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.
Cloudflare, Flue를 시작으로 에이전트 하네스 및 프레임워크 확대
2026년부터 에이전트 하네스가 실제 운영에 들어간다. Cloudflare는 Project Think에서 얻은 경험을 바탕으로 Cloudflare Agents SDK를 통해 내구성 있는 실행, 동적 코드 실행, 내구성 있는 파일 시스템 및 동적 워크플로우를 제공한다. Flue는 Pi 하네스를 기반으로 한 새로운 오픈소스 프레임워크로, 에이전트의 작업을 스크립트하는 대신 필요한 맥락을 정의하여 자율적으로 작업을 수행하도록 설계되었다. Flue는 Slack, GitHub, Linear, Discord와 통합 가능하며, Durable Streams를 통해 에이전트의 상태를 안정적으로 유지한다.
Cloudflare의 AI 에이전트를 위한 임시 계정 도입
Cloudflare는 AI 에이전트가 즉시 웹사이트, API 및 에이전트를 배포할 수 있도록 임시 계정을 도입했다. 에이전트는 이제 'wrangler deploy --temporary' 명령어를 사용하여 60분 동안 유효한 임시 계정을 생성하고, 이를 통해 코드 배포와 검증을 수행할 수 있다. 이 과정에서 브라우저 기반 인증이나 계정 생성 없이도 배포가 가능해진다.
Anthropic, Slack 내에서 작동하는 Claude Tag 발표
Anthropic PBC는 Slack 내에서 작동하는 새로운 챗봇 버전인 Claude Tag를 공개했다. Claude Tag는 가상 직원처럼 작동하며, 여러 직원이 관련 프로젝트의 작업을 완료하는 데 도움을 주도록 설계되었다. 이는 Anthropic이 제공하는 기존의 에이전틱 인공지능 도구를 기반으로 한다.
Nvidia, 생명과학 분야에서 에이전틱 AI 활용 강조
Nvidia의 헬스케어 및 생명과학 부문 부사장인 Kimberly Powell이 샌디에이고에서 열린 Bio International Convention에서 에이전틱 AI의 중요성을 강조했다. 이 행사는 생명공학 산업의 전체 생태계를 아우르는 최대 규모의 행사이다.
Build 2026에서 발표된 Foundry의 학습 시스템 구성 요소
Build 2026에서 Microsoft는 hosted agents, Toolboxes, Foundry IQ, Memory, Managed Compute, fine-tuning, Frontier Tuning, 새로운 평가 및 최적화 스택을 발표했다. 이 시스템은 시간이 지남에 따라 작업에서 측정 가능한 개선을 이루는 에이전트를 구축하는 데 필요한 구성 요소를 제공한다. Microsoft는 OpenEnv 커뮤니티에 참여하여 에이전트가 연습할 수 있는 환경과 이를 평가할 수 있는 방법을 제공하며, 비모수적 학습과 매개변수적 학습을 통해 시스템이 개선될 수 있도록 한다. Foundry는 에이전트의 평가 및 최적화를 위한 도구를 제공하여, 사용자가 작업 흐름과 결과 기준을 코드화하여 학습 루프를 소유할 수 있도록 한다.
Build 2026: Microsoft Foundry의 AI 에이전트 관찰 가능성 및 ROI 향상
2026년 6월 3일, Microsoft Foundry는 AI 에이전트의 관찰 가능성을 확장하여 모든 프레임워크에서 ROI를 향상시키는 기능을 발표했다. 주요 기능으로는 모든 에이전트를 관찰할 수 있는 상호 운용성, 품질 및 안전 평가, 실시간 문제 감지, 최적화 기능이 포함된다. Foundry의 생산 등급 추적 및 평가 기능은 LangChain, OpenAI SDK 등 다양한 프레임워크에 적용 가능하며, Azure Developer CLI에 통합되어 개발자가 손쉽게 사용할 수 있다. 또한, 사용자 시뮬레이션 기능을 통해 실제 사용자와의 대화를 모사하여 에이전트를 테스트할 수 있다.
