (Welcome to GraphRAG / The GraphRAG Process, 2026-10-24)

### 근거화
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-grounding
- 카드 파일: https://119-ai-studio.kr/kg/card-cdccc81414f8623c9e20.txt
- 요약: 모델 출력을 제공된 데이터·검색 결과·도구 관측 같은 확인 가능한 근거에 제약하고 연결하는 접근.
- 영문·다른 이름: Grounding · 그라운딩 · 근거 연결
- 난이도: 실무
- 비유: 답의 각 주장에 확인 가능한 자료와 위치를 연결해 발을 땅에 붙이는 것.
- 업무 참고: 법령명만 붙이는 것이 아니라 조항·시행일·원문 위치까지 추적 가능하게 한다.
- 구분하기: 근거가 연결됐다는 사실도 그 근거의 최신성·적용 가능성을 자동 보장하지 않는다.
- 연결:
  - 관련 용어: 검색증강생성 RAG — https://119-ai-studio.kr/glossary.html#gl-rag · 기존 관계 · 미검증
  - 관련 용어: 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증
  - 관련 용어: 환각 할루시네이션 — https://119-ai-studio.kr/glossary.html#gl-hallucination · 기존 관계 · 미검증
  - 배경 학습: 프롬프트·컨텍스트 엔지니어링 · 20. 검증 가능한 출력 만들기 — https://119-ai-studio.kr/learn/prompt/20_검증_가능한_출력.html
  - 관련 안내서: 법령 근거 확인 브리프 만들기 — https://119-ai-studio.kr/law-reference-brief.html
  - 관련 안내서: AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← AI에게 업무를 맡기는 프롬프트 기초 — https://119-ai-studio.kr/prompt-basics.html
  - 관련 용어 ← AI 결과, 제출 전 확인 사항 — https://119-ai-studio.kr/ai-output-review.html
  - 관련 용어 ← 회의록 정리, 지어낸 담당자·기한 막기 — https://119-ai-studio.kr/meeting-memo-verify.html
  - 관련 용어 ← 법령 근거 확인 브리프 만들기 — https://119-ai-studio.kr/law-reference-brief.html
  - 관련 용어 ← 소방 법령·SOP, RAG로 근거 있게 답하기 — https://119-ai-studio.kr/sop-law-rag.html
  - 관련 용어 ← 검색증강생성 RAG — https://119-ai-studio.kr/glossary.html#gl-rag · 기존 관계 · 미검증
  - 관련 용어 ← 환각 할루시네이션 — https://119-ai-studio.kr/glossary.html#gl-hallucination · 기존 관계 · 미검증
  - 관련 용어 ← 출처 이력 — https://119-ai-studio.kr/glossary.html#gl-provenance · 기존 관계 · 미검증

