Gemini 다운로드 — Chrome v150에서 버튼을 테스트 중이지만, 버튼이 보이지 않을 때 무엇을 확인해야 할까

Android용 Chrome v150에서 Gemini 바로가기가 포함된 하단 탐색 바 테스트가 포착되었습니다. 별도의 Gemini 앱 설치 여부와 브라우저 내 실험적 버튼 노출은 서로 다른 경로로 결정되므로 혼동하지 말아야 합니다.

Claude Opus 5와 GPT-5.6 철저 비교, Agent SDK를 이용한 하네스(Harness) 자체 제작까지 최신 AI 동향

MAVERIK: 왜 MCP 에이전트에게는 전용 JMeter가 필요한가

MCP 에이전트의 성능을 '느낌'이 아닌 수치로 측정하기 위한 테스트 프레임워크 MAVERIK을 소개합니다. JMeter의 방식을 차용하여 에이전트의 응답 품질, 소요 시간, 토큰 소모량 및 도구 호출 횟수를 체계적으로 기록하고 비교합니다.

코드는 정확하고 테스트도 통과하지만, 결코 실행되지 않는 버그 클래스

코드가 문법적으로 정확하고 유닛 테스트를 통과하더라도, 논리적 배선(wiring) 문제로 인해 실제 실행 경로에서 작동하지 않는 버그 유형을 분석합니다. 설정값 오류나 상태 유지형 함수의 분기 처리 미흡이 가져오는 위험성을 경고합니다.

에이전트가 실제로 증명할 수 있는 메모리 마이그레이션: Google ADK OKF Memanto

Google ADK에서 OKF 및 Memanto로 에이전트 메모리를 마이그레이션할 때, 단순한 데이터 복사를 넘어 의미론적 충실도를 보장하는 방법을 다룹니다. 데이터의 정합성, 이력 격리, 재시도 안정성을 검증하기 위한 설계 원칙과 파이프라인 구축 과정을 설명합니다.

AI 에이전트에게 프롬프트뿐만 아니라 데이터베이스 트리거가 필요한 이유

AI 에이전트의 신뢰성을 높이기 위해 프롬프트 수정 대신 데이터베이스 트리거를 활용하는 방법을 제안합니다. 데이터베이스가 상태 일관성을 직접 관리함으로써 사실 관계의 변경을 자동으로 처리할 수 있습니다.

'에이전트적 (Agentic)' 트렌드는 심각한 인프라 문제를 가리고 있다

현재 에이전트 프레임워크들이 상태 관리를 단순한 RAG 방식으로 처리하여 컨텍스트 드리프트 문제를 야기하고 있다고 지적합니다. 이를 해결하기 위해 스토리지 레이어에 이시점(bi-temporal) 아키텍처 도입이 필요함을 강조합니다.

결정론적 생성을 토대로 비결정론적 생성으로 비즈니스 로직을 작성하기

결정론적 코드 생성 도구와 비결정론적 LLM 생성을 결합하여 안정적인 AI 에이전트 개발 환경을 구축하는 설계 방식을 제안합니다. 스키마 기반의 확정적 구조 위에 LLM의 유연한 비즈니스 로직 생성을 얹는 것이 핵심입니다.

Codex에서 Claude Code를 서브 에이전트(Subagent)로 호출하는 방법

Codex에서 Claude Code를 서브 에이전트로 호출하여 코드 리뷰나 원인 조사를 수행할 수 있는 MCP 플러그인을 소개합니다. API 비용 부담 없이 기존 Claude Code 구독 상태를 그대로 활용하여 대화형 세션을 연결할 수 있습니다.

「시간의 관성」 그 이후: 해당 Bot이 약 1개월 동안 업데이트·추가한 메커니즘과 아직 검증되지 않은 것들

Misskey 기반 AI Bot의 아키텍처 업데이트 내용을 다룹니다. 개념 병합 및 망각을 통한 정신 대사 메커니즘, 계층화된 메모리 구조, 그리고 어블레이션 실험을 바탕으로 구현된 새로운 시스템 설계 방식을 설명합니다.

「AI는 10배, 컴파일러는 1000배」 Linus Torvalds가 AI에 대해 이야기한 내용 요약

Linus Torvalds가 Linux 커널 개발 과정에서 경험한 AI의 실질적인 영향력을 분석합니다. AI 도구로 인해 커밋 수가 20% 증가했으나, AI는 문제를 찾는 데 유용할 뿐 코드 수정의 본질적인 역할은 컴파일러와 같은 도구의 연장선에 있다고 평가합니다.

