AI 에이전트 뉴스

LangGraph를 활용하여 노드, 엣기, 상태, 체크포인트를 기반으로 한 정교한 AI 에이전트 설계 방식을 설명합니다. RAG의 신뢰성 확보, 멀티 도구 활용, 인간의 검토 과정을 포함한 세 가지 핵심 워크플로우 템플릿을 통해 복잡한 AI 문제를 해결하는 실무적인 가이드를 제공합니다.

Tiny CV는 마크다운 형식을 활용해 깔끔한 PDF와 웹 링크 형태의 한 페이지 이력서를 만들어주는 서비스입니다. 특히 AI 에이전트가 인간의 개입 없이도 이력서를 작성하고 관리할 수 있는 기능을 갖추어, 차세대 자동화된 채용 생태계에 대응하고 있습니다.

이 글은 AI 에이전트를 30일 동안 중단 없이 운영하며 겪은 기술적 시행착오와 해결책을 다룹니다. 모델의 지능보다 중요한 것은 메모리 관리, 비용 제어, 상태 유지 및 운영 환경의 안정성을 확보하는 엔지니어링 역량임을 강조합니다.

AI 에이전트의 신뢰성을 확보하기 위해 프롬프트에 의존하는 대신, 에이전트의 도구 사용 권한과 거버넌스를 코드 형태로 정의하는 'Harness as Code' 개념을 제안합니다. 이는 DevOps의 IaC 원칙을 에이전트 운영에 적용하여 에이전트의 동작을 버전 관리, 테스트, 검증 가능한 자산으로 만드는 것을 목표로 합니다.

마이크로소프트가 AI 에이전트의 보안 강화를 위해 RAMPART와 Clarity 프레임워크를 오픈 소스로 공개했습니다. 이 프레임워크는 이메일, 데이터베이스, 코드 접근 권한을 가진 AI 에이전트가 발생시킬 수 있는 보안 사고와 공급망 공격을 방지하기 위한 가드레일을 제공합니다.

구글 클라우드 COO는 AI 보안이 사후 조치가 아닌 데이터 및 AI 전략과 결합된 플랫폼 접근 방식으로 다뤄져야 한다고 강조하며, 에이전트 기반의 새로운 공격 위협에 대응하기 위해 AI 기반의 자동화된 방어 체계가 필요하다고 주장합니다. 동시에 최근 구글 API 권한 확대 과정에서 발생한 대규모 과금 사고를 통해 클라우드 보안 및 비용 관리의 위험성을 조명합니다.

Kanban CLI는 Rust로 작성된 로컬 우선(Local-first) 프로젝트 관리 도구로, 개발자뿐만 아니라 AI 에이전트가 작업을 수행하기 용이하도록 설계되었습니다. Git 통합 및 JSON 기반 아키텍처를 통해 태스크, 스프린트, 역할 관리를 터미널 환경에서 효율적으로 수행할 수 있게 돕습니다.

이 프로젝트는 'recon(진단)', 'craft(구현)', 'audit(검증)'의 세 단계로 구성된 에이전트 파이프라인을 통해 SWE-bench Verified 테스트에서 97%라는 놀라운 성과를 달성했습니다. 단순한 LLM의 지능에 의존하기보다, 오류를 재현하고 패치를 생성한 뒤 전체 테스트 스위트를 통해 검증하는 체계적인 워크플로우를 통해 소프트웨어 버그 수정의 자동화 가능성을 입증했습니다.

본 연구는 LLM 에이전트가 백엔드 개발 시 복잡한 구조적 제약을 다루는 능력을 평가하였으며, 제약 조건이 늘어날수록 에이전트의 성능이 급격히 하락하는 '제약 소멸' 현상을 입증했습니다. 특히 Django나 FastAPI처럼 컨벤션이 강한 프레임워크에서 성능 저하가 두드러지며, 주로 데이터 레이어에서의 오류가 주요 원인으로 나타났습니다.

TrapDoor 공격은 npm, PyPI, Crates.io에 34개의 악성 패키지를 배포하고, 오픈소스 저장소의 CLAUDE.md 및 .cursorrules 파일을 오염시켜 AI 코딩 어시스턴트를 무기화했습니다. 이 공격은 AI 에이전트가 프로젝트 내 설정 파일을 신뢰한다는 점을 악용하여 개발자의 클라우드 자격 증명과 개인 키를 탈취하는 것을 목표로 합니다.

