Category
AI 툴
코딩 보조, 이미지·영상 생성, RAG 구축, 에이전트 프레임워크 등 실무에 바로 붙이는 AI 도구를 다룬다. 출시 소식보다 가격 정책, API 한도, 한국어 처리 품질, 기존 스택과의 연동성에 초점을 둔다. 비슷한 도구 사이에서 무엇을 골라야 하는지가 핵심이다.
Upbound, AI 추론 클러스터 관리 위한 Modelplane 오픈소스 공개
Upbound Inc.는 AI 추론 클러스터 관리를 위한 새로운 오픈소스 도구인 Modelplane을 공개했다. Upbound는 샌프란시스코에 본사를 두고 있으며, Alphabet Inc.의 GV 펀드와 Intel Capital 등으로부터 6,900만 달러의 투자를 받았다. 이 회사는 오픈소스 인프라 관리 엔진인 Crossplane의 제작자로 잘 알려져 있다.
Kimi K2.7 Code와 Claude Fable 5의 랜딩 페이지 비용 비교
Kimi K2.7 Code와 Claude Fable 5를 사용하여 12개의 랜딩 페이지를 생성한 결과, Kimi는 94% 더 적은 비용이 들었으며, 모든 페이지에서 점수 차이가 몇 점 이내로 나타났다.
nexos.ai와 Codex의 새로운 기능 소개
nexos.ai는 100개 이상의 AI 모델에 접근할 수 있는 통합 플랫폼으로, 사용자가 가장 적합한 AI를 자동으로 선택해준다. Codex는 반복적인 워크플로우를 보여주면 이를 재사용 가능한 기술로 변환하는 기능을 제공한다. Claude Code는 HTML 페이지를 공유할 수 있는 아티팩트를 지원하며, OpenAI는 GPT-5.5-Cyber의 새로운 버전을 통해 사이버 보안 프로그램을 확장하고 있다.
es-toolkit, 토스의 유틸리티 라이브러리로 2천만 회 다운로드 달성
es-toolkit은 토스의 작은 유틸리티 함수 라이브러리로 시작해 현재 일주일에 2천만 회 이상 다운로드되고 있으며, Yarn과 Recharts 같은 주요 라이브러리에서도 사용되고 있다. 이 라이브러리는 lodash의 비효율적인 로직을 제거하여 성능을 최소 2배에서 최대 10배 이상 향상시켰고, 번들 사이즈는 30배 이상 줄어들었다. es-toolkit은 한국과 해외에서 큰 관심을 받고 있으며, 많은 개발자들이 기여하고 있다.
토스 커머스 도메인에서의 지식 관리 기준과 자동화 도입
토스의 커머스 도메인에서 Technical Writer 황동진은 문서화의 중요성을 강조하며, AI를 활용한 자동화 시스템을 도입하여 문서 초안을 생성하는 방법을 설명했다. 커머스 위키는 AI가 제품 변경 공지와 질의응답 결과를 바탕으로 문서 초안을 작성하고, 이를 팀원들이 검토하여 승인하는 구조로 변화했다. 그러나 문서의 신뢰성과 관리 기준이 부족해 여전히 문제가 발생하고 있으며, 이에 따라 '커머스 문서·지식 거버넌스'를 제안하고, 지식 관리 기준을 설정하였다.
문서화 실패 원인과 AI 활용 사례
문서화가 실패하는 이유는 기준과 확신이 부족하고, 자율적인 기여를 연결하기 어렵기 때문이다. 동진은 자율적인 문서화 플랫폼을 만들고자 했지만 지속적인 기여를 유지하는 것이 어렵다고 언급했다. 혜빈은 질문 부담을 줄이기 위해 '이씨의 개발 상담 주간' 이벤트를 개최하여 질문량을 4배 증가시켰고, AI를 통해 문서화 작업의 효율성을 높였다고 밝혔다. AI는 문서 초안을 빠르게 작성하고, 지식 공유의 허들을 낮추는 데 기여하고 있다.
