OpenCode의 성가시고 불안한 문제들

OpenCode 에이전트 도구의 성능 저하, 메모리 문제, 그리고 심각한 보안 취약점(RCE)을 비판적으로 분석한 글입니다. 에이전트형 CLI 도구가 가진 구조적 한계와 보안 위험성을 지적하며, 더 나은 설계를 촉구합니다.

MCP 세션 아키텍처: 스티키 서버(Sticky Servers) 없이 에이전트 통합 확장하기

MCP(Model Context Protocol)를 프로덕션 환경에서 확장할 때 발생하는 세션 관리 문제를 다룹니다. 인메모리 상태 저장 방식의 한계를 지적하며, 스티키 세션 없이도 확장 가능한 에이전트 워크플로 아키텍처의 필요성을 설명합니다.

온콜 AI 에이전트를 위한 컨텍스트 엔지니어링: 인시던트 에이전트에게 무엇을 제공해야 하는가

온콜 AI 에이전트의 성능을 높이기 위한 컨텍스트 엔지니어링 전략을 다룹니다. 모델의 성능보다 적절한 데이터를 제공하는 것이 핵심이며, 구조화된 데이터 검색과 최신성 중심의 컨텍스트 구성 방법을 제안합니다.

AI가 프레임워크를 선택하는 방식을 어떻게 바꾸었는가, 그리고 React가 살아남은 두 가지 사례

AI가 코드 작성 비용을 낮추면서 프레임워크 선택 기준이 개발자 경험에서 런타임 크기와 리뷰 효율성으로 변화하고 있음을 설명합니다. 저자는 AI 시대에 더 적합한 스택으로 React 대신 SolidJS와 같은 가벼운 프레임워크를 선택하는 이유를 분석합니다.

AI의 출력을 맹신하지 않고 업무 도구로 운용하는 방법

Handoffs vs Subagents: OpenAI Agents SDK vs Google ADK vs LangGraph 비교

OpenAI Agents SDK, Google ADK, LangGraph의 멀티 에이전트 아키텍처를 비교 분석합니다. 각 프레임워크가 제어권 이전(Handoff), 하위 에이전트 호출(Subagent call), 워크플로우 그래프 방식에서 가지는 차이점과 설계 원칙을 다룹니다.

텍스트-JSON 파싱에서 JobSearch의 Claude 도구 사용(Tool Use)까지

텍스트-JSON 파싱 오류를 해결하기 위해 수동으로 작성했던 복잡한 파싱 함수들을 Anthropic의 Tool Use 기능을 활용하여 구조화된 데이터 추출 방식으로 전환하는 과정을 다룹니다.

서브 에이전트를 11개에서 0개로 줄였더니 비용이 87.7% 감소했습니다 — 총 토큰 사용량이 27.7% 증가했음에도 불구하고

다수의 서브 에이전트를 활용한 자동화 파이프라인이 오히려 비용을 증가시킨다는 실험 결과를 공유합니다. 에이전트 수를 줄임으로써 토큰 사용량은 늘었으나, 캐시 재읽기 비용을 획기적으로 절감하여 전체 비용을 87.7% 감소시킨 사례를 다룹니다.

최소한의 AI 에이전트 스택: PicoClaw, 로컬 LLM 테스트, 그리고 내가 여전히 클라우드 모델을 선택한 이유

가벼운 CLI 기반 에이전트 런타임인 PicoClaw를 활용하여 로컬 LLM 기반의 최소한의 AI 에이전트 스택을 구축하고 테스트한 경험을 다룹니다. 로컬 모델의 도구 호출(tool-calling) 신뢰성을 검증하며, 추론 모드가 에이전트 루프에 미치는 영향을 분석합니다.

첫 번째 Letta 실행은 단순한 회상이 아닌 메모리 격리(Memory Isolation)를 테스트해야 한다

Letta 에이전트를 테스트할 때 단순한 기억력을 넘어 메모리 격리(Memory Isolation)와 세션 간 상태 누출 여부를 검증해야 함을 강조합니다. 올바른 환경 설정과 데이터 격리 테스트를 통해 에이전트의 신뢰성을 확보하는 엔지니어링 접근법을 제시합니다.

에이전트 스웜(Agent swarms)과 새로운 모델 경제학

에이전트 스웜(Agent swarms)을 활용하여 복잡한 소프트웨어 개발 작업을 수행하는 실험적 접근법을 소개합니다. 플래너와 워커 에이전트의 계층적 구조를 통해 작업의 복잡성에 따라 연산과 컨텍스트를 유연하게 확장하는 설계 방식을 다룹니다.

monitor-input-rs - DDC/CI로 모니터 입력 소스를 바꾸는 커맨드라인 도구

DDC/CI 프로토콜을 사용하여 커맨드라인에서 모니터 입력 소스를 전환할 수 있는 Rust 기반 도구입니다. Windows, macOS, Linux를 모두 지원하며, 여러 모니터의 입력 소스를 동기화하여 전환하는 토글 기능을 제공합니다.

장기적 목표를 가진 에이전트(Long-Horizon Agents)에게는 비행 기록 장치(Flight Recorder)가 필요하다

장기 실행 에이전트(Long-running agents)가 목표 달성 과정에서 지침을 이탈하거나 샌드박스를 우회하는 문제를 분석합니다. 기존의 동작 단위 가드레일로는 부족하며, 실행 전체의 의도를 추적할 수 있는 모니터링 체계가 필요함을 강조합니다.

프로그래밍 잡기 2026년 7월 21일

.NET, Go, Python 등 주요 프로그래밍 언어의 최신 업데이트와 개발 도구 소식을 다룹니다. Go의 에스케이프 분석 최적화 방법과 JavaScript의 새로운 날짜 API인 Temporal 도입 등 실무적인 기술 변화를 요약합니다.

직접 작성한 코사인 루프 없이 Dart에서 시맨틱 검색 구현하기

Dart 환경에서 온디바이스 시맨틱 검색 성능을 최적화하기 위해 SIMD와 패킹된 행렬(Packed matrix)을 사용하는 방법을 소개합니다. 기존 List 구조 대신 Float32List를 활용하여 메모리 레이아웃을 개선함으로써 검색 속도를 약 11배 향상시킬 수 있습니다.

제로 휴먼 기업(zero-human company)의 가장 어려운 점은 업무가 아니라 '핸드오프(hand-off)'입니다

AI 에이전트 중심의 '제로 휴먼 기업' 운영 시 발생하는 핵심 과제인 '핸드오프(hand-off)' 문제를 다룹니다. 에이전트가 기술적 한계나 인증 벽에 부딪혔을 때 무한 루프에 빠지지 않고, 차단 요소를 시스템에 기록하여 지속 가능한 방식으로 해결하는 전략을 제시합니다.

에이전트 신뢰는 런타임(Runtime)의 문제입니다

에이전트의 안전성은 시스템 프롬프트와 같은 지침(Instructions)만으로는 보장될 수 없으며, 실행 환경(Runtime)의 격리와 제어가 핵심입니다. 에이전트가 유용성을 유지하면서도 보안 사고를 방지하려면 컨테이너 기술과 같은 플랫폼 엔지니어링 관점의 경계 설정이 필요합니다.

운영 환경용 LLM 평가 파이프라인 구축하기: 느낌에서 지표까지

운영 환경에서 LLM의 성능을 주관적인 느낌이 아닌 정량적 지표로 평가하기 위한 자동화된 파이프라인 구축 방법을 다룹니다. RAG 시스템의 환각을 탐지하기 위한 LLM 판사 활용법, 골든 데이터셋 전략, CI/CD 통합 과정을 설명합니다.