레슨 0 - AI로 빌드하는 법 배우기: AI를 신뢰하지 않는 법을 배운 곳

25년 경력의 엔지니어가 AI를 활용해 제품을 엔드 투 엔드로 구축하며 얻은 실전 경험을 공유합니다. AI 모델의 한계를 이해하고, 멀티 모델 검증과 올바른 질문법을 통해 AI와 협업하는 설계 전략을 다룹니다.

AI 에이전트의 ReAct 루프는 단순했다. 정말 어려웠던 것은 그 주변이었다

LLM이 Office 파일을 직접 편집하는 AI 에이전트 개발 과정에서 LangGraph의 prebuilt 기능 대신 ReAct 루프를 직접 구현하게 된 배경을 다룹니다. 프레임워크 표준 기능만으로는 해결하기 어려운 스트리밍 제어와 에러 복구 등 예외 상황 대응의 중요성을 강조합니다.

harness-score 출시 — 당신의 저장소 harness 수준을 확인하세요

AI 에이전트 개발을 위한 저장소의 성숙도를 측정하는 오픈 소스 CLI 도구인 harness-score가 출시되었습니다. 36가지 검사를 통해 저장소의 harness 수준을 L0-L4 단계로 평가하며, 에이전트 성능 향상을 위한 가이드를 제공합니다.

보일러플레이트에서 청사진으로 – 반복 가능한 서사 프레임워크 구조화하기

보조금 작성 자동화를 위한 반복 가능한 서사 프레임워크 구조화 방법을 다룹니다. 고정 블록과 가변 슬롯을 활용하여 AI 프롬프트를 설계하고 인지적 흐름을 구축하는 단계를 설명합니다.

ADR 템플릿: AI가 미래의 자신에게 도움이 될 아키텍처 결정 기록(ADR)을 생성하는 방법

아키텍처 결정 기록(ADR)의 중요성과 이를 AI를 활용해 효율적으로 작성하는 방법을 다룹니다. ADR의 구조, 필수 섹션, 그리고 LLM을 통한 자동화 방안을 통해 개발 팀의 지식 손실을 방지하는 가이드를 제공합니다.

Anthropic API 래퍼 작성은 그만하고 MCP를 사용하세요

Anthropic API를 직접 래핑하는 대신 MCP(Model Context Protocol)를 사용하여 에이전트 워크플로우를 최적화하는 방법을 제안합니다. MCP를 통해 토큰 계산, 배치 처리 등을 도구(tools) 형태로 제공함으로써 에이전트의 자율성과 신뢰성을 높일 수 있습니다.

한 달 동안 중국 AI API를 테스트해 보았습니다 — 실제 승자는 누구일까요?

DeepSeek, Qwen, Kimi, GLM 등 주요 중국 AI API를 한 달간 테스트한 결과입니다. DeepSeek V4 Flash는 압도적인 가성비와 코드 생성 능력을 보여주며, Qwen은 다양한 모델 라인업을 통해 폭넓은 활용성을 제공합니다.

RAGAs를 활용한 RAG 평가: Faithfulness, Context Recall, 그리고 Answer Relevance

RAG 시스템의 품질을 정밀하게 측정하기 위한 RAGAs 프레임워크의 핵심 지표인 Faithfulness, Context Recall, Answer Relevance를 설명합니다. 실제 은행 프로젝트 사례를 통해 환각 현상을 방지하고 RAG 성능을 진단하는 실무적인 방법을 제시합니다.

컴퓨터 비전 서비스: 제조에서 의료에 이르기까지의 활용 사례

컴퓨터 비전의 정의와 기술적 토대, 그리고 산업 전반의 실제 활용 사례를 다룹니다. 제조, 의료, 물류 등 다양한 분야에서 컴퓨터 비전이 어떻게 운영 효율성을 높이고 정확도를 개선하는지 설명합니다.

AI 앱 빌더(AI App Builder) 무료 티어 순위: 2026년 업그레이드 없이 빌드하고 배포할 수 있는 플랫폼은?

다양한 AI 앱 빌더 플랫폼의 무료 티어 실효성을 비교 분석합니다. 단순 체험 기간이 아닌, 업그레이드 없이도 실제 앱을 빌드하고 배포할 수 있는 진정한 영구 무료 티어의 기준과 플랫폼별 차이점을 다룹니다.

