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.
BaseCamp - DNA 시퀀싱 데이터 파이프라인 자동화를 위한 에이전틱 AI 프레임워크
BaseCamp는 DNA 시퀀싱 파이프라인의 의사 결정 레이어를 자동화하기 위한 에이전틱 AI 프레임워크로, 샘플 수집 및 품질 관리, 정렬, 변이 호출, 주석, 단계 간 모니터링 및 보고를 포함한 여섯 개의 전문 AI 에이전트로 구성된다. 이 프레임워크는 기존의 생물정보학 도구를 활용하여 시퀀스 분석을 수행하지 않고, 도구들 간의 선택, 구성, 출력 해석 및 후속 결정을 담당한다. 평가 결과, 에이전트가 생성한 구성은 전문가의 관행과 일치하며, 필터링 기록을 통해 필터링 과정에서 제거된 내용을 확인할 수 있다.
AWS에서 다중 계정 AI 에이전트 구축하기
기업들은 여러 AWS 계정에 분산된 데이터를 복사하거나 중앙 집중화하지 않고도 AI 에이전트가 데이터에 대한 추론을 할 수 있기를 원한다. Amazon Bedrock AgentCore Gateway와 Model Context Protocol(MCP)을 사용하여 각 팀의 데이터를 각자의 계정에 유지하면서 에이전트가 이를 통합적으로 쿼리할 수 있는 다중 계정 아키텍처를 구축할 수 있다. 플랫폼 계정은 에이전트 계층과 대형 언어 모델(LLM) 추론을 호스팅하며, 각 LOB 팀은 MCP 서버로 데이터를 노출하고, AgentCore Gateway는 등록된 LOB 간의 도구 발견 및 호출을 위한 단일 엔드포인트를 제공한다.
Foundry Agent Service에서 네트워크 이그레스 제어 설정 방법
Microsoft Foundry Blog에서는 Foundry Agent Service에서 네트워크 이그레스 제어를 설정하는 방법을 설명한다. 이 과정에서는 에이전트 코드 외부에 목적지 규칙을 두고, 테스트 환경에서 호출을 관찰하며, 승인되지 않은 목적지가 접근 불가능한지 확인한다. 예시로는 금융 API와 공급업체 API를 승인하고, 테스트 업로드 목적지는 승인하지 않는 방식으로 정책을 설정한다. Azure CLI를 사용하여 정책을 생성하고, 설정된 정책을 확인하는 방법도 안내한다.
Microsoft Foundry의 Routines 기능 일반 제공 시작
Microsoft Foundry에서 Routines 기능이 일반 제공된다. 이 기능은 에이전트를 일정에 따라 실행하거나 외부 이벤트에 반응하도록 관리하는 방법을 제공한다. 사용자는 트리거, 에이전트 작업, 연결 및 실행 기록을 Foundry 프로젝트 내에서 정의할 수 있으며, Foundry가 나머지를 처리한다. Routines는 타이머, 반복, 이벤트 기반으로 에이전트를 시작할 수 있는 여러 방법을 지원하며, GitHub 이슈 및 Microsoft Teams 메시지와 같은 초기 통합이 포함된다.
AI 보안은 엔지니어링 문제 — 에이전트 스택의 모든 계층에서 해결하는 방법
AI 보안은 엔지니어링 문제로, 정의된 보안 요구사항과 시행 가능한 통제가 필요하다. AI 에이전트는 새로운 기능을 제공하지만, 이러한 기능은 기존 보안 원칙을 새로운 운영 조건에 적용해야 한다. 각 에이전트는 추적 가능한 신원과 자격 증명을 가져야 하며, 조직은 에이전트가 접근할 수 있는 정보와 변경할 수 있는 시스템에 대한 명확한 정책을 필요로 한다. NVIDIA OpenShell은 에이전트의 접근을 관리하는 보안 런타임으로, Cisco의 DefenseClaw와 JFrog의 통합이 이루어지고 있다.
