Peter Choi

사유하는 아키텍트 A Contemplative Architect

생성형 AI, 멀티에이전트 시스템, 머신러닝 기반의 워크플로우를 실험하고 프로토타이핑합니다. 완성보다 가능성을 먼저 만들며, 실제 문제 해결을 위한 초기 구조를 설계합니다. I explore and prototype AI workflows — focusing on GenAI, multi-agent systems, and applied ML in business settings. Rather than chasing polish, I design for potential. Most of my work centers on early-stage design: validating concepts, testing workflows, and building lean tools that solve real problems.

사유의 기록 (Articles) Articles

자연어와 데이터 사이의 간극 The Gap Between Natural Language and Data

인간의 '질문'과 기계의 '논리' 사이의 심연을 탐색합니다. Text-to-SQL은 단순한 번역 도구를 넘어, 어떻게 우리의 호기심이 데이터와 직접 소통하며 새로운 가치를 창출할 수 있는지에 대한 철학적 탐구입니다. Exploring the abyss between human 'questions' and machine 'logic'. Text-to-SQL is more than a translation tool; it's a philosophical inquiry into how our curiosity can directly communicate with data to create new value.

🔍 기술: Text-to-SQL, LLM, 기술철학🔍 Tech: Text-to-SQL, LLM, Philosophy of Technology 💭 사유: 기술이 언어의 장벽을 허물 때, 인간의 역할은 '어떻게'에서 '왜'로 이동합니다. 이는 데이터의 민주화를 넘어, 질문하는 능력 자체가 핵심 가치가 되는 패러다임의 전환을 의미합니다.💭 Philosophy: When technology breaks down language barriers, the human role shifts from 'how' to 'why.' This signifies a paradigm shift beyond data democratization, where the ability to question becomes the core value itself.
? LLM SELECT FROM... WHERE...

에이전트는 인간 사고의 대체인가, 확장인가? Are agents a replacement or an extension of human thought?

여러 AI 에이전트가 협력하는 시스템의 아키텍처을 설계하고, 핵심 비즈니스 로직에만 집중 Designing the architecture for a collaborative multi-agent system, focusing solely on core business logic.

🔍 기술: ADK와 Agent Engine을 활용한 멀티 에이전트 시스템 설계.🔍 Tech: Designing a multi-agent system using ADK and Agent Engine. 💭 사유: 개별적으로 개발된 다양한 AI 에이전트들을 하나의 통합된 시스템으로 연결하고 조율하여, 더 복잡한 문제를 해결하는 '에이전트의 사회'를 구축.💭 Philosophy: The idea of building a 'society of agents' that solves more complex problems by connecting and orchestrating various individually developed AI agents into a single, integrated system.

정확하다는 말, 과연 무엇이 정확한가? When we say 'accurate,' what is actually accurate?

머신러닝 모델의 '정확도'라는 지표가 어떻게 진실을 왜곡할 수 있는지 분석하고, 더 나은 평가 방식에 대해 고찰합니다. An analysis of how the 'accuracy' metric in machine learning can distort truth, and a consideration of better evaluation methods.

🔍 기술: 모델 평가 지표(정확도, 정밀도, 재현율)의 한계 분석.🔍 Tech: Analysis of the limitations of model evaluation metrics (accuracy, precision, recall). 💭 사유: 통계적 정확도와 실질적 진실 사이의 관계에 대한 고찰.💭 Philosophy: A reflection on the relationship between statistical accuracy and actual truth.
"90% Accuracy" (in focus)

기술의 증명 (Works) Works

개발자에게 '에이전트'를 만든다는 것은 어떤 의미인가? What does it mean for a developer to 'build an agent'?

Google의 Agent Development Kit(ADK)를 사용하여 로컬 환경에서 AI 에이전트를 구축하고 실행하는 과정을 안내하는 실습 가이드입니다. A hands-on guide that walks through the process of building and running an AI agent in a local environment using Google's Agent Development Kit (ADK).

🔍 기술: Google ADK를 활용한 로컬 AI 에이전트 구축 실습 가이드.🔍 Tech: A hands-on guide to building a local AI agent using Google ADK. 💭 사유: 복잡한 개발 과정을 표준화된 프레임워크를 통해 어떻게 단순화하고 접근성을 높이는지에 대한 탐구.💭 Philosophy: An exploration of how to simplify and increase accessibility in the complex agent development process through a standardized framework.
ADK

일상의 대화로 데이터베이스에 질문하기 Asking a Database Questions in Everyday Language

자연어 질문을 SQL로 변환하여 데이터베이스와 상호작용하는 Slack 봇을 구축하고, 이를 외부에 안전하게 노출하는 전체 과정을 다룹니다. Covers the entire process of building a Slack bot that interacts with a database by converting natural language questions into SQL, and securely exposing it to the outside.

