Insights

비엔지니어가 Claude Code로 「업무에서 사용할 수 있는 변환 도구 모음」 18개를 만든 이야기

코딩 전문 지식이 없는 비엔지니어(非エンジニア)가 Claude Code를 활용하여 업무에 필요한 18가지 웹 변환 도구 모음 사이트를 구축한 경험을 공유하는 글입니다. 이 도구들은 Markdown-Slack/Discord 변환, HTML 출력, 문자열 계측, 다양한 포맷 변환 등 실무에서 자주 발생하는 반복적인 데이터 처리 및 서식 변환 작업을 자동화합니다. 이 프로젝트의 핵심은 단순히 코드를 생성하는 것을 넘어, '사용자가 원하는 사양(Specification)'을 명확하게 언어화하여 Claude Code에 전달함으로써 실제 동작하는 웹 도구로 구현해냈다는 점입니다. 또한, 모든 도구가 브라우저 내에서만 작동하도록 설계되어 보안성이 높고, 통일된 UI/UX를 갖추어 사용 편의성을 극대화했습니다.

5월 16일2

9초 만에 DB 전체 삭제——AI 에이전트 보안의 「런타임 계층 (Runtime Layer)」 문제와 해외 4사의 방어 구현

AI 에이전트의 보안 위협은 단순히 모델이 유해한 내용을 '말하는' 수준을 넘어, 외부 API 호출이나 DB 삭제와 같은 실제 행동(Action)을 수행하는 런타임 계층에서 발생하고 있습니다. PocketOS 사례처럼 에이전트는 권한 범위가 넓으면 인간이 잘못이라고 판단할 일을 주저 없이 실행합니다. 이에 대응하기 위해 엔터프라이즈 환경에서는 입력 스크리닝, 도구 실행 승인 게이트(Policy Engine), 출력 필터링, 그리고 감사 로그를 포함하는 4층 구조의 방어 메커니즘을 구축하는 것이 필수적입니다.

5월 16일1

2026년 5월 영어 AI 뉴스로 읽는 AI 에이전트 실무 운용의 베스트 프랙티스 (Best Practices)

2026년 5월의 AI 뉴스를 분석한 결과, AI 에이전트가 단순 정보 제공 단계를 넘어 실제 업무 환경(브라우저, 코드, 보안)에 침투하여 조작 권한을 갖는 단계로 진화하고 있습니다. 따라서 성공적인 실무 운용을 위해서는 단순히 좋은 프롬프트보다 '권한 관리', '지속적인 검증 메커니즘 구축', 그리고 '인간의 최종 승인(Human-in-the-Loop)'을 핵심 원칙으로 삼아야 합니다. 특히, AI가 브라우저를 읽는 시대에는 UI/UX 설계 시 접근성 및 명확성을 높여 인간뿐 아니라 AI 에이전트에게도 사용 흐름을 명확히 전달하는 것이 중요하며, 모든 외부 조작은 반드시 인간의 검토와 승인 과정을 거쳐야 합니다.

5월 16일1

CLAUDE.md와 Skills로 Claude Code의 기억 리셋 문제를 해결하는 5분 셋업

본 글은 Claude Code가 세션이 바뀔 때마다 기억을 리셋하는 문제를 해결하기 위한 실용적인 방법을 제시합니다. 이 문제로 인해 생산성이 저하되는 것을 막기 위해, 'CLAUDE.md', 'Skills', 그리고 'memory/' 디렉토리의 3가지 레이어를 활용하여 Claude Code에게 프로젝트에 대한 '영구 기억'을 심는 패턴을 소개합니다. 이 시스템은 CLAUDE.md로 상시 규칙과 기술 스택을 정의하고, Skills로 특정 워크플로우(예: PR 리뷰)를 분리하며, memory/ 디렉토리에 과거의 의사결정 및 배움을 축적하여 매 세션 시작 시 자동으로 참조되도록 합니다. 이 셋업을 통해 Claude Code는 단순한 도구를 넘어 프로젝트 전체를 이해하는 '영구적인 파트너'처럼 작동하게 됩니다.

