Category
AI 에이전트
AI 에이전트는 목표를 받아 스스로 계획을 세우고 도구를 호출해 작업을 끝까지 수행하는 시스템이다. 단발 응답형 챗봇과 달리 다단계 추론·실행·재시도 루프를 돈다. 코드 작성, 리서치, 운영 자동화에 실제 투입되며 권한과 검증 설계가 성패를 가른다.
Flue 2 출시: React 스타일의 에이전트 훅스 도입
Fred Schott가 만든 Flue의 첫 안정 버전인 Flue 2가 출시되었다. Flue는 JavaScript 함수로 표현된 에이전트를 사용하며, React 스타일의 '에이전트 훅스'를 통해 에이전트의 동적 구성을 가능하게 한다. Flue 2에는 useSkill(), useTool(), useSubagent() 등 16개의 내장 훅이 포함되어 있으며, 이를 통해 에이전트는 실시간으로 사용자 요구에 적응할 수 있다. Flue는 Pi라는 오픈 소스 최소 하네스를 기반으로 구축되었으며, Vite를 사용하여 호스팅된 에이전트를 제공한다.
AI 챗봇 도입 후에도 콜센터 문의 비율 감소하지 않는 이유
많은 회사가 AI 챗봇 서비스를 도입했지만, 실제로 콜센터의 인바운드 문의는 큰 감소가 없었다. AI 챗봇은 사용자의 요청을 완결적으로 처리하지 못하는 한계가 있으며, 사용자는 복잡한 문제에 대해 사람의 개입을 원한다. AI 챗봇이 권한의 한계에 도달했을 때, 대화 맥락을 상담사에게 자연스럽게 연결하는 것이 중요하다.
스페이스X의 그록 4.6과 그록 봇 출시
그록 봇은 8월 11일에 출시되었고, 그록 4.6은 8월 12일에 등장했다. 그록 4.6은 장시간 에이전트 작업과 화면/인터랙션 생성 기능을 갖추고 있으며, 성능은 GPT-5.6 솔과 비슷한 수준으로 평가받고 있다. 가격은 입력 100만 토큰당 2달러, 출력 6달러로, 기존 모델보다 저렴하다. 그록 봇은 클라우드에서 작동하며, 사용자가 직접 로그인해 화면을 조작할 수 있는 기능을 제공한다.
GitHub에서 소프트웨어 배포 워크플로우를 위한 에이전트 앱 활용
GitHub의 에이전트 앱을 사용하면 Amplitude, Endor Labs, LaunchDarkly, PagerDuty와 같은 도구를 GitHub 내에서 직접 활용할 수 있다. 이를 통해 개발자는 코드 작성 전후로 필요한 정보를 쉽게 확인하고, 의사결정을 지원받을 수 있다. 예를 들어, Amplitude 에이전트를 통해 팀 초대 단계가 성공과 관련이 있는지 확인하고, Endor Labs 에이전트를 통해 의존성의 취약점을 사전에 점검할 수 있다. LaunchDarkly 에이전트를 사용하여 기능 플래그를 설정하고, PagerDuty 에이전트를 통해 배포 위험을 평가할 수 있다.
Amazon Quick, Microsoft 365에서 데이터 접근과 문서 편집 지원
Amazon Quick는 Microsoft 365의 Word, Excel, PowerPoint, Outlook에서 사용할 수 있는 AI 어시스턴트로, AWS 데이터 소스와 Amazon Quick Sight 대시보드에 직접 접근할 수 있다. 이 확장 기능은 별도의 애플리케이션을 설치할 필요 없이 기존의 작업 방식에 통합되어, Plus, Professional, Enterprise 플랜 사용자에게 추가 라이센스 없이 제공된다. 사용자는 문서 내에서 텍스트 찾기 및 교체, 섹션 삽입, 콘텐츠 재포맷 등의 작업을 수행할 수 있으며, 모든 변경 사항은 감사 추적 링크로 기록된다.
