AI 에이전트 뉴스

엔비디아가 대규모 에이전트 시스템에 최적화된 30B 파라미터 규모의 MoE 모델인 Nemotron 3.5 Lightning과 효율적인 요청 분산을 지원하는 오픈소스 라이브러리 NeMo Switchyard를 발표했습니다. 이번 발표는 다양한 크기의 모델을 조합해 특정 작업에 최적화된 에이전트를 구축하고, 비용과 성능 사이의 균형을 맞추는 기술적 토대를 제공합니다.

오픈AI의 최신 연구에 따르면 글로벌 선도 기업들은 ChatGPT와 Codex를 활용해 에이전트형 AI를 업무 프로세스에 통합하고 있습니다. 이는 단순한 정보 검색을 넘어 실제 과업을 수행하는 단계로의 전환을 의미합니다.

AI 에이전트가 단 몇 초 만에 막대한 비용을 발생시키는 문제를 해결하기 위해, 다양한 경계값과 규칙을 테스트할 수 있는 56개 시나리오 기반의 검증 프레임워크를 소개합니다. 단순한 한도 설정을 넘어 소수점 정밀도, 규칙 우선순위, 트랜잭션 유형별 에지 케이스를 체계적으로 다루는 방법을 다룹니다.

MCP 서버는 AI 모델이 외부 데이터와 블록체인 프로토콜에 안전하게 접근할 수 있도록 돕는 표준화된 미들웨어 아키텍처입니다. 이를 통해 AI 에이전트는 자연어 명령만으로 스왑, 자산 관리, 크로스체인 거래 등 복잡한 DeFi 작업을 수행할 수 있습니다.

코드를 작성하는 에이전트를 넘어 인프라를 관리하는 AI 에이전트를 운영하며 발견한 '신호와 상태의 혼동' 문제를 다룹니다. 에이전트가 HTTP 200이나 성공 메시지 같은 단순 결과값(Signal)을 실제 작업 완료(State)로 오인하여, 데이터 백업 실패와 같은 심각한 오류를 감지하지 못한 사례를 분석합니다.

EU AI 법규(Article 50)는 AI 생성물에 대한 식별 표시를 의무화하고 있으나, 저자는 User-Agent 헤더 실험을 통해 자발적 선언의 한계를 지적합니다. 실험 결과, 많은 크롤러가 자신의 정체를 속여서 접속하는 것으로 나타났으며, 이는 규제 대상자의 자발적 표식이 악의적인 행위를 막기에는 역부족임을 시사합니다.

개발자가 AI 에이전트와의 원활한 협업을 위해 소스 코드와 프로젝트 문서를 하나의 저장소에 통합하는 '자립형 리포지토리' 개념을 제안합니다. 이는 별도의 데이터베이스나 복잡한 설정 없이도 Claude Code와 같은 도구가 즉시 전체 맥락을 파악할 수 있는 환경을 구축하는 것을 목표로 합니다.

AI 에이전트가 도구 사용 및 외부 시스템 접근 권한을 갖게 되면서 모델의 추론 능력만으로는 통제 불가능한 보안 및 법적 리스크가 발생하고 있습니다. SAFi는 모델을 '지능'으로만 활용하고, 별도의 독립된 프레임워크를 통해 실행 전 권한을 검증하며 감사 기록을 남기는 런타임 거버넌스 솔루션을 제시합니다.

apra-fleet은 사용자가 이미 보유한 하드웨어를 활용해 다수의 AI 에이전트를 운영할 수 있게 해주는 오픈소스 MCP 서버입니다. Claude, Copilot 등 다양한 모델을 비용에 따라 라우팅하며, 장시간 지속되는 관찰 가능한 워크플로우를 자율적으로 구축하고 실행합니다.

웹훅 데이터 변환 기술의 한계를 극복하기 위해, 사용자가 UI를 학습할 필요 없이 AI 에이전트가 즉시 실행 가능한 'MCP 레시피'라는 새로운 개념을 제안합니다. 이는 민감한 인증 정보를 에이전트에 노출하지 않으면서도 슬랙 포스팅이나 깃허브 이슈 생성 같은 복잡한 작업을 안전하게 수행하는 것을 목표로 합니다.