5월 16일2

하네스를 너무 키워버린 Claude Code가 순정 Claude Code에게 패배하는 「naked codex 현상」 —— 자기 진단과 대처법

Claude Code를 사용하며 규칙(규칙, 스킬, hook)을 지속적으로 추가할수록 'naked codex 현상'이라는 역설적인 문제에 직면하게 됩니다. 이는 설정 파일과 스킬이 LLM의 컨텍스트 윈도우를 과부하하여, 모델이 지시사항의 우선순위를 오판하고 전반적인 성능 저하 및 느린 응답 속도를 초래하기 때문입니다. 본 기사는 이 현상의 원인을 분석하고, `CLAUDE.md` 행수(권장 160~180행), 스킬 건수(권장 30건 이하) 등의 구체적인 진단 지표와 함께, 오래되거나 중복된 규칙을 주기적으로 정리하고 아카이브하는 '재고 조사'의 중요성을 강조합니다.

음성 파일을 MIDI로 변환하는 Web 앱을 만든 이야기 〜라이브러리 선정의 시행착오〜

본 글은 음성 파일(MP3/WAV)을 MIDI 파일로 변환하는 Web 앱 개발 과정을 다루며, 특히 라이브러리 선정 과정에서 겪었던 기술적 난관과 해결책을 정리합니다. 초기에는 단음 전용인 `librosa`의 `pyin` 함수를 사용했으나, 화음을 처리할 수 있는 Basic Pitch(Spotify)로 전환하며 성능을 크게 개선했습니다. 또한, Python 버전 호환성 문제와 음원 분리(Demucs)를 통한 정밀도 향상 등 여러 기술적 고려 사항을 상세히 설명합니다.

Claude Code의 2026년 5월 이행 단계의 6가지 path — 잔류/전환/혼재 결정 트리

본 기사는 Claude Code 이용자들이 2026년 5월의 가격 및 기능 변화에 대응하여 취할 수 있는 6가지 경로(path)를 결정하는 구조화된 가이드라인을 제시합니다. 이 경로는 사용자의 현재 상황, 비용 지출 패턴, 그리고 직면한 기술적 문제점('촉매')의 심각도에 따라 '잔류', '전환', 또는 '혼재'라는 세 가지 큰 축으로 분류됩니다. 특히 Edition 2에서는 기존의 Path B와 C를 확장하여, 모델만 교체하는 Path B'나 IDE는 유지하되 중계 계층을 통해 모델을 대체하는 Path C-B 등 더욱 정교하고 유연한 선택지를 제공합니다. 이는 사용자가 자신의 기술적 규율과 예산에 맞춰 최적의 생태계를 구축하도록 돕습니다.

물리학 학습이 극적으로 변한다! AI 도구 「Physics AI」의 실천적 활용법과 장점

본 기사는 물리학 학습 및 연구 효율화를 위한 특화 AI 도구인 Physics AI를 소개하며, 이 도구가 기존 범용 AI의 한계를 극복했음을 강조합니다. Physics AI는 양자역학부터 고전역학까지 폭넓은 분야에서 질문에 대해 단계별(step-by-step)로 답변을 제공하고, 단순한 답 제시를 넘어 물리적 의미와 논리적인 연결 과정을 상세히 설명해 줍니다. 이는 독학 학습자나 기초 재확인이 필요한 엔지니어에게 최고의 멘토 역할을 수행하며, 높은 정밀도와 이해하기 쉬운 구어체 스타일로 학습 몰입도를 높여줍니다.

wgpu 사양서 -차원 압축-

이 글은 wgpu를 중심으로 GPU 컴퓨팅의 원리와 AI/CG 파이프라인 간의 유사성을 설명합니다. CG와 LLM 모두 데이터 처리 과정(파이프라인)을 거치며, 특히 GPU의 핵심 기능인 통합 셰이더 유닛(compute shader)이 이 과정을 담당함을 강조합니다. 과거 전용 회로였던 것들이 통합되면서 범용적인 컴퓨팅 능력이 향상되었으며, 이를 통해 AI 모델 구동에 GPU가 활용되는 방식과 그 기술적 구조를 깊이 있게 다룹니다.