## 에이전트·도구·자동화

### 에이전트
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-agent
- 정의 근거: https://119-ai-studio.kr/learn/agentic-ai/01_what-is-agentic-ai.html#s3 (에이전틱 AI 엔지니어링 — 01. 에이전틱 AI란 무엇인가 · 정확한 정의 · 다음 행동 선택, 도구 실행, 결과 관찰과 반복으로 구성한 LLM 기반 에이전트. · 원문 대조 2026-10-24)
- 정의 근거: https://www.anthropic.com/research/building-effective-agents (Anthropic — Building effective agents · What are agents?; Workflow: Prompt chaining; Agents · 미리 정한 실행 경로와 모델이 동적으로 고르는 행동의 구분, 중간 검사와 종료 조건. 제품 추천은 사용하지 않습니다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-bcd99df6c0aaa716b773.txt
- 요약: 모델이 상태를 바탕으로 행동이나 도구 호출을 선택하고 관찰 결과에 따라 과정을 반복하는 시스템.
- 영문·다른 이름: Agent · AI 에이전트
- 난이도: 입문
- 의미 범위: LLM이 다음 행동을 고르는 작업 시스템
- 비유: 목표를 받아 다음 행동을 고르고 도구 결과를 보며 여러 단계를 이어가는 조수.
- 학습 예시: 공개 교육자료를 검색하고 주제별로 분류한 뒤 교육안 초안을 만드는 여러 단계를 도구와 연결하는 경우다.
- 업무 참고: AI 도구 허브의 '일 맡기는 에이전트'와 '반복 업무 자동화' 조합에서 만나며, '반복 업무 자동화' 조합은 에이전트의 실행 권한과 외부 서비스 연결 범위를 먼저 정한다고 적는다. 에이전트 실행을 추적하는 Opik과 권한 우회를 시험하는 promptfoo는 '안전한 AI 운영 도구 — 검증·비식별·추적'에 있다.
- 심화 설명: 작동 방식 목표와 현재 상태를 받은 모델이 다음 행동이나 사용할 도구를 선택합니다. 응용 프로그램은 허용된 도구를 실행하고 결과를 모델에 돌려줍니다. 모델은 그 결과를 보고 추가 검색, 재시도, 답변 작성 같은 다음 단계를 정할 수 있습니다. 완료 조건, 반복 횟수 제한과 사람에게 판단을 넘길 조건을 함께 정해 실행을 끝낼 수 있게 합니다. 학습 예시 - 가상 입력: 공개 교육자료에서 대피 교육에 쓸 자료 두 개를 찾아 제목과 대상 독자를 정리하도록 요청합니다. - 출력 예: 첫 검색에서 자료 한 개만 찾으면 검색어를 바꾸고, 두 번째 자료까지 확인한 뒤 목록 초안을 반환합니다. - 해석: 첫 결과를 보고 다음 검색을 고르는 부분이 핵심입니다. 실제 검색 성공이나 자료 적합성은 각각 확인해야 합니다. 구분과 한계 이 사전에서는 LLM이 다음 행동을 고르는 유형을 중심으로 설명합니다. 사람이 미리 정한 단계와 분기를 실행하는 워크플로와 구분하며, 한 시스템에 두 방식이 섞일 수 있습니다. 여러 번 행동할수록 비용과 오류가 누적될 수 있어 사용 권한과 중단 조건을 별도로 관리합니다.
- 연결:
  - 관련 용어: 에이전틱 — https://119-ai-studio.kr/glossary.html#gl-agentic · 기존 관계 · 미검증
  - 관련 용어: 에이전트 루프 — https://119-ai-studio.kr/glossary.html#gl-agent-loop · 기존 관계 · 미검증
  - 관련 용어: 도구 사용 — https://119-ai-studio.kr/glossary.html#gl-tool-use · 기존 관계 · 미검증
  - 함께 비교: 워크플로 — https://119-ai-studio.kr/glossary.html#gl-workflow · 자료 대조: 이 사전의 LLM 기반 범위에서는 동적으로 다음 행동을 고르는 에이전트와 미리 정한 경로를 따르는 워크플로를 구분하며 혼합 구성도 고려합니다.
    - 원문에 명시: Anthropic — Building effective agents — https://www.anthropic.com/research/building-effective-agents (What are agents?; Workflow: Prompt chaining; Agents, 2026-10-24)
  - 정의 설명 학습 자료: 에이전틱 AI 엔지니어링 · 부록 · 치트시트 · 용어집 · 추가 학습 — https://119-ai-studio.kr/learn/agentic-ai/24_appendix.html
  - 함께 볼 자료: 에이전틱 AI 엔지니어링 · 01. 에이전틱 AI란 무엇인가 — https://119-ai-studio.kr/learn/agentic-ai/01_what-is-agentic-ai.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 막혔을 때 다시 요청하는 법 — https://119-ai-studio.kr/rescue-prompts.html
  - 관련 용어 ← 에이전틱 — https://119-ai-studio.kr/glossary.html#gl-agentic · 기존 관계 · 미검증
  - 관련 용어 ← 에이전트 루프 — https://119-ai-studio.kr/glossary.html#gl-agent-loop · 기존 관계 · 미검증
  - 관련 용어 ← 자동화 — https://119-ai-studio.kr/glossary.html#gl-automation · 기존 관계 · 미검증
  - 관련 용어 ← 도구 사용 — https://119-ai-studio.kr/glossary.html#gl-tool-use · 기존 관계 · 미검증
  - 관련 용어 ← 멀티 에이전트 — https://119-ai-studio.kr/glossary.html#gl-multi-agent · 자료 대조: 여러 에이전트가 역할과 결과를 주고받는 구성으로서 개별 에이전트의 기능과 협업 구조를 함께 이해한다.
    - 편집 판단 근거: 에이전틱 AI 엔지니어링 — 멀티 에이전트 팀 만들기 — https://119-ai-studio.kr/learn/agentic-ai/08_multi-agent-teams.html#s3 (패턴 1: 에이전트를 도구로 / 패턴 1 vs 핸드오프, 2026-10-24)
    - 편집 판단 근거: Anthropic — Building effective agents — https://www.anthropic.com/research/building-effective-agents (Workflow: Orchestrator-workers, 2026-10-24)
  - 관련 용어 ← 에이전트 스킬 — https://119-ai-studio.kr/glossary.html#gl-agent-skill · 자료 대조: Agent Skills 형식은 에이전트가 필요할 때 읽을 작업 지침과 보조 자료를 제공한다.
    - 원문에 명시: Agent Skills — Overview — https://agentskills.io/home (What are Agent Skills? / How do Agent Skills work?, 2026-10-24)

### 에이전틱
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-agentic
- 카드 파일: https://119-ai-studio.kr/kg/card-8bc864bc30f68fb8314f.txt
- 요약: 모델이나 시스템이 계획·도구 사용·상태 갱신을 통해 여러 단계를 주도적으로 수행하는 특성.
- 영문·다른 이름: Agentic · 에이전트형
- 난이도: 실무
- 비유: 한 번 답하는 데서 끝나지 않고 목표 달성을 위해 행동을 이어가는 성질.
- 업무 참고: 에이전틱하다는 표현을 자동화 수준·권한·사람 개입 지점으로 구체화해야 위험을 평가할 수 있다.
- 연결:
  - 관련 용어: 에이전트 — https://119-ai-studio.kr/glossary.html#gl-agent · 기존 관계 · 미검증
  - 관련 용어: 에이전트 루프 — https://119-ai-studio.kr/glossary.html#gl-agent-loop · 기존 관계 · 미검증
  - 관련 용어: 자동화 — https://119-ai-studio.kr/glossary.html#gl-automation · 기존 관계 · 미검증
  - 정의 설명 학습 자료: Claude Code 안내서 · 부록 C. 용어집 — https://119-ai-studio.kr/learn/claude-code/C_용어집.html
  - 함께 볼 자료: 에이전틱 AI 엔지니어링 · 01. 에이전틱 AI란 무엇인가 — https://119-ai-studio.kr/learn/agentic-ai/01_what-is-agentic-ai.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 에이전트 — https://119-ai-studio.kr/glossary.html#gl-agent · 기존 관계 · 미검증