🔍 기술: NL2SQL, Slack, FastAPI, Cloudflare/ngrok🔍 Tech: NL2SQL, Slack, FastAPI, Cloudflare/ngrok 💭 사유: 인간의 언어와 기계의 언어 사이의 간극을 줄이는 번역의 문제.💭 Philosophy: The problem of translation, reducing the gap between human language and machine language.
Slack: User asks a question Slack "Sales?" Secure Tunnel (e.g., Cloudflare) Tunnel FastAPI Server with NL2SQL Logic NL? SQL FastAPI Database (e.g., BigQuery) Database Data Result

Redash 설치 및 BigQuery 연동 가이드 Redash Installation and BigQuery Integration Guide

Text-to-SQL 기술을 통해 비즈니스 질문과 데이터베이스 언어(SQL) 사이의 의미적 간극을 메우는 과정을 탐구합니다. LLM을 활용한 자연어 번역부터 Redash API 연동까지, 실제 구현을 위한 기술 아키텍처와 핵심 과제를 다룹니다. This explores bridging the semantic gap between business questions and the database language (SQL) through Text-to-SQL technology. It covers the technical architecture and key challenges for actual implementation, from natural language translation using LLMs to Redash API integration.

🔍 기술: Redash, Docker, BigQuery, REST API, Text-to-SQL, LLM🔍 Tech: Redash, Docker, BigQuery, REST API, Text-to-SQL, LLM 💭 사유: Text-to-SQL은 기술 효율을 넘어, 조직의 모든 구성원이 데이터에 대한 호기심을 자유롭게 탐색하게 하는 문화적 전환을 이끌어냅니다.💭 Philosophy: Text-to-SQL transcends technical efficiency, driving a cultural shift that empowers everyone to freely explore their curiosity with data.
사용자가 자연어 질문 "월별 매출?" User App LLM이 Text-to-SQL 변환 LLM Redash가 쿼리 실행 및 시각화 Redash BigQuery 데이터베이스 BigQuery Natural Language Schema SQL via API Execute Query Data Result Chart / Table

수학 (Mathematics) Mathematics

삼각함수 시각화 도구 Trigonometry Visualizer

단위원 위의 벡터에 회전 행렬을 적용하여 삼각함수의 덧셈 공식을 직관적으로 증명하는 시각화 도구입니다. 벡터의 기하학적 해석과 삼각함수의 대수적 공식을 연결합니다. A visual exploration of trigonometric identities, demonstrating how rotation matrices on a unit circle provide an intuitive proof for angle addition formulas. This tool connects the geometric interpretation of vectors with the algebraic formulation of trigonometry.

🔍 기술: HTML, CSS, JavaScript, Canvas API🔍 Tech: HTML, CSS, JavaScript, Canvas API 💭 개념: 회전 행렬, 좌표 변환💭 Concept: Rotation Matrix, Coordinate Transformation

코사인 덧셈정리 증명 Proof of the Cosine Addition Formula

두 가지 기하학적 관점—데카르트 좌표계의 유클리드 거리와 일반 삼각형의 코사인 법칙—에서 코사인 덧셈정리를 단계별로 증명합니다. 이는 서로 다른 프레임워크에서 기하학적 정리의 일관성을 보여줍니다. A step-by-step proof of the cosine addition formula, approached from two distinct geometric perspectives: Euclidean distance in a Cartesian coordinate system and the Law of Cosines in a non-right triangle. This highlights the consistency of geometric theorems across different frameworks.

🔍 기술: HTML, CSS, KaTeX🔍 Tech: HTML, CSS, KaTeX 💭 개념: 거리 공식, 제2코사인법칙💭 Concept: Distance Formula, Law of Cosines
A B

프로토타입 Prototypes

운영 가능한 Self-Correcting AI Agent Production-Ready Self-Correcting AI Agent

Langfuse를 활용하여 완전한 관찰 가능성을 확보한 AI 에이전트입니다. An AI agent with full observability using Langfuse.

LangGraph Langfuse Docker

AI 마케팅 콘텐츠 팩토리 AI Marketing Content Factory

멀티모달 입력을 받아 다양한 마케팅 콘텐츠(블로그, 인스타, 유튜브)를 생성합니다. Generates various marketing content (blogs, Instagram, YouTube) from multimodal input.

Generative AI Multimodal Gemini

준비중 Coming Soon

새로운 프로토타입이 곧 추가될 예정입니다. New prototypes will be added soon.

준비중 Coming Soon

새로운 프로토타입이 곧 추가될 예정입니다. New prototypes will be added soon.

소개 (About Me) About Me

저는 기술과 인문학의 경계에서 일하는 AI 아키텍트이자 프로토타이퍼입니다. 코드를 작성하는 행위가 단지 기술적 문제 해결을 넘어, 세상을 이해하고 질문을 던지는 과정이라고 믿습니다. 생성형 AI와 멀티 에이전트 시스템이 우리의 사고와 상호작용을 어떻게 재구성하는지 탐구하며, 그 과정에서 얻은 기술적, 철학적 통찰을 공유합니다. I am an AI architect and prototyper working at the intersection of technology and the humanities. I believe that the act of writing code is not just about technical problem-solving, but a process of understanding the world and asking questions. I explore how generative AI and multi-agent systems are reshaping our thoughts and interactions, and I share the technical and philosophical insights gained in the process.