Blazly SEO: AI 콘텐츠 운영 시스템으로 SEO 최적화
Blazly SEO는 AI 콘텐츠 운영 시스템을 통해 SEO를 최적화하는 도구이다.
Mac용 로컬 AI가 내장된 터미널 jebi
jebi는 Mac을 위한 강화된 터미널로, 내장된 로컬 AI 기능을 제공합니다.
SpaceX, Cursor 인수 및 Google 인재 유출
SpaceX가 600억 달러에 Cursor를 인수했다. 이는 AI 도구가 전략적 인프라로 자리 잡았음을 보여준다. Google의 Noam Shazeer와 John Jumper가 각각 OpenAI와 Anthropic으로 이직하며 인재 유출이 가속화되고 있다. Midjourney는 전신 의료 스캐너를 발표했으며, 50만 개의 초음파 센서를 사용해 3D 인체 지도를 60초 안에 재구성하는 기술을 개발 중이다.
BERTopic과 LLMs를 활용한 블로그 태그 추가
Vicki Boykis는 블로그에 BERTopic과 LLMs를 사용하여 태그를 추가했다. 이 프로젝트는 약 6-10시간 소요되었으며, Claude Code와 Pi를 사용하여 진행되었다. LLMs는 텍스트 요약, 정보 검색, 질문 응답 등에서 뛰어난 성능을 보이며, 태깅 작업에서도 효과적이다.
Mistral AI Studio에서 내장 및 사용자 정의 MCP로 기업 데이터 연결
Mistral AI Studio에서는 재사용 가능한 커넥터, 직접 도구 호출, 인간 승인 제어 기능을 통해 기업 데이터를 AI 애플리케이션에 연결할 수 있다.
Qwen-Image-Edit: Qwen-Image 기반 이미지 편집 기능
Qwen-Image-Edit는 20B Qwen-Image 모델을 기반으로 하여 이미지 편집 작업에 Qwen-Image의 텍스트 렌더링 기능을 확장한 제품이다. 이 모델은 입력 이미지를 Qwen2.5-VL(시각적 의미 제어)과 VAE Encoder(시각적 외관 제어)에 동시에 입력하여 의미와 외관 편집 기능을 제공한다.
Cursor 브라우저의 디자인 모드 개선 사항
Cursor 브라우저의 디자인 모드에서는 클릭, 드로잉 또는 음성으로 변경 사항을 설명하여 UI 업데이트를 도와주는 기능이 추가되었다. 여러 요소를 동시에 선택할 수 있으며, 선택된 요소와 그 코드, 주변 레이아웃 및 페이지의 시각적 관계를 Cursor가 인식한다. 사용자는 에이전트에게 요소를 일치시키거나 반복된 콘텐츠를 제거하거나 여러 구성 요소를 한 번에 조정하도록 요청할 수 있다. 또한, 음성 입력 기능을 통해 디자인 모드 오버레이에서 변경 사항을 설명할 수 있으며, 에이전트가 실행 중일 때도 마이크가 활성화되어 있어 이전 작업이 끝나기를 기다리지 않고 다음 변경 사항을 음성으로 큐할 수 있다.
Bugbot의 평균 리뷰 시간이 90초로 단축, 버그 발견률 10% 증가
Bugbot의 평균 리뷰 시간이 약 90초로 단축되었으며, 이는 이전의 약 5분에서 크게 개선된 수치이다. 또한 Bugbot은 평균적으로 리뷰당 10% 더 많은 버그를 발견하며, 발견률은 0.62로 증가하였다. 운영 비용은 약 22% 감소하였다. Bugbot은 Composer 2.5에 의해 구동되며, GitHub와 GitLab과의 동기화 기능을 제공한다. 사용자는 `/review` 명령어를 통해 Bugbot과 Security Review를 실행할 수 있으며, 이전 리뷰와의 차이점만 검토하도록 설정할 수 있다.