Amazon SageMaker AI와 Amazon Bedrock AgentCore로 에이전트 워크플로우 구축하기
Amazon SageMaker AI와 Amazon Bedrock AgentCore를 사용하여 관리형 기초 모델과 도메인 특화 모델을 결합하는 방법을 설명한다. Qwen 3.5 9B 모델을 Amazon SageMaker AI에 배포하고, Strands Agents 다중 에이전트 시스템과 통합하여 Amazon Bedrock AgentCore 런타임으로 전체 워크플로우를 전송하는 과정을 다룬다. 이 아키텍처는 Claude Haiku 4.5, Claude Sonnet 4.6, Qwen 3.5 9B 모델을 통해 사용자 요청을 처리하는 구조로 되어 있다.
Amazon Nova Forge를 활용한 다중 턴 강화 학습의 맞춤 보상 함수 설계
다중 턴 강화 학습에서 맞춤 보상 함수는 모델의 학습 내용을 결정한다. Amazon Nova Forge는 사용자가 정의한 보상 로직을 실행할 수 있는 환경을 제공하며, 서버리스 다중 턴 RL 옵션도 지원한다. 이 글에서는 Group Relative Policy Optimization (GRPO)에서 학습할 수 있는 복합 다중 턴 보상 설계 방법과 모델 생성 코드의 안전한 실행 방법을 다룬다. 또한, 보상 설계의 함정에 대해 설명하고, 이를 피하는 방법을 제시한다.
Cloudflare Wallets: AI 에이전트를 위한 프로그래머블 지갑
Cloudflare는 AI 에이전트가 새로운 API를 쉽게 시도할 수 있도록 Cloudflare Wallets를 출시했다. 이 지갑은 고유한 사용자 이름을 제공하고, API 및 콘텐츠에 대한 결제를 지원하며, 각 계정은 에이전트를 위한 가상 지갑을 생성할 수 있다. 가상 지갑은 에이전트가 API를 구매하고 안전하게 지출할 수 있도록 설정된 한도 내에서 작동한다. 또한, x402 프로토콜을 통해 마이크로 결제를 지원하여 에이전트가 계정 없이도 API를 테스트할 수 있게 한다.
NVIDIA NeMo Switchyard를 통한 AI 에이전트 모델 간 작업 분배
AI 에이전트를 구축할 때 단일 모델 선택으로 끝나지 않으며, 각 모델은 고유의 강점, 약점 및 비용 프로필을 가지고 있다. 작업에 따라 필요한 기능이 달라질 수 있으며, 예를 들어 에이전트 작업은 한 단계에서 분류가 필요하고 다음 단계에서는 추론이 필요할 수 있다. 따라서 모든 요청을 가장 큰 모델에 보내는 것은 비효율적일 수 있다.
Cursor의 Cloud Agents, Builds로 3배 빠른 시작 지원
Cursor는 Cloud Agents에 새로운 기능인 **builds**를 도입하여, 에이전트가 준비된 환경에서 시작하도록 지원한다. 이로 인해 에이전트는 매 세션마다 환경을 처음부터 설정할 필요 없이, 준비된 환경에서 10배 빠르게 부팅되고, 첫 번째 토큰을 얻는 시간도 3배 빨라진다. 에이전트는 이전의 성공적인 빌드를 계속 사용할 수 있으며, 문제가 발생할 경우 알림을 받는다. Cloud Agents 대시보드의 **Builds** 탭에서 빌드 상태와 로그를 확인할 수 있다.
개발자의 역할 변화: 코드 작성자에서 오케스트레이터로
개발자는 이제 코드 작성뿐만 아니라 시스템 설계에도 관여하게 된다. GitHub Copilot은 소프트웨어 구축을 위한 제어 평면 역할을 하며, 개발자는 트리거 정의, 에이전트 권한 설정, 작업 인수 설계를 담당한다. 에이전트는 규칙 기반의 예측 가능한 경계 내에서 유연하게 작업을 수행하며, CI 체크는 반복 가능한 신호를 생성한다. GitHub Actions를 통해 에이전트를 활용한 자동화를 구성하고, 기존 개발 인프라에 GitHub Copilot을 통합하여 새로운 워크플로우를 구축할 수 있다.
