AI의 모든 것

GitHub에서 AI 프로그램을 설치하려다 보면 다음과 같은 안내를 볼 때가 있습니다. “Docker로 실행하세요.” “Docker Compose가 필요합니다.” “컨테이너를 시작한 뒤 localhost 주소에 접속하세요.” AI를 막 공부하기 시작했다면 이것이 무슨 뜻인지 막막할 수 있습니다. 평소 쓰는 프로그램은 파일을 내려받아 설치하는데, 왜 어떤 AI 도구는 도커(Docker)를 준비하라고 할까요? Docker는 프로그램을 실행하는 데 필요한 환경을 묶고, 이를 컨테이너라는 격리된 실행 환경에서 작동시키도록 돕는 플랫폼 입니다. 쉽게 말해 프로그램을 컴퓨터에 하나하나 맞춰 설치하는 대신, 필요한 실행 환경을 정해진 방식으로 준비해 다른 컴퓨터에서도 비슷한 조건으로 실행 할 수 있게 하는 도구입니다. 단, Docker를 설치했다고 AI 모델을 무제한 무료로 사용할 수 있는 것은 아닙니다. Docker가 AI 그 자체인 것도 아닙니다. 이번 글에서는 Docker의 기초부터 FreeLLMAPI 설치에 쓰이는 이유, 이미지와 컨테이너의 차이, 데이터 보존과 보안까지 초보자의 시선으로 알아보겠습니다. Docker란 · 핵심 흐름 Docker란의 주요 개념과 확인 순서를 네 단계로 정리한 자체 제작 도식. Docker란 · 핵심 흐름 1 이미지 실행 환경과 파일의 기반이 됩니다 2 컨테이너 이미지에서 실행한 격리 프로세스입니다 3 포트 연결 필요한 서비스만 외부에 공개합니다 4 볼륨 컨테이너와 별도로 데이터를 보관합니다 설명용 요약 도식입니다. 최신 기능과 이용 조건은 본문 및 공식 문서에서 확인하세요. EMFLS AI · 자체 도식 자체 제작 개념도 · EMFLS AI 이 글의 순서 1. Docker는 왜 필요한가요? 2. Docker를 '도시락'에 비유하면 이해하기 쉬워요 3. 이미지·컨테이너·볼륨은 무엇이 다른가요? 4. Docker와 일반 앱 설치는 어떻게 다른가요? 5. FreeLLMAPI에서는 왜 Docker가 나오나요? 6. Dock...

“AI에게 질문을 보내고 답변을 받는 프로그램을 만들고 싶은데, 설명서를 찾아보니 Chat Completions 와 Responses 라는 이름이 둘 다 나와요. 무엇이 다른 걸까요?” OpenAI API 를 처음 접한다면 충분히 헷갈릴 만합니다. 둘 다 프로그램에서 AI 모델에 요청을 보내고 결과를 받아오는 방법 이지만, 요청을 작성하는 모양과 결과를 읽는 방법이 다릅니다. 이번에 알아볼 Responses API 는 OpenAI가 제공하는 AI 모델 응답 생성용 인터페이스 입니다. OpenAI 공식 문서에서는 새 프로젝트를 만든다면 Responses API를 권장하고 있습니다. 다만 기존 Chat Completions도 지원되므로, 이미 잘 동작하는 프로그램을 무조건 바로 고쳐야 하는 것은 아닙니다. 중요한 것은 이름을 외우는 것이 아니라, 내 프로그램은 어떤 형식으로 질문을 보내고, 어떤 형식으로 답을 받아야 하는지 이해하는 것 입니다. 이 글에서는 쉬운 비유부터 간단한 Python 코드 , 대화 이어가기, 도구 사용, FreeLLMAPI와 Codex CLI 연결까지 단계적으로 설명하겠습니다. Responses API란 · 핵심 흐름 Responses API란의 핵심 흐름을 네 단계로 정리한 자체 제작 개념도. Responses API란 · 핵심 흐름 1 input 구성 텍스트와 필요한 도구를 준비합니다 2 Responses 호출 응답 생성 API에 요청합니다 3 output 처리 텍스트와 도구 결과를 구분합니다 4 전환 검증 상태·비용·호환성을 시험합니다 설명용 요약 도식입니다. 최신 기능과 이용 조건은 본문 및 공식 문서에서 확인하세요. EMFLS AI · 자체 도식 자체 제작 개념도 · EMFLS AI 이 글의 순서 1. API는 알겠는데, Responses는 무슨 뜻인가요? 2. Responses API가 기존 방식과 다른 이유 3. Responses API의 가장 간단한 예시 4. 그럼 Chat Completions 코드는 어떻게 생겼나요? 5...

