https://techllm.github.io/tags/ai-agent/Recent content in AI-Agent on TechLLMHugokoThu, 25 Jun 2026 21:05:00 +0900https://techllm.github.io/posts/langchain-fleet-general-purpose-vs-specialized-agents/Thu, 25 Jun 2026 21:05:00 +0900https://techllm.github.io/posts/langchain-fleet-general-purpose-vs-specialized-agents/LangChain Fleet의 두 가지 에이전트 — General Purpose Chat과 Specialized Agents — 가 각각 어떤 일에 맞춰져 있는지, 기억(memory)·도구·트리거가 어디서 갈리는지 정리했습니다.https://techllm.github.io/posts/goog-dow-data-center-gemini-3-5-delay/Thu, 25 Jun 2026 18:13:00 +0900https://techllm.github.io/posts/goog-dow-data-center-gemini-3-5-delay/6월 29일 다우 편입을 앞두고 GOOG가 동시에 네 가지 변화를 내놨다. 2030년까지 가장 빠른 데이터센터 증설, 자체 건설과 약 25% 임대 혼합, Gemini 3.5 Pro의 7월 출시 연기, 그리고 송장 검증 에이전트로 연 2억 달러 절감.https://techllm.github.io/posts/huggingface-ard-agentic-resource-discovery/Thu, 18 Jun 2026 02:28:00 +0900https://techllm.github.io/posts/huggingface-ard-agentic-resource-discovery/허깅페이스가 마이크로소프트·구글·고대디와 함께 만든 ARD(Agentic Resource Discovery) 초안이 공개됐습니다. 도구를 미리 설치하지 않아도 에이전트가 런타임에 직접 찾아 호출할 수 있게 해주는 표준입니다. ai-catalog.json과 검색 REST API라는 두 축이 어떻게 동작하는지, hf discover 명령으로 실제로 어떻게 써보는지 정리했습니다.https://techllm.github.io/posts/hermes-agent-async-subagents/Tue, 16 Jun 2026 20:17:00 +0900https://techllm.github.io/posts/hermes-agent-async-subagents/Nous Research가 Hermes Agent에 비동기 서브에이전트를 붙였습니다. delegate 도구가 더 이상 채팅을 멈추지 않고, async_delegation 툴셋으로 백그라운드 에이전트를 띄우고 끼어들고 회수하는 흐름이 한 번에 풀렸습니다.https://techllm.github.io/posts/polymarket-best-ai-model-anthropic-87-percent-june-2026/Mon, 15 Jun 2026 18:34:00 +0900https://techllm.github.io/posts/polymarket-best-ai-model-anthropic-87-percent-june-2026/거래대금 1,500만 달러가 몰린 Polymarket의 AI 모델 1위 예측 시장에서 Anthropic이 87.1%로 압도적 1위, Google 6.5%, OpenAI 4.7%, xAI 0.3%. 6월 30일 Chatbot Arena 순위로 정산되는 구조를 들여다봤습니다.https://techllm.github.io/posts/korea-inc-ai-agent-per-desk-2026/Sun, 14 Jun 2026 15:56:29 +0900https://techllm.github.io/posts/korea-inc-ai-agent-per-desk-2026/기술 유출을 우려해 외부 생성형 AI를 막아왔던 한국 대기업들이 방향을 틀었습니다. 삼성·SK·LG가 임직원에게 ChatGPT, Claude, Gemini Enterprise, Microsoft Copilot을 본격 풀고, SK 최태원 회장은 '1인 1 AI 에이전트'를 선언했습니다.https://techllm.github.io/posts/agentmemory-persistent-memory-ai-coding-agents/Sun, 17 May 2026 00:03:50 +0900https://techllm.github.io/posts/agentmemory-persistent-memory-ai-coding-agents/세션이 끝나면 모든 것을 잊는 AI 코딩 에이전트의 고질적 문제를, GitHub 10K 스타 오픈소스 agentmemory가 해결한다. 4-Tier 메모리 파이프라인과 하이브리드 검색으로 토큰 92% 절감, 검색 정확도 95.2%를 달성한 구조를 분석한다.https://techllm.github.io/posts/openai-harness-engineering-code-is-free/Tue, 05 May 2026 19:30:00 +0900https://techllm.github.io/posts/openai-harness-engineering-code-is-free/OpenAI Ryan Lopopolo가 9개월간 에디터 없이 에이전트만으로 소프트웨어를 만들며 터득한 하네스 엔지니어링 원칙. 