AI 에이전트 뉴스

메타가 그동안의 오픈 웨이트(Open-weights) 전략을 철회하고, 폐쇄형 독점 모델인 'Muse Spark' 시대를 선언했습니다. 이는 단순한 모델 업데이트를 넘어, 멀티모달 기능과 하드웨어(Meta Glasses)를 결합한 새로운 에이전트 생태계로의 패러다임 전환을 의미합니다.

안드레 카파시는 현재의 LLM 기술을 생물학적 진화의 산물인 '동물'이 아닌, 인류의 텍스트를 통계적으로 정제한 '유령'에 비유하며 AI의 본질을 재정의했습니다. 그는 AGI 도래까지 약 10년이 필요하며, 에이전트 기술의 신뢰성을 확보하는 과정은 자율주행차의 사례처럼 매우 길고 험난한 '9의 행진(march of nines)' 과정이 될 것이라고 전망했습니다.

OpenHuman은 사용자의 Gmail, GitHub, Notion 등 118개 이상의 앱 데이터를 20분마다 자동으로 동기화하여 '지속적인 기억'을 갖게 하는 로컬 우선(Local-first) 개인용 AI 에이전트입니다. Rust와 Tauri를 기반으로 설계되어 강력한 보안과 고성능을 동시에 제공하며, 단순한 챗봇을 넘어 사용자의 업무 맥락을 실시간으로 파악하는 'AI 슈퍼 인텔리전스'를 지향합니다.

기업 조사용 AI 에이전트 개발 시 발생하는 파편화된 데이터 소스(SEC, USPTO, WHOIS 등) 문제를 해결하기 위해, 모든 기업 정보를 하나의 인터페이스로 통합한 'Company Intelligence MCP'가 출시되었습니다. 이 도구는 여러 개의 API와 인증 방식을 관리할 필요 없이 단일 MCP 서버를 통해 기업 프로필, 재무 데이터, 특허, 도메인 정보를 즉시 호출할 수 있게 해줍니다.

Armorer Guard가 AI 에이전트 보안을 위한 '학습 루프(Learning Loop)'를 출시했습니다. 이 기술은 Rust 기반의 로컬 우선(Local-first) 방식을 채택하여, 모델의 성능 저하나 데이터 오염(Poisoning) 없이 실시간으로 보안 정책을 업데이트하고 오탐(False Positive)을 즉각적으로 교정할 수 있는 하이브리드 학습 구조를 제공합니다.

AI 에이전트가 코드 생성을 넘어 Git 워크플로우 전체를 관리하게 되면서, 에이전트의 비결정적 특성으로 인한 치명적인 실수(잘못된 브랜치 푸시, .env 파일 스테이징 등)가 발생하고 있습니다. 이를 해결하기 위해 단순한 프롬프트 지시를 넘어, 원시 Git 명령어를 차단하고 검증된 대체 도구를 사용하게 하는 '명령어 차단 및 도구 대체(Primitive blocking + tool replacement)' 전략이 필요합니다.

AgentKanban은 VS Code 내에서 GitHub Copilot과 같은 AI 에이전트의 작업 맥락을 칸반 보드와 통합하여 관리하는 확장 프로그램입니다. 휘발성인 AI 채팅 기록을 지속 가능한 작업 이력으로 변환하고, MCP(Model Context Protocol)를 통해 작업 맥락을 유지하며 새로운 세션에서도 끊김 없는 개발을 지원합니다.

Pineapple AI는 100일 이내에 AI 에이전트만으로 운영되며 실질적인 매출을 창출하는 'Zero-Human' 기업 구축 실험을 진행하고 있습니다. 이 실험은 AI를 단순한 효율화 도구를 넘어, 인간의 업무를 완전히 대체하고 비즈니스 운영 전반을 자율적으로 수행할 수 있는지 검증하는 데 목적이 있습니다.

AI 에이전트 설계 시 단순한 프롬프트 루프 대신 명확한 제어 흐름(Control Flow)을 도입해야 합니다. 이는 예측 불가능한 토큰 사용량과 급변하는 LLM 가격 정책으로부터 서비스의 수익성을 보호하고 비용의 원인을 정확히 추적하기 위함입니다.

AI 에이전트 경제를 위한 기술적 인프라(발견, 결제, 신원)는 이미 구축되었으나, 에이전트 간의 상호작용 경험과 평판이 축적될 '신뢰 계층(Trust Layer)'은 아직 부재한 상태입니다. 이 글은 인프라라는 '배관' 위에 구축될 '목적지(Destination)' 레이어가 차세대 거대한 비즈니스 기회가 될 것임을 강조합니다.

국가 간 급여 비교를 위한 API 구축 과정에서 직면한 기술적, 구조적 난제를 다룹니다. 단순한 세율 계산을 넘어, 국가별로 상이한 사회보장제도와 비용 구조를 어떻게 표준화(Normalization)하고 AI 에이전트가 이해할 수 있는 정밀한 API로 설계할 것인가에 대한 통찰을 제공합니다.

GitHub가 Anthropic의 MCP(Model Context Protocol)를 활용하여 AI 에이전트가 유출된 자격 증명을 자동으로 탐지하고 조치할 수 있는 'Secret Scanning MCP Server'를 정식 출시(GA)했습니다. 이는 보안 알림을 넘어 AI가 직접 보안 문제를 해결하는 '능동적 보안' 시대로의 전환을 의미합니다.

AI 에이전트가 코드를 작성하는 시대가 도래함에 따라, 프로그래밍 언어의 선택 기준이 '인간의 편의성(Python)'에서 'AI의 검증 및 피드백 효율성(Rust, Go)'으로 급격히 이동하고 있습니다. Anthropic과 OpenAI의 최근 인프라 인수는 이러한 기술적 패러다임 전환을 뒷받침하는 핵심 사례입니다.

오픈소스 AI 에이전트인 'Goose'를 활용하여 55페이지에 달하는 방대한 제품 문서를 단 4일 만에 자동화하여 완성한 실전 사례를 다룹니다. 단순한 프롬프팅을 넘어, AI에게 특정 작업 수행 능력을 부여하는 '스킬(Skills)' 구축과 단계별 실행 계획(Phased Plan)을 통해 복잡한 워크플로우를 성공적으로 관리한 방법론을 제시합니다.