AI 에이전트 뉴스

Respond.io는 최근 6,250만 달러 규모의 시리즈 B 투자를 유치하며 연간 반복 매출(ARR) 3,500만 달러를 달성했습니다. 이들은 기존의 인원수 기반 과금이 아닌 메시지량 중심의 모델을 통해 AI 에이전트 도입 확대가 수익 증대로 직결되는 구조를 구축했으며, 이를 바탕으로 북미와 유럽 시장 공략에 나섭니다.

개발사가 고정 가격 모델로 전환하며 AI 생성 코드를 전수 검사하는 대신 계층적 체크포인트 방식을 도입하여 개발 속도를 획기적으로 높였습니다. 특히 AI 모델의 성능 자체보다 인간의 판단을 어디에 배치할 것인가라는 거버넌스 설계가 생산성 향상의 핵심 동력이었습니다.

업스테이지가 포털 '다음' 운영사 AXZ와 에이전트 플랫폼 기업 타임리를 아우르는 '업스테이지 컴퍼니' 체제로 출범하며 통합 AI 전략을 공개했다. 자체 모델인 솔라(Solar)를 기반으로 업무 자동화 에이전트와 차세대 AI 포털 서비스를 연결해 기업과 개인 모두를 위한 AI 생태계를 구축한다는 구상이다.

frontpage.sh는 8개의 광고 슬롯을 대상으로 한 영구 경매 플랫폼으로, 사용자가 이전 가격의 배수를 지불하여 슬롯을 차지하고 누군가 자신을 제치면 최대 1.5배의 수익을 얻는 구조를 가집니다. 모든 거래 수익의 80%는 페이지 노출을 늘리기 위한 마케팅 풀로 재투자되며, AI 에이전트가 계정 없이 USDC를 통해 자동 입찰을 수행합니다.

Ahrefs가 13만 7천 개 도메인을 분석한 결과, llms.txt 파일의 9lar%가 트래픽이 전혀 없는 것으로 드러났습니다. 현재 이 파일은 AI 검색 엔진보다는 코딩 에이전트나 학습 크롤러 등 특정 기술적 용도로 주로 활용되고 있습니다.

에임인텔리전스가 마이크로소프트(MS)의 다중 모델 기반 AI 취약점 탐지 시스템인 'MDASH'의 초기 파트너(limited preview)로 참여합니다. 이번 협력을 통해 에임인텔리전스는 글로벌 기술 기업들과 함께 AI 에이전트 및 피지컬 AI 시대에 발생하는 새로운 보안 위협을 탐색하고 대응 범위를 확장할 계획입니다.

OpenClaw 에이전트의 모든 세션, 도구 호출, 프롬프트 교환 내역을 SQLite 기반의 변조 방지 감사 추적 시스템으로 기록하는 새로운 플러그인이 출시되었습니다. 이 시스템은 SHA-256 해시 체인을 통해 데이터 무결성을 보장하며, LLM 사용량 추적 및 이상 징후 탐지 기능을 제공하여 AI 에이전트 운영의 투명성을 높입니다.

Zero Browser는 현대 웹 브라우저의 과도한 복잡성과 하위 호환성 문제를 해결하기 위해 HTML/CSS/JS 없이도 데이터 중심의 상호작용이 가능한 경량 플랫폼을 지향합니다. 마크다운, 테이블, 폼 등 필수적인 요소를 통해 AI 에이전트와 인간 모두에게 효율적인 정보 교환 방식을 제공하고자 합니다.

글로벌 CRM 리더인 세일즈포스가 고객 서비스 자동화 전문 기업 Fin을 36억 달러 규모에 인수한다는 계약을 체결했습니다. 이번 인수를 통해 세일즈포스는 자사의 Agentforce 생동태계를 확장하고, 중소기업부터 대기업까지 아우르는 강력한 AI 에이전트 솔루션을 제공할 계획입니다.

AI 에이전트 기반의 코딩 활동 급증으로 GitHub의 트래픽이 폭증하자, 마이크로소프트가 서비스 안정성을 위해 AWS의 클라우드 용량을 도입하기로 했습니다. 이는 Azure 중심의 통합 전략보다 플랫폼의 신뢰성 유지를 우선시한 결정으로, AI 시대 개발 도구의 인프라 요구량이 예측치를 훨씬 상회하고 있음을 보여줍니다.

