AI 뉴스 검색

2026년 말의 새로운 컨텍스트 엔지니어링 과제

LangChain의 CEO 해리슨 체이스가 능동적 에이전트의 등장과 함께 직면한 가장 큰 컨텍스트 엔지니어링 과제에 대한 통찰을 공유합니다.

n8n · n8n@2.46.4

## [2.46.4](https://github.com/n8n-io/n8n/compare/n8n@2.46.3...n8n@2.46.4) (2026-11-02) ### 버그 수정 * **core:** 표현식 런타임을 넘나드는 값에서 자신의 __proto__ 키를 유지합니다([#42806](https://github.com/n8n-io/n8n/issues/42806)) ([3075ef1](https://github.com/n8n-io/n8n/commit/3075ef12927c4bf79442b9be0f1e866e734d793e)) * **core:** 표현식이 반환하는 Error의 이름과 필드를 유지합니다([#42805](https://github.com/n8n-io/n8n/issues/42805)) ([7640bcb](https://github.com/n8n-io/n8n/commit/7640bcb6d8f546d432045071baf21545e7d383a9)) * **core:** 표현식이 항목 데이터 내의 Error 객체를 읽을 수 있도록 합니다([#42804](https://github.com/n8n-io/n8n/issues/42804)) ([448754d](https://github.com/n8n-io/n8n/commit/448754db5aaab8895135ec21084e525054411e1e)) * **core:** 호스트 데이터 경로를 각각 한 번씩 해결합니다

엔비디아, AI 에이전트 SQL을 기반으로 하는 개방형 시맨틱 계층인 Auto Ontology 출시

엔비디아는 엔터프라이즈 메타데이터로부터 시맨틱 계층을 생성하는 Apache 2.0 라이브러리인 Auto Ontology를 공개했습니다. 이는 인증된 정의를 바탕으로 에이전트 SQL을 구체화하며, MCP, CLI 및 API를 통해 컨텍스트를 제공합니다. 해당 게시물 ‘엔비디아, AI 에이전트 SQL을 기반으로 하는 개방형 시맨틱 계층인 Auto Ontology 출시’는 MarkTechPost에 처음 게재되었습니다.

n8n · n8n@1.123.91

## [1.123.91](https://github.com/n8n-io/n8n/compare/n8n@1.123.90...n8n@1.123.91) (2026-10-30) ### 버그 수정 * **core:** 레거시 코드 노드 출력에 대해 $('Node') 표현식이 null을 반환하는 문제를 수정([#42249](https://github.com/n8n-io/n8n/issues/42249)) ([18c89cd](https://github.com/n8n-io/n8n/commit/18c89cdf2eda635fbb892730189a2de1a48b46da))

n8n@2.46.3

## [2.46.3](https://github.com/n8n-io/n8n/compare/n8n@2.46.2...n8n@2.46.3) (2026-10-30) ### 버그 수정 * **core:** 마이그레이션 소유자 알림 재전송 전에 쿨다운 시간을 추가함 ([#42567](https://github.com/n8n-io/n8n/issues/42567)) ([724efc3](https://github.com/n8n-io/n8n/commit/724efc352f51a52910924789b79cf66770807e09)) * **core:** 활성화 후 IMAP 트리거 표현식을 해결함 ([#42612](https://github.com/n8n-io/n8n/issues/42612)) ([17594a7](https://github.com/n8n-io/n8n/commit/17594a7eefa42bc37f532af35c4f38eb1986bbc5)) * **core:** 표현식에서 데이터로 사용할 때 __isError 키를 포함하여 사용자 데이터를 반환함 ([#42490](https://github.com/n8n-io/n8n/issues/42490)) ([9fe595e](https://github.com/n8n-io/n8n/commit/9fe595e1b83179b54ac5768d03c5f90f9c409f16)) * **editor:** 워크플로 프로젝트를 해당 이름으로 표시함

n8n@2.45.7

core: 워크플로 스코프 라우트가 실행 데이터를 읽을 때 실행:읽기 권한 필요 (#42446) (93638f4)

Amazon Nova Act를 활용한 의도 기반 UI 테스트 구축

Epsilon의 Agentic Platform 팀은 Amazon Nova Act와 Amazon Bedrock AgentCore Browser Tool을 기반으로 한 관리형 다중 테넌트 서비스로 UI 테스트를 제공합니다. 테스트는 간단한 영어로 작성되며 AWS가 관리하는 브라우저에서 실행되어, 각 제품팀이 별도의 인프라 부담 없이 탄력적이고 의도 중심의 테스트를 수행할 수 있도록 합니다.

