AI 코딩 (Cursor·Copilot·Claude Code)

인핸스가 국군재정관리단과 협력하여 공사원가 검토 과정을 자동화하는 '공사원가계산 AI 에이전트 모델'을 도입했습니다. 이 모델은 업무 지식의 구조화와 데이터 정규화를 통해 원가 항목 간 정합성 확인 및 단가 검토 등 기존 수작업 프로세스를 AI 기반 워크플로우로 전환한 것이 핵심입니다.

오픈클로 재단은 사용자가 스마트폰의 다양한 하드웨어 및 소프트웨어 기능과 AI를 연동할 수 있는 공식 모바일 앱을 출시했습니다. 이 프로젝트는 OpenAI 핵심 인력인 피터 스타인버거의 개인 프로젝트에서 시작되어 현재는 OpenAI의 지원을 받는 비영리 재단 체제로 운영되고 있습니다.

SK텔레콤은 AI 서비스 에이닷에 고객센터 상담원 연결을 대신 기다려주는 '에이전트콜', 문자 내 예약·쿠폰 정보를 정리하는 'AI 메시지', 통화 후 할 일을 관리하는 '할일' 기능을 새롭게 추가했습니다. 이번 업데이트는 사용자의 일상적 번거로움을 AI가 직접 해결해 주는 에이전트 기능 강화에 초점을 맞추고 있습니다.

Livinity는 사용자의 유휴 PC를 강력한 AI 홈서버로 탈바꿈시키는 오픈소스 운영체제입니다. MCP(Model Context Protocol) 기반의 AI 에이전트 'Liv'가 495개 이상의 Docker 앱 설치와 실행을 자동화하며, 사용자가 보유한 Claude나 Gemini API 키를 연결해 개인 맞춤형 AI 워크플로우를 구축할 수 있습니다.

Cursor가 iOS용 네이티브 앱 베타 버전을 출시하여 모바일 환경에서도 AI 코딩 에기전트를 활용할 수 있게 되었습니다. 사용자는 스마트폰을 통해 클라우드 기반 에이전트를 실행하거나 로컬 컴퓨터의 에이전트를 원격 제어하며, 코드 리뷰 및 PR 병합 작업을 이동 중에도 처리할 수 있습니다.

브라우저 MCP를 사용하는 AI 에이전트는 스크린샷과 DOM 데이터를 대화 기록에 계속 누적시켜 토큰 사용량이 기하급수적으로 증가하는 문제를 겪습니다. 이를 해결하기 위해 불필요한 도구 비활성화, 스크린샷 대신 셀렉터 활용, 반복 작업의 CLI 및 스킬화라는 단계적 최적화 방안을 제안합니다.

Fleet은 Docker 기반의 Hermes AI 에이전트를 생성, 구성, 모니터링할 수 있는 로컬 우선(local-first) 웹 콘솔입니다. 보안을 위해 데이터와 비밀 정보를 로컬에 유지하면서도, 여러 대의 에적 상태를 단일 대시보드에서 통합 관리할 수 있는 기능을 제공합니다.

ForthWrite는 사용자의 Gmail 발신 내역을 기반으로 RAG를 구현하여 개인화된 이메일 초안을 작성합니다. 특히 사용자가 AI 초안을 어떻게 수정했는지 편집 거리(Edit-distance)와 문구 마이닝(Phrasing miner) 기술을 통해 분석하고, 이를 시스템 프롬프트와 검색 데이터에 반영하는 자동 피드백 루프를 구축했습니다.

Hawkeye는 대규모 프로젝트를 수행하는 개발자를 위한 고성능 코드 검색 및 내비게이션 엔진입니다. 10만 개 이상의 파일에서도 빠른 탐색을 지원하며, 이를 통해 개발자의 시간과 비용을 획기적으로 줄여줍니다.

Vibe zsh는 사용자가 자연어로 명령어를 입력하면 AI가 이를 적절한 셸 명령어로 변환하고 상세한 설명까지 제공하는 zsh 플러그인입니다. OpenAI, Anthropic과 같은 클라우드 기반 모델부터 Ollama, LM Studio 등 로컬 LLM까지 폭넓은 엔진을 지원하며, 명령어 실행 전 미리 확인할 수 있는 안전 장치를 갖추한 것이 특징입니다.

Agentic Orchestrator는 개발자가 고수준의 기능 요구사항만 입력하면 AI가 조사, 설계, 구현, 리뷰 및 PR 생성까지의 전 과정을 병렬로 수행하는 CLI 도구입니다. 단순한 코드 생성을 넘어 검증된 엔지니어링 워크플로우를 구축함으로써 저품질 AI 생성 코드인 'AI 슬롭(slop)' 문제를 해결하고 개발자의 역할을 감독자로 전환합니다.

