Google의 A2A(Agent-to-Agent) 프로토콜을 사용하여 서로 다른 에이전트 간의 통신을 구현하고 시각화하는 방법을 다룹니다. Agent Card를 통한 서비스 디스커버리와 메시징 과정을 통해 멀티 에이전트 시스템의 상호작용을 모니터링하는 튜토리얼을 제공합니다.

Google Custom Search JSON API가 2027년 1월 1일부로 종료됨에 따라, MCP 서버나 AI 에이전트 개발자를 위한 대체 서비스들을 비교 분석합니다. Vertex AI Search, Serper API, Tavily, Exa 등 주요 서비스의 비용, 기능, 데이터 보안 측면을 다룹니다.

AI 크롤러에게 본문이 전달되고 있는가? curl로 가시성을 CI 체크하는 구현

AI 크롤러(GPTBot, ClaudeBot 등)가 JS를 실행하지 않을 가능성에 대비하여, 초기 HTML에 본문이 포함되었는지 curl로 검증하는 CI 구현 방법을 소개합니다. Next.js 환경에서 SSR/SSG를 통해 크롤러 가시성을 확보하고, GitHub Actions로 이를 자동화하는 가이드를 제공합니다.

Stagehand: 깨지기 쉬운 코드인가 예측 불가능한 AI인가, 두 가지 선택지를 끝내는 브라우저 자동화

Stagehand는 기존 브라우저 자동화의 한계인 '깨지기 쉬운 코드'와 '예측 불가능한 AI' 사이의 간극을 해결하는 오픈소스 SDK입니다. 개발자가 AI에 위임할 작업의 양을 직접 선택할 수 있도록 설계되어, 안정성과 유연성을 동시에 제공합니다.

60개 클럽 중 4위인데 J2에서는 17위――카타레레 도야마를 분석했더니 '폭발력과 안정감의 차이'가 보였다

J리그 데이터를 활용하여 카타레레 도야마의 성적 괴리를 분석한 사례입니다. 단기 컵 대회와 장기 리그전의 성적 차이를 '폭발력 계수'라는 지표로 정량화하여 팀의 특성을 규명했습니다.

【독서 감상문】 「부하로서의 AI」라는 책을 읽은 소감 ~ AI 시대에도 결국 「이해」가 중요하다 ~

신간 『부하로서의 AI』를 통해 AI 시대 엔지니어의 역할 변화를 다룹니다. AI를 단순 작업 도구가 아닌 이해를 돕는 파트너로 활용하며, 시스템의 멘탈 모델을 구축하는 관리자로서의 역량을 강조합니다.

Microsoft가 공개한 APM(Agent Package Manager)은 다양한 AI 코딩 에이전트의 설정 파일 형식을 통합 관리하는 의존성 관리 도구입니다. 하나의 apm.yml 파일로 Claude Code, Cursor 등 여러 도구에 필요한 컨텍스트를 자동으로 배포할 수 있습니다.

【이벤트 리포트】 Code with Claude Tokyo 2026에서 배운 AI 에이전트 개발의 최전선

Anthropic의 'Code with Claude Tokyo 2026' 이벤트에서 발표된 AI 에이전트 개발의 최신 트렌드를 다룹니다. 에이전트 개발의 패러다임이 코드 작성에서 실행 환경 및 검증 조건 정비로 변화하고 있음을 강조합니다.

AI 시대의 설계서는 '상세 내용을 쓰는 것'에서 '합의를 남기는 것'이 될지도 모른다

AI 시대의 설계서 역할 변화를 다룹니다. 구현 후 코드로부터 생성되는 '이해를 위한 설계서'와 구현 전 관계자 간의 의사결정을 위한 '합의를 위한 설계서'를 구분하여 관리해야 함을 제안합니다.

직접 구축한 LightGBM 기반 경마 예측 모델을 사용하여 타카라즈카 기념 레이스의 성능을 검증한 기록입니다. 스피드 지수 예측(회귀)과 3착 이내 예측(분류) 두 가지 모델을 활용하여 실제 레이스 결과와 회수율을 비교 분석했습니다.

AI 에이전트가 개발에 참여하면서 문서의 역할이 '인간을 위한 결과물'에서 'AI와 인간이 공유하는 개발 환경'으로 변화하고 있습니다. 문서가 AI의 작업 전제가 됨에 따라, 업데이트되지 않은 오래된 문서가 AI에게 잘못된 정보를 전달할 위험성을 경고합니다.

AI 에이전트 도입 시 SES 및 수탁 개발 환경에서 발생하는 정보 단절과 구조적 한계를 분석합니다. 단순 구현 능력을 넘어 전제 정보의 공유와 책임 범위 설정이 AI 활용의 핵심임을 강조합니다.

Vibe Coding과 Spec Coding 등 AI 기반 개발 방식에서도 물리적인 코드 생산량의 한계와 대기 시간이 존재함을 설명합니다. AI 생성 코드의 검증, 불필요한 코드 삭제, 버그 수정 등 인간의 개입이 필수적인 과정을 강조합니다.

LLM 시스템의 구성 요소인 Router, RAG, Attention을 의인화하여, 최신 정보가 반영되지 않는 기술적 원인을 스토리텔링 형식으로 설명합니다. 외부 검색 데이터와 모델 내부의 사전 학습 지식이 충돌할 때 발생하는 현상을 다룹니다.

AI 에이전트에게 일본 법인 번호를 조회하게 하기: 6가지 선택지 비교 — 국세청 Web-API, ChatGPT 플러그인, Custom GPT

AI 에이전트가 일본 법인 번호를 조회할 때 사용할 수 있는 6가지 구현 방식을 비교 분석합니다. 국세청 API 직접 호출부터 Custom GPT, AI 네이티브 wrapper까지 각 방식의 데이터 품질과 액세스 설계 측면의 장단점을 다룹니다.

Vercel의 AI UI 생성 도구인 v0의 성능, 속도, 비용을 실측 리뷰한 글입니다. React와 Tailwind CSS 기반의 UI 컴포넌트를 빠르게 생성할 수 있어 프로토타이핑에 매우 효율적입니다.