AI 에이전트 — 관련 콘텐츠 41건

미라 무라티 잉클링 공개 — 싱킹머신즈랩 오픈웨이트·사고량 조절·팅커 전략

오픈AI 전 CTO 미라 무라티의 싱킹머신즈랩이 첫 범용 모델 잉클링(Inkling)을 오픈웨이트로 공개했다. 9750억 파라미터 MoE, 사고량(thinking budget) 조절, 기업 맞춤 팅커(Tinker) 플랫폼, 딥시크·키미 참고 보도까지. 셀프호스팅 LLM·오픈소스 모델·API 비용·데이터 주권을 저울질하는 개발자·백엔드·ML 팀을 위한 도입 체크리스트와 라이선스 주의점.

소버린 AI 글로벌 진출 전략 2026 — 국가대표 AI·K-LLM 일정과 이중 트랙 설계

소버린 AI(Sovereign AI) 글로벌 진출 주문과 국가대표 AI·K-LLM 일정을 개발 실무 관점으로 정리한다. 인프라·모델·운영·규제 네 층, 국산·글로벌 이중 트랙 라우팅, 데이터 주권·프롬프트 로그 체크리스트, AI 바우처·공공 납품 대응까지. LLM·API·클라우드 선택과 제품 로드맵에 바로 넣는 의사결정 표와 FAQ.

챗GPT 워크 출시 완전 가이드 — 오픈AI 업무 자동화 에이전트와 GPT-5.6 API Sol·Terra·Luna 선택법

오픈AI가 2026년 7월 9일 업무용 AI 에이전트 챗GPT 워크(ChatGPT Work)를 출시했다. 문서·스프레드시트·프레젠테이션·웹앱을 완성된 결과물로 자동 생성하며, 수 시간 분량의 복잡한 업무도 처리한다. 동시에 출시된 GPT-5.6은 Sol($5/$30), Terra($2.50/$15), Luna($1/$6) 세 가지 티어 API로 공개됐다. Responses API의 Programmatic Tool Calling으로 인메모리 코드 실행 기반 도구 조율이 가능해졌고, 멀티에이전트 베타도 열렸다. 클로드 코드·코덱스와 어떻게 다르고 어떤 시나리오에서 챗GPT 워크를 선택해야 하는지 실무 기준으로 정리한다.

AGENTS.md 실전 작성 가이드 — AI 코딩 에이전트 실패 원인과 올바른 구성법

AGENTS.md는 코덱스·클로드 코드·깃허브 코파일럿·커서가 모두 읽는 AI 에이전트용 표준 프로젝트 안내 파일이다. 6만 개 이상 오픈소스 프로젝트가 채택했지만 지나치게 상세한 파일이 오히려 에이전트 실패 원인이 된다는 연구가 있다. AGENTS.md vs CLAUDE.md vs .cursorrules 차이, 과다 명세 4가지 함정, 60줄 이내 최적 구조, 에이전트별 지원 현황, 규칙이 무시될 때 점검 체크리스트까지 실전 가이드로 정리했다.

베이조스의 프로메테우스 완전 분석 — $120억 조달, 범용 인공 엔지니어가 개발자에게 의미하는 것

제프 베이조스가 공동 CEO를 맡은 AI 스타트업 프로메테우스(Prometheus)가 120억 달러 시리즈 B 투자를 유치하며 기업가치 410억 달러를 달성했다. JP모건·골드만삭스·블랙록이 투자한 이 회사는 반도체·교량·항공 부품 같은 물리적 제품의 설계부터 제조까지를 AI로 자동화하는 AGE(범용 인공 엔지니어)를 개발 중이다. 코딩 에이전트가 소프트웨어를 자동화하듯, AGE는 물리 엔지니어링 사이클을 10배 단축하는 것이 목표다. 개발자 커리어와 AI 에이전트 생태계에 미치는 영향을 정리했다.

네이버 국방 AI 전담 TF — 한국형 팔란티어 전략과 소버린 AI 플랫폼 분석

네이버클라우드가 국방 AX(AI 전환) 전담 TF를 신설하고 미국 팔란티어(Palantir)의 FDE 모델을 참고한 한국형 국방 AI 플랫폼 구축에 나섰다. 소버린 AI와 군 폐쇄망 환경에서의 LLM 운용 전략, 빅테크·통신사·게임사의 국방 AI 경쟁 구도, 그리고 이 변화가 개발자 커리어와 기술 스택에 미치는 영향을 정리했다. 온프레미스 AI와 에이전틱 플랫폼 개발 경험이 새로운 경쟁력으로 부상하고 있다.

