JSCODE Logo
JSCODE 박재성JSCODE 제이온JSCODE 시니
온라인 강의프로그래밍 과외책/전자책무료 강의
유튜브블로그
후기
완강 후기 이벤트블로그 리뷰 이벤트AWS SAA 합격 후기 이벤트
회사명 : JSCODE대표 : 박재성사업자 등록번호 : 244-22-01557통신판매업 : 제 2023-인천미추홀-0381 호

서울특별시 구로구 경인로 20가길 11(오류동, 아델리아)

Copyright ⓒ 2026 JSCODE - 최상위 현업 개발자들의 프로그래밍 교육 All rights reserved.

이용약관개인정보처리방침

실무에 바로 적용하는 Spring AI: Spring 서비스에 챗봇·RAG·MCP 도입하기

백엔드 개발자를 위한 LLM 기초

Prompt란 무엇일까?
Tokens란 무엇일까? /
Embeddings란 무엇일까? / Semantic Space
Fine Tuning이란 무엇일까?
RAG란 무엇일까?
AI Models란 무엇일까?
AI Model Providers란 무엇일까?

Spring AI 기본기

Spring AI란 무엇일까? / 백엔드 개발자가 왜 Spring AI를 배워야할까?
Spring AI 1.0 GA의 탄생
Spring AI와 LangChain - 어떤 도구를 선택해야 할까?
Spring AI와 LangChain - Chat Model 쉽게 이해하기
Spring AI와 LangChain - VectorStore 인터페이스

Spring AI 핵심 구성요소

핵심 컴포넌트 - ChatClient, Advisors, Prompts, Models, Structured Output
Spring AI ChatClient란 무엇일까?
Spring AI Advisor란 무엇일까?
Spring AI Prompts란 무엇일까?
Spring AI Models이란 무엇일까?
Spring AI Structured Output이란 무엇일까?

Spring AI로 만드는 채팅 API — 클라우드(OpenAI)와 로컬(Ollama

[실습] Spring AI 로컬 환경 설정 - Spring Boot 4.x, Gradle
[실습] OpenAI API Key 발급받기
[실습] OpenAI API를 활용한 채팅 API 환경 구축
[실습] Swagger UI를 활용한 테스트 - OpenAI API
[실습] Ollama 설치하기 / Hugging Face란 무엇일까? / GGUF
[실습] Ollama를 활용한 채팅 API 환경 구축
[실습] Swagger UI를 활용한 테스트 - Ollama
Spring AI 응답의 형태 - ChatClient Responses
[실습] Streaming으로 Flux 형태로 응답받기

실무에 쓰는 챗봇 만들기 - ‘대화 기억’부터 ‘CS 문의 자동 분류’까지

Spring AI Prompts - Chat Options란 무엇일까?
Spring AI Prompts - 프롬프트 엔지니어링 9가지 패턴
[실습] CLI 챗봇 개발 환경 아키텍처 미리보기
[실습] Chat Memory Advisor로 메모리 기능 추가하기
[실습] Chat Service 구현 - Advisor, CONVERSATION_ID
[실습] Spring Boot에서 CLI 기능 구현 및 테스트하기
[실습] Chat Controller 구현 - call과 stream 방식의 Chat REST API
[실습] Structured Output Converter를 통한 쇼핑몰 CS 문의 긴급도 분류하기

Vector Database와 유사도 검색 - RAG를 위한 핵심 개념

Vector Database란 무엇일까?
Vector Database Cosine Similarity란 무엇일까? / Spring AI의 Similarity Score
Spring AI Vector Store API
Metadata Filters란 무엇일까?