### 에이전트 루프
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-agent-loop
- 카드 파일: https://119-ai-studio.kr/kg/card-2d24ecaecf0515f5338f.txt
- 요약: 모델 호출·행동 선택·도구 실행·관찰·상태 갱신을 종료 조건까지 반복하는 실행 구조.
- 영문·다른 이름: Agent Loop · 행동 관찰 반복
- 난이도: 실무
- 비유: 상황을 보고 행동하고 결과를 다시 확인하는 순환 근무 절차.
- 업무 참고: 반복 횟수·비용·실패·권한 초과의 중단 조건과 전체 추적 로그를 둔다.
- 연결:
  - 관련 용어: 에이전트 — https://119-ai-studio.kr/glossary.html#gl-agent · 기존 관계 · 미검증
  - 관련 용어: 도구 사용 — https://119-ai-studio.kr/glossary.html#gl-tool-use · 기존 관계 · 미검증
  - 관련 용어: 실행 추적 — https://119-ai-studio.kr/glossary.html#gl-tracing · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 에이전틱 AI 엔지니어링 · 부록 · 치트시트 · 용어집 · 추가 학습 — https://119-ai-studio.kr/learn/agentic-ai/24_appendix.html
  - 함께 볼 자료: 에이전틱 AI 엔지니어링 · 01. 에이전틱 AI란 무엇인가 — https://119-ai-studio.kr/learn/agentic-ai/01_what-is-agentic-ai.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 에이전트 — https://119-ai-studio.kr/glossary.html#gl-agent · 기존 관계 · 미검증
  - 관련 용어 ← 에이전틱 — https://119-ai-studio.kr/glossary.html#gl-agentic · 기존 관계 · 미검증

### 워크플로
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-workflow
- 정의 근거: https://www.anthropic.com/research/building-effective-agents (Anthropic — Building effective agents · What are agents?; Workflow: Prompt chaining; Agents · 미리 정한 실행 경로와 모델이 동적으로 고르는 행동의 구분, 중간 검사와 종료 조건. 제품 추천은 사용하지 않습니다. · 원문 대조 2026-10-24)
- 카드 파일: https://119-ai-studio.kr/kg/card-f8ef30a6a5d0b28a8df1.txt
- 요약: 작업 단계·분기·책임·데이터 이동을 명시적으로 연결한 실행 흐름.
- 영문·다른 이름: Workflow · 업무 흐름
- 난이도: 입문
- 의미 범위: 미리 정한 단계·조건에 따른 작업 흐름
- 비유: 입력부터 검토·승인·출력까지 정해 둔 업무 단계와 연결 순서.
- 학습 예시: 공개 교육자료 선택, 초안 작성, 출처 검사, 사람 검토의 가상 절차를 정하고 출처가 빠지면 초안 단계로 돌아가게 구성합니다.
- 업무 참고: 신고 통화를 화자 결합·용어 교정·품질 측정·신뢰도 라우팅의 네 단계로 잇는 '신고 전사 심화, 화자 결합과 품질 관리'에서 만나며, 신뢰도가 낮은 통화는 자동 분류 대신 사람 재청취로 보내는 분기가 들어 있다. 노드로 API와 AI 작업을 잇는 n8n은 AI 도구 허브의 '반복 업무 자동화' 조합에 있다.
- 구분하기: 에이전트는 다음 행동을 동적으로 고를 수 있고 워크플로는 사람이 정한 흐름이 중심이다.
- 심화 설명: 작동 방식 작업을 여러 단계로 나누고 단계의 실행 순서와 분기 조건을 미리 정합니다. 각 단계의 출력이 다음 단계의 입력이 되며 중간에 형식 검사나 사람 검토를 넣을 수 있습니다. 조건에 따라 다른 경로를 선택하더라도 가능한 경로는 설계한 규칙에 따릅니다. 한 단계가 실패했을 때 멈출지, 다시 시도할지, 앞 단계로 돌아갈지도 정합니다. 학습 예시 - 가상 입력: 공개 교육자료로 안내문 초안을 만드는 절차를 자료 선택, 초안 작성, 출처 검사, 사람 검토 순서로 정합니다. - 출력 예: 출처 검사에서 빠진 항목을 찾으면 초안 작성 단계로 돌려보내고, 확인한 뒤 사람 검토로 보냅니다. - 해석: 조건부 반복도 미리 정한 흐름에 포함될 수 있습니다. 단계 수가 많다는 이유만으로 에이전트가 되는 것은 아닙니다. 구분과 한계 에이전트는 결과를 보고 다음 행동을 동적으로 고르는 부분이 중심이고, 워크플로는 설계한 경로가 중심입니다. 특정 단계 안에서 에이전트를 실행하는 혼합 구성도 있습니다. 절차를 자동화해도 잘못된 입력과 판정 기준까지 자동으로 바로잡히지는 않습니다.
- 연결:
  - 관련 용어: 자동화 — https://119-ai-studio.kr/glossary.html#gl-automation · 기존 관계 · 미검증
  - 관련 용어: 프롬프트 체이닝 — https://119-ai-studio.kr/glossary.html#gl-prompt-chaining · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 배경 학습: 에이전틱 AI 엔지니어링 · 부록 · 치트시트 · 용어집 · 추가 학습 — https://119-ai-studio.kr/learn/agentic-ai/24_appendix.html
  - 함께 볼 자료: 에이전틱 AI 엔지니어링 · 20. 실전 n8n: 메모리·도구·앱 연동·프로덕션 — https://119-ai-studio.kr/learn/agentic-ai/20_n8n-production.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 프롬프트 체이닝 — https://119-ai-studio.kr/glossary.html#gl-prompt-chaining · 기존 관계 · 미검증
  - 함께 비교 ← 에이전트 — https://119-ai-studio.kr/glossary.html#gl-agent · 자료 대조: 이 사전의 LLM 기반 범위에서는 동적으로 다음 행동을 고르는 에이전트와 미리 정한 경로를 따르는 워크플로를 구분하며 혼합 구성도 고려합니다.
    - 원문에 명시: Anthropic — Building effective agents — https://www.anthropic.com/research/building-effective-agents (What are agents?; Workflow: Prompt chaining; Agents, 2026-10-24)
  - 관련 용어 ← 자동화 — https://119-ai-studio.kr/glossary.html#gl-automation · 기존 관계 · 미검증
  - 관련 용어 ← 상태 — https://119-ai-studio.kr/glossary.html#gl-state · 기존 관계 · 미검증
  - 관련 용어 ← 실행 추적 — https://119-ai-studio.kr/glossary.html#gl-tracing · 기존 관계 · 미검증

