오늘도 인터넷의 바다에서 건져 올린, 개인적으로 관심이 갔던 기술 뉴스나 기사를 엄선하여 전달해 드립니다. 의견이나 보충할 점이 있다면 댓글로 알려주시면 감사하겠습니다.

prek는 Python에서 인기 있는 Git 후크 관리 도구인 pre-commit을 Rust로 재구현한 프레임워크입니다. 싱글 바이너리로 동작하기 때문에 런타임(Runtime)이 필요 없으며, 후크의 병렬 실행 및 고속화, 디스크 효율 개선을 도모했습니다. pre-commit과 호환성이 있어 설정 파일을 그대로 사용할 수 있으므로 이행도 용이합니다. sample-config로 초기 설정, install로 후크 생성, run으로 수동 실행이 가능하며, update를 통해서는 공급망 공격(Supply Chain Attack) 대책으로서 경과 일수를 지정한 업데이트도 가능합니다.

이 기사는 Google Cloud가 발표한 새로운 오픈 사양인 「Open Knowledge Format (OKF)」에 대해 소개하고 있습니다. AI 에이전트가 업무에서 사용하는 사내 지식은 카탈로그나 Wiki, 코드 주석 등 다양한 장소에 분산되어 있어, 통합적으로 다루기 어렵다는 과제가 있습니다.

OKF는 이 문제를 해결하기 위해 지식을 YAML 프런트매터(Frontmatter)가 포함된 Markdown 파일군으로 표현하는 경량 표준을 제안하고 있습니다. 특별한 SDK나 런타임이 필요하지 않으며, 기존의 에디터나 Git 등에서 그대로 다룰 수 있다는 점이 특징입니다.

나아가 기사에서는 BigQuery의 데이터 세트에서 자동으로 OKF 문서를 생성하는 에이전트나, 번들(Bundle)을 가시화하는 도구 등 참조 구현(Reference Implementation)도 함께 공개되었다는 점을 소개하고 있습니다. OKF는 아직 v0.1 단계이며, 향후 커뮤니티와 함께 발전시켜 나갈 방침이라고 합니다.

프런트엔드 모니터링은 현재 Sentry 등의 SaaS SDK가 주류이지만, OpenTelemetry의 Browser SDK도 독립 개발이 진행되고 있어 사용자 조작이나 Core Web Vitals의 계측(Instrumentation)이 구현되고 있습니다. 한편으로 에러의 심볼리케이션(Symbolication)이나 세션 리플레이(Session Replay) 등, SaaS를 대체하기에는 과제가 남아 있는 상황을 소개하는 기사입니다.

이 기사는 Claude Code의 출력 품질을 좌우하는 것은 CLAUDE.md의 작성 방식이라고 말합니다. CLAUDE.md는 코드 생성 시 자동으로 읽히는 지시서로, 사용자·프로젝트·서브 디렉터리의 3계층으로 배치할 수 있습니다. 개인 스크립트용 미니멀형, 중규모 Web 앱용 레이어 분리형, 모노레포(Monorepo)용 계층 분할형 등 규모별로 7가지 템플릿을 소개하고 있습니다. 너무 많이 작성하여 비대해지는 안티 패턴(Anti-pattern)에 대해서도 언급하며, 규모에 맞는 기술, 금지 사항의 명기, 월 1회의 점검이 중요하다고 요약하고 있습니다.

공급망 공격(Supply Chain Attack) 대책으로서, Dependabot이 보안 업데이트를 제외한 버전 업데이트에 대해 공개 후 최소 3일간의 「쿨다운(Cool-down)」 기간을 두게 되었다는 것을 소개하는 기사입니다.

GitHub의 Projects와 Issue에서, 하나의 필드에 여러 값을 설정할 수 있는 다중 선택 필드를 퍼블릭 프리뷰(Public Preview)로 사용할 수 있게 되었습니다.

GitHub Mobile에서, 풀 리퀘스트(Pull Request)의 Actions 체크가 실패했을 때, Copilot 코딩 에이전트에게 원클릭으로 원인 조사와 수정을 요청할 수 있게 되었습니다.

