AI 에이전트 뉴스

오픈AI는 AI 활용 방식이 단순 질의응답 형태인 챗봇에서 장시간 자율 작업을 수행하는 에이전트로 빠르게 변화하고 있다고 발표했습니다. 특히 사내에서는 '코덱스'가 표준 도구로 자리 잡으며 전체 AI 출력 토큰의 99% 이상을 담당할 만큼 에이전트화가 진행되었습니다.

기존 AI 에이전트는 매 단계마다 고가의 멀티모달 모델을 호출하는 비효율적인 구조였으나, DeepSeek Flash를 활용해 모델을 '실행기'가 아닌 '컴파일러'로 사용하는 새로운 아키텍처가 등장했습니다. 이를 통해 비용을 100배 이상 절감하면서도 성능을 유지하는 효율적인 에이전트 구축이 가능해졌습니다.

구글은 Gemini 모델과 에이전트를 단일 엔드포인트로 관리할 수 있는 'Interactions API'의 정식 출시(GA)를 발표했습니다. 이 API는 기존 개발자들이 직접 구현해야 했던 상태 관리, 도구 조합, 백그라운드 실행 등의 복잡한 오케스트레이션 과정을 구글 인프라 내에서 통합 제공하여 AI 서비스의 신뢰성과 확장성을 높이는 데 집중합니다.

에이전트 신뢰 시스템의 '체크마크'는 발행자가 스스로를 검증하는 자기 인증에 불과한 경우가 많으며, 진정한 검증은 외부인이 발행자의 코드 없이도 결과를 재현할 수 있을 때만 가능합니다. 저자는 서명 기반의 독립적 검증 도구를 통해 위변록을 탐지하고, 중복된 증거를 제외한 실제 독립적 증인의 수를 계산하는 기술적 방법론을 제안합니다.

연령 확인이나 지역별 접근 제한(Geo-gate)을 운영하는 사이트의 경우, 미들웨어에서 구글봇만 허용하도록 설정하면 구글 서치 콘러의 실시간 검사 도구가 차단되어 인덱싱 실패가 발생할 수 있습니다. 이를 해결하려면 Google-InspectionTool을 포함한 다양한 봇의 유저 에이전트를 명시적으로 허용해야 합니다.

네이버가 생성형 AI 기반의 대화형 검색 서비스인 'AI탭'을 전 사용자 대상으로 정식 출시하고, 단순 정보 제공을 넘어 예약과 쇼핑 등 실행까지 지원하는 에이전트 기능을 강화합니다. 새로운 제품 최적화 LLM을 탑재하여 응답 속도를 높였으며, 향후 부동산 및 건강 관리 등 맞춤형 서비스로 영역을 확장할 계획입니다.

DevOps Open Agent는 AI 기반의 오픈소스 플랫폼으로, Kubernetes 및 AWS 환경의 문제 해결과 비용 최적화를 지원하는 4가지 특화 에이전트를 제공합니다. 사용자가 원하는 LLM을 선택해 분석 결과를 Slack으로 바로 받아볼 수 있으며, 자가 호스팅이 가능해 데이터 보안성까지 확보했습니다.

중국의 Qihoo 360은 Anthropic의 Mythos 모델과 대항하기 위해 멀티 에이전트 기반의 'Tulongfeng' 시스템을 개발했다고 주장합니다. 이 기술은 단순한 거대 모델의 성능에 의존하는 대신, 보안 특화 에이엇들이 협업하여 취약점을 탐색하고 검증하는 방식을 채택했습니다.

단순한 에이전트 루프를 넘어 실제 파일과 API를 다루는 프로덕션급 AI 에이전트를 위한 10계층 인프라 스택의 중요성을 강조합니다. 실행 샌드박스, 브라우저 자동화, MCP(Model Context Protocol) 등 에이전트 생태계를 구성하는 핵심 기술 요소들을 체계적으로 정리했습니다.

에이전트 AI 워크플로우에서 발생하는 과부하 루프는 시스템 응답 중단 및 데이터베이스 설정 오염과 같은 심각한 문제를 야기할 수 있습니다. 이를 해결하기 위해서는 엄격한 메모리 파라미터 설정, 정기적인 디버깅, 그리고 명확한 세션 파라미터 구성을 통한 체계적인 관리가 필요합니다.