OpenAI, 실용 AI 기술을 위한 세 가지 Academy 과정 발표
OpenAI는 사람들이 실용적인 AI 기술을 구축하고 반복 가능한 워크플로를 생성하며 일상 업무에 에이전트를 적용할 수 있도록 돕는 세 가지 Academy 과정을 소개했다.
에이전트 메모리 레이어, 세션을 넘는 기억을 외부로 분리하다
에이전트(agent)에 영속·장기 기억을 부여하는 전용 메모리 레이어가 2026년의 주요 흐름으로 떠올랐다. 세션을 넘어서는 기억과 요약, 검색을 에이전트 본체가 아니라 별도의 외부 레이어가 담당하는 방식이다. Letta는 MemGPT 논문을 런타임으로 옮겨 컨텍스트를 가상 메모리처럼 다루는 3계층 구조를 제시하고, Mem0는 커뮤니티에서 인기를 모으고 있으며, Zep은 장기기억 벤치마크에서 강세를 보인다. 이런 도구들은 메모리를 일종의 서비스로 추상화해, 대화 이력과 사실을 누적·요약·인출하는 책임을 에이전트 바깥으로 떼어낸다.
Data Formulator 0.7: 기업 데이터 분석을 위한 AI 기반 오픈소스 시스템
Data Formulator 0.7은 데이터 연결, 에이전트 안내 탐색, 시각화 개선을 결합한 오픈소스 AI 기반 기업 데이터 분석 시스템이다. 이 시스템은 데이터 커넥터 기능을 포함하여 데이터베이스, 데이터 웨어하우스, BI 시스템, 객체 저장소 및 로컬 파일 간의 재사용 가능한 연결을 지원하며, 통합 작업을 줄인다. 컨텍스트 인식 에이전트는 데이터 준비, 분석 탐색, 시각화 생성 및 복잡한 분석 워크플로우를 지원한다. 사용자는 SQL이나 프로그래밍 전문 지식 없이도 여러 데이터 소스에서 분석을 반복적으로 탐색하고 개선할 수 있다.
GitHub, 풀 리퀘스트 한도 도입으로 품질 관리 강화
GitHub은 풀 리퀘스트 한도를 도입하여 사용자당 동시에 열 수 있는 풀 리퀘스트 수를 제한한다. 이 한도는 작성 권한이 없는 사용자가 열 수 있는 풀 리퀘스트의 최대 수를 설정하며, Copilot이나 다른 AI 에이전트가 생성한 풀 리퀘스트도 이 한도에 포함된다. 또한, 신뢰할 수 있는 기여자는 한도에서 면제될 수 있으며, 초안 풀 리퀘스트는 한도에 포함되지 않는다. 2023년 1월에 GitHub에서 월평균 2500만 개의 풀 리퀘스트가 병합되었으나, 현재는 9000만 개로 증가했다. 향후에는 풀 리퀘스트 아카이빙, 이슈 한도 설정 등의 추가 기능이 개발될 예정이다.
Linux Maintainer Greg Kroah-Hartman, AI 도구가 실제 버그 발견에 유용하다고 언급
Linux 유지보수자인 Greg Kroah-Hartman은 AI 도구들이 이제 실제 버그를 찾는 데 유용하다고 밝혔다. 그는 AI가 생성하는 버그 보고서가 더 이상 부정확하지 않다고 언급했다.
AI 도구와 오픈소스를 활용한 MVP 개발 시 접착 코드 찾기 어려움
최근 AI 도구의 발전으로 오픈소스를 조합해 MVP를 빠르게 만드는 시도가 증가하고 있다. 그러나 LangChain, Qdrant, n8n 등 개별 라이브러리의 문서는 잘 되어 있지만, 이들을 연결하는 '접착 코드'나 버전에 따른 연동 성공 사례를 찾는 것은 여전히 어려운 문제로 남아 있다.