MoEngage가 AgentCore Gateway를 통해 400개가 넘는 API를 에이전트 도구로 전환한 방법

MoEngage는 AWS의 7개 리전에 걸쳐 약 400개의 비공개 REST API를 Amazon Bedrock AgentCore Gateway와 함께 권한 기반 에이전트 도구로 전환했습니다. 서비스별 MCP 서버도, 공용 엔드포인트도, 400개 도구로 인한 컨텍스트 과부하도 없습니다. OpenAPI 스펙, Cedar 정책, 그리고 관리형 Amazon VPC Lattice egress가 이를 어떻게 구현했는지 확인해 보세요.

n8n@1.123.90

1.123.90 (2026-10-29) 코어: 초대를 수락하려면 서명된 토큰이 필요합니다(#42292) (4580f22)

n8n@2.45.6

core: 대기 모드에서의 실행에 대한 동적 시간 절감 기록(#42482) (f2f0c2f) editor: 컴팩트한 사이드바 아이콘 크기 맞추기(#42378) (56eec49)

n8n@3.0.1

## [3.0.1](https://github.com/n8n-io/n8n/compare/n8n@3.0.0...n8n@3.0.1) (2026-10-28) ### 버그 수정 핵심: 축소된 빌드에서 ExpressionError 이름을 유지합니다 (https://github.com/n8n-io/n8n/issues/42309) ([b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) 핵심: QuickJS 표현식 결과에서 미정의 값을 유지합니다 (https://github.com/n8n-io/n8n/issues/42264) ([532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) 편집기: 분할 버튼 내 캐럿 정렬을 개선합니다 (https://github.com/n8n-io/n8n/issues/42203) ([61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) 편집기: 첫 로드 속도를 향상시킵니다 (https://github.com/n8n-io/n8n/issues/41987) ([8b6bdbb](https://github.com/n8n-io/n8n/commit/8b6bdbbe874b

n8n@2.45.5

## [2.45.5](https://github.com/n8n-io/n8n/compare/n8n@2.45.4...n8n@2.45.5) (2026-10-28) ### 버그 수정 * **core:** 축소된 빌드에서 ExpressionError 이름을 유지합니다([#42309](https://github.com/n8n-io/n8n/issues/42309)) ([b3192c6](https://github.com/n8n-io/n8n/commit/b3192c6d151125c76c88fe8a421e027b4242a3f9)) * **core:** QuickJS 표현식 결과에서 미정의 값을 유지합니다([#42264](https://github.com/n8n-io/n8n/issues/42264)) ([532f645](https://github.com/n8n-io/n8n/commit/532f645f21c99e178a09448caf37ebd77d24b56a)) * **editor:** 분할 버튼 내 캐럿 정렬을 개선합니다([#42203](https://github.com/n8n-io/n8n/issues/42203)) ([61cbfea](https://github.com/n8n-io/n8n/commit/61cbfeafa267b5c769b345c50ccbd4fc504b0e69)) * **editor:** 첫 로드 속도를 향상시킵니다([#41987](https://github.com/n8n-io/n8n/issues/4

증류, 토론, 발견: 그래프 기반 증류된 인사이트로 다중 에이전트 연구 아이디어 발상의 기초를 마련하다

arXiv:2610.33366v1 발표 유형: 신규 초록: 대규모 언어 모델(LLMs)은 연구 아이디어 생성과 과학적 발견을 지원하는 데 점점 더 널리 활용되고 있습니다. 다중 에이전트 토론은 다양한 관점을 하나로 모아 연구 아이디어를 개발하는 협업 방식을 제공합니다. 그러나 주요 과제는 각 에이전트에게 서로 다르고 의미 있는 전문성을 부여하여 그들의 기여를 효과적으로 이끌어내는 방법입니다. 연구자들이 협업 과정에서 축적된 연구 경험을 활용하는 방식에서 영감을 받아, 우리는 관련 논문들의 그래프로부터 인사이트를 추출해 문헌 기반의 에이전트 전문성을 구축하는 프레임워크인 InsightAgents를 제안합니다. 한 연구 분야 내에서 진화하는 연구 접근법을 추적하고, 근본적인 가정을 드러내며, 아직 해결되지 않은 과제를 식별하는 인사이트에 따라,

v0.43.0

## 변경된 내용 * model_prefetch: https://github.com/Comfy-Org/ComfyUI/pull/17178에서 @rattus128이 모든 그래프 정리 작업을 동기화했습니다 * https://github.com/Comfy-Org/ComfyUI/pull/17172에서 @kijai가 MOSS-image에 로프 스케일링 지원 기능을 추가했습니다 * [파트너 노드] https://github.com/Comfy-Org/ComfyUI/pull/16943에서 @dante01yoon이 API 노드의 파트너 노드 로그인 토큰을 갱신했습니다 * [파트너 노드] feat(HeyGen): https://github.com/Comfy-Org/ComfyUI/pull/17043에서 @bigcat88이 HeyGen Voice 즉석 클론 및 텍스트 음성 변환 기능을 추가했습니다 * [파트너 노드] feat(ClarityAI): https://github.com/Comfy-Org/ComfyUI/pull/17192에서 @bigcat88이 Crystal Video Upscaler 노드를 추가했습니다 * [파트너 노드] feat(BFL): https://github.com/Comfy-Org/ComfyUI/pull/17200에서 @bigcat88이 FLUX 3 비디오 노드에 2K/4K 해상도 옵션을 추가했습니다 * MOSS-image 지원