루프 엔지니어링은 AI 코딩 에이전트가 CI 오류를 수정하고 PR을 생성하는 등 자율적으로 작동하도록 설계된 자동화 시스템 구축 방식입니다. 이를 위해 워크트리, 스킬, 서브 에이전트 등 5가지 핵심 요소와 외부 메모리가 결합되어 끊김 없는 개발 루프를 형성합니다.

마이크로소프트 CEO 사티아 나델라는 기업의 가치가 모델 선택이 아닌 인간과 디지털 시스템 간의 '학습 루프' 구축에 있다고 강조하며 '루프크래프트'라는 새로운 경영 이론을 제시했습니다. 동시에 Anthropic의 모델 규제 이슈와 함께, AI 산업은 특정 모델에 종속되지 않는 모델 중립성 확보와 에이전트 시스템의 운영 가시성(Observability) 확보로 무게 중심이 이동하고 있습니다.

Memory Sidecar는 에이전트 외부에서 별도로 실행되며 Hot, Warm, Cold 레이어로 구성된 계층적 저장 방식을 통해 AI 에이전트에 장기 기억을 제공하는 오픈소스 도구입니다. 이 방식은 기존 에이전트의 코드를 변경하지 않고도 세션 간 문맥 유지를 가능하게 하며, 지식 그래프를 활용해 단순 벡터 검색보다 정교한 관계 중심의 정보 회복을 지원합니다.

최근 AI 에이전트 기술은 인터넷 브라우징 등 기능 확장에 집중해 왔으나, 보안 취약점과 통제 불가능한 실행 리스크가 새로운 과제로 떠오르고 있습니다. 이에 따라 엔비디아와 iFLYTEK 같은 기업들은 스킬 검증 및 거버넌스 레이어를 제공하며 에이전트 운영의 안전성을 확보하는 데 주력하고 있습니다.

많은 팀이 에이전트 평가를 수동적인 대시보드나 스프레드시트로 관리하지만, 이는 진정한 의미의 평가 체계가 아닙니다. 진정한 에이전트 평가는 CI 단계에서 자동화되어야 하며, 단순한 점수(Score)뿐만 아니라 실패 원인을 파악할 수 있는 실행 추적(Trace) 데이터가 반드시 결합되어야 합니다.

Shelly는 안드로이드 기기에서 OpenAI Codex CLI를 네이티브하게 구동하며, 실시간 코드 수정이 가능한 에이전트 채팅창과 비용 관리를 위한 위젯을 제공합니다. 특히 Qwen 3.5와 llama.cpp 같은 로컬 LLM 지원을 통해 모바일에서도 강력한 AI 코딩 환경을 구축했습니다.

PaneFlow는 AI 에이전트가 레이아웃, 브랜드 가이드라인, 애니메이션이 적용된 실제 슬라이드 프로젝트를 생성할 수 있도록 MCP 서버 기능을 도입했습니다. 결과물은 코드, 비동기 비디오, PDF 등으로 내보낼 수 있으며 사용자가 직접 수정 가능한 편집 가능한 프로젝트 형태로 제공됩니다.

ContextSpy는 LLM API 요청을 가로채 프롬프트 구성을 분석하고 토큰 사용량을 추적하는 컨텍스트 프로파일러입니다. 이를 통해 AI 코딩 에이전트 운용 시 발생하는 막대한 입력 토큰 비용과 컨텍스트 누적으로 인한 성능 저하 문제를 가시화하여 최적화를 지원합니다.

machine0는 CLI를 통해 VM 생성, 스냅샷, 일시 중단 및 복구가 가능한 인프라 관리 서비스입니다. NixOS의 재현성과 Ubuntu의 범용성을 결합하여 개발 환경 구축부터 AI 에이전트 실행까지 자동화된 워크플로우를 제공하며, 사용한 만큼 지불하는 분 단위 과금 체계를 갖추고 있습니다.

개발자들은 Mac Studio나 고사양 노트북의 대용량 통합 메모리를 활용해 Qwen 3.6 35B와 같은 로컬 모델을 코딩 에이전트로 사용하며, 이를 통해 비용 절감과 데이터 보안을 달성하고 있습니다. 다만 클라우드 기반 최상위 모델에 비해 추론 능력이나 아키텍처 설계 능력이 부족하여 정교한 프롬프트 엔지니어링이 필수적이라는 한계가 존재합니다.