이 책은 인공지능을 어떻게 호출하는가”가 아니라 “어떻게 시스템에 포함시키는가”에 대한 질문에서 출발한다.
오늘날 AI는 더 이상 단일 API나 독립적인 기능이 아니라, 웹 애플리케이션, 이벤트 처리, 실시간 데이터 흐름, 외부 도구와 결합된 하나의 시스템 구성 요소로 동작한다.

이 책은 Spring Boot를 중심으로 FastAPI 기반 AI 서버, 객체 탐지 모델, MQTT를 활용한 실시간 메시징, 그리고 Spring AI를 이용한 생성형 AI 연동까지의 과정을 하나의 실전 흐름으로 엮어, AI가 실제 서비스 환경에서 어떻게 설계되고 확장되는지를 단계적으로 보여준다. 단순한 예제나 기능 설명에 머무르지 않고, AI 서버와 웹 서버의 분리, 비동기 처리 구조, 이벤트 기반 아키텍처 등 실무에서 반드시 고려해야 할 구조적 문제를 코드 수준에서 다룬다.

후반부에서는 Spring AI를 활용한 생성형 AI 애플리케이션 구현을 넘어, Tool Calling과 RAG를 통해 외부 기능과 데이터를 컨텍스트로 결합하는 방법을 설명한다. 더 나아가 MCP(Model Context Protocol) 개념과 MCP 서버 구현을 통해, AI 모델은 생성에 집중하고 시스템은 컨텍스트를 책임지는 차세대 AI 아키텍처를 직접 설계하고 구현한다.

이 책은 AI 입문서도, 특정 프레임워크의 사용 설명서도 아니다.
Spring Boot 개발자를 비롯해 생성형 AI를 실제 서비스에 통합하려는 개발자, 연구자, 교육자를 위해, 컨텍스트 중심 AI 시스템 설계 방법을 실전 예제로 제시하는 책이다.
AI를 “붙이는 방법”이 아니라, AI가 포함된 시스템을 설계하는 방법을 배우고 싶은 독자에게 이 책은 확실한 기준점이 될 것이다.

1장. 웹 애플리케이션 프로젝트 만들기

1절. FastAPI를 이용한 파이썬 웹 애플리케이션
1.1. 개발 환경
1.2. FastAPI 설치
1.3. FastAPI 애플리케이션 생성
1.4. 데이터 모델링
1.5. FastAPI 문서화
1.6. FastAPI 미들웨어
1.7. FastAPI 종합 예제
1.8. 애플리케이션 실행

2절. Spring Boot를 이용한 자바 웹 애플리케이션
2.1. JDK 설치
2.2. Spring Tools for Eclipse
2.3. Spring Boot 프로젝트 만들고 실행하기


2장. Spring Boot와 FastAPI로 구현하는 AI 객체 탐지 시스템

1절. 비동기 웹서비스 아키텍처와 개발 환경
1.1. 시스템 아키텍처
1.2. 개발 환경

2절. 파이썬 FastAPI 프로젝트
2.1. 테스트를 위한 RestAPI 구현
2.2. FastAPI 앱 실행
2.3. 이미지 객체 탐지 서비스 구현
2.4. 전체 코드
2.5. 서비스 실행 확인

3절. 자바 Spring Boot 프로젝트
3.1. Spring Boot 프로젝트 만들기
3.2. WebClient 빈 설정
3.3. 요청 컨트롤러
3.4. 비동기 요청을 위한 HTML 페이지
3.5. 요청 테스트


3장. MQTT를 이용한 실시간 객체 탐지 영상 전송과 수신

1절. 실시간 영상 스트리밍 서비스 개요
1.1. 시스템 아키텍처
1.2. 개발 환경
1.3. MQTT

2절. AI 서버에서 실시간 객체 탐지 후 영상 스트리밍
2.1. 객체 탐지 후 MQTT 브로커에 영상 스트리밍하기
2.2. 전체 코드
2.3. 객체 탐지 서비스 실행

3절. MQTT 브로커에서 이미지 수신하기
3.1. 자바 웹에서 이미지 수신하기
3.2. 전체 코드
3.3. 실행
3.4. 자주 발생하는 오류


4장. Spring AI로 완성하는 컨텍스트 중심 AI 시스템

1절. 개요

2절. WebClient를 이용한 OpenAI API 연동
2.1. WebClient 기반 API 호출 구조
2.2. WebClient 사용하기
2.3. Chat Completions 엔드포인트
2.4. WebClient 기반 서비스 구성

3절. Spring AI 기반 OpenAI API 연동
3.1. Spring AI란?
3.2. Spring AI를 사용할 때 장/단점
3.3. 설정 파일
3.4. ChatClient
3.5. Spring AI 기반 서비스 구성
3.6. 테스트

4절. 프롬프트 기반 AI 서비스 구현
4.1. 프롬프트 설정하기
4.2. 스트리밍
4.3. 전체 코드

5절. 문맥을 이해하는 챗봇
5.1. 메모리 설정하기
5.2. 채팅 UI
5.3. 스트리밍으로 채팅 서비스 구현하기
5.4. 메모리의 히스토리 불러오기
5.5. On-premise LLM

6절. Tool Calling과 RAG
6.1. Tool Calling
6.2. RAG
6.3. Tool Calling과 RAG의 용도 비교

7절. 텍스트로 이미지 생성하기
7.1. 이미지 생성 모델의 특징과 제약
7.2. 스프링 부트 프로젝트 생성 시 설정 파일
7.3. 서비스와 컨트롤러
7.4. UI를 위한 HTML
7.5. 실행 결과

8절. MCP와 AI 시스템 확장
8.1. MCP 개요
8.2. JSON-RPC 2.0과 메시지 구조
8.3. MCP 서버
8.4. 파일 시스템 MCP 서버 요구사항과 기본 설정
8.5. 파일 시스템 서비스
8.6. 파일 시스템 McpTool
8.7. 파일 시스템 MCP 서버 실행 및 테스트

9절. 외부 지식 시스템과 MCP 클라이언트
9.1. Notion MCP
9.2. Docker를 이용한 Notion Local MCP 서버 실행
9.3. 노션 데이터를 사용하는 챗봇
9.4. 비즈니스 코드와 실행
9.5. 실행