Langflow

Langflow 1.10의 Memory Bases 기능을 활용해 에이전트가 세션 간 대화 이력을 벡터 데이터베이스에 저장하고 장기적인 문맥을 유지하는 방법을 알아본다.

MCPJam을 통해 AI 에이전트 시스템의 토큰 낭비 문제를 진단하고, 효율적인 MCP 서버 설계 및 디버깅 전략을 살펴본다.

MCPJam의 CEO Prathmesh Patel이 MCP 서버 연결 시 발생하는 토큰 비대화 문제를 진단하고 효율적인 에이전트 시스템 구축 전략을 공유한다.

Unstructured의 Chris Maddock이 출연하여 비정형 데이터를 AI 에이전트와 RAG 시스템에 최적화된 형태로 변환하고 파이프라인을 자동화하는 기술적 진화 과정을 공유합니다.

Unstructured.io의 데이터 처리 기술과 Langflow의 워크플로우를 결합하여 복잡한 비정형 데이터를 AI 시스템에 효율적으로 통합하는 실전 방법론을 제시한다.

IBM이 공개한 Agentics 프레임워크를 Langflow에 통합하여 MapReduce 시맨틱과 강력한 타입 인터페이스로 멀티 에이전트 시스템을 확장하고 구조화된 데이터를 처리한다.

IBM의 Distinguished Engineer인 Mihai Criveti가 MCP 프로토콜의 급격한 성장 배경과 ContextForge를 통한 에이전트 도구 관리, 보안 및 관찰 가능성 확보 방안을 공유합니다.

Langflow 1.7은 MCP 지원, LLM Selector를 통한 모델 동적 최적화, Smart Router 기반의 지능형 워크플로우 제어 기능을 도입하여 에이전트 개발의 유연성과 지능을 강화했다.

Langflow 1.0.7의 코드 수정 기능을 통해 GPT-5.2와 같은 최신 커스텀 모델을 추가하고, 스마트 라우터로 작업 성격에 따라 모델을 자동 배분하는 방법을 다룹니다.

IBM의 Mihai Criveti가 출연하여 수많은 AI 도구를 안전하고 효율적으로 통합 관리할 수 있는 오픈소스 MCP 게이트웨이인 Context Forge의 핵심 기능과 실무 적용법을 공유합니다.

Postman의 Ruben Casas가 MCP 지원과 Flow를 통해 API 개발 도구가 어떻게 AI 에이전트 오케스트레이션 플랫폼으로 진화하고 있는지 상세히 설명한다.