LangGraph 2.0 실전 가이드 — 그래프 기반 AI 에이전트, 체크포인팅, MCP 연동, 프로덕션 배포

LangGraph 2.0은 2026년 2월 정식 릴리즈된 그래프 기반 AI 에이전트 프레임워크로, 체크포인팅·Human-in-the-Loop·MCP 연동을 프로덕션 수준으로 지원한다. 단순 LLM 호출 체인에서 벗어나, 상태를 유지하면서 루프·분기·재시도·인간 개입을 구조적으로 처리해야 하는 에이전트를 만들 때 선택지가 된다. LangGraph는 LangChain 팀이 만든 오픈소스 에이전트 런타임이다.

Meta DevMate — AI 에이전트가 코드 변경 50%를 처리하는 인프라 아키텍처

Meta는 자체 AI 에이전트 플랫폼 DevMate를 통해 회사 전체 코드 변경의 50%를 에이전트가 처리하는 수준에 도달했다. 단순한 코드 자동완성을 넘어, 에이전트가 소스 컨트롤부터 PR 제출까지 소프트웨어 라이프사이클 전반에 개입하는 구조다. DevMate는 Meta 내부에서 유기적으로 성장한 AI 에이전트 플랫폼이다. 개별 팀이 독립적으로 만들던 AI 자동화 스크립트들이 하나의 중앙 플랫폼으로 통합되면서 현재의 형태가 됐다.

Meta Llama Stack 실전 가이드 — OpenAI 호환 API로 Llama 4 로컬·프로덕션 배포

Meta의 Llama Stack은 Llama 4 모델을 로컬(Ollama)부터 프로덕션(vLLM, Together AI, NVIDIA NIM)까지 동일한 OpenAI 호환 API로 배포하는 표준화 프레임워크다. Provider 교환 가능 아키텍처, 내장 RAG, 에이전트 오케스트레이션, MCP 통합, Llama 4 Scout·Maverick 모델 선택 기준까지 실무 중심으로 정리한다.

Claude Managed Agents 완전 가이드 — 관리형 에이전트 인프라로 프로덕션 AI 에이전트 배포

Anthropic이 2026년 4월 퍼블릭 베타로 공개한 Claude Managed Agents는 에이전트 오케스트레이션, 샌드박스 실행, 장기 세션 유지를 완전 관리형으로 제공한다. Session, Harness, Sandbox 3개 컴포넌트 구조와 Python·TypeScript SDK 실전 예제, 내장 도구 목록, 가격 비교, DIY vs 관리형 선택 기준까지 정리한다.

에이전틱 엔지니어링이란? AI 에이전트 시대 개발자가 갖춰야 할 5가지 핵심 역량

2026년 개발자의 역할이 바뀌고 있다. 코드를 직접 작성하는 사람에서 AI 에이전트를 설계하고 감독하는 사람으로. 에이전틱 엔지니어링은 AI 에이전트를 설계하고, 조율하고, 감독하는 엔지니어링 방법론이다. 단순히 프롬프트를 잘 쓰는 것을 넘어, 여러 에이전트가 협력하는 시스템을 구조적으로 설계하고 결과를 검증하는 역할이다.

Google ADK 실전 가이드 — Python·TypeScript로 AI 에이전트 만들기, LangChain·Mastra와 비교

Google이 2026년 4월 TypeScript 버전을 추가 출시한 ADK(Agent Development Kit) 완전 분석. 멀티 에이전트 계층 구조, Python·TypeScript 퀵스타트, LLM judge 기반 평가 파이프라인, Vertex AI 배포, LangChain·Mastra와의 실전 비교까지 코드 중심으로 정리.

Mastra 실전 가이드 — TypeScript로 AI 에이전트 만들기, LangChain·PydanticAI와 비교

Mastra는 TypeScript로 AI 에이전트를 만드는 오픈소스 프레임워크다. Gatsby 창업팀이 만들었고, 2026년 1월 1.0을 정식 출시하면서 22k+ GitHub 스타를 달성했다. Mastra는 에이전트(Agent), 워크플로우(Workflow), 도구(Tool), 메모리(Memory)를 TypeScript 타입 시스템 위에서 조합할 수 있도록 설계된 AI 에이전트 프레임워크다.

n8n 실전 가이드 — AI 에이전트 워크플로우 자동화, Zapier·Make와 비교, 셀프호스팅까지

n8n은 400개 이상의 통합을 지원하는 오픈소스 워크플로우 자동화 도구로, 2025년 말부터 AI 에이전트 오케스트레이터로 급부상했다. n8n 2.0(2025.12)에서 AI Agent 노드가 강화됐고, 현재 개발자 커뮤니티에서 Zapier·Make의 코드 친화적 대안이자 LLM 기반 자동화 플랫폼으로 자리를 잡고 있다. n8n("nodemation")은 2019년에 시작된 오픈소스 워크플로우 자동화 도구다.