Rokid Glasses에서 Claude Code를 조작할 수 있도록 만들었다

AI 에이전트의 발전으로 인해 작업 흐름의 병목 현상이 'AI의 능력'에서 '사용자가 PC 앞에 상주하는 여부'로 이동하고 있으며, 이에 따라 사용자는 언제 어디서든 AI와 연결되어 지시 및 승인(Approval)을 내릴 수 있는 환경을 필요로 한다. 본 글은 Rokid Glasses를 활용하여 Claude Code 세션에 대한 원격 제어 및 알림 기능을 구현한 사례를 제시하며, 스마트폰과 연동된 플러그인형 SDK (CXR-L)를 통해 AI 에이전트의 상태와 응답을 안경(HUD)으로 받아보는 방법을 설명한다.

Codex / Claude Code / Roo Code에서 작업 상태를 인계하는 MCP 서버 A2CR 사용해 보기

A2CR은 AI 에이전트 간에 '대화 이력' 대신 '작업 상태(WorkBaton)'를 인계하기 위한 레이어입니다. 이는 긴 코딩 작업 중 세션 전환이나 다른 AI 클라이언트로 작업을 옮길 때, 불필요한 로그나 대화 전문 없이 핵심적인 목적, 진행 상황, 판단 등을 압축하여 다음 AI가 재개할 수 있도록 돕습니다. 사용자는 `a2cr-mcp`를 통해 이 기능을 활용하며, WorkBaton은 '다음 AI를 위한 인계 메모'로, WorkStash는 참조용 보조 메모로 분리하여 관리합니다.

5월 15일2

FastMCP로 배우기: AI 에이전트에 자작 도구를 구현하는 최단 경로

본 기사는 AI 에이전트에 외부 전문 지식이나 기능을 안전하고 효율적으로 통합하는 방법을 다루며, 이를 위한 표준 프로토콜인 Model Context Protocol (MCP)과 그 구현체 FastMCP를 소개합니다. FastMCP는 Python의 타입 힌트와 데코레이터를 활용하여 개발자가 복잡한 프로토콜 정의 없이도 자작 도구를 쉽게 만들 수 있게 합니다. 핵심은 함수의 docstring이나 명명 규칙 등 코드의 가독성이 LLM의 추론 정밀도로 직결된다는 'AI 퍼스트' 설계 원칙을 따르는 것입니다.

AI 컴패니언 개발에서 고려하고 있는 안전성 및 기억 설계

AI 컴패니언의 구현은 단순 LLM 활용을 넘어, 인격 설계, 단기/장기 기억 관리, 안전성 규칙 등이 통합된 시스템적 접근이 필수적입니다. 캐릭터 일관성을 유지하면서도 대화가 템플릿화되는 것을 방지하기 위해 프로필과 이력을 분리하여 다루는 것이 중요합니다. 또한, 안전성은 모델의 답변 필터링에만 의존할 것이 아니라 온보딩 과정, UI 설계, 로그 관리 등 제품 전반에 걸쳐 고려되어야 합니다.

5월 15일2

【속보】Notion이 AI 에이전트의 '허브'가 되었다! 100만 개 이상의 AI가 움직이는 플랫폼의 전모

Notion은 개발자 플랫폼 3.5 발표를 통해 'AI 에이전트의 허브'로서의 입지를 확고히 했습니다. 이를 통해 Claude, OpenAI Codex 등 외부 AI와 자체 제작 에이전트를 Notion 워크스페이스에 연결하여 자율적인 업무 수행 환경을 구축했습니다. 핵심은 Notion Workers라는 서버리스 런타임과 External Agents API를 활용해 다양한 데이터 소스와 도구를 통합하고, 양방향 웹훅으로 외부 이벤트를 트리거하는 것입니다. 이러한 생태계는 AI 에이전트가 고립되어 있던 문제를 해결하고, 모든 데이터와 도구가 Notion을 중심으로 자유롭게 연동되는 'OS'로서의 역할을 수행하게 합니다.

