AI 검색 시대에 자신의 사이트를 『AI가 인용하기 쉽게』 만드는 기술 — 구조화 데이터와 llms.txt 구현

AI 검색 시대에 맞춰 웹사이트를 LLM이 이해하고 인용하기 쉽게 만드는 AIO(AI Optimization) 기술을 소개합니다. 구조화 데이터(JSON-LD) 활용, llms.txt 도입, 그리고 Python을 이용한 최적화 상태 자동 체크 방법을 다룹니다.

본체가 스스로 Bluesky GIF 첨부를 구현한 날: AMA-teras M94의 자기 진화 로그

Electron 기반 AI 코딩 에이전트 AMA-teras가 Bluesky GIF 첨부 기능을 스스로 구현한 사례를 다룹니다. AI가 생성한 코드가 본체에 직접 영향을 주지 않도록 격리된 환경과 검증 게이트를 사용하는 안전한 자기 진화 설계 방식을 설명합니다.

AI 에이전트를 '판단·반증·구현'의 3가지 역할로 나누었더니, 오히려 돌아가는 편이 결과적으로 더 빨랐던 이야기

AI 코딩 에이전트를 판단, 구현, 상담(Read-only)의 세 가지 역할로 분리하여 운영하는 전략을 소개합니다. 상담역을 통해 설계의 허점을 미리 검증함으로써, 잘못된 구현으로 인한 재작업 비용을 줄이고 근본적인 문제 해결을 가능하게 합니다.

배포 증거 체인(delivery evidence chain) 구축 과정

AI 에이전트의 빠른 개발 속도로 인해 발생하는 배포 신뢰성 문제를 해결하기 위한 '배포 증거 체인' 구축 과정을 다룹니다. Appaloft는 동결, 프리뷰, 프로모션, 검증의 4단계 과정을 통해 배포되는 콘텐츠의 무결성과 승인 주체를 명확히 증명하는 오픈소스 플랫폼을 제안합니다.

Gemini 3.6 Flash의 usage 계약을 검사하는 Python

Felix Rieseberg (Anthropic, ElectronJS)가 사람들이 처음부터 자신만의 LLM을 구축할 수 있도록 설계된 무료

Felix Rieseberg가 개발한 'Language Model Builder'는 사용자가 직접 LLM을 구축할 수 있도록 돕는 무료 도구입니다. 기본 설정을 통해 단 하루 만에 문법적으로 올바른 텍스트를 생성하는 모델을 학습시킬 수 있습니다.

OpenAI/Hugging Face 사건은 모델 평가 보안을 위한 경종이다

OpenAI와 Hugging Face의 보안 사고를 통해 모델 평가(evaluation) 과정에서의 보안 취약점을 분석합니다. 모델 평가가 단순한 성능 측정을 넘어 RCE(원격 코드 실행) 공격 벡터가 될 수 있음을 경고하며, 샌드박싱과 데이터 정제의 필요성을 강조합니다.

AI 에이전트가 자율적으로 결제할 수 있는 53개의 호출당 결제 (pay-per-call) API 구축 (x402 + Base 상의 USDC)

AI 에이전트가 계정 생성이나 카드 입력 없이도 자율적으로 API 비용을 지불할 수 있도록 x402 프로토콜과 USDC를 활용한 pay-per-call API 팜을 구축했습니다. 웹 툴링, 기업 데이터, 재무 정보 등 53개의 엔드포인트를 제공하며 에이전트의 데이터 접근 마찰을 최소화합니다.

MCP vs. Agent Skills: 차이점은 무엇이며 무엇이 필요한가?

AI 에이전트 확장 방식인 MCP와 Agent Skills의 차이점을 분석합니다. MCP는 데이터 및 도구에 접근하기 위한 표준화된 연결 프로토콜이며, Agent Skills는 에이전트가 작업을 수행하는 구체적인 절차(SOP)를 의미합니다.

번역 모델이 번역 대신 문제를 풀기 시작할 때 (짧은 불평)

번역 작업 중 모델이 페이로드 내의 지시 사항을 실행하여 번역 대신 문제를 풀어버리는 현상을 다룹니다. 지시 사항(instruction)과 데이터(payload) 사이의 경계가 무너질 때 발생하는 프롬프트 인젝션 문제를 경고합니다.