### 자동화
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-automation
- 카드 파일: https://119-ai-studio.kr/kg/card-0272d0b440c69719c29c.txt
- 요약: 사람의 반복 조작을 코드·규칙·모델·도구로 실행하도록 구성하는 방식.
- 영문·다른 이름: Automation · 업무 자동화
- 난이도: 입문
- 비유: 반복 업무를 정해진 조건과 절차에 따라 시스템이 대신 수행하게 하는 것.
- 업무 참고: 초안 생성과 형식 점검은 자동화해도 법령 해석·대외 발송·현장 판단은 승인 경계를 둔다.
- 연결:
  - 관련 용어: 워크플로 — https://119-ai-studio.kr/glossary.html#gl-workflow · 기존 관계 · 미검증
  - 관련 용어: 에이전트 — https://119-ai-studio.kr/glossary.html#gl-agent · 기존 관계 · 미검증
  - 관련 용어: 사람 검토 — https://119-ai-studio.kr/glossary.html#gl-human-review · 기존 관계 · 미검증
  - 배경 학습: 에이전틱 AI 엔지니어링 · 부록 · 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/agentic-ai/25_basic-terms.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 에이전틱 — https://119-ai-studio.kr/glossary.html#gl-agentic · 기존 관계 · 미검증
  - 관련 용어 ← 워크플로 — https://119-ai-studio.kr/glossary.html#gl-workflow · 기존 관계 · 미검증

### 도구 사용
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-tool-use
- 카드 파일: https://119-ai-studio.kr/kg/card-40a2b20fff564c005b1e.txt
- 요약: 모델이 정의된 도구의 이름과 입력을 선택하고 실행 결과를 다시 컨텍스트로 받아 사용하는 기능.
- 영문·다른 이름: Tool Use · 도구 호출
- 난이도: 실무
- 비유: 모델이 말로만 답하지 않고 계산기·검색·파일 기능 같은 실제 도구를 요청하는 것.
- 업무 참고: 조회와 수정 도구의 권한을 분리하고 실제 실행 전 입력 검증과 사람 승인을 둔다.
- 연결:
  - 관련 용어: 함수 호출 — https://119-ai-studio.kr/glossary.html#gl-function-calling · 기존 관계 · 미검증
  - 관련 용어: API — https://119-ai-studio.kr/glossary.html#gl-api · 기존 관계 · 미검증
  - 관련 용어: 에이전트 — https://119-ai-studio.kr/glossary.html#gl-agent · 기존 관계 · 미검증
  - 배경 학습: 에이전틱 AI 엔지니어링 · 부록 · 치트시트 · 용어집 · 추가 학습 — https://119-ai-studio.kr/learn/agentic-ai/24_appendix.html
  - 함께 볼 자료: 에이전틱 AI 엔지니어링 · 01. 에이전틱 AI란 무엇인가 — https://119-ai-studio.kr/learn/agentic-ai/01_what-is-agentic-ai.html
  - 함께 볼 자료: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 막혔을 때 다시 요청하는 법 — https://119-ai-studio.kr/rescue-prompts.html
  - 관련 용어 ← 에이전트 — https://119-ai-studio.kr/glossary.html#gl-agent · 기존 관계 · 미검증
  - 관련 용어 ← 에이전트 루프 — https://119-ai-studio.kr/glossary.html#gl-agent-loop · 기존 관계 · 미검증
  - 관련 용어 ← 함수 호출 — https://119-ai-studio.kr/glossary.html#gl-function-calling · 기존 관계 · 미검증
  - 관련 용어 ← MCP 서버 — https://119-ai-studio.kr/glossary.html#gl-mcp-server · 기존 관계 · 미검증
  - 관련 용어 ← 프롬프트 인젝션 — https://119-ai-studio.kr/glossary.html#gl-prompt-injection · 기존 관계 · 미검증
  - 관련 용어 ← 최소 권한 — https://119-ai-studio.kr/glossary.html#gl-least-privilege · 기존 관계 · 미검증
  - 관련 용어 ← CLI 명령줄 인터페이스 — https://119-ai-studio.kr/glossary.html#gl-cli · 자료 대조: 에이전트가 셸 명령을 실행하는 구성에서는 CLI 프로그램이 도구 실행 대상이 될 수 있다. 모든 도구가 CLI인 것은 아니다.
    - 편집 판단 근거: Ubuntu — The Linux command line for beginners — https://ubuntu.com/tutorials/command-line-for-beginners (1 Overview / 2 A brief history lesson, 2026-10-24)
    - 편집 판단 근거: Claude Code — Configure the sandboxed Bash tool — https://code.claude.com/docs/en/sandboxing (What the sandbox restricts / How sandboxing relates to permissions, 2026-10-24)

