AI 에이전트 뉴스

Sweet Security가 AI 기반 공격의 가속화에 대응하기 위해 에이전트 AI 레드팀 플랫폼인 'Sweet Attack'을 출시했습니다. 이 플랫폼은 고객의 실제 런타임 데이터를 활용해 이론적 취약점이 아닌 실제 실행 가능한 공격 체인을 식별함으로써 보안 방어의 비대칭성 문제를 해결하고자 합니다.

Anthropic이 Claude 모델에서 사용자가 직접 설정하던 '고정 사고 예산(fixed thinking budget)' 기능을 폐지하고 '적응형 사고(adaptive thinking)' 모드를 강제하기 시작했습니다. 이로 인해 복잡한 코딩이나 에이전트 워크플로우를 운영하던 사용자들 사이에서 모델의 추론 품질이 저하되었다는 불만이 제기되고 있으며, 이는 Anthropic의 비용 최적화 전략으로 풀이됩니다.

에이전트스팬(Agentspan)은 AI 에이전트를 내구성 있는 워크플로우로 실행할 수 있게 돕는 오픈소스 서버 및 SDK입니다. 개발자는 이를 통해 에이전트의 실행 상태를 모니터링하고, 오류 복구 및 인간의 승인 절차를 포함한 복잡한 에이전트 운영 환경을 구축할 수 있습니다.

고비용의 이메일 인증 API 대신 DNS MX 레코드 조회를 활용하여 비용을 '제로'로 만드는 기술적 대안을 제시합니다. 특히 AI 에이전트가 직접 사용할 수 있는 MCP(Model Context Protocol) 서버 형태의 구현 사례를 통해, 비용 효율적인 검증 자동화 방안을 제안합니다.

Thinking Machines가 공개한 실시간 AI 음성 및 비디오 상호작용 모델은 통신 지연을 최대 30%까지 줄이며, 멀티모달 기반의 자연스러운 대화를 가능하게 합니다. 이 기술은 고객 지원, 원격 협업, 교육 등 다양한 산업에서 AI 에이전트의 역할을 혁신할 것으로 기대됩니다.

PwC와 Anthropic이 전략적 파트너십을 확대하여, Claude를 활용해 기업의 기술 구축, 딜 실행, 기업 기능 재구성을 가속화하기로 했습니다. PwC는 3만 명의 전문가를 대상으로 Claude 교육을 실시하고, 'Office of the CMC'와 같은 Claude 기반의 새로운 비즈니스 유닛을 출시하여 AI 에이전트 중심의 운영 모델을 구축할 계획입니다.

구글은 사용자의 검색 패턴이 생성형 AI 중심으로 변화함에 따라, AI 검색 기능에 최적화하기 위한 새로운 리소스를 발표했습니다. 이 가이드는 단순 정보성 콘텐츠를 넘어 독창적인 가치와 로컬, 쇼핑, 영상 등 다양한 포맷의 콘텐츠 최적화 및 AI 에이전트 대응 방안을 다룹니다.

데이터브릭스가 OfficeQA Pro 벤치마크에서 최고 성능을 입증한 GPT-5.5 모델을 엔터프라이즈 에이전트 워크플로우에 적용했습니다. 이를 통해 기업용 AI 에이전트의 지능형 업무 수행 능력을 극대화하고 데이터 기반의 자동화된 의사결정 환경을 구축하고자 합니다.

3D-Agent는 MCP(Model Context Protocol) 기술을 활용하여 Blender 내부에서 텍스트 명령만으로 3D 모델을 생성하고 씬을 직접 편집할 수 있는 AI 도구입니다. 별도의 파일 내보내기/가져오기 과정 없이 Blender의 네이티브 기능을 사용하여 애니메이션에 즉시 사용 가능한 깨끗한 토폴로지를 제공하는 것이 핵심입니다.

OpenAI가 코딩 도구인 Codex를 ChatGPT 모바일 앱(iOS, Android)에 통합하여, 개발자가 언제 어디서나 원격으로 코딩 워크플로우를 관리할 수 있게 합니다. 이는 Anthropic의 Claude Code와 맞붙는 'AI 코딩 에이전트' 시장의 주도권 경쟁이 모바일 환경으로까지 확장되었음을 의미합니다.