2026년 7월 28일에 MCP 프로토콜이 스테이트리스(Stateless)화되는 것에 앞서, GitHub MCP 서버가 최신 사양에 대응하여 확장성 향상과 연결 고속화를 실현했다는 것을 소개하는 기사입니다.

Linear의 이슈(Issue)를 GitHub Copilot의 클라우드 에이전트에 할당하면, 자동으로 코드를 분석하여 드래프트 풀 리퀘스트를 작성해 주는 기능이 정식 버전이 되었습니다.

본서는 정보 과학을 뒷받침하는 이산 수학 입문 교과서입니다. 고교 수학 복습부터 시작하여 풍부한 예제와 도해로 배울 수 있습니다. 제2판에서는 데이터 사이언스와 AI 기초 장을 신설하였고, 각 장 끝에 Python을 이용한 문제 해결 절도 추가되었습니다.

감상:

소프트웨어 개발자로서 오래 일하고 싶다면, 아직 학습하지 않았다면 한 번쯤 이산 수학을 제대로 공부해 두는 것이 좋다.

본서는 데이터 변환 도구인 dbt에 대해 체계적으로 해설한 실천적인 입문서입니다. 기본적인 사용법부터 데이터 모델링, 테스트 및 문서화, CI/CD 연동, 품질 관리, 워크플로를 통한 운용, 레이크하우스(Lakehouse)에서의 활용, 기존 시스템으로부터의 이행까지 폭넓게 다루고 있습니다. 비즈니스 시나리오에 기반한 핸즈온(Hands-on) 형식으로 구성되어 있어, 데이터 엔지니어와 분석가, BI 개발자 등이 자신의 현장 과제에 즉시 응용할 수 있는 지식을 얻을 수 있는 내용입니다.

Figma와 코드는 패러다임 자체가 다르기 때문에, 어느 한쪽을 정답으로 간주하면 반드시 괴리가 발생한다는 지적입니다. 해결책으로서 툴 중립적인 Component Spec을 정답으로 삼고, Figma와 코드를 그로부터 생성된 AI 생성물로 간주하는 설계 사상이 제안되고 있습니다.

LangChain이 코딩 에이전트와 대화하며 AI 에이전트의 평가를 구축할 수 있는 「Eval Engineering Skill」을 공개했습니다. 대상 에이전트 조사부터 평가 항목 제안, Harbor 태스크 구축 및 실행, 결과 감사까지 단계적으로 지원하며, 실운용에서의 실패를 평가로 전환하는 노력을 진행하고 있습니다.

Google이 발표한 「Gemini 3.5 Flash Cyber」는 사이버 보안에 특화된 경량 모델입니다. 코드 내의 취약점 발견·검증·수정을 빠르고 저렴한 비용으로 수행할 수 있다는 점이 특징이며, 코드 수정 에이전트인 「CodeMender」에 통합되어 있습니다.

벤치마크에서는 Chrome이나 V8 엔진 등 복잡한 코드베이스에서 기존 모델을 상회하는 성과를 보였으며, Google 사내에서도 이미 취약점 발견에 활용되고 있습니다. 우선 정부 기관 및 일부 테스터를 대상으로 한정하여 제공이 시작될 예정입니다.

Microsoft Agent Framework의 선언적 워크플로우가 1.0에 도달하여, 멀티 에이전트의 연계를 코드가 아닌 YAML로 정의하고 관리할 수 있게 되었습니다.

Microsoft 365 Copilot의 선언형 에이전트를 구축·확장·그라운딩(Grounding)·평가하는 방법을 배울 수 있는 총 4회 분량의 라이브 스트리밍 시리즈 「The Microsoft 365 Copilot Agent's Playbook」을 소개하는 기사입니다.

Microsoft가 고해상도 이미지 생성을 위한 「MAI-Image-2.5 Pro」와 저지연 음성 합성을 위한 「MAI-Voice-2 Flash」라는 두 가지 신규 모델을 Microsoft Foundry에서 제공하기 시작했음을 소개하는 기사입니다.