PydanticAI 실전 가이드 — FastAPI 방식으로 만드는 타입 안전한 AI 에이전트

PydanticAI 는 FastAPI를 만든 Pydantic 팀이 2024년 말 출시한 Python AI 에이전트 프레임워크다. LangGraph·CrewAI와 달리 타입 안전성 을 핵심 설계 원칙으로 삼아, 에이전트 도구 입출력부터 최종 응답까지 Pydantic 모델로 검증한다. PydanticAI는 Pydantic v2의 타입 검증 엔진을 AI 에이전트에 그대로 가져온 프레임워크다.

Claw Code — Claude Code 클린룸 재구현, 72K 스타 오픈소스 AI 코딩 에이전트 프레임워크

한 줄 요약: Claude Code 소스코드 유출 사건 직후, 개발자 Sigrid Jin이 클린룸 방식으로 에이전트 하니스 아키텍처를 재구현 한 오픈소스 프레임워크 Claw Code를 공개했다. Python + Rust로 구축되었으며, 공개 수일 만에 GitHub 72,000스타 를 넘어 역대 최고 속도로 성장 중이다. LLM의 능력이 올라가는 동안, 그것을 파일 시스템·도구·태스크 워크플로우와 연결하는 "에이전트 하니스" 계층은 대부분 프로프리어터리로 남아 있었다. Claw Code는 ...

A2A(Agent2Agent) 프로토콜 해설 — AI 에이전트 간 통신 표준, MCP와 뭔가 다른가

한 줄 요약: Google이 만든 Agent2Agent(A2A) 프로토콜이 Linux Foundation으로 이관되며 AI 에이전트 간 통신 표준으로 부상하고 있다. MCP가 에이전트와 도구를 연결하는 “수직 통합”이라면, A2A는 에이전트끼리 대화하는 “수평 통신”이다. Agent2Agent(A2A)는 서로 다른 프레임워크로 만들어진 AI 에이전트들이 안전하게 통신하고 협업할 수 있게 하는 오픈 프로토콜 이다.

Anthropic, Claude를 '오픈클로 킬러'로 — Computer Use·Dispatch·Auto 모드 총정리

한 줄 요약: Anthropic이 Claude에 컴퓨터 제어 기능(Computer Use)을 탑재하면서, 오픈클로(OpenClaw)가 열어놓은 '데스크톱 에이전트' 시장에 정면으로 진입했다. 3월 24일, Anthropic은 Claude가 macOS 데스크톱에서 앱을 열고, 브라우저를 조작하고, 파일을 찾아 보내고, 스프레드시트를 채우는 기능을 공개했다. Anthropic은 2026년 3월 24일, 세 가지 핵심 기능을 동시에 공개했다.

AAIF 출범 — MCP·AGENTS.md·goose, AI 에이전트 표준화 시대

한 줄 요약: Linux Foundation 산하 Agentic AI Foundation(AAIF)이 출범했다. Anthropic의 MCP, OpenAI의 AGENTS.md, Block의 goose가 합류하며 AI 에이전트 상호운용성의 사실상 표준이 형성됐다. Agentic AI Foundation(AAIF)은 2025년 12월 Linux Foundation 산하에 설립된 오픈소스 재단이다.

GPT-5.4 Computer Use — AI가 직접 컴퓨터를 조작하는 시대

한 줄 요약: GPT-5.4는 OpenAI 범용 모델 최초로 네이티브 Computer Use 기능을 탑재했다. 스크린샷을 보고, 마우스를 클릭하고, 폼을 채우고, 애플리케이션 사이를 이동하며 작업을 자율적으로 수행한다. Computer Use는 AI 모델이 사람처럼 컴퓨터 화면을 보고 조작하는 기능이다. 스크린샷을 입력으로 받아 화면의 내용을 이해한 뒤, 마우스 클릭, 키보드 입력, 스크롤 등의 동작을 출력한다.