### 함수 호출
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-function-calling
- 정의 근거: https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html#s4 (프롬프트·컨텍스트 엔지니어링 — 26. 검색·도구와 결합하기 (RAG·도구 사용) · 도구 사용 (function calling) · 도구 명세를 받은 모델의 구조화된 호출 요청, 응용 프로그램의 실제 실행, 결과 전달의 구분. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/ai-safety-anchor.html#s8 (소방 AI, 이것만은 하지 마세요 · 지킬 것 5 — 사람 검토 없이 내보내거나 실행하지 않습니다 · 검토자의 자료·업무 맥락·권한과 미확인 상태 유지, 검토 판정과 결재·업무 승인의 구분. · 원문 대조 2026-10-26)
- 카드 파일: https://119-ai-studio.kr/kg/card-13c966cb62f0eebb9581.txt
- 요약: 모델이 제공된 함수나 도구 스키마에 맞춰 구조화된 호출 인자를 생성하는 메커니즘.
- 영문·다른 이름: Function Calling · 기능 호출
- 난이도: 실무
- 의미 범위: 언어모델의 구조화된 도구 호출 요청
- 비유: 모델이 자유문장 대신 정해진 기능 이름과 입력 서식을 작성해 실행을 요청하는 방식.
- 학습 예시: 가상 교육자료 배부량을 계산할 때 모델이 12와 3을 곱하는 도구 요청을 내고, 응용 프로그램이 실행한 결과 36을 답변에 반영합니다.
- 업무 참고: 기존 코드를 로컬 모델로 옮길 때 만난다. 온프레미스 LLM 안내서는 요청 형식이 같아도 도구 호출 동작이 달라질 수 있어서, 연결에 성공한 뒤에도 같은 골든셋으로 결과를 다시 검증한다고 적는다.
- 구분하기: 호출 요청을 생성하는 모델과 실제 함수를 실행하는 응용 프로그램을 구분합니다. 형식이 맞아도 값과 권한은 확인해야 합니다.
- 심화 설명: 작동 방식 응용 프로그램이 도구의 이름, 용도와 필요한 입력 형식을 모델에 전달합니다. 모델은 작업에 도구가 필요하다고 판단하면 도구 이름과 인자를 구조화한 호출 요청을 반환합니다. 응용 프로그램이 요청과 권한을 확인한 뒤 실제 함수를 실행합니다. 실행 결과를 모델에 다시 보내면 모델이 이를 이용해 답을 이어갈 수 있습니다. 학습 예시 - 가상 입력: 12명씩 3개 조에 배부할 교육자료의 총부수를 계산하라고 요청하고 곱셈 도구를 제공합니다. - 출력 예: 모델이 입력값 12와 3을 담은 도구 호출을 요청하고, 실행 결과 36을 받아 총 36부라고 답합니다. - 해석: 계산을 수행한 주체는 연결된 도구입니다. 호출 요청을 생성한 것과 도구가 정상 실행된 것은 별개의 단계입니다. 구분과 한계 함수 호출은 한 번의 도구 요청에도 쓰이며, 여러 행동을 반복하는 에이전트가 반드시 필요한 것은 아닙니다. 입력 형식이 맞아도 대상·값·권한이 적절하다는 보장은 없습니다. 파일 수정이나 외부 전송 기능에는 내용 검증과 필요한 승인 절차를 별도로 둡니다.
- 연결:
  - 관련 용어: 도구 사용 — https://119-ai-studio.kr/glossary.html#gl-tool-use · 기존 관계 · 미검증
  - 관련 용어: 구조화 출력 — https://119-ai-studio.kr/glossary.html#gl-structured-output · 기존 관계 · 미검증
  - 관련 용어: 스키마 — https://119-ai-studio.kr/glossary.html#gl-schema · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 에이전틱 AI 엔지니어링 · 부록 · 치트시트 · 용어집 · 추가 학습 — https://119-ai-studio.kr/learn/agentic-ai/24_appendix.html
  - 함께 볼 자료: 프롬프트·컨텍스트 엔지니어링 · 26. 검색·도구와 결합하기 (RAG·도구 사용) — https://119-ai-studio.kr/learn/prompt/26_검색과_도구_결합.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 구조화 출력 — https://119-ai-studio.kr/glossary.html#gl-structured-output · 기존 관계 · 미검증
  - 관련 용어 ← 도구 사용 — https://119-ai-studio.kr/glossary.html#gl-tool-use · 기존 관계 · 미검증
  - 관련 용어 ← 스키마 — https://119-ai-studio.kr/glossary.html#gl-schema · 기존 관계 · 미검증
  - 함께 비교 ← MCP 모델 컨텍스트 프로토콜 — https://119-ai-studio.kr/glossary.html#gl-mcp · 자료 대조: 모델이 도구 호출을 구조화해 요청하는 기능과 호스트·클라이언트·서버 사이의 연결 프로토콜은 서로 다른 역할입니다.
    - 원문에 명시: MCP 심화 안내서 — 01. 왜 MCP인가 — M×N 통합 문제와 해법 — https://119-ai-studio.kr/learn/mcp/01_why_mcp.html#s3 (함수 호출(function calling)과 뭐가 다른가?, 2026-10-24)

