출처, 주제, 시간으로 전체 뉴스에서 관심 소식을 찾아보세요.
SAP SE는 오늘 개발자를 위한 연례 TechEd 컨퍼런스에서 인공지능 혁신 제품군을 발표하며, Joule 어시스턴트 솔루션과 비즈니스 AI 플랫폼을 고도화했습니다. 여기에는 테이블형 데이터 기반 모델도 포함됩니다. Joule Work의 새로운 기능은 AI 에이전트가 더욱 효율적으로 작동하고 개방형 프로토콜과 상호운용성을 갖도록 지원합니다. 이와 관련해 모델 컨텍스트 프로토콜[…] SAP는 더 지능적이고 관리된 Joule 에이전트를 통해 자율적 기업 전략을 한층 더 추진하고 있습니다. 이 글은 SiliconANGLE에 처음 게재되었습니다.
自从拿到蚂蚁灵光2.0这个Personal Agent的内测，它已经成为我的私人管家了。到现在，我已经通过Skill、MCP、GitHub项目或者内置的方式，把15个国民级App都接进去了。基本上我打开「帮我管」那一栏里，定时任务里会定时刷新值得关注的信息。灵光不是我用的第一个Personal Agent，前前后后一共测了12个，测到后面，我越来越觉...
말해봐야, 지난 2년간 AI는 눈부시게 발전해 왔습니다. 자료 정리부터 PPT 제작, 코딩에 이르기까지, 이제는 모두가 이를 대신하도록 익숙해졌을 것입니다. 그런데 혹시 눈치채셨나요? 대화창을 닫고 현실로 돌아오면, AI는 마치 당신과는 상관없는 존재처럼 느껴지곤 합니다. 그건 그저 클라우드 속에 있을 뿐이죠....
에이전트가 한 번 움직일 때마다, 행동하기 전에 전체 컨텍스트를 다시 읽습니다. 다음은 Amazon Bedrock에서 OpenAI 모델을 위한 프롬프트 캐싱이 어떻게 에이전트의 기억을 유지하여, 매 턴마다 동일한 도구, 지침 및 이력을 다시 전송하지 않고도 입력 비용과 지연 시간을 줄여주는지 보여줍니다.
에이전트들은 어설픈 검색, 과도하게 방대한 결과, 오래된 데이터로 인해 시간과 컨텍스트를 낭비합니다. LangChain의 딥 에이전트가 활용하는 검색 기법을 통해 올바른 컨텍스트를 확보하는 방법을 알아보세요.
장기간 실행되는 에이전트는 컨텍스트가 쌓일수록 성능이 저하됩니다. 오프로딩, 요약, 스킬, 서브에이전트 및 메모리가 에이전트의 컨텍스트 창을 효과적으로 유지하는 방법을 알아보세요.
DocuSign은 Claude Code, dbt Agent Skills, dbt MCP 및 dbt v2를 하나의 워크플로우로 통합하고, 생산성 향상 50%를 측정했습니다.
AI 에이전트는 BI 계층 내부에서 dbt 라이너지 기능을 활용해, 커피를 타는 시간 안에 세 가지 데이터 미스터리를 해결했습니다.
LangChain은 2026년 10월 25일 블로그를 통해, 마케팅, 영업 및 엔지니어링 팀 내부에 AI 에이전트(GTM Agent, OpenSWE, Content Studio)를 도입하며 축적한 다섯 가지 일반적인 아키텍처 원칙을 체계적으로 설명했습니다. 이 원칙에는 네이티브 통합 작업 환경(Slack), 동적 신원 모델(OBO+ 고정 인증 정보), 이중 계층 메모리 메커니즘(전역/사용자 수준), 샌드박스화된 코드 실행, 그리고 높은 비율의 스케줄 기반 실행(수동 트리거 아님)이 포함됩니다. 모든 에이전트는 Managed Deep Agents 플랫폼을 기반으로 구축되었습니다.
추천 이유：이 정보는 LangChain 공식 블로그에서 발행되었으며, 게시일시(2026-10-25T18:06:32.000Z)가 현재 시스템 시간(2026-10-25T23:01:18.857Z)보다 앞서 있습니다. 내용은 이미 도입된 사내 인텔리전트 에이전트의 실제 사례에 중점을 두고 있으며, Slack 스레드 격리, GitHub 계정 소속 논리, Notion/Twitter 권한 계층화 등 구체적인 세부사항을 포함하고 있습니다. 검증되지 않은 예측이나 외부의 주장은 포함되어 있지 않으므로, 시의성과 사실성 요건을 충족합니다.