번역 관리를 위해 IDE를 떠나는 일을 멈추세요

개발자가 번역 관리를 위해 IDE를 벗어나 웹 UI를 사용하는 컨텍스트 스위칭 비용을 MCP(Model Context Protocol)를 통해 해결하는 방법을 소개합니다. Phrase API MCP 서버를 활용하면 AI 에이전트가 코드 작성과 동시에 번역 키 생성 및 로케일 설정을 직접 수행할 수 있습니다.

AI 코딩 세션의 휘발성 맥락을 프로젝트 기억으로 남기기 — rhwp 적용 사례

AI 협업 시 발생하는 맥락 휘발성 문제를 해결하기 위해 rhwp의 Hyper-Waterfall 방법론을 소개합니다. 작업 중 생성되는 지식을 문서화하여 저장소에 커밋함으로써, AI와 개발자가 프로젝트의 설계 의도와 결정 사항을 지속적으로 공유할 수 있는 방안을 다룹니다.

10개 이상의 AI 코딩 에이전트를 병렬로 실행해 보았습니다. 병목 현상은 AI가 아니었습니다.

10개 이상의 AI 코딩 에이전트를 병렬로 운영할 때 발생하는 인간의 인지적 병목 현상을 다룹니다. 에이전트의 성능 문제가 아닌, 다수의 세션을 관리하고 컨텍스트를 전환하는 과정에서 발생하는 가시성 부족과 정신적 오버헤드가 핵심 문제입니다.

Model Context Protocol (MCP)란 무엇인가?

Model Context Protocol(MCP)은 LLM을 다양한 데이터 소스 및 도구와 연결하기 위한 개방형 표준 프로토콜입니다. 기존의 복잡한 맞춤형 통합 방식(N x M)을 단순한 서버-클라이언트 구조(N + M)로 혁신하여 모델과 데이터 간의 상호운용성을 극대화합니다.

FinOps AI 에이전트 구축하기: 가드레일을 갖춘 자율형 Kubernetes 비용 최적화

Kubernetes 비용 최적화를 위해 가드레일이 적용된 FinOps AI 에이전트 구축 방법을 설명합니다. 에이전트에게 쓰기 권한을 주지 않고 읽기 전용 도구와 GitOps 흐름을 결합하여 안전한 자율형 운영을 구현하는 것이 핵심입니다.

LLM 비용을 최적화할까? AI Router를 구현해 보았다

LLM의 비용과 추론 시간을 최적화하기 위해 프롬프트와 컨텍스트를 분석하여 최적의 모델을 선택하는 AI Router 'cobaiter' 개발 사례를 소개합니다. 질문의 난이도와 모델의 성능, 비용을 고려하여 모델을 동적으로 선출하는 메커니즘을 다룹니다.

에이전트 평가(Agent Evals)의 콜드 스타트 문제: 레이블링된 데이터가 없는 첫날 무엇을 게이트(Gate)해야 하는가

에이전트 배포 초기, 레이블링된 데이터가 없는 '콜드 스타트' 상황에서 효과적인 평가(Evals) 전략을 제시합니다. 비용 중심의 평가가 아닌, 에이전트가 조작할 수 없는 '독립성'을 기준으로 Tier 1(외부 증거)과 Tier 2(통계적 신호)를 우선 활용할 것을 권장합니다.

Applied Intuition, 물리적 AI (Physical AI) 개발 가속화를 위한 Dana 플랫폼 출시

Applied Intuition이 물리적 기계의 AI 개발 및 배포를 간소화하는 에이전트형 플랫폼 'Dana'를 출시했습니다. 이 플랫폼은 단순한 도구 제공을 넘어 물리적 영역을 위한 포괄적인 지능 계층(intelligence layer) 구축을 목표로 합니다.

AI 시대의 데이터 관리

생성형 AI 시대에 데이터 관리는 단순 기술 지원을 넘어 전략적 핵심 기능으로 격상되었습니다. 정형 데이터의 직접 통제 방식에서 벗어나, 비정형 텍스트를 위한 온톨로지와 의미론적 중앙집중(ELDM)을 통한 간접 통제 방식이 중요해지고 있습니다.