AI 코딩 에이전트를 탈취하는 "Agentjacking"이란: 가짜 에러 보고로 명령 실행, 실험 성공률 85%의 메커니즘과 경계선

AI 코딩 에이전트가 가짜 에러 보고를 통해 악의적인 명령을 실행하게 만드는 'Agentjacking' 공격 기법을 소개합니다. 이 공격은 에이전트의 편리한 구조를 악용하며, 실험 결과 85%의 높은 성공률을 보였습니다.

AI 에이전트가 생성하는 PR이 급증함에 따라 발생하는 리뷰 부하를 줄이기 위해 GitHub Labeler를 활용한 자동 라벨링 전략을 소개합니다. 파일 경로와 브랜치 이름을 기준으로 정적 규칙을 설정하여 PR의 성격을 시각화하고 효율적으로 관리하는 방법을 다룹니다.

Anthropic의 Dreams API는 에이전트의 메모리 스토어에 쌓이는 중복, 모순, 노후화된 정보를 정리하는 기능입니다. 비동기 배치 작업을 통해 기존 메모리를 수정하지 않고 새로운 최적화된 메모리 스토어를 생성하여 에이전트의 장기 기억 효율을 높입니다.

OpenAI의 GPT-5.6 Sol 모델을 통해 강력한 AI 에이전트 도입 시 필수적인 권한 설계의 중요성을 다룹니다. 특히 subagent를 활용하는 ultra 모드의 자율성이 높아짐에 따라 발생할 수 있는 보안 리스크와 실행 환경 설계 방안을 제시합니다.

【시도해 보기】Copilot Studio + Power Automate Desktop

Copilot Studio와 Power Automate Desktop을 결합하여 자연어 지시만으로 데스크톱 앱을 조작하는 '컴퓨터 유즈(Computer Use)' 기능을 검증합니다. 기존 RPA와 달리 UI 셀렉터 대신 AI의 동적 화면 인식을 활용하여 유지보수 효율을 극대화하는 차세대 자동화 방식을 소개합니다.

Claude API 대규모 업데이트 정리: Fable 5 등장 · 구모델 폐지 · 30% 토큰 증가 대응

Anthropic의 Claude API 대규모 업데이트로 인해 Fable 5, Mythos 5 등 신규 모델이 등장하고 기존 구모델이 폐지되었습니다. 새로운 토크나이저 도입으로 토큰 수가 약 30% 증가함에 따라 비용 산정 및 컨텍스트 관리 방식의 변경이 필수적입니다.

AI 코딩 에이전트를 17번 고장낸 후 마침내 해결책을 찾았다 — Superpowers

AI 코딩 에이전트 사용 시 발생하는 요구사항 누락, 컨텍스트 방황, 성급한 성공 선언 문제를 다룹니다. 이를 해결하기 위해 소프트웨어 공학의 베스트 프랙티스를 에이전트에 적용한 'Superpowers' 프로젝트를 소개합니다.

AI 에이전트를 실무 운영하려면 「데이터 프로덕트」 설계가 모든 것을 결정한다

AI 에이전트를 실무 운영(Production) 단계로 끌어올리기 위해서는 단순한 데이터 존재 여부를 넘어 '데이터 프로덕트' 설계가 필수적입니다. 에이전트가 데이터의 비즈니스적 의미를 정확히 이해할 수 있도록 세만틱 컨트랙트(Semantic Contract)를 구축해야 합니다.

AI를 활용하여 전기 수직 이착륙기(eVTOL)의 에너지 시스템을 '더 친숙한 것'으로 만드는 방법

AI를 활용하여 eVTOL(전기 수직 이착륙기)의 에너지 시스템을 최적화함으로써 비용과 중량을 절감하는 방법을 다룹니다. 기존의 보수적인 하드웨어 중복 설계 방식에서 벗어나, AI 기반의 확률적 모델링을 통해 배터리, 모터, 항로, 열 관리를 효율적으로 제어하는 전략을 제시합니다.

#43 2026년, 업계는 AI를 위해 「고삐(Harness)」와 「바퀴(Loop)」라는 이름을 붙였다 —— 내가 로컬에

2026년 AI 엔지니어링의 핵심 트렌드로 부상할 Harness(런타임 레이어)와 Loop(자율 순환 구조) 개념을 소개합니다. 저자는 직접 구현한 RAPTOR, llloop 등의 사례를 통해 모델 중심을 넘어선 엔지니어링의 확장 방향을 제시합니다.

2026년 AI 엔지니어링의 핵심 패러다임인 하네스(Harness)와 루프(Loop) 엔지니어링을 소개합니다. LLM을 감싸는 결정론적 런타임 층과 자율적 에이전트 루프 설계의 중요성을 실제 구현 사례와 함께 다룹니다.

AI에게 '코드 통째로 넘기기'는 이제 졸업. 거대·레거시 코드를 '지도화'하여 조사와 개수까지 맡기는 기술

거대하고 복잡한 레거시 코드베이스를 AI에게 통째로 맡기는 대신, 코드의 구조를 '지도화'하여 전달하는 효율적인 개발 가이드를 제시합니다. AI의 컨텍스트 제한과 구조적 이해 부족 문제를 해결하기 위한 전략적 접근법을 다룹니다.

【무료】 로컬 LLM으로 RAG 평가해 보기

로컬 LLM 환경에서 RAG(Retrieval-Augmented Generation)의 성능을 직접 구현하여 평가하는 방법을 다룹니다. Retrieval과 Generation 두 가지 측면에서 평가 지표를 설정하고, 데이터베이스를 활용해 평가 메커니즘을 구축하는 과정을 설명합니다.

【Frontend CSS – 파트 14】Style Query · Container Naming · 실전 패턴까지 철저 해설

Container Query를 활용하여 뷰포트가 아닌 부모 요소의 크기와 스타일에 따라 반응형 스타일을 적용하는 방법을 설명합니다. 컨테이너 선언 방법, 이름 지정(Naming)을 통한 정교한 쿼리 제어, 그리고 실전 활용 패턴을 다룹니다.

멀티 에이전트로 최적화하는 시스템 개발! LangChain과 RACI 모델을 통한 AI 활용 전략

단일 모델의 한계를 극복하기 위해 모델의 특성에 따라 그룹 A(설계)와 그룹 B(구현)로 나누어 멀티 에이전트 오케스트레이션을 구축하는 전략을 제안합니다. LangChain과 RACI 모델을 활용하여 문맥 손실을 최소화하고 할루시네이션을 시스템적으로 억제하는 워크플로우를 다룹니다.

고객의 목소리(VoC)를 AI로 분석할 때 단순 요약을 넘어 실질적인 업무 대응으로 연결하기 위한 데이터 구조 설계 방법을 제안합니다. 프롬프트 작성에 앞서 CSV 열을 체계적으로 정의하여 분석 결과가 액션 아이템으로 이어지도록 하는 것이 핵심입니다.

AI를 활용한 문의 분류 시스템 설계 시 프롬프트보다 JSON 스키마를 통한 구조화된 출력(Structured Output)이 중요함을 강조합니다. 데이터의 재사용성과 업무 시스템 연동을 위해 카테고리, 우선순위, 담당자 등을 분리하여 설계해야 합니다.