News원문 2026년 11월 6일

GitHub Copilot 임팩트 대시보드에 Copilot Chat과 VS Code 에이전트 사용량 추가

Copilot impact dashboard adds chat and VS Code agent usage

GitHub Copilot 임팩트 대시보드의 에이전트 도입 차트에 Copilot Chat과 VS Code Agents 창이 추가되어, 총 9개 Copilot 기능에 걸친 참여도를 확인할 수 있게 되었다. 기존 'Passive users' 코호트는 'Chat-first users'로 이름이 바뀌었다. enterprise 및 organization의 28일 사용량 지표 보고서에도 chat과 vscode_agent 항목이 copilot_feature_engagement.totals_by_feature에 추가된다. 기능 참여는 28일 기간 중 최소 이틀 사용한 경우로 집계되며, 한 사용자가 여러 기능에 중복 집계될 수 있다. chat에는 에이전트 모드를 포함한 Copilot Chat 사용이 포함된다. 도입 단계(adoption phase) 계산은 변경되지 않는다. Chat과 VS Code Agents 창은 기능 참여로만 보고되며 도입 단계에는 포함되지 않고, Chat-first users는 API에서 여전히 No Cohort 값으로 표시되며 코호트 규모도 달라지지 않는다. 이번 변경 이전 기간의 보고서에는 기존 7개 기능만 포함된다. 데이터는 enterprise 소유자와 billing manager, organization 소유자, 그리고 View Copilot Metrics 권한이 부여된 사용자 지정 역할 보유자가 볼 수 있으며, Copilot 사용량 지표 정책이 활성화되어 있어야 한다.

Copilot Chat과 VS Code Agents 창의 참여도가 임팩트 대시보드와 copilot_feature_engagement.totals_by_feature 보고서에 집계되므로, 채팅 위주로 Copilot을 쓰는 사용자도 더 이상 'Passive users'가 아닌 'Chat-first users'로 구분해 측정할 수 있다.

원문 출처

GitHub Changelog

원문 보기 ↗

AI 툴 더 보기

AI 툴 관련 브리핑

AI 툴고급·2025년 11월 29일

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·2026년 5월 20일

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·2024년 10월 18일

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

GitHub Copilot 임팩트 대시보드에 Copilot Chat과 VS Code 에이전트 사용량 추가

vLLM, FP8 양자화로 추론 처리량 2배·VRAM 절반 달성한 프로덕션 서빙 표준

Cursor 3.5, 격리 VM에서 도는 자율 코딩 클라우드 에이전트 공개

MCP 차기 명세, 스테이트리스 코어로 엔터프라이즈 운영 표준화

이 브리핑에 대한 Q&A

댓글