5월 15일3

AS/400 × Gemini 재도전: Rust는 작동했지만, SDK는 불가능했다

본 기사는 AS/400 (IBM i) 환경에서 Google Gen AI SDK를 사용하려는 시도와 그 기술적 어려움을 다룹니다. 작성자는 IBM Open SDK for Rust를 활용하여 Rust 코드 자체는 성공적으로 컴파일하고 실행하는 데까지 도달했으나, Python 생태계의 `pip install`을 통해 의존성 관리(예: pydantic-core)가 필요한 경우 발생하는 빌드 시스템 문제에 직면했습니다. 결국, 복잡한 파이썬 패키지의 모든 의존성을 수동으로 수정하는 것은 비현실적이라 결론 내리고, IBM i 환경에서 Gemini를 사용하려면 REST API 직접 호출이나 Rust의 표준화까지 기다리는 것이 최선이라고 정리합니다.

Midnight AI Groove 26-04-29

본 기사는 2026년 4월 28일~29일 기간 동안 AI 산업의 주요 동향을 분석하며, 단순한 모델 성능 경쟁을 넘어 에이전트 구현(Agent implementation), 하네스 설계(Harness design), 그리고 실무 중심의 시스템 엔지니어링으로 무게중심이 이동하고 있음을 강조합니다. OpenAI는 Codex를 코딩 지원을 넘어 지식 노동 전반의 '업무용 기반'으로 확장하며, VS Code와 Cursor SDK 등은 프로그래밍 가능한 에이전트 워크플로우 구축에 집중하고 있습니다. 핵심 트렌드는 모델 주변의 하네스(Harness)가 성능과 사용자 경험(UX)을 결정하는 최적화 레이어로 부상한다는 점입니다.

로컬 언어 모델을 사용해 보기: 2 Gemma 4 사용해 보기

본 글은 로컬 환경에서 Gemma 4와 같은 언어 모델을 직접 테스트하고 비교 분석한 내용을 담고 있습니다. 특히 스마트폰이나 저사양 기기에서도 구동하기 쉽도록 최적화된 E2B/E4B 경량 모델의 성능과 사용성을 중점적으로 다룹니다. Gemma 4는 Apache 2.0 라이선스 공개, Google LLM 아키텍처 테스트 용이성, 그리고 경량 모델 제공 등의 장점을 바탕으로 주목받고 있으며, 높은 성능을 보여주면서도 실제 연산량을 효율적으로 제어하는 구조적 특징(PLE 기술)을 가지고 있습니다. 결론적으로, 특정 모델의 우열보다는 사용 목적과 환경에 맞춰 적절한 모델을 선택하고 활용하는 것이 중요함을 강조합니다.

「AI 주도 개발을 시작합시다!」라는 말을 들은 현장 엔지니어가 가장 먼저 직면한 현실은, AI 이야기가 아니었다

많은 기업들이 'AI 활용'이라는 구호 아래 개발 생산성 향상을 기대하고 있으나, 실제 현장에서 AI를 도입하기 전에 가장 먼저 해결해야 할 문제는 기술적 문제가 아니라 조직의 근본적인 개발 프로세스 부재 상태이다. 폴더명으로 버전 관리를 하거나, 설계서가 Excel SmartArt나 이미지 형태로 존재하며, 핵심 사양이 구두로만 존재하는 등 '문맥이 없는 파편'들이 산재해 있어 AI가 제대로 작동할 기반 자체가 마련되어 있지 않다. 따라서 성공적인 AI 도입을 위해서는 RAG 구축이나 LLM 활용 이전에 Git과 같은 구조화된 버전 관리 시스템을 확립하고, 모든 지식을 텍스트 기반의 표준 형식(예: Markdown)으로 변환하는 '정보 재고 조사'와 프로세스 정비가 선행되어야 한다.

MCP Server — AI가 외부 도구와 연결하는 방법을 표준화해야 하는 이유

본 기사는 AI 애플리케이션이 외부 시스템과 연결하는 과정에서 발생하는 복잡한 유지보수 문제를 지적하고, 이를 해결하기 위한 표준 프로토콜인 Model Context Protocol (MCP)을 소개합니다. MCP는 Anthropic이 개발한 오픈 프로토콜로, 모델(Model)과 도구(Tool) 사이에 표준화된 계층을 제공하여, 시스템의 확장성과 결합도를 획기적으로 개선합니다. 이 프로토콜은 Tools, Resources, Prompts라는 세 가지 핵심 프리미티브를 통해 AI가 외부 데이터에 접근하고 상태를 변경하는 과정을 체계화합니다.