OpenAI 내부 데이터에 따르면 2025년 말 이후 연구(56배), 고객 지원(32배) 등 전 부서의 Codex 토큰 사용량이 급격히 증가하며 AI 에이전트 도입이 가속화되고 있습니다. 동시에 GLM-5.2와 같은 고성능 오픈 모델의 등장과 구글 제미적 3.5 Flash의 '컴퓨터 사용' 기능 출시로 인해, 자율적 실행력을 갖춘 에이전트 인프라 경쟁이 본격화되고 있습니다.

독일 법원이 구글 AI Overviews의 오류에 대해 기업의 책임을 인정한 판결을 다루며, 보안 전문가 브루스 슈나이어는 AI 에이전트가 배포자의 대리인으로서 동일한 법적 책임을 지는 것이 타당하다고 주장합니다. 만약 AI를 통한 책임 회피가 허용된다면 기업들이 비용 절감을 위해 의도적으로 오류 가능성이 있는 기술을 채택하는 위험한 인센티브 구조가 형성될 수 있음을 경고합니다.

젠스파<0xAE>크는 다양한 AI 모델과 도구를 통합하여 사용자의 의도에 맞는 문서, 슬라이드, 데이터 등을 생성하는 'AI 워크스페이스' 서비스를 제공합니다. 단순한 모델 개발을 넘어 최적의 엔진을 선택하고 실행하는 에이전트 레이어 역할을 수행하며, 설립 2년 만에 연간 반복 매출(ARR) 2.5억 달러를 기록하는 등 폭발적인 성장을 보여주고 있습니다.

최근 AI 업계는 LLM에 외부 도구를 연결하여 작업을 수행하는 에이전트 구축에 집중해 왔으나, 구글 딥마인드는 모델 자체의 발전이 기존의 에이전트 프레임워크를 대체할 수 있다고 전망합니다. 이는 현재 진행 중인 에이전트 스캐폴딩 기술의 지속 가능성에 대한 근본적인 의문을 제기합니다.

Persona.js는 TypeScript로 구축된 프레임워크 독립형 AI 채팅 위젯으로, 스트리밍 응답, 음성 I/O, 멀티모달 콘텐츠 및 도구 호출 시각화 등 고급 기능을 제공합니다. SSE 프로토콜을 통해 어떤 백엔드와도 연결 가능하며, 기존 웹 서비스에 최소한의 비용으로 고성능 AI 에이전트 UI를 통합할 수 있게 해줍니다.

가상 러닝 앱 개발자가 전 세계 주요 명소를 지도에 표시하기 위해 GeoNames 데이터를 활용한 데이터 파이프lam을 구축한 과정을 다룹니다. Python, Parquet, DuckDB를 사용해 방대한 로우 데이터를 정제했으며, AI 코딩 에이전트를 활용하되 최종적인 데이터의 품질과 '안목'을 유지하는 데 집중했습니다.

OpenKnowledge는 마크다운 편집 기능에 다양한 LLM(Claude, Codex 등) 통합을 결합한 로컬 퍼스트 기반의 AI 위키 도구입니다. MCP를 통한 에이전트 검색과 Git/GitHub 기반의 팀 공유 기능을 지원하여 개발자와 데이터 중심 팀을 위한 지식 관리 환경을 구축합니다.

OpenClaw 6.10은 기능 추가보다 데이터 불일치와 상태 오류를 해결하는 데 초점을 맞춘 업데이트입니다. 리트라이, 채널 전환, 크론 작업 등 복잡한 워크플로우 내에서 정확한 컨텍스트를 유지하도록 설계되어 에이전트 운영의 안정성을 강화했습니다.

AI 에이전트가 이전 세션의 결정 사항을 잊어버려 발생하는 개발 리소스 낭비를 막기 위해, 코드와 마크다운 기반 문서를 동일한 Git 저장소에 통합하는 '모노레포 메모리' 전략을 제시한다. 이를 통해 AI는 비즈니스 로직과 기술적 결정을 동시에 이해하며 일관성 있는 결과물을 만들어낼 수 있다.

구글은 2026년 6월, 제미니 모델과 에이전트를 위한 통합 인터랙션 API를 정식 출시(GA)하며 기존의 파편화된 개발 방식을 종결했습니다. 이 API는 세션 메모리, 도구 라우팅, 백그라운드 실행 등을 단일 엔드포인트로 통합하여 에이전트 구축의 고질적인 문제인 '스테이트리스 천장'을 해결합니다.