“내 프로그램에서도 AI에게 질문하고 답변을 받게 만들 수 있을까요?” 웹사이트에서 ChatGPT와 대화할 때는 질문을 입력하고 답변을 확인하면 됩니다. 하지만 블로그 도구나 간단한 프로그램에서 AI 모델을 사용하려면 프로그램이 어떤 형식으로 질문을 보내고 결과를 받을지 정해져 있어야 합니다. 그 방법 가운데 하나가 Chat Completions API 입니다. Chat Completions API는 사용자·AI의 대화 내용을 messages 목록으로 보내면 모델이 다음 응답을 생성해 돌려주는 API 인터페이스 입니다. 정해진 데이터 형식으로 메시지를 전달하기 때문에 별도의 프로그램에서도 대화형 AI 기능을 구현할 수 있습니다. 어렵게 보일 수 있지만 원리는 단순합니다. 이전 대화 기록을 함께 적은 쪽지를 AI에게 보내고, AI가 그다음에 할 말을 받아오는 방식 입니다. 이 글은 실제 API 계정 없이도 구조를 이해할 수 있게 JSON 예시와 역할 구분, 자주 발생하는 오류, FreeLLMAPI에서의 활용 방식까지 차례로 설명합니다. Chat Completions API란 · 핵심 흐름 Chat Completions API란의 핵심 흐름을 네 단계로 정리한 자체 제작 개념도. Chat Completions API란 · 핵심 흐름 1 messages 구성 역할과 대화 내용을 배열합니다 2 API 요청 정해진 형식으로 서버에 보냅니다 3 choices 확인 응답에서 생성된 답을 읽습니다 4 usage 점검 토큰과 모델별 호환성을 확인합니다 설명용 요약 도식입니다. 최신 기능과 이용 조건은 본문 및 공식 문서에서 확인하세요. EMFLS AI · 자체 도식 자체 제작 개념도 · EMFLS AI 이 글의 순서 1. 이름부터 나눠서 보면 쉽습니다 2. 가장 중요한 messages 는 무엇인가요? 3. role 은 누구의 말인지 구분합니다 4. 이전 대화가 왜 메시지에 들어가야 할까요? 5. 실제 API 주소는 어디인가요? 6. 답변은 어떤 모양으로 돌아오나요? 7...