현재의 AI 코딩 에이전트는 코드를 단순한 텍스트로 취급하여 구조적 관계를 놓치는 근본적인 한계를 가지고 있습니다. 저자는 코드를 그래프 형태의 '데이터'로 인식하고, 에이전트에게 구조적 이해를 제공하는 새로운 계층(Pando)의 필요성을 제안합니다.

멕시코와 브라질의 기업들을 대상으로 한 사이버 공격 캠페인에서 AI 에이전트가 맞춤형 해킹 도구를 실시간으로 생성하는 데 활용된 사례가 발견되었습니다. 이는 에이전트형 AI(Agentic AI)가 실제 공격의 무기로 사용되어 공격의 기술적 장벽을 낮추고 공격 주기를 가속화하고 있음을 보여주는 중대한 사건입니다.

Sea Limited는 AI 코딩 도구인 'Codex'를 도입하여 단순한 코드 자동완성을 넘어, AI 에이전트가 CI/CD 파이프라인 내에서 자율적으로 작동하는 '에이전트 기반 소프트웨어 개발'로 전환하고 있습니다. 이를 통해 대규모 마이크로서비스 아키텍처의 복잡성을 관리하고, 엔지니어링 팀의 생산성을 넘어 설계와 혁신에 집중할 수 있는 구조적 변화를 꾀하고 있습니다.

LLM 에이전트 파이프라인 운영 시 발생하는 불확실성을 해결하기 위해, 단순 로그 기록을 넘어 실행 전후의 상태를 검증하는 '계약(Contract)' 기반의 접근법을 제안한다. DEED와 같은 프레임워크를 통해 사전/사후 조건을 정의함으로써 에이전트의 실패를 사전에 방지하고, 실패 시 상태를 보존하여 복구 가능한 시스템을 구축할 수 있다.

2026년에는 단순 반복 업무를 위해 인적 가상 비서(VA)를 고용하는 대신, 초기 구축 비용이 들더라도 AI 에이전트 시스템을 구축하는 것이 훨씬 경제적이고 효율적이라는 분석입니다. 관계 구축이나 고도의 판단이 필요한 영역을 제외한 운영 업무의 대부분은 AI로 대체 가능함을 강조합니다.

LlamaIndexTS에서 이전 생성 이미지를 참조하여 수정하거나 변형할 수 있는 '다중 턴(Multi-turn) 이미지 생성' 기능을 구현한 사례입니다. OpenAI API의 image_id를 대화 컨텍스트에 포함시켜 에이전트가 이미지의 맥락을 유지하도록 개선했습니다.

LLM의 툴 콜링(Tool Calling)과 MCP(Model Context Protocol)의 발전으로 데이터 교환 표준은 정립되고 있으나, 실제 운영 단계에서의 인증, 보안, 배동 등 '글루 코드(Glue Code)'와 운영 복잡성 문제는 여전히 해결되지 않은 과제로 남아 있습니다. 에이전트 개발의 핵심 난제가 모델의 성능을 넘어 '에이전트 옵스(Agent Ops)'라는 인프라 관리 영역으로 이동하고 있음을 시사합니다.

AgentRail은 AI 코딩 에이전트의 작업 생애주기(Lifecycle)를 관리하는 오픈소스 로컬 컨트롤 플레인입니다. 단순히 코드를 작성하는 것을 넘어 티켓 선정, CI 모니터링, 리뷰 피드백 반영, 머지(Merge) 등 개발 워크플로우 전반을 자동화하고 관리하는 것을 목표로 합니다.

Standboy는 AI 에이전트의 작업 상태를 에디터 사이드바에서 시각적으로 보여주는 새로운 개발자 도구입니다. 게임보이 스타일의 인터페이스를 통해 에이전트가 작업 중일 때 활성화되고, 작업이 끝나면 자동으로 숨겨지는 직관적인 UX를 제공합니다.

Re_gent는 AI 코딩 에연트의 모든 동작을 버전 관리할 수 있는 개발자 도구로, 어떤 프롬프트가 어떤 코드 변경을 일으켰는지 추적하고 작업을 되돌리는 기능을 제공합니다. 이를 통해 AI 에이전트의 자율적 작업 과정에서 발생할 수 있는 오류를 관리 가능한 수준으로 통제할 수 있게 돕습니다.