Paper2Agent: 연구 논문을 AI 에이전트로 변환하는 오픈소스 프레임워크
Paper2Agent는 학술 보고서를 대화형 AI 에이전트로 변환하는 오픈소스 프레임워크이다. 사용자는 논문과 관련된 코드 및 데이터를 제공하면 시스템이 핵심 워크플로를 자동으로 추출하고, 이를 바탕으로 실행 가능한 도구를 생성한다. 연구팀은 AlphaGenome 모델을 활용하여 22개의 도구를 생성했으며, 이 도구들은 DNA 변화가 유전자 활동에 미치는 영향을 예측하고 분석할 수 있다. 또한, 여러 논문을 연결하여 협업하는 AI 에이전트를 통해 유전적 기초를 조사하는 데 성공했다.
Solid: 자체 컴퓨터, 계정 및 예산을 가진 에이전트
Solid는 자체 컴퓨터, 계정 및 예산을 가진 에이전트를 제공하는 플랫폼이다.
Rabbit의 새로운 AI 에이전트, R1 하드웨어 없이 사용 가능
Rabbit은 하드웨어 없이 사용할 수 있는 독립형 AI 에이전트를 출시했다. 이 AI는 클라우드에서 실행되지만 Windows, Mac, Linux 장치에서 로컬로 작동하는 OS3 'agentic operating system'이다. 사용자는 하나의 계정에 최대 다섯 개의 장치를 추가하고 선호하는 AI 모델을 설정할 수 있으며, OS3는 작업을 완료하는 데 필요한 장치, 파일, 앱, AI 모델을 자동으로 결정한다.
AI 에이전트와 NVIDIA Isaac ROS를 통한 ROS 2 노드 가속화
GPU 가속은 계산 집약적인 로봇 작업을 가속화할 수 있지만, 빠른 CUDA 커널만으로는 빠른 ROS 2 그래프를 보장하지 않는다. 노드 간 메시지가 이동할 때 CPU 메모리를 통해 직렬화되거나 복사될 수 있어, GPU에서 인식 및 AI 작업을 유지하는 이점을 저하시킬 수 있다.
Meta의 AI 어시스턴트 Muse, 심각한 0-day 취약점 발견
Meta의 CEO 마크 저커버그는 AI 어시스턴트 Muse가 '프라이버시와 보안을 위해 처음부터 설계되었다'고 주장했으나, 로컬에서 실행되는 앱과 터미널 명령이 Muse를 완전히 제어할 수 있는 0-day 취약점이 발견되어 의문을 제기하고 있다. Muse는 약속 예약, 양식 작성, 고객 서비스 처리, 구매, 이미지 생성, 문서 작성, 사용자 계정과의 연결 등의 기능을 제공하며, macOS에서만 사용할 수 있다. 사용자가 Muse에게 계정 접근을 허용해야 하며, 이는 보안 위협으로 간주되는 시스템 자원에 대한 광범위한 권한을 포함한다.
Meta, Muse macOS 앱의 제로데이 취약점 패치
Meta는 Muse macOS 앱에서 발견된 제로데이 취약점을 패치했다. 이 취약점은 사용자의 기기에 대한 로컬 접근이 필요했지만, 공격자가 Muse 계정을 제어할 수 있는 가능성을 제공했다. 보안 연구원 Patrick Wardle가 발견한 이 버그는 Muse의 문서화되지 않은 설정을 이용하여 공격자가 로컬 코드를 실행하고, Meta의 서버에서 자신의 엔드포인트로 전사 처리를 리디렉션할 수 있게 했다. Muse의 클라우드 기반 음성 인식과 모든 앱이 Muse의 문서화되지 않은 설정을 제어할 수 있도록 허용한 디자인 결정이 이 취약점을 가능하게 했다.
Meta Muse, 연 800달러 절약한 전화 대행 서비스
Meta의 퍼스널 에이전트 Muse가 미국 앱스토어에서 출시 일주일 만에 상위 3위에 올랐다. 크리에이터 Peter Yang은 Muse를 통해 케이블과 통신 요금으로 연 800달러 이상을 절약했다고 밝혔다. Muse는 사용자의 전화를 대신 걸어주는 기능을 제공한다.