마이크로소프트 연구소는 2026년 10월 25일, 중앙 조정자를 필요로 하지 않는 다중 에이전트 런타임 프레임워크인 Agensh를 오픈소스로 공개했습니다. 이 프레임워크는 ProgramBench에서 1개부터 1,024개까지의 LLM 기반 코딩 에이전트가 자율적으로 협업하도록 지원합니다. 시스템은 Gitea, Mattermost 및 DeLM 스타일의 공유 보드를 기반으로 탈중앙화된 조정을 구현하며, 모든 에이전트는 동일한 프롬프트 기반 5단계 순환을 실행합니다. 또한 Linux와 Docker 환경에서 확장성을 검증했습니다.
추천 이유：이 성과는 다중 에이전트 시스템 아키텍처의 중요한 발전을 나타냅니다—전통적인 ‘주제어 에이전트’ 패러다임을 탈피하고, 프롬프트 엔지니어링과 경량 서비스의 조합을 통해 대규모 자조직화를 구현합니다. ProgramBench에서 확보한 실증 데이터(예: 128개의 에이전트를 사용할 때 5개의 작업에 대한 평균 성능 향상이 49%에 달함)는 분산형 AI 엔지니어링의 새로운 기준점을 제시합니다. MIT 라이선스로 오픈소스화되어 있으며 Copilot CLI 등 주요 단일 에이전트 도구와도 호환되므로, 실제 개발에서의 참고 가치를 갖습니다.
Anthropic은 2026년 10월 24일에 컨테이너에 의존하지 않는 OS 수준의 샌드박스 도구인 sandbox-runtime(srt)을 오픈소스로 공개했으며, 이는 AI 에이전트, MCP 서버 및 CLI 도구의 파일 읽기·쓰기와 네트워크 접근 권한을 제한하는 데 사용됩니다. macOS(Seatbelt), Linux(bubblewrap) 및 Windows(alpha)를 지원하며, npm 패키지 버전 v0.0.81이고 Apache-2.0 라이선스를 적용합니다.
추천 이유：이 도구는 AI 보안 인프라의 중요한 발전을 의미합니다—운영체제의 기본 제공 격리 메커니즘을 통해 세분화된 수준의 프로세스 트리 전면 커버리지 샌드박스 제어를 구현함으로써, 프롬프트 주입 및 권한 남용 위험에 직접 대응하며, 이미 Claude Code 내부에서 사용되어 그 효과가 검증되었습니다.
바이엘 크롭사이언스는 기존의 Connected Decision Engine(CDE)을 대체하는 것이 아니라 이를 보강하는 층으로서, 육종 전문가, 분석가 및 연구자를 위한 자연어 기반 다중 에이전트 플랫폼인 Agentic Decision Engine(ADE)을 Amazon Bedrock AgentCore 위에 구축했습니다. 이 시스템은 현재 프로덕션 환경에 배포되어 100명 이상의 R&D 사용자에게 서비스를 제공하고 있으며, 22개의 도메인 특화형 에이전트와 약 20개의 API 도구를 통해 문제의 약 80%를 자가 해결할 수 있도록 하고 있습니다.
Learn how AI agent memory works, explore short-term and long-term memory architectures, and discover how to combine n8n and Cognee to build AI workflows that retain context, share knowledge, and learn across sessions.
번역 대기 중 · 원문 표시 · enAgentic AI 재단에 에이전트 스킬 기부 오늘 Anthropic에서 전한 소식: 우리는 에이전트 스킬을 개방적이고, 커뮤니티 주도적이며, 벤더 중립적으로 유지하기 위해 헌신하고 있습니다. 오늘 우리는 지난해 Block 및 OpenAI와 공동 설립한 Linux Foundation 산하의 Agentic AI 재단(AAIF)에 표준을 기부하며, 이 재단에는 우리가 모델 컨텍스트 프로토콜(MCP)을 기부한 바 있습니다. 지난해 12월 Anthropic이 처음으로 스킬을 ‘개방형 표준’으로 선언했을 때 이를 예견했다는 점을 기쁘게 생각합니다. 이번 사례가 MCP 규격의 새로운 근거지인 AAIF에 포함될지도 놀랍지 않을 것입니다. 재미있는 여담으로, 제 블로그 콘텐츠가 datasette-mcp 플러그인을 통해 Claude에게 제공되므로, Claude에게 “simonwillison.net의 MCP를 사용해 제가 스킬에 대해 어떻게 말하고 싶은지 언급한 적이 있는지 찾아달라”고 요청해 보니 해당 글을 발견했습니다.