AI 시대에 변화하는 SaaS 사용 방식과 에이전트 친화적 소프트웨어의 필요성
지난 10년간 SaaS(Software as a Service)는 기업용 소프트웨어의 중심이었다. 그러나 AI 에이전트의 등장으로 기업과 고객의 SaaS 사용이 줄어들고 있으며, 사용자는 소프트웨어 사용보다는 업무 완료를 원하고 있다. 기존 SaaS는 사람 중심으로 설계되어 AI가 안정적으로 이해하고 실행하기 어려운 상황이다. 따라서 SaaS는 AI와 사람 모두가 사용할 수 있도록 UI/UX를 감독 도구로 변화시키고, AI에게 별도의 인증과 권한을 부여해야 한다.
K8s 운영에 AI 에이전트 활용 가능성 검토
Claude Code, Gemini CLI, Codex CLI와 같은 AI 코딩 에이전트가 올해 들어 코드 작성뿐만 아니라 실제 명령 실행까지 맡기는 사례가 증가하고 있다. 한국의 일부 팀은 LLM 에이전트를 통해 장애를 분류하고 진단 초안을 자동 생성하고 있다. 실험 결과, 세 도구 모두 K8s 장애 상황에서 활용 가능하나, 작업에 따라 적합한 모델이 다르며, 효율 기준으로 Sonnet 4.6이 가장 높은 점수를 기록했다.
Bluerails Discovery: AI 에이전트의 결제 시스템
Bluerails Discovery는 AI 에이전트가 사용하여 사용자에게 결제하는 방식을 설명한다.
구글, Gemini 3.5 Flash와 Antigravity 2.0 발표 및 운영체제 구축 주장
구글은 개발자 회의에서 Gemini 3.5 Flash 모델과 Antigravity 2.0 앱을 발표했다. 구글은 이 새로운 에이전트 세트가 단일 프롬프트로 전체 운영체제를 구축했다고 주장했으며, 비용은 약 900달러로 보고되었다. 그러나 구글은 프롬프트가 '수천 줄'에 달한다고 밝혔고, 에이전트의 작업 방식이나 인간 개입의 기준에 대한 세부사항은 명확하지 않았다. 운영체제 구축에 필요한 코드나 로그는 공개되지 않아 독립적인 평가가 불가능하다.
Microsoft Autopilot의 첫 번째 에이전트 Scout 발표
Microsoft는 Autopilot이라는 새로운 에이전트를 소개하며, 첫 번째 에이전트인 Scout를 발표했다. Scout는 사용자의 작업을 이해하고 자동으로 작업을 수행하는 '항상 켜져 있는 에이전트'로, Teams, Outlook, OneDrive, SharePoint와 연결되어 작동한다. Scout는 회의 일정을 자동으로 조정하고, 중요한 회의를 강조하며, 마감일을 인식해 사용자의 캘린더를 관리할 수 있다. 현재 Scout는 제한된 고객 그룹에게만 접근 가능하다.
Cursor 데스크탑 앱의 클라우드 에이전트 업데이트
이번 업데이트에서는 Cursor 데스크탑 앱의 에이전트 창에서 클라우드 에이전트의 설정을 지원한다. 클라우드 환경 설정은 10분 이내에 완료되며, 에이전트의 진행 상황을 공유된 터미널 세션에서 확인할 수 있다. 환경은 재사용 가능한 스냅샷으로 저장되어, 이후 클라우드 에이전트가 더 빠르게 시작되고 소프트웨어 변경 사항을 테스트할 수 있다. `/in-cloud` 명령어를 사용하여 클라우드 서브에이전트를 생성할 수 있으며, 이는 독립적인 VM에서 작업을 수행하여 로컬 작업 공간을 깨끗하게 유지한다. 또한, 클라우드 서브에이전트는 PR을 준비하는 작업을 백그라운드에서 수행할 수 있다.
NVIDIA RTX 기술, Unreal Engine 5에 통합 및 AI 캐릭터 개발 도구 발표
NVIDIA RTX 기술이 Unreal Engine 5에 깊이 통합되어 있으며, NVIDIA RTX Branch와 NVIDIA DLSS Unreal Engine 플러그인을 통해 고급 렌더링, 프레임 생성 및 레이 트레이스 조명에 직접 접근할 수 있다. NVIDIA는 Unreal Fest에서 발표된 새로운 도구를 통해 온디바이스 AI 캐릭터 및 게임플레이 개발을 확장하고 있다.
