에이전트에게 「취약점을 찾아줘」라고 말하면 왜 실패하는가──Cloudflare가 50개 이상의 리포지토리로 보여준 harness의 정체

Cloudflare의 Project Glasswing 보고서를 통해 코딩 에이전트가 단순한 명령만으로는 취약점을 찾기 어려운 이유를 분석합니다. 핵심은 모델의 성능보다 공격 프리미티브를 연결하고 증명하는 'harness(환경/프레임워크)'의 역할에 있음을 강조합니다.

harness-starter-kit을 활용한 에이전트 개발 경험을 공유합니다. 이 키트는 에이전트를 즉시 똑똑하게 만들기보다, 에러를 빠르게 발견하고 기록하며 검사할 수 있는 구조를 제공하는 데 목적이 있습니다.

Google이 에이전트 개발자를 위해 공개한 공식 Agent Skills 리포지토리를 소개합니다. Gemini CLI, Claude Code 등 AI 코딩 도구에서 사용할 수 있는 Markdown 기반의 지시 사항 패키지로, Google Cloud 서비스 조작 및 Gemini API 활용법을 에이전트에게 학습시킵니다.

2026년, 에이전트의 harness를 직접 구축하기──모든 레이어의 '현재 살아있는' OSS를 확인하여 정리

2026년 AI 에이전트 구축을 위한 17개 레이어별 오픈소스(OSS) 도구 카탈로그를 정리했습니다. 단순 프레임워크 선택을 넘어 본체, 기억, 도구 연결 등 각 계층별로 살아있는 최신 리포지토리를 전수 조사하여 제안합니다.

AI 에이전트의 '망각' 문제를 해결하는 컨텍스트 계층 설계: RAG, 지식 그래프, 메모리의 실무 아키텍처

AI 에이전트의 성능 저하를 유발하는 '망각'과 '정보 혼선' 문제를 해결하기 위한 컨텍스트 계층 설계 방안을 다룹니다. RAG, 지식 그래프, 엔터프라이즈 메모리를 결합하여 선택, 해석, 권한, 패키징 기능을 수행하는 실무 아키텍처를 제안합니다.

Claude・GPT・Gemini 용도별 선택 방법: 데이터 사이언티스트를 위한 LLM 비교 가이드

Claude, GPT, Gemini의 특징을 비교하여 데이터 사이언티스트와 엔지니어를 위한 최적의 LLM 선택 가이드를 제공합니다. 각 모델의 강점, 적합한 태스크, 비용 및 로컬 오픈 소스 모델 활용법을 정리했습니다.

AI 코딩 에이전트 활용 시 태스크의 입도(granularity) 조절이 비용 효율성의 핵심입니다. 너무 작은 작업은 고정비로 인해 비효율적이며, 너무 큰 작업은 인간의 리뷰 비용을 폭증시키므로 적절한 업무 분해 전략이 필요합니다.

AI는 아무렇지 않게 거짓말을 한다. 그럼에도 ClickHouse는 백만 줄의 C++를 돌린다 —— 1년의 운영 기록이 보여주는 단 하나의 비결

ClickHouse는 100만 줄의 복잡한 C++ 코드베이스에 AI 에이전트를 성공적으로 도입했습니다. 에이전트의 낮은 단판 정답률을 극복하기 위해 대규모 자동화 테스트라는 '판정의 벽'을 활용하여 신뢰성을 확보했습니다.

AI를 업무 시스템으로 만들기 전에 고정해야 할 5가지 운영 규칙

AI 모델 자체의 성능보다 AI를 업무 시스템에 통합하기 위한 운영 체계와 설계 규칙의 중요성을 강조합니다. Microsoft와 Anthropic의 사례를 통해 문맥 관리, 상태 분리, 실행 제어 등 실무적인 에이전트 운영 가이드를 제시합니다.

Google의 Gemma 4를 활용하여 Android 단말기에서 완전히 오프라인으로 동작하는 멀티모달(VLM) 앱 구현 과정을 소개합니다. 프라이버시 보호와 비용 절감을 위해 양자화된 모델을 온디바이스 환경에 최적화하여 구축했습니다.

조직 내 OpenAI, Anthropic, Google API 키 관리의 리스크를 분석하고 정보시스템 담당자를 위한 관리 가이드를 제공합니다. 유출, 비용 초과, 컴플라이언스 위반 리스크를 방지하기 위한 구체적인 대응 방안과 관리 방식별 선택 기준을 정리했습니다.

AI는 테스트 작성을 잘하지만, '무엇이 옳은지' 결정하는 것은 서툴다

AI는 테스트 코드의 구조를 작성하는 데는 능숙하지만, 구현된 로직의 의도를 파악하여 올바른 기대값을 결정하는 데는 한계가 있습니다. 구현과 테스트를 동일한 AI에게 맡기면 오류를 공유하게 되므로, 테스트 케이스 도출은 AI에게 맡기되 기대값은 인간이 결정하는 역할 분담이 필요합니다.

【복사 붙여넣기로 완료】 Access의 모든 설계 정보를 텍스트화하여 AI(Gemini 등)에 통째로 넘기는 VBA

Microsoft Access의 폐쇄적인 개발 환경을 극복하기 위해 모든 오브젝트를 텍스트로 추출하는 VBA 방법을 소개합니다. 이를 통해 Cursor나 Gemini 같은 AI 도구에 데이터베이스 구조를 통째로 전달하여 개발 효율을 높일 수 있습니다.