숫자로 로컬 AI 음악 점수 매기기 — 가사 일치율을 측정하는 Whisper 기반 QA 파이프라인 (M1 Mac)

로컬 AI 음악 생성 시 발생하는 대량의 테이크를 효율적으로 검수하기 위해 Whisper를 활용한 QA 파이프라인을 구축했습니다. 생성된 오디오를 전사하여 원래 가사와의 일치율을 수치화함으로써, 사람이 일일이 듣지 않고도 품질이 낮은 결과물을 기계적으로 필터링할 수 있습니다.

검증기(Validators)는 판단할 뿐, 도움을 주지 않는다

AI 에이전트 개발 시 검증기(Validator)가 스스로 오류를 수정하는 방식의 위험성을 경고합니다. 검증과 수정이 동일 주체에 의해 수행될 경우 감사 추적(Audit Trail)이 불가능해지며 거버넌스 체계가 무너질 수 있음을 지적합니다.

AI가 매 세션마다 코드베이스 전체를 다시 읽고 있다면, 대신 지도를 건네주세요

AI 코딩 에이전트가 매 세션마다 코드베이스 전체를 다시 읽으며 발생하는 과도한 토큰 소모 문제를 해결하기 위한 도구 Graphify를 소개합니다. Graphify는 코드베이스를 지식 그래프(Knowledge Graph)로 인덱싱하여 에이전트가 효율적으로 구조를 파악하도록 돕습니다.

자율 주행 영업 에이전트 구축: 토큰 최적화, 병렬 MCP 스로틀링(Throttling), 그리고 AI 아바타 비디오 파이프라인

자율 주행 영업 에이전트인 'Ideal Customer Finder'를 구축하며 겪은 엔지니어링 도전과 해결책을 다룹니다. MCP 도구의 토큰 최적화와 병렬 호출 시 발생하는 지연 및 동시성 문제를 해결하기 위한 아키텍처 설계 과정을 설명합니다.

AI 기반 환영 메시지: 대규모로 인간적인 경험 유지하기

Airbnb 호스트가 AI를 활용해 개인화된 환영 메시지를 대규모로 자동화하는 방법을 다룹니다. Zapier와 같은 자동화 도구와 AI 프롬프트 프레임워크를 결합하여 일관된 정보 전달과 인간적인 톤을 동시에 유지하는 전략을 제시합니다.

코딩 에이전트가 EDR 경보를 울리는 이유 (그리고 규칙은 옳다)

AI 코딩 에이전트가 자율적인 작업을 수행하는 과정에서 발생하는 보안 탐지 문제를 다룹니다. 에이전트의 자동화 동작이 EDR(엔드포인트 탐지 및 대응) 시스템에는 악성코드의 행동 패턴과 유사하게 인식되어 경보를 유발한다는 점을 분석합니다.

단위 테스트를 넘어: AWS에서의 AI 에이전트를 위한 QA

AI 에이전트의 비결정론적 특성을 극복하기 위한 QA 전략을 다룹니다. 전통적인 단위 테스트를 넘어, 도구 호출의 정확성을 검증하는 결정론적 평가(Evals)와 골든 데이터셋 구축의 중요성을 설명합니다.

Chrome DevTools MCP 입문 — 코딩 에이전트에게 '실제 브라우저'를 조작하게 하기

맹목적 신뢰의 문제: AI 에이전트의 환각 (Hallucinations)을 줄이는 방법 파트 2

멀티 에이전트 아키텍처에서 발생하는 잘못된 형식의 출력과 그로 인한 환각 문제를 해결하기 위한 '출력 계약(Output Contracts)' 전략을 소개합니다. XML 엔벨로프와 JSON 스키마를 결합하여 에이전트 간 통신의 구조적 무결성을 보장하는 방법을 다룹니다.

인도에서 AI 에이전트에게 실제 구매력을 부여하기: 현지 공급망을 위한 단일 API

AI 에이전트가 인도의 파편화된 현지 공급망(서비스, 소매, 숙박, 모빌리티 등)과 실제로 상호작용하며 구매력을 갖추기 위한 기술적 과제와 필요 요소를 다룹니다. 단순한 도구 호출을 넘어, 각 도메인별로 상이한 API 구조와 주문 생명주기를 통합할 수 있는 단일 API의 중요성을 강조합니다.