컨텍스트를 격리해 노이즈를 다스리는 서브에이전트 패턴 입문
서브에이전트는 메인 에이전트가 집중된 하위 작업을 처리하기 위해 띄우는 별도 에이전트 인스턴스다. 각자 맞춤 시스템 프롬프트, 전용 도구 집합, 그리고 독립된 컨텍스트 윈도우를 가진다. 덕분에 노이즈가 많은 작업의 컨텍스트를 격리하고, 여러 분석을 병렬로 돌리며, 특화된 지침을 적용할 수 있다. Claude Code에서는 에이전트와 서브에이전트의 파일 형식이 동일하다. 둘 다 YAML 프론트매터를 가진 마크다운 파일이며, 프로젝트 단위는 `.claude/agents/`, 사용자 단위는 `~/.claude/agents/`에 둔다. 코드베이스 관례에 의존하는 워크플로는 프로젝트 단위가, 이식 가능한 습관은 사용자 단위가 적합하다. 판단 기준은 간단하다. 작업이 시끄럽고 경계가 분명하며 요약하기 쉬우면 서브에이전트를 쓰고, 작고 긴밀히 결합돼 공유 멘탈 모델에 의존한다면 메인 대화에 머물러라(요약을 거치면 맥락이 약해지기 때문).
AI 브라우저를 사내 도구에 붙이려다 멈춘 이유: browser-use로 간접 프롬프트 인젝션 직접 재현
사내 운영팀이 "공급사 포털 10여 곳 들어가서 정산 상태 긁어오는 거 AI 브라우저로 자동화 안 되냐"고 물어왔다. Perplexity Comet 같은 상용 AI 브라우저를 쓸지, 아니면 browser use 같은 오픈소스로 직접 붙일지 비교하려고
Claude Code, 백그라운드 세션·Agent View·자율 루프로 '관리형 에이전트' 전환
Anthropic이 Claude Code에 다중 세션을 한눈에 관리하는 Agent View, 작업을 이어가는 백그라운드 세션, 그리고 결과 중심 자율 실행 기능을 도입했다. /goal은 최소 개입으로 목표를 달성하도록 작업을 자율 실행하고, /loop는 단위 테스트와 리팩터링을 반복해 결과가 100% 통과(Green)할 때까지 매 단계 확인 없이 돌린다. 긴 세션에서도 의도가 유지되도록 시스템 프롬프트 컴팩션이 추가됐고, 한 기기에서 시작한 세션을 다른 기기에서 이어받는 원격 제어도 제공된다. 핵심은 Claude Code가 '스마트 자동완성'을 넘어 여러 작업을 동시에 돌리는 관리형 에이전트 플랫폼으로 이동했다는 점이다. 자율성이 커진 만큼 권한 가드레일과 검증(테스트 게이트) 설계가 안전한 활용의 전제가 된다.
vLLM, FP8 양자화로 추론 처리량 2배·VRAM 절반 달성한 프로덕션 서빙 표준
오픈소스 추론 엔진 vLLM이 2026년 프로덕션 LLM 서빙의 기본값으로 자리 잡았다. 핵심 최적화는 FP8 양자화로, 약 1.5~2배 처리량 향상과 약 50% VRAM 절감을 제공해 더 큰 모델을 단일 GPU에 올릴 수 있게 한다. `--kv-cache-dtype fp8` 옵션으로 KV 캐시를 FP8로 저장하면 메모리를 추가로 아낄 수 있다. 멀티 GPU 텐서 병렬과 결합하면 H100급 환경에서 비용 대비 처리량을 크게 끌어올린다. Q2 2026 로드맵은 GB200·B200·H200 클러스터에서 분산(disaggregated) 서빙과 와이드 전문가 병렬(expert parallelism)을 '광속'까지 밀어붙이고, 기본 커널을 자동 선택해 성능을 지속 모니터링하는 데 초점을 둔다. 자체 모델 호스팅을 검토하는 한국 팀에는 GPU 비용을 결정짓는 1순위 레버다.