docs: spring ai

Author: luke0408

docs/AI_ML/spring-ai/what-is-spring-ai.mdx

@@ -0,0 +1,83 @@
+# AI Application과 Spring AI 개요
+
+## Summary
+AI Application은 AI 모델을 활용해 실제 서비스를 구현하는 응용 시스템이다. 이러한 시스템은 Front-End, Back-End(API Server), AI 모델의 유기적 상호작용으로 구성되며, 이를 효율적으로 통합하기 위해 Spring AI와 같은 프레임워크가 사용된다. Spring AI는 Java 및 Spring Boot 환경에서 LLM과의 통합을 단순화하고, 엔터프라이즈급 AI 응용 서비스를 개발할 수 있도록 지원한다.
+
+## Details
+
+### AI Application의 구성 요소
+AI Application은 AI 모델을 중심으로 다양한 계층이 상호작용하며 동작한다.
+
+| 구성 요소 | 역할 |
+|------------|------|
+| **Front-End (Web/App)** | 사용자의 입력을 수집하고, AI의 응답을 시각화함. 입력은 텍스트, 이미지, 영상 등 다양한 형태로 존재함. |
+| **Back-End (API Server)** | AI Agent로서 핵심 역할 수행. 프롬프트 생성, 도구 호출, 멀티모달 데이터 처리, 추론 결과 기록을 담당함. |
+| **AI Model (LLM)** | 클라우드 또는 온프레미스 환경에서 실행되며, Back-End의 요청에 따라 추론과 응답을 수행함. |
+
+:::note[NOTE] 
+Back-End는 단순한 API 서버가 아닌, AI 모델을 조정하고 외부 시스템을 제어하는 **AI Agent**의 중심이다.
+:::
+
+### AI Agent의 개념
+AI Agent는 **AI 모델을 활용해 특정 목적을 수행하는 응용 시스템**을 의미한다. 예를 들어 다음과 같은 형태로 구현될 수 있다.
+
+- 챗봇형 (예: 고객 상담)
+- 가상비서형 (예: 일정 관리, 메일 요약)
+- 자율형 (예: 시스템 제어, 보고서 자동 작성)
+
+AI Agent는 REST API 기반으로 구현되며, 요청을 받아:
+1. 입력 데이터를 전처리 및 프롬프트로 변환
+2. AI 모델 호출 및 추론 수행
+3. 결과를 후처리하여 사용자에게 응답
+
+### 프레임워크의 필요성
+AI Application 개발 시 발생하는 대표적인 문제는 다음과 같다.
+- 복잡한 데이터 흐름과 모델 연동 코드
+- 대화 기억, 문서 검색, 도구 호출 등 고급 기능의 재사용 어려움
+- 외부 API, 데이터베이스, 벡터 저장소와의 연동 복잡성
+
+이를 해결하기 위해 Python 진영에서는 **LangChain**, Java 진영에서는 **Spring AI**가 등장하였다.
+
+### Spring AI란?
+Spring AI는 **LLM을 Java 생태계에 통합**하기 위한 Spring 프로젝트로, 다음과 같은 특징을 가진다.
+
+1. **Spring Boot 친화적 구조**
+   - 기존 Spring MVC와 유사한 프로그래밍 모델 유지
+   - 자동 구성(Auto Configuration)을 통한 빠른 개발
+
+2. **AI 모델 통합**
+   - OpenAI, Hugging Face 등 다양한 LLM을 자동 연동
+   - REST API 호출 구조를 단순화
+
+3. **벡터 저장소 및 대화 기억 지원**
+   - 문서 검색 기반 답변(RAG) 기능
+   - 대화 상태를 저장·복원 가능
+
+4. **Tool Calling 및 MCP Server 지원**
+   - 외부 도구 호출 및 내외부 시스템 제어 가능
+
+:::tip[TIP] 
+Spring AI는 LangChain의 구조적 유사성을 유지하면서도, Java 엔터프라이즈 환경에 맞춘 안정성과 확장성을 제공한다.
+:::
+
+### LangChain vs Spring AI 비교
+
+| 구분 | LangChain (Python) | Spring AI (Java) |
+|------|--------------------|------------------|
+| 개발 언어 | Python | Java / Kotlin |
+| 주요 목적 | 연구, 프로토타입 | 엔터프라이즈 응용 서비스 |
+| 데이터 흐름 구조 | 체인(Chain) 기반 | Spring Bean 기반 |
+| 모델 지원 | OpenAI, Anthropic 등 | OpenAI, HuggingFace 등 |
+| 메모리/스토리지 | in-memory, vector store | Redis, PostgreSQL 등 연동 |
+| 도구 호출 | Tool / Agent | Tool Calling / MCP |
+| 강점 | 빠른 실험과 확장성 | 안정적인 배포 및 운영 |
+
+:::info[Information] 
+LangChain은 실험과 프로토타입에 유리하고, Spring AI는 **운영 환경과 연동성, 유지보수성** 측면에서 강점을 가진다.
+:::
+
+## Reference
+
+**link:** External reference
+- [AI 애플리케이션 개발의 기초와 Spring AI 소개 (한빛미디어)](https://www.hanbit.co.kr/channel/view.html?cmscode=CMS8021447288)  
+- [뉴런데브 - 스프링AI 1. AI프로젝트 구성 (YouTube)](https://www.youtube.com/watch?v=6YObwWmTUEo)