NVIDIA XR AI를 통한 AR 안경 및 XR 기기용 AI 에이전트 구축
AR 안경 및 웨어러블 기기를 위한 개발자들은 인프라 격차에 직면해 있다. 하드웨어는 준비되어 있지만, AI 경험을 창출하기 위해서는 라이브 카메라 및 마이크 스트림, 다중 모달 AI 모델, 기업 데이터, 도구 사용, 배포 인프라, 기기별 런타임 통합이 필요하다. NVIDIA XR AI는 이러한 문제를 해결하기 위해 재사용 가능한 기반을 제공하도록 설계되었다.
Sequoia Ascent 2026에서의 AI 에이전트 변화
Andrej Karpathy는 Sequoia Ascent 2026에서 AI 에이전트의 변화와 소프트웨어의 미래에 대해 이야기했다. 그는 LLM이 더 이상 단순한 챗봇이 아니며, 디지털 작업을 위한 새로운 프로그래밍 레이어로 발전하고 있다고 설명했다. 2025년 12월을 기점으로 프로그래밍의 기본 작업 흐름이 변화했으며, 프로그래머는 코드 작성을 넘어 에이전트를 조율하는 역할로 진화하고 있다고 강조했다. 또한, Software 3.0에서는 컨텍스트 윈도우가 주요 프로그래밍 수단이 되며, 예를 들어 복잡한 도구 설치 과정이 에이전트에 의해 자동으로 처리될 수 있다고 언급했다.
AI 코딩 에이전트가 로봇에게 GPU 설치 및 지퍼 타이 자르는 방법 교육
AI 코딩 에이전트가 로봇 팔과 컴퓨팅 자원, '관대한 토큰 예산'을 활용하여 로봇에게 지퍼 타이를 자르고 GPU를 마더보드의 얇은 소켓에 삽입하는 방법을 가르치는 훈련 프로그램을 개발했다. 이 과정은 AI 모델을 다양한 도구와 함께 사용할 수 있도록 하는 소프트웨어인 ENPIRE를 통해 가능해졌다. ENPIRE는 NVIDIA GEAR 연구소의 로봇 연구자들과 카네기 멜론 대학교, 캘리포니아 대학교 버클리의 협력으로 개발되었다.
evals-skills: AI 제품 평가를 위한 기술 세트 발표
Hamel Husain은 AI 제품 평가를 위한 기술 세트인 evals-skills를 발표했다. 이 기술은 50개 이상의 기업과 4,000명 이상의 학생을 도우며 발견한 일반적인 실수를 방지하는 데 도움을 준다. evals-skills는 애플리케이션을 계측하고, 실험을 수행하며, 데이터를 분석하고, 인터페이스를 구축하는 기능을 갖추고 있다. 특히, OpenAI의 Codex 에이전트를 활용한 사례를 통해 에이전트의 인프라 개선이 모델 개선보다 중요하다는 점을 강조하고 있다. 이 기술은 기존의 MCP 서버와 함께 사용되어 에이전트가 실험과 추적 정보를 활용하는 방법을 가르친다.
MagenticLite, MagenticBrain, Fara1.5: 소형 모델 최적화된 에이전틱 경험
MagenticLite는 브라우저와 로컬 파일 시스템에서 단일 워크플로우로 작동하는 에이전틱 애플리케이션이다. Magentic-UI의 차세대 버전으로, 소형 모델에 최적화된 하네스를 결합하여 설계되었다. MagenticBrain은 계획, 코드 작성 및 위임 기능을 제공하며, Fara1.5는 웹 탐색에서 성능을 두 배로 향상시킨 9억 개의 매개변수를 가진 컴퓨터 사용 모델이다. 이 세 가지 구성 요소는 함께 작동하도록 설계되어 효율적인 에이전트 성능을 제공한다.
