AI 빌더 노트 - 2026년 6월 8일 주간

제가 즐겨찾기한 트윗 피드에서 가져온 AI 보조 노트로, 에이전트 루프 (agent loops), 클라우드 에이전트 인프라 (cloud agent infrastructure), 기술 보안 (skill security), 메모리 (memory), 그리고 런타임 컨텍스트 (runtime context)를 중심으로 정리되었습니다. 완성된 에세이가 아닌 정보의 원천으로 취급해 주세요.

실질적인 시사점

1. 에이전트 루프 (agent loop) 내부에 검증 (validation) 프로세스를 배치하세요. 백프레셔 (Backpressure)는 사람이 확인하기 전에 에이전트가 코드를 수정하도록 강제합니다. 시스템은 타입 체크 (typechecks), 린트 (lint), 테스트 (tests), 빌드 (builds), 브라우저 체크 (browser checks)를 실행한 다음, 실패 사항을 에이전트에게 즉시 다시 전달합니다. [[1]] [[2]]
2. 동적 워크플로우 (Dynamic workflows)는 일회성 검증 하네스 (verification harnesses)입니다. Claude Code는 초안에서 모든 기술적 주장을 추출하기 위한 임시 스크립트를 작성하고, 발행 전에 리포지토리 (repo)를 대상으로 이를 테스트할 수 있습니다. [[3]] [[4]]
3. 클라우드 에이전트 (Cloud agents)는 인프라 제품입니다. 어려운 부분은 포드 라이프사이클 (pod lifecycles), 스트림 되감기 (stream rewinds), 상태 격리 (state isolation), 그리고 재시도 (retries) 중에 오래된 출력을 숨기는 것입니다. [[5]] [[6]]
4. 기술 (skills)을 공급망 (supply chain)으로 취급하세요. 에이전트는 API와 리포지토리 (repos)에서 기술을 로드하므로, 기술 PR (skill PRs)에는 섀도우 커맨드 (shadow commands)와 컨텍스트 누출 (context leaks)을 잡아낼 스캐너 (scanners)가 필요합니다. [[7]] [[8]]
5. 일반적인 프롬프트 (generic prompts)를 런타임 컨텍스트 (runtime context)로 대체하세요. 에이전트에게 실패한 curl, 로그 발췌본 (log excerpt), 트레이스 (trace), 또는 데이터베이스 행 (database row)을 제공하십시오. [[9]]
6. 작업 메모리 (Work memory)는 공유 상태 (shared state)입니다. 이는 무엇이 최신인지, 무엇이 이미 실패했는지, 그리고 다른 에이전트가 무엇을 신뢰할 수 있는지를 추적합니다. [[10]] [[11]]

에이전트 루프 (Agent loops)

백프레셔 (Backpressure)가 없다면, 에이전트는 코드를 작성하여 인간에게 전달합니다. 인간은 누락된 임포트 (import)나 깨진 테스트를 발견하고 에이전트에게 재시도하도록 지시합니다.

백프레셔는 인간 앞에 하네스 (harness)를 배치합니다. 시스템이 타입 체크 (typecheck), 린트 (lint), 테스트 (tests), 빌드 (build), 로그 (logs), 브라우저 체크 (browser checks) 등의 검사를 수행합니다. 실패 결과는 에이전트에게 전달됩니다. 인간은 오직 의도 (intent)만을 검토합니다. [1]

5월의 노트에서는 여러 에이전트를 실행하는 방법을 다루었습니다. 최신 버전은 단일하고 엄격한 작업을 위해 일회성 워크플로 (disposable workflow)를 생성하는 것입니다. Claude Code는 블로그 포스트를 검증하기 위한 JavaScript 하네스를 작성할 수 있습니다. 즉, 모든 기술적 주장을 추출하고, 주장을 파일에 매핑하며, 검사를 실행하고, 모순점을 출력하는 식입니다. [3]

워크플로는 하나의 팀입니다: 계획 (plan), 플릿 (fleet), 브레이커 (breaker). 동적 워크플로 (Dynamic workflows)는 작업에 별도의 계획, 실행, 그리고 적대적 검토 (adversarial review)가 필요할 때 가장 효과적입니다. [12]

만약 검증 절차가 세 개의 셸 명령 (shell commands)을 실행하는 인간보다 덜 정밀하다면, 그냥 명령어를 실행하십시오.