본 문서는 AI 에이전트가 실제 워크플로에서 발생하는 환각의 네 가지 전형적 유형(사실성, 맥락성, 허구성, 자기모순)을 체계적으로 정리하고, 단일 점수에 의존하기보다 신뢰도 검사, 출처 검증, 자기 일관성 평가, 의미 엔트로피 분석 및 인간-기계 협업 임계값 등 다차원적 검사 방식을 병행해야 한다고 제안한다. 또한 이러한 검사는 워크플로의 폐쇄 루프에 내장되어 관측성, 오류 처리 및 인력 검토 경로와 깊이 통합되어야 함을 강조한다.
이 글에서는 자체 호스팅 대규모 언어 모델과 클라우드 API 간의 데이터 프라이버시, 비용, 지연 시간 및 성능 측면에서의 균형을 비교하고, 오픈소스 배포 가능 모델의 하드웨어 요구 사항(예: VRAM 및 양자화)과 대표적인 기술 스택을 소개합니다. 또한 n8n을 예로 들어, 작업의 민감도, 복잡성 또는 규정 준수 요구사항에 따라 로컬 및 클라우드 모델 간에 요청을 동적으로 분산하는 혼합형 라우팅 워크플로를 구축하는 방법을 설명합니다.
이 문서에서는 URI, HTTP 헤더, 날짜, 쿼리 파라미터 등 네 가지 주요 API 버전화 전략을 비교하고, 이들 간의 가독성, 캐시 호환성, 디버깅 편의성에서의 차이점을 분석한 뒤, 폐기 헤더(Deprecation/Sunset), 응답 코드(예: 410 Gone) 및 n8n 워크플로 내장 메커니즘을 통해 어떻게 원활한 마이그레이션을 구현할 수 있는지 상세히 설명합니다.
이 문서에서는 AI 에이전트 시스템에서 stateful(상태 유지형)과 stateless(무상태형) 아키텍처의 핵심 차이점을 탐구하고, 이들이 확장성, 내결함성 및 컨텍스트 연속성에 미치는 실제 영향을 분석한 뒤, n8n 플랫폼을 사례로 들어 메모리 노드(Memory nodes)와 상태 저장소(state stores)를 계층적으로 설계하여 유연하고 제어 가능한 상태 관리를 구현하는 방법을 설명합니다.
AWS 솔루션 아키텍처 팀이 선보인 오픈소스 다중 에이전트 시스템 Deep Insight는 CSV 데이터의 자동 분석과 자연어 보고서 생성을 위한 시나리오를 대상으로 하며, 생산 환경에서 흔히 발생하는 다섯 가지 주요 과제—에이전트 오케스트레이션, 역할 기반 모델 선택, 안정적인 운영, 안전한 코드 실행 및 관찰 가능성—에 대해 체계적으로 대응합니다. 또한 이 시스템은 LG전자와 re:Invent 2025 TechRecon 등 실제 환경에서 이미 검증된 바 있습니다.
AWS는 Adaptive Agentic Intelligence Framework(AAIF)를 제안하며, Strands Agents를 활용해 계층형 에이전트 아키텍처를 구축하고, 로컬 소형 언어 모델(SLM)을 통해 작업을 동적으로 라우팅합니다. 일반적인 IoT 원격 측정과 비전 분석은 엣지에서 처리되며, 복잡한 추론은 Amazon Bedrock 클라우드 대규모 모델로 위임됩니다. 이 프레임워크는 하이브리드 배포를 지원하고 비용을 통제할 수 있으며, 책임 있는 AI에 대한 제어 권장 사항도 통합되어 있습니다. 다만 현재는 개념 검증 수준에 머물러 있어, 제3자 검증이나 상용화된 실제 데이터는 제공되지 않습니다.