Amazon Bedrock AgentCore를 활용한 M&A 실사 가속화
M&A 팀은 여러 인수 대상에 대한 철저한 실사를 수행하는 데 어려움을 겪고 있으며, Amazon Bedrock AgentCore는 AI 에이전트를 통해 데이터 수집, 분석 및 준수 검사를 자율적으로 처리하여 이 과정을 가속화할 수 있는 플랫폼이다. 이 시스템은 에이전트 오케스트레이션, 지식 검색 및 거버넌스 제어를 결합한 참조 아키텍처를 제공하며, 반복적인 검색 및 요약 작업을 자동으로 수행하여 분석가의 시간을 단축시킨다. 또한, 각 에이전트의 주장은 출처에 기반하여 검증되며, 감사 추적이 가능하다.
AgentCore Observability로 온프레미스 및 멀티 클라우드 AI 에이전트 모니터링
AI 에이전트를 Amazon Elastic Kubernetes Service, Amazon Elastic Container Service, AWS Lambda, 온프레미스 또는 Google Cloud Platform, Microsoft Azure와 같은 다른 클라우드 제공업체에서 배포할 때 성능 관찰이 필요하다. Amazon Bedrock AgentCore는 에이전트를 구축, 연결 및 최적화하는 플랫폼으로, AgentCore Observability 기능을 통해 기본적인 추적, 모니터링 및 분석을 제공한다. 비 AWS 환경에서 에이전트를 실행하는 경우 대시보드로 텔레메트리를 전송하기 위해 추가 구성이 필요하다.
Cloudflare, 에이전트 개발 생애 주기(ADLC) 도입
Cloudflare는 에이전트를 고객으로 간주하고, 이들이 전체 소프트웨어 개발 생애 주기(SDLC)를 관리할 수 있도록 하는 새로운 도구를 도입했다. @cloudflare/ci는 수백만 개의 리포지토리에서 CI/CD를 실행하고, 에이전트가 복잡한 작업을 수행할 수 있도록 지원한다. 또한 OpenTelemetry를 통해 로컬 개발에서 에이전트의 관찰 가능성을 제공하며, AI를 활용하여 엔지니어링 표준을 강화하고 있다. Cloudflare는 SDLC를 대체할 에이전트 개발 생애 주기(ADLC)의 필요성을 강조하고 있다.
NVIDIA Nemotron 3.5 Lightning 및 NeMo Switchyard 출시
NVIDIA는 Nemotron 3 모델 패밀리를 확장하여 30억 개의 매개변수를 가진 Nemotron 3.5 Lightning을 출시했다. 이 모델은 고효율의 에이전틱 AI 작업을 위해 설계되었으며, 최대 4배 빠른 출력 속도를 제공하고, 30% 더 빠른 작업 완료 시간을 기록한다. 또한, NeMo Switchyard는 AI 에이전트 도구 내에서 요청을 가장 적합한 모델로 자동으로 라우팅하는 오픈 소스 라이브러리이다.
Grok Bot 사용 후기 및 Grok 4.6 모델 성능
Grok Bot은 사용자에게 개인화된 에이전트를 제공하며, 각 에이전트는 시스템 프롬프트를 통해 역할을 부여받고 서로 메시지를 주고받을 수 있다. Grok Bot은 Gmail, Calendar, Slack 등 다양한 계정을 연결할 수 있으며, 사용자는 화면을 통해 봇을 가르칠 수 있다. 현재 Grok Bot은 $200 플랜을 통해 접근 가능하며, Grok 4.6 모델이 탑재되어 있다. Grok 4.6은 Sol과 Fable의 성능에 근접하며, 가격이 저렴하다. Grok 4.7은 3-4주 내에 출시될 예정이다.
apra-fleet: AI 에이전트를 머신에서 운영하기
apra-fleet는 여러 머신에서 AI 에이전트를 운영할 수 있는 기능을 제공한다.
Garry Tan이 말하는 AI와 스타트업의 변화
Garry Tan은 AI가 스타트업 운영 방식을 어떻게 변화시키고 있는지에 대해 논의하며, 창업자들이 더욱 야심을 가져야 한다고 강조한다. 그는 AI가 기업 구축의 경제학을 변화시키고, 전통적인 SaaS가 경쟁력을 잃을 수 있음을 언급한다. 또한, 소규모 팀이 수백 개의 에이전트를 활용하여 과거에는 전체 조직이 필요했던 규모의 비즈니스를 구축할 수 있는 가능성을 설명한다.