Swarm Orchestrator는 Cursor나 Devin 같은 AI 코딩 에이전트가 제출한 PR에서 발견되는 'silent catch'나 'hallucinated mock' 같은 패턴을 탐지하는 오픈소스 감사 도구입니다. 최신 버전은 LLM 판사 기능을 도입하고 AI-BOM 생성을 지원하여, AI 에이전트 활용이 늘어나는 개발 환경에서 코드 신뢰성을 높이는 데 집중하고 있습니다.

이 기사는 LangGraph의 핵심 구성 요소를 설명하고, 실제 개발에 즉시 적용 가능한 세 가지 핵심 에이전트 워크플로우 템플릿을 소개합니다. RAG, 멀티-도구, 인간 개입형 에이전트의 구조를 코드로 제시하여 복잡한 AI 에이전트 설계의 표준을 제안합니다.

Towards Data Science는 파이썬을 활용해 AI 에이전트를 구축하는 단계별 가이드를 발표했습니다. 이 가이드는 에이전트의 정의부터 도구 통합, 프롬프트 엔지니어링까지 핵심 요소를 다루며, 개발자가 맞춤형 AI 솔루션을 설계할 수 있는 실무적인 방법론을 제공합니다.

구글 I/O 2026에서 제시된 '에이전트 준비 완료(Agent-ready) 웹'을 구현하기 위한 실질적인 가이드를 제공합니다. llms.txt를 통한 사이트 구조 설명, WebMCP를 이용한 도구 노드 노출, 그리고 HTML 속성을 활용한 폼 메타데이터 정의를 통해 AI 에이전트의 작업 성공률을 획기적으로 높일 수 있습니다.

AI 에이전트가 신뢰할 수 없는 입력을 처리할 때 발생할 수 있는 권한 상승 및 시스템 파괴 위험을 경고합니다. 이를 해결하기 위해 권한 최소화, 시스템 콜 제한, 네트워크 및 파일 시스템 격리를 포함한 5단계 심층 방어(Defense in Depth) 전략을 설명합니다.

AI 에이전트가 코드를 작성하고 테스트를 통과하더라도 시스템 전체의 맥락을 파악하지 못하면 '글로벌 불일치'라는 치명적인 오류가 발생할 수 있습니다. 이를 방지하기 위해 실패 모드 문서화, 테스트 시나리오의 직접 설계, 코드 변경 사항의 철저한 수동 검토라는 세 가지 핵심 원칙을 제시합니다.

NoteCove는 사용자의 기존 클라우드 저장소를 활용하여 별도의 구독료 없이 사용할 수 있는 로컬 퍼스트 기반의 생산성 도구입니다. 단순한 노트 작성을 넘어, MCP(Model Context Protocol)와 CLI를 통해 AI 에이전트가 직접 데이터에 접근하고 상호작용할 수 있는 환경을 제공하는 것이 특징입니다.

클라우드플레어는 웹사이트가 AI 에이전트에게 얼마나 잘 읽히는지 측정하는 'isitagentready.com' 스캐너를 공개했습니다. 이 도구는 발견 가능성, 콘텐츠 구조, 봇 제어 등 5개 카테고리의 16개 항목을 검사하여 점수를 제공하며, 에이전트가 스스로 웹사이트를 감사할 수 있는 MCP 엔드포인트 기능도 포함합니다.

이 글은 LangGraph를 활용해 복잡한 AI 워크플로우를 구축하는 세 가지 핵심 템플릿을 소개합니다. 단순 RAG 에이전트, 계획-실행 기반의 멀티 도구 에이전트, 그리고 신뢰성 확보를 위한 인간 개입(Human-in-the-loop) 구조의 구체적인 코드 예시와 아키텍처를 다룹니다.

인도 프린트샵의 개인정보 유출 문제를 해결하기 위해 개발된 Subhams Secure Agent는 Socket.io를 이용한 실시간 데이터 전송과 RAM 전용 프로세싱 기술을 도입했습니다. 이 시스템은 파일을 디스크에 저장하지 않고 메모리 내에서만 처리하여 출력 후 데이터를 즉시 삭제함으로써 보안성을 극대화했습니다.