클라우드 에이전트 (Cloud agents)

Peter Pang의 포스트는 데스크톱 에이전트를 서버로 옮기는 것이 왜 실제 운영 계층 (operating layer)을 무시하는 행위인지 설명합니다. [5]

루프가 노트북을 벗어나는 순간, 어려운 문제들은 분산 시스템 (distributed systems)의 영역이 됩니다: 누가 머신 상태 (machine state)를 소유하는지, 포드 (pods)가 어떻게 복구되는지, 그리고 재시도 (retries)가 스트리밍 출력 (streamed output)과 어떻게 상호작용하는지 등의 문제입니다. 재시도와 스트리밍이 주의 깊게 처리되지 않으면, 클라이언트가 오래된 부분적 코드 (stale partial code)를 보게 되어 사용자 경험이 깨지게 됩니다. Cursor는 Temporal을 사용하여 에이전트 루프를 VM에서 분리하고, 포드 라이프사이클 (pod lifecycles)을 별도로 관리합니다.

기술 (Skills)

Hiten Shah는 당신의 가장 뛰어난 인재들이 어떻게 일하는지를 포착하여 그 패턴들을 재사용 가능하게 만들 것을 제안했습니다. [13]

Vercel의 skills.sh API는 이를 실제로 구현합니다: 600,000개 이상의 검색 가능한 기술(skills)과 프로젝트 범위의 OIDC 인증을 제공합니다. [[7]] [[14]]

기술(skills)이 패키지(packages)처럼 작동한다면 보안 검토(security reviews)가 필요합니다. 위험은 단순히 저장소(repo)에 존재하는 잘못된 마크다운(markdown)에서 오는 것이 아니라, 탈취된 지침에 따라 행동하는 자율 에이전트(autonomous agents)로부터 발생합니다. NVIDIA의 SkillSpector는 에이전트 기술(agent skills)을 스캔하여 숨겨진 지침, 컨텍스트 누출(context leakage), 그리고 섀도우 커맨드 트리거(shadow command triggers)를 찾아냅니다. [[8]] [[15]]

런타임 컨텍스트 (Runtime context)

에이전트는 소스 코드(source code)를 읽고 이론을 만들어낼 때 실패합니다. 증거를 제공하세요: 실패한 테스트, 트레이스(trace), 요청 페이로드(request payload), 또는 정확한 커맨드 출력값(command output)을 제공해야 합니다. [[9]]

PostHog Autoresearch가 성공한 이유는 범위(scope)가 좁았기 때문입니다. 그들은 에이전트에게 느린 프로덕션 쿼리(production queries)와 쿼리 엔진 소스(query-engine source)를 제공하고 밤새 실행하게 했으며, 그 결과 성능을 11% 향상시킨 3년 된 버그에 대한 수정안을 얻었습니다. 이것이 에이전트 작업(agent task)의 올바른 형태입니다: 실제 프로덕션 아티팩트(production artifact), 좁은 소스 컨텍스트(source context), 고정된 시간 예산(time budget), 그리고 측정 가능한 결과(measurable result). [[16]]

메모리 (Memory)

5월의 링크들이 메모리(memory)를 개인적인 아카이브(archive)로 다루었다면, 이번 주의 링크들은 메모리를 공유된 작업 상태(shared work state)로 다룹니다.

에이전트는 작업을 상태(state)로 압축해야 합니다. [[10]] Mem0는 도구(tools) 및 조정(coordination)과 함께 하네스(harness) 내부의 메모리 위치를 설정합니다. [[11]] [[17]]

Quarq는 지속적 학습(continual learning)을 위한 LongMemEval에서 98.2%를 기록했습니다. [[18]] GBrain은 매일 밤 합성 사이클(nightly synthesis cycle)을 통해 마크다운(markdown) 기반의 에이전트 네이티브 지식 그래프(agent-native knowledge graph)를 구축합니다. [[19]]

개인 아카이브 (Personal archive)는 무엇이 저장되었는지를 답합니다. 작업 메모리 (Work memory)는 무엇에 대해 행동하는 것이 안전한지를 답합니다. 만약 두 에이전트 (Agent)가 서로 충돌하는 버전의 계획을 검색한다면, 드리프트 (Drift)가 발생한 것입니다.

