「대화하는 것만으로 매크로가 고쳐진다」는 「대화하는 것만으로 엄청난 매크로를 만들 수 있다」였다는 이야기

Claude Code를 활용하여 엑셀 파일을 닫지 않고 실시간으로 대화하며 VBA 매크로를 수정하고 고도화하는 워크플로우를 소개합니다. AI가 현재 셀의 컨텍스트를 파악하고 데이터 오류를 추적하며, 사용자의 의도에 맞춰 도구를 스스로 발전시키는 과정을 다룹니다.

AI에게 일자리를 빼앗길 불안으로부터 시작하는 하네스 작성 입문 제18회: MCP 서버의 단위 테스트·결합 테스트 관점 만들기

MCP(Model Context Protocol) 서버 개발 시 필요한 단위 테스트와 결합 테스트의 관점을 정리하고 pytest를 활용한 구현 방법을 소개합니다. Web API와 차별화된 MCP 프로토콜의 특성을 고려한 테스트 설계 전략을 다룹니다.

【상세편】 RAG는 모델 '내부'에서 무엇을 하고 있는가 ― hidden state와 층(layer)에 대하여

RAG가 모델 내부의 hidden state와 layer에 미치는 영향을 심층 분석합니다. 검색된 문서가 모델의 가중치를 변화시키지 않으면서도 attention 메커니즘을 통해 어떻게 내부 상태에 영향을 주는지 설명합니다.

GPT-5.6 가격 인하! Luna 80%·Terra 20%——2026년 7월 30일 신규 API 가격 속보 해설

OpenAI가 2026년 7월 30일부터 GPT-5.6 모델의 API 가격을 대폭 인하합니다. Luna 모델은 80%, Terra 모델은 20% 인하되어 비용 효율성이 크게 개선되었습니다.

RAG는 결국 무엇을 하고 있는 것일까? ― 모델 내부를 바탕으로 초보자를 위해 정리해 보았다

RAG의 내부 작동 원리를 모델 가중치와 토큰 입력 관점에서 설명합니다. RAG는 모델을 재학습하지 않고 외부 지식을 프롬프트에 결합하여 입력 토큰 열을 확장하는 메커니즘임을 강조합니다.

AI Agent는 사회 규범에 어긋나더라도 논리적으로 옳다면 실행 가능하다고 판단해 버린다 ── 「무엇을 해도 되는가」를 결정하는 책임은

AI Agent가 고도화됨에 따라 논리적 추론 능력과 사회적·법적 규범 판단 능력 사이의 간극이 발생하고 있습니다. AI가 상황을 정확히 인지하더라도, 그 실행이 초래할 경제적 손실이나 사회적 책임을 고려한 의사결정에는 인간의 개입이 필수적임을 강조합니다.

Claude Code의 /compact는 직전 tool 결과의 70%를 버립니다 — 실측으로 알아낸 유지 경계

Claude Code의 `/compact` 명령어 실행 시 컨텍스트 요약 과정에서 발생하는 정보 손실 경계를 실측 분석했습니다. 직전 tool 결과의 약 70%가 사라지며, 특정 정보 카테고리에 따라 잔존율이 급격히 차이남을 확인했습니다.

Claude Code의 작동 원리 — 하네스(Harness)의 동작과 Claude API

Claude Code의 동작 원리를 3층 구조(Claude API, 하네스, 세션 로그)로 분석합니다. Claude API의 스테이트리스 특성과 하네스의 컨텍스트 관리 방식, 그리고 프롬프트 캐시를 통한 효율적인 비용 관리 메커니즘을 설명합니다.

OpenAI가 지능과 효율을 동시에 잡은 신모델 GPT-5.6을 발표했습니다. 특히 API의 reasoning retention과 compaction 설정을 활성화하는 것만으로 ARC-AGI-3 벤치마크 점수를 3배 높일 수 있다는 실천적인 가이드를 제공합니다.

Dify 워크플로우를 GUI 대신 YAML 파일과 Claude Code를 활용하여 효율적으로 구축하고 관리하는 방법을 소개합니다. 노드 규모가 커질 때 발생하는 버전 관리 및 리뷰 문제를 해결하기 위해 단계별 편집 전략을 제안합니다.

Anthropic의 Claude API에서 발생한 다중 모델 장애 사례를 분석하고, 서비스 가용성을 높이기 위한 페일오버(Failover) 설계 전략을 제시합니다. 특정 모델이 아닌 여러 모델을 순차적으로 전환하며 대응하는 실무적인 방안을 다룹니다.

Google Cloud Next Tokyo '26 참관기로, Agentic AI의 현주소와 엔터프라이즈 환경에서의 구현 아키텍처를 다룹니다. Vertex AI와 Cloud Run 등을 활용하여 AI 에이전트를 운영 환경에 안전하게 배포하고 관리하는 방안을 고찰합니다.

Vonage Video & Pipecat × Anam.ai로 실현! 로컬 LLM으로 구동되는 실시간 AI 아바타 대화 데모

Pipecat, Anam.ai, 그리고 로컬 LLM을 결합하여 지연 시간이 적은 실시간 AI 아바타 대화 시스템을 구축하는 방법을 소개합니다. 음성 인식부터 아바타 립싱크 영상 생성까지의 전체 파이프라인을 로컬 환경에서 구현하여 보안과 성능을 동시에 확보했습니다.

CodeGraph(AI용 효율화 도구)는 '간접 호출 누락'을 방지한다. 하지만 우리 팀의 리뷰가 길어졌던 원인은 그것이 아니었다

AI 에이전트의 코드 이해를 돕는 CodeGraph 도구를 실제 운영 리포지토리에 도입하여 검증한 사례를 다룹니다. 콜 그래프를 통해 간접 호출을 탐색할 수 있지만, 호출 관계가 없는 중복 코드 문제는 해결하지 못한다는 한계를 확인했습니다.

GitHub Copilot 이용 데이터를 분석한 결과, Claude Sonnet 고정 시 Auto 모드보다 약 2.4~2.8배 더 소비됨

GitHub Copilot 사용 시 모델을 Claude Sonnet으로 고정할 경우, Auto 모드보다 약 2.4~2.8배 더 많은 크레딧이 소비됨을 분석했습니다. Auto 모드는 요청에 따라 효율적인 모델을 선택하여 소비량을 안정적으로 유지하는 경향을 보입니다.