### API
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-api
- 카드 파일: https://119-ai-studio.kr/kg/card-0f6aa4a7e040bc0438a1.txt
- 요약: 소프트웨어 구성요소가 요청·응답·자료 형식에 따라 기능과 데이터를 주고받는 인터페이스.
- 영문·다른 이름: Application Programming Interface · 프로그램 연결 창구
- 난이도: 입문
- 비유: 프로그램이 다른 프로그램의 기능을 정해진 방식으로 요청하는 접수 창구.
- 업무 참고: 외부 AI API에 보내기 전 실제 사건·개인정보 포함 여부와 기관의 사용 승인을 확인한다.
- 연결:
  - 관련 용어: JSON — https://119-ai-studio.kr/glossary.html#gl-json · 기존 관계 · 미검증
  - 관련 용어: 스키마 — https://119-ai-studio.kr/glossary.html#gl-schema · 기존 관계 · 미검증
  - 관련 용어: 인증 — https://119-ai-studio.kr/glossary.html#gl-authentication · 기존 관계 · 미검증
  - 정의 설명 학습 자료: 에이전틱 AI 엔지니어링 · 부록 · 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/agentic-ai/25_basic-terms.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 도구 사용 — https://119-ai-studio.kr/glossary.html#gl-tool-use · 기존 관계 · 미검증
  - 관련 용어 ← JSON — https://119-ai-studio.kr/glossary.html#gl-json · 기존 관계 · 미검증
  - 관련 용어 ← 인증 — https://119-ai-studio.kr/glossary.html#gl-authentication · 기존 관계 · 미검증

### JSON
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-json
- 카드 파일: https://119-ai-studio.kr/kg/card-cda0c92d028624c37aaf.txt
- 요약: 객체·배열·문자열·숫자·불리언·null을 표현하는 텍스트 기반 데이터 교환 형식.
- 영문·다른 이름: JavaScript Object Notation · 제이슨
- 난이도: 입문
- 비유: 이름표가 붙은 칸과 목록으로 데이터를 적는 가벼운 공통 서식.
- 업무 참고: 신고 분류 결과를 시스템 간 전달할 때 쓰되 필드 누락·자료형·허용 값을 스키마로 검증한다.
- 연결:
  - 관련 용어: 스키마 — https://119-ai-studio.kr/glossary.html#gl-schema · 기존 관계 · 미검증
  - 관련 용어: 구조화 출력 — https://119-ai-studio.kr/glossary.html#gl-structured-output · 기존 관계 · 미검증
  - 관련 용어: API — https://119-ai-studio.kr/glossary.html#gl-api · 기존 관계 · 미검증
  - 정의 설명 학습 자료: MCP 심화 안내서 · 부록 D. 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/mcp/D_terms.html
  - 함께 볼 자료: 파이썬 학습 안내서(전권) · 16. 파일 입출력과 데이터 형식 — https://119-ai-studio.kr/learn/python/중급편/16_파일과_데이터.html
  - 주제: 119 신고 음성·전사 — https://119-ai-studio.kr/kg/index.txt#topic-call-speech
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 구조화 출력 — https://119-ai-studio.kr/glossary.html#gl-structured-output · 기존 관계 · 미검증
  - 관련 용어 ← API — https://119-ai-studio.kr/glossary.html#gl-api · 기존 관계 · 미검증
  - 관련 용어 ← 스키마 — https://119-ai-studio.kr/glossary.html#gl-schema · 기존 관계 · 미검증

### 스키마
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-schema
- 카드 파일: https://119-ai-studio.kr/kg/card-74f494c08e39209b5060.txt
- 요약: 데이터의 필드·자료형·필수 여부·제약·관계를 정의한 구조 계약.
- 영문·다른 이름: Schema · 데이터 구조 규칙
- 난이도: 실무
- 비유: 어떤 칸이 필요하고 각 칸에 어떤 값이 들어가는지 정한 서식 명세.
- 업무 참고: 도구 입력 스키마에서 주소·날짜·분류값의 형식과 허용 범위를 좁혀 잘못된 실행을 막는다.
- 연결:
  - 관련 용어: JSON — https://119-ai-studio.kr/glossary.html#gl-json · 기존 관계 · 미검증
  - 관련 용어: 구조화 출력 — https://119-ai-studio.kr/glossary.html#gl-structured-output · 기존 관계 · 미검증
  - 관련 용어: 함수 호출 — https://119-ai-studio.kr/glossary.html#gl-function-calling · 기존 관계 · 미검증
  - 정의 설명 학습 자료: MCP 심화 안내서 · 부록 D. 기초 기술 용어 사전 — https://119-ai-studio.kr/learn/mcp/D_terms.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← 구조화 출력 — https://119-ai-studio.kr/glossary.html#gl-structured-output · 기존 관계 · 미검증
  - 관련 용어 ← 함수 호출 — https://119-ai-studio.kr/glossary.html#gl-function-calling · 기존 관계 · 미검증
  - 관련 용어 ← API — https://119-ai-studio.kr/glossary.html#gl-api · 기존 관계 · 미검증
  - 관련 용어 ← JSON — https://119-ai-studio.kr/glossary.html#gl-json · 기존 관계 · 미검증
  - 관련 용어 ← 온톨로지 — https://119-ai-studio.kr/glossary.html#gl-ontology · 자료 대조: 둘 다 구조와 관계를 명시할 수 있으나 온톨로지는 분야 용어의 의미를 표현하는 지식 명세라는 범위를 갖는다.
    - 편집 판단 근거: W3C — OWL 2 Web Ontology Language Primer — https://www.w3.org/TR/owl2-primer/#What_is_OWL_2.3F (2 What is OWL 2?, 2026-10-24)