Google이 발표한 새로운 Web 표준 초안――WebMCP. 실제로는 어떨까? IO Extended에서 구현 및 발표하며 알게 된 점

Google이 제안한 새로운 Web 표준 초안인 WebMCP의 개념과 구현 방식을 소개합니다. WebMCP는 웹 페이지의 기능을 AI 에이전트가 사용할 수 있는 도구(tool)로 선언하고 연결하는 메커니즘을 다룹니다.

채택한 전략이 채택 후에 퇴화하지 않았는가? 주 1회 자동으로 확인하는 메커니즘을 만들었다

암호자산 자동 매매 봇 운용 중 채택된 전략의 성능 퇴화를 방지하기 위해 주 1회 자동 모니터링 메커니즘을 구축한 사례를 다룹니다. 특정 연도 수익 의존도를 재계산하여 전략의 유효성을 지속적으로 검증하는 자동화 프로세스를 소개합니다.

Garmin 데이터를 AI에게 안전하게 전달하기 위한 External-safe Pack 설계

Garmin 데이터를 AI에게 전달할 때 개인정보를 보호하기 위한 'External-safe Pack' 설계 방식을 소개합니다. 민감한 식별 정보를 제외하고 허가 목록(allowlist) 기반으로 필요한 정보만 추출하여 안전한 데이터 공유를 지원합니다.

AI 에이전트를 밤새 작동시킬 때, 사고를 방지하기 위해 설정한 경계선

AI 에이전트를 자율적으로 실행할 때 발생할 수 있는 운영 설계상의 위험과 사고 사례를 다룹니다. 에이전트가 외부로 데이터를 전송하거나 운영 환경을 건드리지 않도록 명확한 금지 사항과 경계선을 설정하는 운용 설계의 중요성을 강조합니다.

AI의 '실측했습니다'를 3번 믿었지만, 3번 모두 틀렸다 — 출력을 확인하는 패턴

AI가 생성한 결과물의 신뢰성 문제를 다루며, AI가 자신 있게 틀린 정보를 보고할 때 이를 검증하기 위한 구체적인 확인 패턴을 제시합니다. 통계적 표본 수 확인, 정보 출처 검증, 시스템 데이터 활용을 통해 AI의 환각과 추측을 방지하는 방법을 설명합니다.

MCP 서버 구축 가이드라인 해설 ― Node.js + TypeScript로 배우는 AI 에이전트 시대의 도구 설계 지침

2026-07-28 사양 개정 내용을 반영하여, AI 에이전트가 능숙하게 사용할 수 있는 MCP 서버 설계 지침을 다룹니다. Node.js와 TypeScript를 활용해 단순 작동을 넘어 AI 친화적인 도구를 구축하는 방법을 제시합니다.

자동화 편향 (Automation Bias): 왜 사람들은 AI를 무비판적으로 승인하는가 (그리고 어떻게 해결할 것인가)

자동화 편향(Automation Bias)의 정의와 작위/부작위 오류의 위험성을 설명합니다. AI 에이전트 구축 시 '인간 참여형(Human in the loop)' 시스템이 무비판적 승인으로 변질되는 문제를 다루며, 이를 방지하기 위한 LoopRails 프레임워크를 소개합니다.

MCP에서 LSP까지: AI 에이전트 보안, 컨텍스트 표준화, 그리고 Rust 기반 인프라의 부상

AI 에이전트 생태계가 프롬프트 중심에서 MCP와 LSP 같은 프로토콜 중심으로 진화하고 있습니다. Anthropic의 MCP와 기존 LSP의 구조적 유사성을 분석하고, 보안과 성능을 위해 Rust 기반 인프라가 부상하는 이유를 다룹니다.

이식 가능한 컨텍스트가 이식 가능한 런타임을 의미하지는 않는다

이식 가능한 에이전트 프로젝트에서 컨텍스트(APC)와 런타임(APX)의 차이를 설명합니다. 프로젝트 정의는 저장소에 유지되지만, 실제 실행 환경은 머신마다 다를 수 있으므로 런타임 탐지를 통해 정직한 이식성을 유지해야 합니다.