n8n@2.44.7

## [2.44.7](https://github.com/n8n-io/n8n/compare/n8n@2.44.6...n8n@2.44.7) (2026-10-26) ### 버그 수정 * **core:** 사전 실행 검사가 실패할 경우 하위 워크플로우 오류 워크플로우를 시작하도록 수정 ([#41978](https://github.com/n8n-io/n8n/issues/41978)) ([67d0e65](https://github.com/n8n-io/n8n/commit/67d0e65f5d5d01d49b1d14ea2c26a6b803bf058b)) * **이메일 트리거(IMAP) 노드:** 서버가 각 새 연결을 끊을 때 재연결을 지연하도록 수정 ([#41927](https://github.com/n8n-io/n8n/issues/41927)) ([10a9518](https://github.com/n8n-io/n8n/commit/10a9518f0d9d470e619b500383b5b76fc1870662)) * **Microsoft SharePoint 노드:** 자동 매핑 시 컬럼 매핑 403 오류 및 빈 항목 문제를 해결 ([#41906](https://github.com/n8n-io/n8n/issues/41906)) ([e67d278](https://github.com/n8n-io/n8n/commit/e67d278ef0ae3c15493e74813ecce972e384ff1

arXiv의 새로운 논문은 증거 검증과 가중치 업데이트가 필요 없는 프롬프트 수정을 지원하는, 추적 가능한 다모달 감정 추론 에이전트 프레임워크를 제안합니다.

2026년 10월 26일, arXiv는 사전인쇄 논문(번호 2610.31685v1)을 발표하며, 동결된 대규모 모델 기반의 추적 가능한 다중모달 감정 추론 지능체 아키텍처를 제안했습니다. 이 아키텍처는 모달별 전용 인지 지능체, 통합 지능체, MLLM 비판자 및 증거 검증 단계를 통해 오류 귀속과 프롬프트 공간의 자율적 최적화를 구현하며, MER2025 데이터셋에서 여러 개방형 다중모달 대규모 모델(2B–38B 파라미터)의 감정 인식 F-스코어를 0.6~2.2점 향상시켰습니다.

추천 이유：이 연구는 현재 다중 모달 감정 추론 시스템에서 명령 미세조정 비용의 높음과 에이전트 파이프라인의 디버깅 불가능성 간의 모순을 해결하기 위해, 증거 인용, 확실성 검증, 실패 귀인 및 타깃형 프롬프트 수정을 통합한 최초의 전 과정 설명 가능한 프레임워크를 제안한다. 모든 개선 사항은 모델 가중치를 변경하지 않으며, 네 가지 서로 다른 규모의 오픈소스 MLLM에서 실증적으로 효과를 입증하여 방법론적 혁신성과 공학적 실용성을 갖추고 있다.

바이엘 크롭사이언스는 Amazon Bedrock AgentCore를 기반으로 다중 에이전트 의사결정 엔진 ADE를 구축했습니다.

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.

딥 인사이트: AWS 오픈소스 다중 에이전트 시스템이 5대 생산급 도전 과제를 어떻게 해결하는가

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.

AWS가 기술 프리뷰 솔루션을 발표했습니다: Amazon Quick과 Bedrock AgentCore를 활용한 거버넌스 가능한 대화형 공급망 지능 시스템 구축

AWS는 모델 컨텍스트 프로토콜(MCP) 기반의 모듈형 에이전트 아키텍처를 출시했으며, AgentCore를 통해 엔터프라이즈급 도구 인터페이스를 통합적으로 관리합니다. 또한 Amazon Quick은 비즈니스 사용자를 위한 자연어 기반 대화형 인터페이스를 제공하여 ERP, 구매, 모니터링 등 다양한 시스템 간에 실시간으로 승인 중심의 공급망 의사결정 지원을 구현합니다. 이 솔루션은 기술 미리보기 단계로, 생산 환경 적용이나 고객 도입을 보장하지 않습니다.

AWS 에이전트 레지스트리 정식 출시: 런타임 시멘틱 디스커버리와 동적 오케스트레이션을 지원하는 MCP 서버 및 A2A 에이전트

AWS는 2026년 10월 26일에 에이전트 레지스트리 서비스의 전면적인 이용 가능을 발표했으며, 이 관리형 서비스는 하이브리드 의미론과 키워드 검색을 통해 런타임에 승인된 모델 컨텍스트 프로토콜(MCP) 서버와 에이전트 간(A2A) 에이전트를 동적으로 발견하고 인스턴스화하며 실행함으로써, 하드코딩된 도구 통합을 대체하고 기업 수준의 AI 에이전트 규모화 편성에서 발생하는 병목 문제를 해결합니다.