브라우저 및 에이전트 인프라 (Browser and agent infra)

이러한 도구들은 브라우저 기술 (Browser-skill) 레이어 아래에 위치하며, 페이지 맵 (Page maps), 런타임 비용 (Runtime cost), 명령-출력 압축 (Command-output compaction), 로컬 모델 접근 (Local model access), 그리고 인간 개입 채널 (Human interruption channels)을 다룹니다.

Hyperbrowser /web은 에이전트를 위해 사이트의 web.md 맵을 생성합니다. [\u20] (https://www.hyperbrowser.ai/) [\u21] (https://x.com/hyperbrowser/status/2062246808282439867)

Browser Use는 콜드 스타트 (Cold starts)와 브라우저 시간당 비용을 줄이기 위해 커스텀 런타임 (Custom runtimes)을 실행하고 있습니다. [\u22] (https://docs.browser-use.com/) [\u23] (https://x.com/larsencc/status/2061524507437707384)

RTK는 모델이 확인하기 전에 셸 출력 (Shell output)을 필터링하고 절단합니다. AVB는 2주 동안 코딩 에이전트 전반에 걸쳐 250만 토큰 (Tokens)을 절약했다고 보고했습니다. [\u26] (https://github.com/rtk-ai/rtk) [\u27] (https://x.com/neural_avb/status/2061345960060707238)

Cursor를 위한 API (API for Cursor)는 로컬 API를 통해 Cursor Composer 모델을 다른 코딩 에이전트에게 노출합니다. [\u24] (https://api-for-composer.standardagents.ai/) [\u25] (https://x.com/jpschroeder/status/2061484426387677268)

Razorpay는 CLI + MCP 조합을 출시했습니다. 인간은 대시보드 (Dashboards)를 사용하고, 에이전트는 CLI를 사용합니다. [\u28] (https://razorpay.com/cli/) [\u29] (https://x.com/harshilmathur/status/2061699649837449259)

Peter Steinberger의 sag는 에이전트가 1Password 프롬프트나 릴리스 게이트 (Release gate)에 의해 차단되었을 때 인간의 개입을 요청할 수 있게 합니다. [\u30] (https://github.com/steipete/sag) [\u31] (https://x.com/steipete/status/2061574752574283858)

모델 및 평가 (Models and evals)

NVIDIA Nemotron 3 Ultra는 총 파라미터 (Parameters) 550B, 활성 파라미터 55B, 하이브리드 Mamba-Transformer MoE (Mixture of Experts), 그리고 1M 컨텍스트 윈도우 (Context window)를 갖추고 있다고 주장합니다. [\u32] (https://docs.nvidia.com/nemotron/nightly/usage-cookbook/Nemotron-3-Ultra-Base/README.html) [\u33] (https://x.com/victormustar/status/2063017894221591008)

MiniMax M3는 높은 SWE-Bench Pro 및 Terminal Bench 수치를 기록했다고 주장합니다. [\u34] (https://x.com/AndrewCurran_/status/2061281239907406257)

Liquid LFM2.5-VL Extract는 이미지로부터 구조화된 JSON을 반환합니다. \u345 \u346

Nemotron 3.5 ASR Streaming은 음성 에이전트 (voice agents)를 위해 80ms에서 1s 사이의 제어 가능한 지연 시간 (latency)으로 40개 언어를 실행합니다. \u347

Anthropic은 원격 MCP 서버가 승인 후에도 동작을 변경할 수 있으며, 지속적인 컨텍스트 (persistent context)가 폭발 반경 (blast radius)을 증가시킨다고 경고했습니다. \u348

Agent Arena는 라이브 세션을 평가합니다. 정적인 프롬프트 (Static prompts)는 루프 (loops), 도구 (tools), 권한 (permissions) 및 스티어링 (steering)에서의 실패를 숨깁니다. \u349 \u350

소스 범위: 2026년 6월 1일부터 2026년 6월 7일까지의 좋아요를 받은 트윗 248개로, 2026년 6월 8일에 작성자의 인증된 X 좋아요에서 수집되었습니다.