에이전트개발
AI 에이전트 개발의 병목을 없애다, Anthropic의 새 플랫폼 Managed Agents
Anthropic이 AI 에이전트 개발 인프라를 통째로 관리해주는 Claude Managed Agents를 공개 베타로 출시. 프로토타입에서 프로덕션까지 시간을 10배 단축한다고 밝혔습니다.
Written by
MCP는 죽지 않았다, AI 에이전트 팀이 알아야 할 진짜 쓰임새
MCP 사망 선고에 반박하는 엔지니어들의 목소리. 터미널 없는 환경, 팀 보안·텔레메트리 관점에서 MCP가 여전히 필요한 이유를 정리합니다.
Written by
코드 리뷰가 죽어가고 있다, AI 시대 개발 워크플로우의 구조적 전환
AI 도입 후 PR은 98% 늘었지만 리뷰 시간도 91% 증가. Aviator CEO가 제안하는 스펙 중심 개발과 자동화 검증 계층으로의 전환을 소개합니다.
Written by
AI 에이전트에 MCP가 필요할까, CLI면 충분한데
MCP 없이 CLI만으로 AI 에이전트를 충분히 활용할 수 있다는 개발자 주장과, 구글 WebMCP 확장 발표가 동시에 나온 흥미로운 맥락을 소개합니다.
Written by
OpenAI API에서 Skills 활용, 재사용 가능한 워크플로우 패키징
OpenAI API에서 Skills를 직접 사용할 수 있게 되었습니다. Anthropic Agent Skills와의 차이점과 실무 활용 포인트를 살펴봅니다.
Written by
Agent Harness, AI 스타트업의 해자는 모델이 아니라 시스템에서 나온다
AI 경쟁이 모델 점수에서 시스템 내구성으로 이동하고 있습니다. Agent Harness가 어떻게 AI 스타트업의 진짜 해자가 되는지 알아봅니다.
Written by
20년 개발 경험이 독이 되는 순간: AI 에이전트 엔지니어링의 5가지 함정
시니어 개발자가 AI 에이전트 개발에서 오히려 고전하는 이유. 전통적 소프트웨어 엔지니어링 원칙과 AI 에이전트 개발의 5가지 근본적 차이점을 소개합니다.
Written by
AI 에이전트 설계는 여전히 어렵다: Flask 개발자가 밝힌 실전 교훈
Flask 개발자 Armin Ronacher가 수개월간 AI 에이전트를 구축하며 발견한 실전 교훈. SDK 선택, 명시적 캐싱, 강화 전략 등 현장에서 작동하는 설계 원칙을 소개합니다.
Written by
멀티 에이전트 시스템의 딜레마: 언제 구축하고 언제 피해야 할까?
Anthropic의 Claude Research 성공 사례와 Cognition.ai의 우려를 통해 살펴보는 멀티 에이전트 시스템의 실용적 가이드. 언제 멀티 에이전트를 선택하고 언제 피해야 하는지에 대한 개발자를 위한 실무 인사이트를 제공합니다.
Written by