Claude의 음성 모드가 Opus, Sonnet, Haiku에서 작동하게 되었으며, Gmail이나 Slack 등 연동 도구에도 대응하여 다양한 언어로 깊이 있는 문제 해결을 위한 브레인스토밍(Wall-hitting)이 가능해졌습니다.

Plasma AI는 2026년 7월 21일, 복잡한 작업을 여러 AI 에이전트에게 분담시키는 도구인 「Fractal」을 Apache License 2.0으로 오픈 소스 공개했습니다. 각 에이전트를 노드(Node)로 취급하여 태스크를 자식 노드로 위임하며 작업에 따른 트리를 구축합니다. 노드 간에는 메시지 기능이나 Wiki를 통해 정보를 공유하며, 전용 TUI를 통해 상황을 확인할 수 있습니다. Claude Code나 Codex 등 5종류의 에이전트에 대응하며, pip를 통해 도입 가능합니다. 클라우드 버전도 예고되어 있습니다.

AI와 함께 살아가는 시대를 맞이하여, 우리는 자기 자신의 재정의와 사회의 재설계를 요구받고 있습니다. AI가 지식의 영역에 편입됨에 따라 일과 교육의 방식은 어떻게 변할 것이며, 경제와 문화의 틀은 어떻게 재편될 것인가가 질문됩니다. 본서는 이러한 거대한 변화를 조망하기 위한 설계도를 제시하며, 인간과 AI의 관계를 다각적으로 고찰하고 있습니다. 학습하는 컴퓨터의 메커니즘부터 시작하여 인간의 지능과의 차이점까지 짚어가며 논하고 있는 책입니다.

LLM의 평가 시그널을 개선에 활용하는 방법을 모델의 가중치(Weight), 프롬프트(Prompt), 실행 시 컨텍스트(Runtime Context)라는 세 가지 반영처로 정리하고, 어떤 계통이든 평가기 자체의 신뢰성이 개선의 상한선을 결정한다는 과제를 횡단적으로 논하고 있는 기사입니다.

웹사이트가 AI나 크롤러를 향해 표시하는 「여기는 읽지 마세요」라는 의사 표시(robots.txt)를 실제로 준수한 AI 어시스턴트는 검증한 10종 중 단 2개뿐이었다는 결과가 보고되었습니다. 준수하지 않은 경우의 동작도 다양하여, 규칙을 확인하지 않고 금지된 페이지를 가져오는 것, 접근할 수 없다고 답하면서 뒤에서는 가져오는 것, 한 번의 요청으로 50회 이상 접근하는 것까지 있었다고 합니다. 사이트 운영자에게 특히 우려되는 문제입니다.

AI 에이전트에게 악의적인 도구를 사용하게 만드는 가장 쉬운 방법은 고도의 해킹이 아니라, 도구의 설명문에 「공식」 또는 「인증됨」이라고 덧붙이는 것이라고 보고되었습니다. 이 단순한 거짓말은 교묘한 공격 코드보다 훨씬 높은 확률로 통용됩니다. 인간이 「베스트셀러」나 높은 평점에 약한 것과 같은 구조입니다. 도구가 만들어지고, 선택되고, 실행되고, 업데이트되기까지의 흐름 전체를 검증한 결과, 최대의 약점은 코드의 허점이 아니라 그럴듯한 문구에 있다는 것이 밝혀졌습니다.

AI 에이전트 (AI Agent)의 비용 급증이나 폭주와 같은 문제는 청구서만 봐서는 원인을 특정할 수 없습니다. 기존의 요청 (Request) 단위가 아니라, 에이전트가 추론 (Reasoning)과 도구 호출 (Tool Call)을 반복하는 '루프 (Loop)'를 관측의 단위로 삼아야 합니다. 각 턴 (Turn)의 토큰 양이나 도구 호출, 권한, 가드레일 (Guardrail)의 판단을 에이전트 자신이 아닌 그 하층부에서 기록하고, 전체를 횡단적으로 조회할 수 있는 기반이 필요합니다. 저자는 이 공통 기반이 비용 관리, 권한 위임, 폭주 방지라는 세 가지 통제 과제를 동시에 뒷받침한다고 주장합니다.