Ornith-1.0은 단순한 코드 생성을 넘어, 문제를 해결하기 위한 실행 환경과 로직(scaffold)을 모델 스스로 구축하며 학습하는 자가 개선형 오픈소스 모델 시리즈입니다. 9B부터 397B까지 다양한 규모를 제공하며, 특히 대규모 모델의 경우 Claude Opus 4.7에 필적하거나 능가하는 압도적인 에이전틱 코딩 성능을 보여줍니다.

macOS Tahoe 업데이트에서 도입된 '리퀴드 글래스' 스타일과 아이콘 모양의 규격화가 앱의 식별력을 떨어뜨리고 브랜드 정체성을 훼손하고 있다는 내용입니다. 차기 버전인 Golden Gate에서는 시각적 품질 개선이 보이고 있으나, 여전히 제한된 형태의 아이콘 규제는 해결해야 할 과제로 남아 있습니다.

이 글은 LangGraph를 사용하여 차량 유지보수 기록을 분석하고 규정 준수 여부를 판단하는 FleetGuard-A I 프로젝트의 설계 과정을 다룹니다. 단순한 챗봇을 넘어, 전문화된 에이전트들이 복잡한 법적/기술적 규칙을 단계별로 검증하여 긴급도와 권장 조치가 포함된 구조화된 보고서를 생성하는 멀티 에이전트 워크플로우를 보여줍니다.

Clash Verge Rev와 Mihomo 커널의 연동 및 활용법을 설명하는 이 가이드는 단순 설치를 넘어 지능형 라우팅, 다양한 프로토콜 지원, TUN 모드 등 고급 네트워크 기능을 심도 있게 다룹니다. 사용자가 프록시 환경에서 직면할 수 있는 DNS 누수나 효율적인 트래픽 분산 문제를 해결하기 위한 실질적인 기술적 배경과 설정 노하우를 제공합니다.

이 기사는 GitHub Copilot에서 Claude, Gemini, ChatGPT 세 가지 모델의 코딩 성능과 비용 효율성을 비교 분석합니다. 특히 Spec-kit과 MCP(Model Context Protocols)를 활용해 개발 컨텍스트를 강화함으로써 LLM이 정확한 코드를 생성하도록 만드는 최적화 전략을 강조합니다.

BrowserAct는 최근 Product Hunt에서 일일 제품 1위를 기록하며 주목받았습니다. 이 서비스는 기존 AI 에이전트가 웹 브라우저 내 로그인 만료나 인증 절차 같은 실질적인 실행 단계에서 겪는 한계를 극복하는 데 집중하고 있습니다.

Mozilla 0DIN 연구진은 클린한 GitHub 저장소를 이용해 Claude Code와 같은 AI 코ลับ 에이전트를 공격하는 새로운 체인을 공개했습니다. 이 공격은 파이썬 패키지의 오류 메시지를 통해 에이전트가 특정 명령을 실행하도록 유도한 뒤, DNS TXT 레코드를 통해 악성 페이로드를 내려받아 실행하는 방식을 취합니다.

이 기사는 별도의 설치 없이 URL 접속만으로 실행되는 웹 기반 3록 게임 'TAKEN'의 개발 과정을 다룹니다. Three.js 환경에서 수만 개의 오브젝트를 효율적으로 렌더링하기 위한 LOD(Level of Detail) 및 디더링 기술, 그리고 AI 에이전트를 활용한 1인 개발 프로세스의 최적화 기법을 상세히 설명합니다.

클로드 코드 창시자 보리스 체르니는 AI 시대에 필요한 다섯 가지 업무 원형으로 프로토타이퍼, 빌더, 스위퍼, 그로워, 메인테이너를 제시했습니다. 이는 단순한 직무 구분을 넘어 AI와 협업하며 가치를 창출하는 새로운 조직적 패턴을 제안합니다.

기존 '100 Days of DevOps'의 성공을 바탕으로, 생성형 AI 기술을 DevOps 워크플로우에 통합하는 방법을 다루는 새로운 100일 무료 교육 과정이 시작됩니다. 참가자들은 LLM 파인튜닝, RAG, Kubernetes 기반 AI 배포 등 실무적인 AI 인프라 구축 역량을 학습할 수 있습니다.

개발자들이 겪는 복잡한 시스템 에러 코드(예: Exit Code 137)를 사람이 이해하기 쉬운 언어로 설명하고 즉각적인 해결 방법을 제시하는 'Exit Code Lookup' 도구가 공개되었습니다. 이 서비스는 방대한 문서를 뒤지는 시간을 단축하여 장애 대응 속도를 높이는 데 목적이 있습니다.

AGENTS.md는 사람이 아닌 AI 코딩 에이전트를 위해 프로젝트의 컨텍스트, 빌드 명령, 테스트 방법 및 가이드라인을 담은 단일 마크다운 파일입니다. 기존 README와 달리 불필요한 설명을 배제하고 실행 가능한 구체적인 규칙과 제약 사항을 제공하여 에이전트의 작업 정확도를 높이는 것을 목표로 합니다.

이 글은 생성, 평가, 정제라는 세 단계의 AI 에이전트가 루프를 돌며 코드를 스스로 개선하는 파이프라인 구축 과정을 다룹니다. 특히 평가 결과의 히스토리를 유지하고 구조화된 Diff 형식을 사용하여 에이전트의 성능 저하를 막고 코드 품질을 극대화하는 구체적인 기술적 팁을 제공합니다.