AI 테스트 자동화에는 맹목적인 신뢰가 아닌 검토 게이트(Review Gates)가 필요합니다

AI를 활용한 테스트 자동화 시 생성 속도보다 생성된 테스트의 품질을 판단하는 '검토 게이트'의 중요성을 강조합니다. 단순 텍스트 검증을 넘어 다단계 워크플로우와 실행 계획을 검토할 수 있는 체계적인 접근법을 제안합니다.

사례 연구: 실행 모드로서의 루프(Loop) — 제어력을 잃지 않으면서 에이전트가 반복하게 하는 방법

에이전트가 제어력을 잃지 않고 반복 작업을 수행할 수 있도록 설계된 '루프(Loop)' 실행 모드에 관한 사례 연구입니다. 무한 루프나 예산 소진을 방지하기 위한 거버넌스 체계와 필수 구성 요소를 설명합니다.

사례 연구: 두 개의 AI 에이전트, 하나의 저장소 — 그리고 왜 규율은 기계에 의해 강제되어야 하는가

단일 저장소에서 여러 AI 에이전트가 협업할 때 발생하는 충돌 문제를 해결하기 위한 거버넌스 전략을 다룹니다. 에이전트별 독립적인 git worktree 사용과 위임된 커밋 방식을 통해 작업 혼선을 방지하는 사례를 제시합니다.

사례 연구: 거버넌스를 활용하여 2일 만에 인수부터 라이브 SaaS까지 구축하기

AI 에이전트가 미완성 프로젝트를 인수하여 2일 만에 라이브 SaaS로 구축한 사례 연구입니다. 거버넌스 계층을 통해 의도 중심의 작업, 검증 게이트, 감사 추적을 구현함으로써 통제 가능한 프로덕션 환경을 구축하는 방법을 설명합니다.

6개의 터미널을 요청했습니다. 13일 후 GridBash는 130개의 Star를 받았습니다.

Codex를 활용해 Rust 기반의 TUI 터미널 도구인 GridBash를 개발하고, 13일 만에 GitHub Star 130개를 달성한 과정을 기록했습니다. 단순한 개발 속도보다는 오픈소스의 성장이 일상적 사용, 빠른 수정, 쉬운 패키징의 긴밀한 루프를 통해 이루어짐을 강조합니다.

RAG를 위해 대규모 소스를 다듬는 더 스마트한 방법

RAG 시스템에서 대규모 소스를 효율적으로 처리하기 위한 Trimwise Hybrid 방식의 성능과 한계를 분석합니다. 단순한 문맥 압축이 초래하는 데이터 손상 문제를 지적하며, 정보 밀도를 유지하면서 토큰 예산 내로 응축하는 최적의 방법을 제안합니다.

에이전트 컨텍스트의 표준화: 왜 MCP가 새로운 REST인가

Model Context Protocol(MCP)은 AI 에이전트와 데이터 소스 간의 통신을 표준화하는 새로운 아키텍처입니다. 기존의 파편화된 도구 호출 방식에서 벗어나, LLM 클라이언트와 데이터 서버를 분리하여 확장성과 보안성을 제공합니다.

AI 에이전트에게 모든 Kotlin/Java 라이브러리의 실제 소스 제공하기

AI 코딩 에이전트가 존재하지 않는 메서드를 생성하는 문제를 해결하기 위해, 실제 Kotlin/Java 라이브러리의 소스 코드를 직접 분석하여 답변하는 기술을 소개합니다. MCP를 통해 sources jar를 다운로드하고 Kotlin Analysis API로 파싱하여 정확한 타입과 구현체를 제공합니다.

Laguna-S-2.1의 "무한 사고" 루프는 양자화 (Quantization) 아티팩트로 보입니다

Laguna-S-2.1 모델이 llama.cpp 환경에서 무한 사고 루프에 빠지는 현상은 양자화 아티팩트 때문일 가능성이 높습니다. 이를 해결하기 위해 균일한 저비트 양자화 대신 정밀도를 타겟팅한 APEX 양자화 방식을 권장합니다.

소프트웨어 팩토리가 실패하는 이유 (또는: 하네스 엔지니어링 (harness engineering)만으로는 충분하지 않다)

AI 코딩 에이전트와 '소프트웨어 팩토리' 모델이 코드 품질 저하와 시스템 장애를 유발하는 현상을 분석합니다. 단순히 더 많은 토큰을 사용하거나 루프를 늘리는 방식이 아닌, 코드베이스의 무결성을 유지하기 위한 비판적 시각을 제시합니다.

AI 에이전트 설계 완전 가이드 ② - Graph Engineering 입문

LangGraph의 세 가지 재작성: 프로덕션 환경에서 상태 유지 에이전트(Stateful Agents)의 체크포인팅(Checkpointing)

LangGraph를 사용하여 프로덕션 환경에서 상태 유지(Stateful) 에이전트를 구축할 때 발생하는 데이터 타입 불일치 문제와 해결 방법을 다룹니다. Pydantic 모델 사용 시 발생하는 직렬화 오류와 체크포인팅 메커니즘의 중요성을 설명합니다.

AI 채용 SaaS 구축하기: 배운 점들

AI 기반 채용 플랫폼 Beonmap을 구축하며 겪은 피벗 과정과 모바일 퍼스트 전략, 앱 스토어 출시 경험을 다룹니다. 시장 적합성을 찾기 위한 과감한 결정과 사용자 중심의 제품 개발 교훈을 공유합니다.

Andrew Ng의 OpenWorker: 오픈 소스 데스크톱 AI 에이전트

Andrew Ng가 출시한 OpenWorker는 데스크톱 환경에서 작동하는 오픈 소스 AI 에이전트입니다. 단순 텍스트 생성을 넘어 Slack, GitHub, 캘린더 등 25개 이상의 도구와 연동하여 실질적인 업무 결과물을 만들어냅니다.

자율 에이전트(Autonomous agents)는 쉬운 부분이다

1인 개발자가 10개의 프로젝트를 효율적으로 관리하기 위해 구축한 '마스터-슈퍼바이저' 시스템을 소개합니다. 개별 프로젝트의 할 일 목록을 통합하여 하나의 작업 대기열(queue)로 관리하고, AI 에이전트가 실행 가능한 '작업 지시(work orders)' 단위로 전환하는 과정을 다룹니다.

AI 에이전트를 위한 기계 결제 가능 API를 구축하고 낯선 이들로부터 0달러를 벌었습니다. 모든 수치를 공개합니다.

AI 에이전트를 위한 호출당 결제(pay-per-call) API인 x402 서비스를 Base 네트워크 상에 구축하고 운영한 실험적 기록입니다. 서비스 구축 과정에서 겪은 메타데이터 길이 제한 문제와 프로토콜 불일치 등 실제 기술적 장애와 해결 과정을 투명하게 공개합니다.

대시보드에서 Sandbox에 연결 및 관리하기

Vercel 대시보드에 새로운 Connect 탭이 추가되어 실행 중인 Sandbox에 직접 셸 접속이 가능해졌습니다. 브라우저 내에서 파일 탐색, 명령어 실행, 포트 검사 및 샌드박스 생명주기 관리를 통합적으로 수행할 수 있습니다.

일주일 동안 AI에게 내 앱을 55번 테스트하게 했다. 무엇이 망가졌고, 내가 무엇을 망가뜨렸는가

AI 테스팅 에이전트인 TestSprite를 활용하여 일주일간 55번의 반복 테스트를 수행하며 얻은 실무 경험을 공유합니다. 개발자가 놓치기 쉬운 신규 사용자 시나리오와 에이전트의 탐색 한계를 극복하는 과정을 다룹니다.