AI 도구에서 모델을 고르려고 했더니 이름이 수십 개 보인 적 있나요? 어떤 모델은 무료라고 적혀 있고, 어떤 모델은 이미지를 이해하거나 긴 문서를 읽을 수 있다고 설명합니다. 그런데 목록에 있는 모델을 클릭해도 실제 질문에는 오류가 날 수 있습니다. 이런 혼란을 줄이려면 모델 카탈로그(Model Catalog) 라는 용어를 알아두면 좋습니다. 모델 카탈로그는 AI 서비스나 연결 프로그램이 제공하는 모델 정보를 목록으로 정리한 자료 입니다. 보통 모델 이름과 제공업체, 가능한 작업, 입력 크기, 가격·무료 조건, 요청 제한 같은 정보를 함께 보여줍니다. 쉽게 말해 식당의 메뉴판 입니다. 메뉴판에서 어떤 음식을 파는지 알 수 있지만, 재료가 품절됐는지, 내 쿠폰을 쓸 수 있는지, 지금 당장 주문이 되는지는 따로 확인해야 하죠. AI도 같습니다. 카탈로그에 등록된 모델 = 내가 지금 바로 호출할 수 있는 모델 은 아닙니다. AI 모델 카탈로그란 · 핵심 흐름 AI 모델 카탈로그란의 핵심 흐름을 네 단계로 정리한 자체 제작 개념도. AI 모델 카탈로그란 · 핵심 흐름 1 목록 확인 이름과 제공업체를 살펴봅니다 2 조건 읽기 입력 방식과 필요한 키를 봅니다 3 이용 가능성 목록과 실제 사용 상태를 구분합니다 4 요청 시험 현재 권한과 한도를 확인합니다 설명용 요약 도식입니다. 최신 기능과 이용 조건은 본문 및 공식 문서에서 확인하세요. EMFLS AI · 자체 도식 자체 제작 개념도 · EMFLS AI 이 글의 순서 1. 모델 카탈로그에는 어떤 정보가 들어 있을까요? 2. 모델 이름과 모델 ID는 무엇이 다른가요? 3. 같은 모델이 목록에 여러 번 보이는 이유 4. FreeLLMAPI의 전체 모델 목록과 사용 가능 목록 5. ready·needsKey·exhausted의 뜻 6. 모델 카탈로그에 있다고 무료인 것은 아닙니다 7. 카탈로그가 오래되면 어떤 문제가 생기나요? 8. 초보자에게 맞는 모델을 고르는 5단계 9. 실제로 자주 마주치는 오류 10. 알아두면 좋...

AI로 홈페이지를 만들다 보면 이런 상황이 생깁니다. “프로젝트 규칙이 길어져서 파일을 나눴는데, Claude Code가 다른 파일에 적은 규칙도 읽을 수 있을까?” 이럴 때 알아두면 좋은 기능이 임포트(Import) 입니다. Claude Code의 지침 파일 임포트란, CLAUDE.md 안에 @파일경로 를 적어 다른 파일의 내용을 작업 지침과 함께 불러오는 기능 입니다. 예를 들어 메인 규칙 파일에는 핵심 안내만 적고, 자세한 테스트 규칙은 docs/testing.md 라는 별도 파일에 저장해 연결할 수 있습니다. 쉽게 말해 한 장짜리 안내문에 “자세한 규칙은 이 설명서도 함께 읽으세요”라는 표시를 붙이는 것 과 비슷합니다. 다만 일반적인 웹 링크와 달리 Claude Code는 지원되는 임포트 구문을 해석해 해당 파일의 내용을 대화 맥락에 포함할 수 있습니다. 이 글은 코딩 문법 전체가 아니라 Claude Code의 지침 파일 임포트 하나 를 다룹니다. 아래 예시는 교육용 가상 프로젝트이며, 실제 컴퓨터에서 실행해 검증한 화면은 아닙니다. Claude Code 임포트(Import)란 · 핵심 흐름 Claude Code 임포트(Import)란의 주요 개념과 확인 순서를 네 단계로 정리한 자체 제작 도식. Claude Code 임포트(Import)란 · 핵심 흐름 1 @ 경로 지정 CLAUDE.md에서 다른 파일을 불러옵니다 2 상대 경로 기준 파일에서의 위치를 확인합니다 3 규칙 나누기 내용을 파일별로 정리합니다 4 로딩 확인 Claude Code에서 읽힌 상태를 살핍니다 설명용 요약 도식입니다. 최신 기능과 이용 조건은 본문 및 공식 문서에서 확인하세요. EMFLS AI · 자체 도식 자체 제작 개념도 · EMFLS AI 이 글의 순서 1. 임포트가 필요한 이유부터 알아볼까요? 2. CLAUDE.md 에서 임포트하는 가장 쉬운 예시 3. @ 기호가 있으면 언제나 임포트가 되나요? 4. 파일의 위치가 중요한 이유: 상대경로와 절대경로 5. AGENTS.m...