MCP의 현재 가치와 필요성
MCP는 현재 외부 서비스 접근 제어, API 키 보호를 위한 인증 처리, 사용자 서비스 연결 및 인증을 위한 UI 제공, 강력한 감사 로그 기능을 통해 유용성을 제공한다. 완전한 터미널 에이전트를 운영하는 경우 MCP가 필요 없을 수 있지만, 다른 기능을 구축할 때는 여전히 중요하다.
AI 변호사의 충성도와 윤리적 의무
AI 변호사가 사용자에게 충성하는 것에 대한 우려가 제기되고 있다. AI가 법적, 윤리적 기준을 사용자보다 우선시해야 하는지에 대한 논의가 있으며, 변호사와 같은 전문직은 사용자의 이익을 보호해야 하지만, 때로는 사용자의 의도에 반하는 행동을 해야 할 의무도 있다. 특히 변호사는 법원 절차를 준수해야 하며, 사용자가 잘못된 증거를 제시할 경우에는 의무적으로 이를 지적해야 한다.
Meta의 Muse, 메시지 접근으로 불안감 유발
Meta의 Muse는 효과적인 AI 어시스턴트로, 새로운 Mac 앱을 통해 Messages, Calendar, Notes에 접근할 수 있다. 그러나 Muse는 사용자에게 자신을 설명할 수 없는 문제가 있다. Inc Magazine의 기고자인 Jason Aten은 Muse와의 대화에서 Muse가 자신의 메시지 내용에 대해 질문을 했지만, 그는 Muse에 메시지 접근 권한을 주지 않았다고 주장했다. Muse는 알림 미리보기를 통해 내용을 알았다고 답변했다.
Amazon Bedrock AgentCore의 새로운 런타임 출시
Amazon Bedrock AgentCore의 새로운 런타임이 발표되었다. 이 런타임은 메모리 관리 개선, 일관된 콜드 스타트 시간 제공, 서버리스 모델을 기반으로 하여 에이전트의 속도와 유연성, 비용 효율성을 높인다. 사용자는 소비한 만큼만 요금을 지불하며, 에이전트가 작업을 처리하지 않을 때는 비용이 발생하지 않는다.
AI 개인 에이전트 Instinct, 100억 달러 밸류에이션과 사용법
AI 개인 에이전트 Instinct는 아이메시지로 문자만 보내면 되는 간편한 사용법을 제공하며, 밸류에이션이 100억 달러라는 소문이 돌고 있다. 9월 15일에 공개된 영상에서는 이 제품의 성능보다 마찰이 승부처라는 결론이 도출되었고, 프라이버시가 남은 숙제로 언급되었다.
Boson AI의 Alex Smola와 함께하는 음성 AI에서 AI 아바타로의 발전
Boson AI의 CEO Alex Smola는 음성 AI가 자연스러운 대화를 구현하는 데 여전히 어려움이 있다고 언급하며, 음성 에이전트에서 오디오 비주얼 에이전트 및 AI 아바타로의 발전 경로를 탐구한다. 그는 실시간 음성 처리의 기술적 트레이드오프, 즉 오디오 토큰화, 지연 시간, 모델 크기 및 추론 비용에 대해 논의하며, 이러한 시스템이 시각적 요소를 포함할 때의 변화도 설명한다. 또한 AI의 감정 지능과 인간 상호작용에서 학습하는 방법에 대해서도 다룬다.
TensorRT Edge-LLM, Jetson AGX Thor에서 MLPerf Edge Agentic 벤치마크 6.4배 빠르게 완료
AI 에이전트는 클라우드 데이터 센터에서 차량, 로봇 및 기타 엣지 장치로 이동하고 있다. 에이전트는 단일 프롬프트에 응답하는 챗봇과 달리 일련의 단계를 통해 작업을 수행하며, 도구를 선택하고 그 결과를 평가하며 대화가 길어짐에 따라 계속해서 추론을 진행한다. 이러한 워크플로우는 엣지 추론에 새로운 요구 사항을 부과하며, 모델은 빠르게 토큰을 생성해야 한다.
