LLM 연구 기준 환경설정

local 에서 돌리기 위해서 일반 파이썬 프로젝트에서는 uv 가 최고 LLM / ML 연구 환경 → conda 계열이 더 안전

uv는 PyTorch / GPU / MLX / bitsandbytes 같은복잡한 바이너리 의존성 처리 약함 + conda처럼 prebuilt binary ecosystem 없음

추천 구조 →

환경 관리 → micromamba 패키지 설치 → pip (필요시 uv 일부 사용)

시행착오 및 해결방법 : 터미널에서 nano ~/.zshrc를 입력해 기존 내용을 전부 지우고 아래 내용을 붙여넣음

# 1. 환경 변수 및 기본 경로 설정
export PATH="/opt/homebrew/bin:/usr/local/bin:/usr/bin:/bin:/usr/sbin:/sbin"

# 2. Apple Silicon Homebrew 설정
eval "$(/opt/homebrew/bin/brew shellenv)"

# 3. Antigravity 설정
export PATH="/Users/jihakim/.antigravity/antigravity/bin:$PATH"

# 4. Miniforge (Conda) 설정
# 기존의 복잡한 initialize 블록 대신 가장 확실한 한 줄 소싱을 사용함
if [ -f "/opt/homebrew/Caskroom/miniforge/base/etc/profile.d/conda.sh" ]; then
    source "/opt/homebrew/Caskroom/miniforge/base/etc/profile.d/conda.sh"
    # 터미널 시작 시 base 환경을 자동으로 켜고 싶지 않다면 아래 라인을 주석 처리함
    conda activate base
fi

# 5. 프롬프트 및 가독성 설정 (선택 사항)
export PS1="%n@%m %1~ %# "

그 다음
저장 및 종료: Ctrl + O -> Enter -> Ctrl + X 설정 즉시 반영: source ~/.zshrz

Antigravity 에서 MCP 추가하는 방법

오른쪽 … → manage MCP Servers → 수동으로 mcp_config.json 파일에 아래 내용을 추가함.

{
  "mcpServers": {
    "kaggle": {
      "type": "http",
      "url": "<https://www.kaggle.com/mcp>",
      "headers": {
        "Authorization": "Bearer YOUR_KAGGLE_API_TOKEN"
      }
    }
  }
}

데이터 수집/정제 → 사전학습 → SFT → RLHF/RLVR → Inference-Time Scaling → 배포