RAG 챗봇 만들기 - 데이터 전처리부터 ElasticSearch 연동까지

LLM 한계 극복을 위한 RAG 도입
실무에서 Spring AI를 통한 RAG 구현 방법
고품질 RAG를 위한 데이터 전처리 - Extract, Transform, Load
Spring AI RAG 기본 설계
[실습] RAG 챗봇 개발을 위한 로컬 환경 구축
[실습] RAG ETL 파이프라인 구현
[실습] RAG Advisors 구현
[실습] RAG Service 구현
[실습] RAG CLI 구현 및 실행 테스트
[실습] RAG REST API 구현
[실습] Docker 설치
[실습] ElasticSearch 기반 VectorStore로 변경하기

AI와 외부 시스템 연결하기 - Tool Calling으로 API 호출 자동화

Spring AI Tool Calling과 작동 프로세스
[실습] Tool Calling 개발 환경 구축
[실습] 지역별 날씨 조회 외부 API Tool 구현
[실습] Tool Service 구현
[실습] ToolCallingManager 설정
[실습] ToolChatConfig, ToolController 구현 - CLI, REST API
[실습] CLI 및 REST API 테스트

MCP로 완성하는 AI 연동 - Client & Server 개발과 외부 서버 활용

MCP란 무엇일까?
Tool Calling VS MCP
[실습] 아키텍처 미리보기
[실습] MCP Client 개발 환경 구축
[실습] MCP Server 개발 환경 구축
[실습] 외부 MCP Server와 연동한 실시간 날씨 조회 - MCP Client 개발
[실습] 외부 MCP Server와 연동한 실시간 날씨 조회 - MCP Server 개발
[실습] 외부 MCP Server와 연동한 실시간 날씨 조회 - MCP 연동
[실습] CLI 및 RestAPI 테스트
← 블로그 목록으로 돌아가기

AI Model Providers란 무엇일까?

JSCODE 시니
JSCODE 시니
2026. 06. 13.
author
JSCODE 시니
category
Spring AI
createdAt
Jun 13, 2026 09:48 AM
isPublic
isPublic
series
실무에 바로 적용하는 Spring AI: Spring 서비스에 챗봇·RAG·MCP 도입하기
slug
overview-of-ai-model-providers
type
post
updatedAt

✅ 1. AI Model Providers란 무엇일까?

  • 앞서 배운 거대하고 똑똑한 '사전 훈련(Pre-trained) 모델'을 일반 개발자나 기업이 가져다 쓸 수 있도록 인프라와 접근 통로를 제공해 주는 기업 또는 플랫폼
 
 
 

✅ 2. API 기반 클라우드 서비스 (OpenAI, Anthropic 등)

  • 가장 대중적이고 강력한 AI 사용 방법
  • 인프라 관리 부담 제로
    • API 방식은 제공자가 모든 서버를 관리하므로, 백엔드 개발자는 복잡한 인프라를 전혀 신경 쓸 필요가 없음
  • 최신 모델 접근성
    • 개발 환경의 변화 없이, API 버전만 수정하면 최신 AI 모델을 내 서비스에 도입할 수 있음
  • 다양한 모델 제공
    • 텍스트뿐만 아니라 이미지 생성, 오디오(음성 인식) 등 다양한 기능을 API 호출 한 번으로 끌어다 쓸 수 있음
  • 과금 방식
    • 모델에 따라 다르지만, 일반적으로는 사용한 토큰 수나 API 호출 횟수만큼의 정확한 요금을 내는 구조
 
 
 

✅ 3. 로컬 모델 실행 플랫폼 (Ollama 등)

  • 클라우드 방식의 유일한 단점은 바로 ‘보안’과 ‘인터넷 연결’임
  • 일반적인 회사는 폐쇄망을 사용하거나, 데이터를 외부로 유출하는 것을 꺼림
  • 이때 사용할 수 있는 대안이 바로 로컬 모델 실행 플랫폼임
  • 로컬 환경 실행
    • 인터넷을 끊고, 내 컴퓨터나 사내 폐쇄망 서버에 AI 모델을 직접 다운로드하여 실행하는 방식.
    • 대표적으로 Ollama(올라마)라는 오픈소스 플랫폼이 있음
  • 보안 및 오프라인 사용
    • 외부로 데이터가 절대 빠져나가지 않으므로 극비 데이터를 다루는 금융권이나 공공기관에서 선호함
    • 인터넷이 끊긴 오프라인 상태에서도 AI가 작동함
  • 하드웨어 제약
    • 단, AI를 내 컴퓨터의 자원으로 직접 돌려야 하므로 성능의 한계가 있음
    • 최근에는 기술이 좋아져서 개인용 노트북에서도 가벼운 로컬 LLM을 띄워보고 테스트하는 것이 충분히 가능해짐