Google, 가족을 위한 새로운 실험적 AI 에이전트 CC 발표
Google의 최신 실험인 CC는 최대 6명의 가족 구성원이 사용할 수 있는 맞춤형 AI 에이전트로, 각 가족 구성원이 별도의 Google 계정을 통해 상호작용할 수 있다. CC는 사용자의 Google 계정 데이터를 활용하여 매일의 작업 항목과 제안을 제공하는 기능을 갖추고 있으며, 연결된 사용자로부터 명시적으로 공유된 이메일만을 확인할 수 있다. 또한, Google Drive의 공유 폴더를 모니터링하여 초대장, 문서 등의 콘텐츠를 관리할 수 있다.
Amazon Bedrock AgentCore로 다중 모델 AI 에이전트 마이그레이션
조직들이 다중 모델 에이전틱 AI 애플리케이션을 구축하면서 인프라 복잡성이 증가하고 있다. Amazon Bedrock AgentCore는 에이전트를 규모에 맞게 구축하고 연결하며 최적화할 수 있는 플랫폼으로, 관리형 배포 기능을 제공하여 컨테이너 생애 주기, 스케일링, 아이덴티티 및 관찰 가능성을 처리한다. 이 솔루션은 기존 에이전트 로직을 유지하면서 다중 모델 헬스케어 AI 에이전트를 Amazon Bedrock AgentCore 런타임으로 마이그레이션하여 운영 오버헤드를 줄인다.
SpaceX AI의 Grok Bot과 Meta의 Muse가 ChatGPT 시장 점유율에 미치는 영향
SpaceX는 2026년 8월 14일 Cursor를 600억 달러에 인수하였고, Grok Bot이라는 자율 AI 에이전트 플랫폼을 개발하였다. Grok Bot은 Cursor의 유료 구독 계획에 포함되어 있으며, Meta의 Muse와 함께 ChatGPT의 사용량을 감소시킬 가능성이 있다. Muse는 2026년 9월 8일에 출시되었고, 초기 채택이 빠르게 이루어지고 있다. Grok Bot은 B2C와 B2B 모두에서 강력한 지원을 제공하며, AI가 유틸리티와 도우미 역할을 수행하는 방향으로 발전하고 있다.
42dot의 Gleo AI 기술 설명회에서 차량용 Agentic AI의 필요성과 조건 논의
42dot이 개최한 ‘Gleo AI 기술 설명회’에서는 차량 환경에서 Agentic AI를 구축할 때의 한계와 기술적 의사결정에 대해 논의했다. Gleo AI는 운전자의 목적을 이해하고 차량의 상황을 고려하여 행동을 수행하는 Vehicle-Native Agentic AI로, 차량 내 AI Companion으로 진화해야 한다고 강조했다. 차량의 Agentic AI는 동적인 상황을 이해하고 안전한 실행을 책임져야 하며, 이를 위해 4가지 필수 조건인 Dynamic Context, Context-Dependent Intent, Multiple Tools & Services, Safe & Verifiable Action을 갖춰야 한다.
AI 에이전트를 활용한 3D 씬 준비 및 검증 방법
Agentic AI 워크플로우는 물리적 AI 시스템을 위한 디지털 트윈을 준비하고 검증하는 데 사용될 수 있다. 에이전트는 3D 씬을 검사하고, OpenUSD에서 시뮬레이션 관련 데이터를 작성하며, 물리적 속성을 추가하고, 사전 비행 뷰를 렌더링하며, 결과를 시뮬레이션 준비(SimReady) 요구 사항에 맞게 검증한다. 이 워크플로우는 Blender의 씬에서 NVIDIA를 위한 시뮬레이션 준비 완료된 OpenUSD로의 전환 과정을 따른다.