Meta의 코딩 에이전트 출시, Prime Intellect의 오픈소스 에이전트 하네스, OpenAI의 Astra 모델 수학 결과 발표
Meta는 코딩 에이전트를 출시했으며, Prime Intellect는 오픈소스 에이전트 하네스를 공개했다. OpenAI는 Astra라는 이름의 공개되지 않은 모델이 생성한 253페이지 분량의 수학적 결과를 발표했다.
NVIDIA의 Chris Alexiuk, Nemotron 모델과 에이전틱 AI에 대해 논의
Chris Alexiuk는 NVIDIA의 AI 스택을 개발자들이 이해하고 구축하는 데 도움을 주고 있으며, Nemotron 모델 패밀리와 에이전틱 시스템의 발전에 대해 이야기했다. Nemotron 3은 Nano(약 30B), Super(약 100B), Ultra(약 500B)로 세 가지 티어로 출시되며, 각 티어는 하드웨어에 맞춰 설계되었다. NVIDIA는 오픈 웨이트, 데이터, 레시피를 제공하며, 이는 AI 생태계에 기여하기 위한 노력의 일환이다.
NVIDIA Nemotron 3.5 Lightning, 장기 실행 AI 에이전트를 위한 고속 정확한 전문 작업 수행
NVIDIA Nemotron 3.5 Lightning은 30B 혼합 전문가(MoE) 모델로, 3B 활성 매개변수를 갖추고 있으며, 항상 켜져 있는 에이전트의 실행 레이어를 위해 설계되었다. 이 모델은 도구 호출, 결과 검증 및 하위 에이전트 위임과 같은 고부하 실행 작업을 처리하는 데 최적화되어 있다.
SpaceXAI의 Grok Bot, 독립적인 AI 팀원으로 업무 수행
SpaceXAI는 Grok Bot을 소개했다. Grok Bot은 항상 활성화된 AI 에이전트 서비스로, 독립적인 'AI 팀원'처럼 작동하여 사용자의 업무를 대신 수행할 수 있다. 이 봇은 클라우드 기반 컴퓨터 환경을 공유하며, 사용자가 이미 사용하는 앱, 도구, 웹사이트에 로그인하여 다단계 업무를 완료하고, 지정된 작업이 완료되거나 승인 필요 시에만 돌아온다.
AI 에이전트의 데이터 접근성 문제와 기업의 대응
조직들이 AI 에이전트를 도입하고 있지만, 적절한 데이터 인프라 부족이 ROI 실현의 주요 장애물로 작용하고 있다. 조사에 따르면, 응답 기업의 평균 45%만이 AI에 기업 데이터를 제공하며, '데이터 후진국'으로 분류된 기업은 30% 이하의 데이터 접근성을 보인다. 데이터 리더들은 70% 이상의 데이터 접근성을 확보하고 있으며, 이들 기업은 AI 에이전트의 결정에 대한 신뢰도가 100%에 달한다. 또한, 66%의 데이터 후진국 기업이 레거시 데이터 시스템으로 인해 AI 에이전트의 확장에 제한을 받고 있다.
OneAdvanced, UK 주권 AWS에 50개 이상의 AI 에이전트 배포
OneAdvanced는 10,000명 이상의 고객을 대상으로 하는 영국 기반 기업 소프트웨어 제공업체로, Llama 4 Maverick 및 Llama Guard 4 모델을 사용하여 UK 주권 AWS 아키텍처에서 AI 솔루션을 구축했다. 이들은 AWS 관리 서비스에서 해당 모델을 사용할 수 없었기 때문에, AWS 인프라에서 오픈 웨이트 대형 언어 모델을 자체 호스팅하여 데이터 주권을 유지하며 AI 기능을 제공했다. 솔루션은 Amazon SageMaker AI, Amazon Aurora PostgreSQL-Compatible Edition, Strands Agents SDK, Amazon ECS를 포함한 여러 구성 요소로 이루어져 있다.