AgenticRei: LLM 기반 자율 에이전트 AI 시스템의 거버넌스 문제 해결
자율 에이전트 AI 시스템은 보안, 프라이버시, 준수 문제를 야기하며, 이는 단순한 인증 및 접근 제어를 넘어 기업 거버넌스의 전체 구조에 의해 제약받아야 한다. 기존 정책 엔진인 XACML, Rego, Cedar는 허용/금지 부분만 다루며, 의무 생애 주기 관리, 정책 충돌 해결, 특정 상황에서 의무를 면제하는 규정 등을 제공하지 않는다. 이에 따라 AgenticRei를 제안하며, 이는 OWL로 표현된 의무, 면제, 정책 충돌 해결 및 정책에 대한 추론을 포함한 거버넌스 요구 사항을 실현한다. 이 시스템은 LLM 외부의 고성능 논리 엔진에 의해 런타임에서 평가된다.
GitHub의 내부 데이터 분석 에이전트 Qubot 구축 과정
GitHub은 Qubot이라는 내부 데이터 분석 에이전트를 개발했다. Qubot은 GitHub의 데이터 웨어하우스에서 사용자가 자연어로 질문을 던지면 빠르게 답변을 제공하는 기능을 갖추고 있다. Qubot은 Slack, VS Code, Copilot CLI를 통해 접근 가능하며, 사용자는 질문을 통해 데이터 모델에 대한 인사이트를 얻을 수 있다. Qubot의 아키텍처는 사용자 인터페이스, 컨텍스트 레이어, 쿼리 엔진으로 구성되어 있으며, 데이터 웨어하우스는 원시 이벤트, 정제된 사실 및 비즈니스 사용 사례에 맞춘 데이터셋을 포함하고 있다. Qubot의 컨텍스트 레이어는 지속적으로 새로운 지식으로 강화되며, 평가 프레임워크를 통해 변경 사항이 검증된다.
AI 에이전트의 정체성 관리 부족
조직들이 AI 에이전트를 정체성으로 인식하지 않고 있다는 내용이 담긴 기사입니다. AI 에이전트는 각기 다른 정체성을 가지고 있으며, 이를 적절히 관리하지 않으면 보안 및 운영상의 문제가 발생할 수 있습니다.
AI Agent를 활용한 광고SDK 에러 모니터링 시스템 구축 경험
네이버의 NAVER ENGINEERING DAY 2026에서 발표된 내용으로, 서드파티 SDK 환경에서의 에러 모니터링 도구의 한계를 극복하기 위해 AI Agent를 활용한 전용 Javascript 에러 모니터링 시스템을 구축한 경험을 공유한다. 발표는 Sentry와 광고 SDK, 직접 만들기로 한 이유, glog 구축기, 결과와 교훈으로 구성된다. 발표 대상은 외부 SaaS 도구의 한계를 경험한 개발자, 프론트엔드/SDK 에러 모니터링에 관심 있는 개발자, AI Agent 활용에 관심 있는 개발자, 사내 인프라를 활용한 도구 구축을 고민 중인 팀이다.
NAVER ENGINEERING DAY 2026에서 발표된 GNOSIS AI 에이전트 프레임워크
NAVER ENGINEERING DAY 2026에서 GNOSIS라는 AI 에이전트 프레임워크의 설계 원칙과 구현 사례가 발표되었다. 이 프레임워크는 매 세션 초기화되는 AI의 한계를 넘어 경험을 축적하고 스스로 성장하는 기능을 갖추고 있다. 발표는 AI Agent 프레임워크 활용에 관심 있는 개발자를 대상으로 하며, 목차에는 3-Loop 구조, 알고리즘, 수학적 안전 보장 등이 포함되어 있다.
AI 에이전트를 위한 Playwright 기반 E2E 테스트 구축 세션 공개
네이버의 NAVER ENGINEERING DAY 2026에서 발표된 세션에서는 AI 에이전트가 작성한 코드를 신뢰할 수 있는 방법으로 Playwright 기반 E2E 테스트를 구축하는 과정을 공유합니다. 발표는 E2E 테스트의 필요성과 작성 방법, 그리고 사람의 역할에 대한 내용을 포함하고 있습니다. 특히 대규모 코드베이스를 만들고 싶거나 E2E 테스트를 처음 시작하는 개발자들에게 유용한 정보가 제공됩니다.