에이전틱 AI가 스스로 작업을 수행하는 주체로 진화함에 따라, 이들이 사용하는 비인간 정체성(NHI)에 대한 보안 공백이 심화되고 있습니다. 기존의 API 키나 영구 인증서 중심의 관리 방식은 보안 사고의 위험을 높이므로, 에이전트를 신뢰할 수 있는 행위자로 취급하여 권한을 분리하고 최소화하는 거버넌스 구축이 시급합니다.

AI 코딩 에이전트 사용 시 발생하는 복잡하고 파편화된 Git 변경 사항을 깔끔한 커밋으로 구조화하는 'GitX'가 공개되었습니다. 이 도구는 커밋 계획 수립부터 브랜치 생성, PR 작성, 충돌 해결까지 Git 워크플로우 전반을 자동화하여 깨끗한 코드 히스토리를 유지하도록 돕습니다.

LLM 에이전트 시스템은 스스로 코드를 생성하고 실행하므로 기존 마이크로서비스의 보안 경계를 무너뜨릴 위험이 있습니다. 이를 방지하기 위해 gVisor, Kata Containers, W능과 같은 샌드박스 런타임을 도입하여 호스트 커널을 보호하고, 사이드카 패턴을 통해 에이전트와 외부 자격 증명을 분리하는 아키텍처가 필요합니다.

NVIDIA JetPack 7.2.1은 개발자의 의도를 실제 하드웨어 성능으로 연결하는 '에이전트 기반 비디오 스킬'과 Python 환경에서의 고성능 영상 처리를 지원하는 PyNvVideoCodec 2.2를 도입했습니다. 또한, 상위 모델인 Thor에서 T3000 성능을 에뮬레이션할 수 있는 기능을 추가하여 효율적인 AI 비디오 파이프라인 개발을 지원합니다.

Mem Agent는 메모, 회의록, 리서치 내용을 학습하여 중요한 일정이나 할 일을 적시에 알려주는 AI 기반 생산성 도구입니다. 'Push-to-Remember' 기능을 통해 작업 흐름을 방해하지 않고도 아이디어를 즉시 저장하거나 불러올 수 있는 것이 특징입니다.

구글 제미니 앱이 월간 활성 사용자(MAU) 10억 명을 돌파하며 구글의 가장 빠르게 성장하는 제품 중 하나로 자리매김했습니다. 구글은 검색, 워크스페이스, 안드로이드 등 기존 생태계에 Gemini를 통합하고 있으며, 최근에는 코딩과 에이전트 작업에 특화된 Gemini 3.5 Flash 모델을 출시하며 기능 확장에 집중하고 있습니다.

AI 에이전트의 등장으로 인해 개발자의 역할이 코드 작성 중심에서 전체적인 코드 전달 시스템을 관리하는 형태로 확장되고 있습니다. GitHub는 이러한 변화를 다루며 개발자들이 나아가야 할 새로운 방향성을 탐색할 기회를 제공하고자 합니다.

xAI 출신 이고르 바부슈킨이 설립한 River AI가 General Catalyst 등의 주도로 11억 달러 규모의 초기 투자를 유치했습니다. River AI는 모델 학습부터 하드웨어까지 AI 스택 전체를 재설계하여, 사용자가 직접 미세 조정(Fine-tuning)할 수 있는 개인 맞춤형 에이전트 환경을 구축하는 것을 목표로 합니다.

오아시스(Oasis)는 인간과 AI 에이전트가 한데 모여 함께 일할 수 있는 차세대 지능형 워크스페이스입니다. 다양한 생태계의 에이전트를 하나의 공간으로 통합하여, 모든 협업 과정에서 발생하는 대화와 결과물을 팀의 공유 지식으로 축적하고 개인화된 도구로 발전시키는 것을 목표로 합니다.

구글의 연구용 의료 AI인 AMIE가 멀티 에이전트 아키텍처를 통해 실시간 영상 기반의 임상 상담 능력을 구현했습니다. 이 시스템은 시각적·청각적 단서를 해석하고 가상 신체 검사를 안내하며, 연구 결과 진단 정확도와 의사소통 품질 면에서 긍정적인 평가를 받았습니다.