LLM의 등장으로 그럴듯한 결과물을 만드는 비용이 거의 제로에 가까워지면서 공급이 급증하고 있습니다. curl의 개발자가 "가짜 버그 보고에 빠져 허우적거리고 있다"고 호소하듯, 생성은 쉽지만 검증에 드는 수고는 변함이 없어 전문가의 시간을 빼앗고 있습니다. 역사적으로도 인쇄술로 인해 정보가 범람했을 때 학술지 같은 '문지기 (Gatekeeper)'가 생겨났습니다. 하지만 인기 투표형 추천이나 인간의 권위에 의존하는 방식, AI에 의한 선별은 모두 결점이 있습니다. 생성 기술은 진보했지만, 질을 판별하는 메커니즘이 따라가지 못하고 있다고 저자는 논합니다.

클라우드와 동일한 Azure SQL Database 엔진을 로컬 컨테이너에서 구동하고, 연결 문자열 (Connection String)만 바꾸면 운영 환경으로 이전할 수 있는 개발자용 도구가 프라이빗 프리뷰 (Private Preview)로 무상 공개되었습니다.

Claude Code 개발 책임자인 Boris Cherny가 팀 내의 업무 방식을 '프로토타이퍼 (Prototyper)', '빌더 (Builder)', '스위퍼 (Sweeper)', '그로워 (Grower)', '메인테이너 (Maintainer)'의 5가지 유형으로 나눌 수 있다고 지적한 내용을 소개하는 기사입니다.

AI의 보급으로 직종 간의 장벽이 허물어지고 있는 가운데, 직함이 아닌 업무 방식으로 팀원을 파악하는 새로운 발상을 제시합니다.

같은 직종이라도 유형은 다르며, 한 사람이 여러 유형을 겸하는 경우도 많다고 하며, 제품의 성장 단계에 따라 필요한 유형의 조합도 변화한다고 설명합니다.

다카이치 정권이 국무회의에서 결정한 골격적 방침 (骨太の方針)의 재정 목표에 대해, 경제학자의 70%가 "채무 잔액 GDP 대비 비율을 안정적으로 낮출 수 없다"고 답변하며, 고성장에 의존하는 재정 운영에 경종을 울리고 있습니다.

중국 AI 스타트업 DeepSeek의 량원펑 (Liang Wenfeng) CEO가 투자자 설명회에서, 미국과 중국의 AI 차이는 인재가 아니라 계산 자원 (Compute Resources)에 있다고 말했습니다. 중국의 GPU 등 계산 자원은 미국의 20분의 1 수준이며 성능은 1~2년 뒤처져 있지만, 적은 자원으로 그 격차를 6개월, 3개월로 줄이는 것이 목표라고 밝혔습니다. 오픈 소스 (Open Source) 및 저가 정책은 앞으로도 유지할 것이며, 매출 극대화는 목적으로 하지 않겠다고 강조했습니다. 또한 난립하는 중국의 AI는 반드시 통합될 것이라고 전망하며, AGI 실현에 집중하겠다는 생각을 나타냈습니다.

차세대 AI 서버를 국내 데이터 센터 (DC)에 설치할 때, 리튬 이온 축전지의 총량 규제, 수계 소화 설비 설치 제한, 직류 800V 고압 해당이라는 세 가지 과제가 발생합니다. Nikkei XTECH의 조사에 따르면, 소프트뱅크가 규제 완화를 강력히 요구하는 반면, KDDI나 IIJ는 최근의 영향은 작다고 보는 등 사업자 간에 온도 차가 나타났습니다. 배경에는 데이터 센터의 규모나 용도, 고객 요구 사항의 차이가 있습니다.