### MCP 모델 컨텍스트 프로토콜
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-mcp
- 정의 근거: https://modelcontextprotocol.io/docs/2026-07-28/learn/architecture (Model Context Protocol — Architecture overview · Scope; Participants; Data layer · 호스트·클라이언트·서버의 책임, 도구·자료·프롬프트의 제공과 프로토콜 범위. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/learn/mcp/01_why_mcp.html#s3 (MCP 심화 안내서 — 01. 왜 MCP인가 — M×N 통합 문제와 해법 · 함수 호출(function calling)과 뭐가 다른가? · 모델 API의 도구 요청과 응용 프로그램·서버 간 연결 규약의 층위 차이. 호환성 보장은 인용하지 않습니다. · 원문 대조 2026-10-24)
- 정의 근거: https://119-ai-studio.kr/ai-safety-anchor.html#s8 (소방 AI, 이것만은 하지 마세요 · 지킬 것 5 — 사람 검토 없이 내보내거나 실행하지 않습니다 · 검토자의 자료·업무 맥락·권한과 미확인 상태 유지, 검토 판정과 결재·업무 승인의 구분. · 원문 대조 2026-10-26)
- 카드 파일: https://119-ai-studio.kr/kg/card-b44f42eab0fd66717691.txt
- 요약: 호스트가 서버의 도구·리소스·프롬프트 기능을 발견하고 호출하는 통신 프로토콜.
- 영문·다른 이름: Model Context Protocol · MCP
- 난이도: 실무
- 의미 범위: 응용 프로그램과 외부 도구·자료를 잇는 프로토콜
- 비유: AI 애플리케이션과 외부 도구·자료를 공통 방식으로 연결하는 표준 접속 규칙.
- 학습 예시: 가상의 교육자료 검색 서버가 제공하는 도구를 호스트가 발견하고 검색어를 보내 문서 일부를 받는 흐름을 생각할 수 있습니다.
- 업무 참고: 공공 데이터 허브의 '소방안전 데이터를 AI 대화로 조회(MCP)' 카드에서 만나며, 이 카드의 MCP 서버를 MCP를 지원하는 AI 서비스에 등록하면 화재·구급·119 신고접수 같은 소방 주요 데이터를 자연어로 조회한다. 소방 업무 용어 119빅데이터 분석시스템·119긴급신고 카드도 이 API 카드로 이어진다.
- 구분하기: 함수 호출은 모델의 구조화된 도구 요청이고 MCP는 호스트·클라이언트·서버 사이의 연결 규약입니다. 연결 자체가 실행 승인은 아닙니다.
- 심화 설명: 작동 방식 AI 응용 프로그램인 호스트는 클라이언트를 통해 MCP 서버와 통신합니다. 서버는 자신이 제공하는 도구, 읽을 자료와 프롬프트 등을 정해진 형식으로 노출합니다. 호스트는 제공된 기능을 발견하고 필요한 요청을 보내며, 받은 결과를 모델의 작업 문맥에 사용할 수 있습니다. 서버는 같은 기기에서 실행되거나 원격으로 운영될 수 있습니다. 학습 예시 - 가상 입력: 교육자료 검색 기능을 제공하는 MCP 서버가 문서 검색 도구와 입력 항목을 알립니다. - 출력 예: 호스트가 대피 교육이라는 검색어를 전달하고 서버가 문서 제목과 해당 부분을 반환합니다. - 해석: MCP는 기능을 알리고 요청·결과를 주고받는 형식을 제공합니다. 어떤 결과를 모델에 넣고 사용자에게 보여 줄지는 응용 프로그램이 정합니다. 구분과 한계 함수 호출은 모델이 사용할 도구와 인자를 구조화해 요청하는 기능이고, MCP는 응용 프로그램과 외부 기능을 연결하는 프로토콜입니다. MCP를 쓴다고 모든 서버가 신뢰되거나 모든 호스트에서 모든 기능을 지원하는 것은 아닙니다. 지원 버전·기능·인증·권한을 각각 확인해야 하며, 연결이 실행 승인을 대신하지 않습니다.
- 연결:
  - 관련 용어: MCP 호스트 — https://119-ai-studio.kr/glossary.html#gl-mcp-host · 기존 관계 · 미검증
  - 관련 용어: MCP 클라이언트 — https://119-ai-studio.kr/glossary.html#gl-mcp-client · 기존 관계 · 미검증
  - 관련 용어: MCP 서버 — https://119-ai-studio.kr/glossary.html#gl-mcp-server · 기존 관계 · 미검증
  - 함께 비교: 함수 호출 — https://119-ai-studio.kr/glossary.html#gl-function-calling · 자료 대조: 모델이 도구 호출을 구조화해 요청하는 기능과 호스트·클라이언트·서버 사이의 연결 프로토콜은 서로 다른 역할입니다.
    - 원문에 명시: MCP 심화 안내서 — 01. 왜 MCP인가 — M×N 통합 문제와 해법 — https://119-ai-studio.kr/learn/mcp/01_why_mcp.html#s3 (함수 호출(function calling)과 뭐가 다른가?, 2026-10-24)
  - 정의 설명 학습 자료: MCP 심화 안내서 · 부록 C. 용어집 · 디버깅 체크리스트 · 추가 학습 링크 — https://119-ai-studio.kr/learn/mcp/C_glossary.html
  - 함께 볼 자료: MCP 심화 안내서 · 02. 핵심 구성요소: Host · Client · Server — https://119-ai-studio.kr/learn/mcp/02_components.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← MCP 호스트 — https://119-ai-studio.kr/glossary.html#gl-mcp-host · 기존 관계 · 미검증
  - 관련 용어 ← MCP 클라이언트 — https://119-ai-studio.kr/glossary.html#gl-mcp-client · 기존 관계 · 미검증
  - 관련 용어 ← MCP 서버 — https://119-ai-studio.kr/glossary.html#gl-mcp-server · 기존 관계 · 미검증

