본문으로 건너뛰기
News

Copilot 사용량 메트릭 API, 클라이언트 텔레메트리 누락과 IDE·확장 버전 미달 사용자 표시

Usage metrics API flags telemetry and version gaps

GitHub Copilot 사용량 메트릭 API가 클라이언트 텔레메트리가 수신되지 않은 사용자와 IDE 또는 확장 버전이 최소 요구치 미만인 사용자를 표시하도록 바뀌었다. 엔터프라이즈 및 조직의 사용자 리포트와 일별 리포트에 새 필드와 집계 수치가 추가됐다. 새 사용자 단위 필드는 client_telemetry_present와 usage_metrics_requirements다. client_telemetry_present가 false이면 Copilot이 사용자의 활동은 확인했지만 해당 에디터에서 사용량 이벤트가 도착하지 않았다는 뜻이다. usage_metrics_requirements는 사용자가 쓰는 각 IDE와 Copilot 확장을 최소 지원 버전 대비 met, unmet, unknown으로 구분해 보여준다. 일별 집계 필드로는 missing_client_telemetry_user_count와 below_usage_metrics_minimum_user_count가 제공된다. 두 값은 하루 단위 집계이며, 한 사용자가 두 항목에 동시에 포함될 수 있으므로 합산하지 않아야 하고 여러 날짜의 값을 더해 고유 사용자 수를 구해서도 안 된다. 값이 null이거나 생략되면 데이터가 없다는 뜻이며 false나 0이 아니다. 이번 릴리스 이전 날짜에는 값이 없다. 접근 권한은 엔터프라이즈 소유자, 엔터프라이즈 빌링 관리자, 조직 소유자, 그리고 View Copilot Metrics 권한이 있는 커스텀 역할 사용자에게 주어진다. 이 기능을 쓰려면 Copilot 사용량 메트릭 정책이 활성화되어 있어야 한다. 사용자 필드는 1일 및 28일 사용자 리포트에, 집계 수치는 1일 리포트와 28일 리포트의 day_totals 항목에 나타난다.

usage_metrics_requirements와 missing_client_telemetry_user_count 필드로 오래된 에디터나 확장, 비활성화된 IDE 텔레메트리, 프록시·방화벽으로 차단된 이벤트를 식별해 해당 사용자에게 직접 후속 조치를 할 수 있다.

원문 출처

GitHub Changelog

원문 보기 ↗
AI 툴고급·

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.

FP8과 KV 캐시 최적화는 자체 LLM 서빙의 GPU 비용을 절반 가까이 좌우하므로, 인프라 의사결정의 핵심 변수다.

vLLM Blog원문
AI 툴실전·

Cursor 3.5, 격리 VM에서 도는 자율 코딩 클라우드 에이전트 공개

AI 네이티브 에디터 Cursor가 3.5에서 클라우드 에이전트를 핵심 기능으로 내놨다. 격리된 클라우드 VM 안에서 터미널·브라우저·데스크톱 접근 권한을 갖고 작업을 수행해, 로컬 머신을 점유하지 않고도 자율 실행이 가능하다. 앞선 3.0은 백그라운드/클라우드 에이전트를 처음 도입했고, 3.3은 병렬 서브에이전트(Build in Parallel)와 파일 트리 규모의 다중 파일 리팩터링이 가능한 Composer 2.5를 더했다. 과거 Composer로 불리던 에이전트 모드는 복잡한 작업(REST API 구축, 의존성 마이그레이션, 테스트 작성)을 설명하면 계획→파일 생성·수정→터미널 명령 실행→완료까지 반복한다. 여러 팀의 실측에서 표준 구현 작업 기준 30~50% 속도 향상이 보고됐다. 크로스 파일 추론이 강화돼 큰 코드베이스 맥락을 유지하며 변경 전파를 이해한다.

에이전트가 로컬을 벗어나 격리 클라우드에서 도는 방향은 보안·재현성·병렬성 측면에서 팀 단위 도입의 현실적 분기점이 된다.

Codersera
AI 툴중급·

MCP 차기 명세, 스테이트리스 코어로 엔터프라이즈 운영 표준화

Model Context Protocol(MCP) 차기 명세가 릴리스 후보(RC) 단계에 진입했다. 핵심은 일반 HTTP 인프라에서 수평 확장되는 '스테이트리스 코어'다. 세션 생성·재개·마이그레이션을 표준화해 서버 재시작이나 스케일아웃이 클라이언트에 투명하게 처리된다. 여기에 장기 실행 작업을 위한 Tasks 확장, 서버 렌더링 UI를 다루는 MCP Apps, OAuth·OpenID Connect와 정렬된 인가 강화, 공식 폐기(deprecation) 정책이 더해졌다. MCP는 이제 '얼마나 채택됐나'가 아니라 거버넌스·아이덴티티·감사·확장성 같은 엔터프라이즈 기준으로 평가받는 단계로 넘어갔다. Claude, Cursor 등 주요 도구가 MCP를 표준 통합 계층으로 채택한 만큼, 한국 개발자도 사내 도구·데이터를 에이전트에 연결할 때 스테이트리스 설계와 인가 모델을 미리 고려해야 한다.

MCP가 사실상 에이전트-도구 연결의 산업 표준으로 굳어지면서, 스테이트리스·인가 설계가 자체 MCP 서버 구축의 새 기준선이 된다.

Model Context Protocol Blog원문

이 브리핑에 대한 Q&A

이 브리핑에 질문하기

댓글

아직 댓글이 없습니다. 첫 의견을 남겨 주세요.