### MCP 호스트
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-mcp-host
- 카드 파일: https://119-ai-studio.kr/kg/card-5bc4a4198abdea9ead81.txt
- 요약: 하나 이상의 MCP 클라이언트를 관리하고 모델·사용자·서버 사이의 권한과 컨텍스트 흐름을 통제하는 애플리케이션.
- 영문·다른 이름: MCP Host · 호스트
- 난이도: 심화
- 비유: 사용자를 응대하면서 여러 MCP 연결과 모델 사용을 전체적으로 조정하는 본체.
- 업무 참고: 어떤 서버 결과를 모델에 보여주고 어떤 행동에 동의를 받을지 호스트 정책에서 결정한다.
- 연결:
  - 관련 용어: MCP 모델 컨텍스트 프로토콜 — https://119-ai-studio.kr/glossary.html#gl-mcp · 기존 관계 · 미검증
  - 관련 용어: MCP 클라이언트 — https://119-ai-studio.kr/glossary.html#gl-mcp-client · 기존 관계 · 미검증
  - 관련 용어: 접근 통제 — https://119-ai-studio.kr/glossary.html#gl-access-control · 기존 관계 · 미검증
  - 배경 학습: MCP 심화 안내서 · 부록 C. 용어집 · 디버깅 체크리스트 · 추가 학습 링크 — https://119-ai-studio.kr/learn/mcp/C_glossary.html
  - 함께 볼 자료: MCP 심화 안내서 · 02. 핵심 구성요소: Host · Client · Server — https://119-ai-studio.kr/learn/mcp/02_components.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← MCP 모델 컨텍스트 프로토콜 — https://119-ai-studio.kr/glossary.html#gl-mcp · 기존 관계 · 미검증
  - 관련 용어 ← MCP 클라이언트 — https://119-ai-studio.kr/glossary.html#gl-mcp-client · 기존 관계 · 미검증

### MCP 클라이언트
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-mcp-client
- 카드 파일: https://119-ai-studio.kr/kg/card-6e0e1f5a88376e20c4ae.txt
- 요약: MCP 호스트가 서버와 세션을 맺고 기능 목록·요청·응답을 주고받기 위해 사용하는 프로토콜 구성요소.
- 영문·다른 이름: MCP Client · 클라이언트
- 난이도: 심화
- 비유: 호스트 안에서 특정 MCP 서버 한 곳과 연결을 맡는 통신 담당.
- 업무 참고: 서버별 연결 상태와 허용 기능을 분리해 한 서버의 권한이 다른 연결로 번지지 않게 한다.
- 연결:
  - 관련 용어: MCP 모델 컨텍스트 프로토콜 — https://119-ai-studio.kr/glossary.html#gl-mcp · 기존 관계 · 미검증
  - 관련 용어: MCP 호스트 — https://119-ai-studio.kr/glossary.html#gl-mcp-host · 기존 관계 · 미검증
  - 관련 용어: MCP 서버 — https://119-ai-studio.kr/glossary.html#gl-mcp-server · 기존 관계 · 미검증
  - 정의 설명 학습 자료: MCP 심화 안내서 · 부록 C. 용어집 · 디버깅 체크리스트 · 추가 학습 링크 — https://119-ai-studio.kr/learn/mcp/C_glossary.html
  - 함께 볼 자료: MCP 심화 안내서 · 02. 핵심 구성요소: Host · Client · Server — https://119-ai-studio.kr/learn/mcp/02_components.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← MCP 모델 컨텍스트 프로토콜 — https://119-ai-studio.kr/glossary.html#gl-mcp · 기존 관계 · 미검증
  - 관련 용어 ← MCP 호스트 — https://119-ai-studio.kr/glossary.html#gl-mcp-host · 기존 관계 · 미검증

### MCP 서버
- 개체 주소: https://119-ai-studio.kr/glossary.html#gl-mcp-server
- 카드 파일: https://119-ai-studio.kr/kg/card-1c01d5c282bb85b381a8.txt
- 요약: MCP를 통해 도구·리소스·프롬프트 같은 기능을 노출하고 요청을 처리하는 프로그램.
- 영문·다른 이름: MCP Server · 서버
- 난이도: 심화
- 비유: 외부 기능과 자료를 정해진 목록과 입력 규칙으로 내놓는 제공 창구.
- 업무 참고: 최소 기능만 노출하고 입력·인증·인가·로그·오류 메시지를 서버 경계에서 검증한다.
- 연결:
  - 관련 용어: MCP 모델 컨텍스트 프로토콜 — https://119-ai-studio.kr/glossary.html#gl-mcp · 기존 관계 · 미검증
  - 관련 용어: 도구 사용 — https://119-ai-studio.kr/glossary.html#gl-tool-use · 기존 관계 · 미검증
  - 관련 용어: 최소 권한 — https://119-ai-studio.kr/glossary.html#gl-least-privilege · 기존 관계 · 미검증
  - 정의 설명 학습 자료: MCP 심화 안내서 · 부록 C. 용어집 · 디버깅 체크리스트 · 추가 학습 링크 — https://119-ai-studio.kr/learn/mcp/C_glossary.html
  - 함께 볼 자료: MCP 심화 안내서 · 02. 핵심 구성요소: Host · Client · Server — https://119-ai-studio.kr/learn/mcp/02_components.html
- 이 개체를 가리키는 자료:
  - 관련 용어 ← MCP 모델 컨텍스트 프로토콜 — https://119-ai-studio.kr/glossary.html#gl-mcp · 기존 관계 · 미검증
  - 관련 용어 ← MCP 클라이언트 — https://119-ai-studio.kr/glossary.html#gl-mcp-client · 기존 관계 · 미검증
  - 관련 용어 ← 오픈 소스 — https://119-ai-studio.kr/glossary.html#gl-open-source · 기존 관계 · 미검증