토큰 억만장자의 실전 워크플로우.https://techllm.github.io/posts/ai-agent-harness-engineering-performance/Sun, 03 May 2026 01:17:00 +0900https://techllm.github.io/posts/ai-agent-harness-engineering-performance/AI 에이전트 성능 차이를 만드는 핵심이 모델 선택에서 하네스 엔지니어링으로 이동하고 있다. 프롬프트, 메모리, 도구, 검증 루프를 어떻게 설계해야 하는지 살펴본다.https://techllm.github.io/posts/ibm-ai-agent-memory-explained/Sat, 02 May 2026 23:10:00 +0900https://techllm.github.io/posts/ibm-ai-agent-memory-explained/IBM의 AI agent memory 설명을 바탕으로, 에이전트 메모리의 개념과 단기·장기·에피소드·의미·절차 기억의 실무적 의미를 정리한다.https://techllm.github.io/posts/ibm-ai-agents-2025-expectations-reality/Sat, 02 May 2026 22:15:00 +0900https://techllm.github.io/posts/ibm-ai-agents-2025-expectations-reality/IBM Think의 AI agents in 2025 글을 바탕으로, 에이전트 hype와 실제 기업 도입에서 필요한 전략·거버넌스·현실적 기대치를 정리한다.https://techllm.github.io/posts/mit-ai-agents-heavy-lifts/Sat, 02 May 2026 15:00:00 +0900https://techllm.github.io/posts/mit-ai-agents-heavy-lifts/MIT Sloan의 AI 에이전트 배포 연구를 바탕으로, 실제 조직에서 에이전틱 AI를 운영할 때 필요한 다섯 가지 heavy lift를 정리한다.https://techllm.github.io/posts/meta-capacity-efficiency-ai-agents/Sat, 02 May 2026 11:10:00 +0900https://techllm.github.io/posts/meta-capacity-efficiency-ai-agents/Meta의 Capacity Efficiency Program 사례를 통해, 통합 AI 에이전트가 하이퍼스케일 인프라의 성능 회귀와 최적화 기회를 어떻게 자동화하는지 정리한다.https://techllm.github.io/posts/oracle-ai-agent-memory-enterprise/Sat, 02 May 2026 10:45:00 +0900https://techllm.github.io/posts/oracle-ai-agent-memory-enterprise/Oracle AI Agent Memory 발표를 바탕으로, 기업용 AI 에이전트에서 메모리가 왜 벡터 검색 이상의 거버넌스 인프라가 되는지 정리한다.https://techllm.github.io/posts/langchain-agentic-engineering-software-team/Sat, 02 May 2026 09:15:00 +0900https://techllm.github.io/posts/langchain-agentic-engineering-software-team/LangChain의 Agentic Engineering 글을 바탕으로, AI 코딩 도구 이후 소프트웨어 엔지니어링이 왜 다중 에이전트 팀 운영 방식으로 이동하는지 정리한다.https://techllm.github.io/posts/letta-agent-memory-context-engineering/Sat, 02 May 2026 00:14:00 +0900https://techllm.github.io/posts/letta-agent-memory-context-engineering/Letta의 Agent Memory 글을 바탕으로, 에이전트 메모리를 단순 저장소가 아니라 컨텍스트 엔지니어링 문제로 이해하는 방법을 정리한다.https://techllm.github.io/posts/researcher-ai-agent-intro-lecture-2026/Fri, 01 May 2026 22:50:00 +0900https://techllm.github.io/posts/researcher-ai-agent-intro-lecture-2026/MahlerLab의 '연구자를 위한 AI Agent 입문 강의'를 바탕으로, AI Agent의 기본 구조, Claude Code·Agent.md·Skills·MCP, Context Engineering, 연구 자동화 전략과 실패 패턴을 정리한다.https://techllm.github.io/posts/langchain-production-agent-monitoring-observability/Fri, 01 May 2026 21:25:00 +0900https://techllm.github.io/posts/langchain-production-agent-monitoring-observability/LangChain의 production monitoring 글을 바탕으로, LLM 에이전트가 기존 소프트웨어와 왜 다르게 모니터링되어야 하는지, annotation queue, online evaluation, Insights Agent, dashboard/alert 설계를 정리한다.https://techllm.github.io/posts/paperclip-ai-zero-human-company-tutorial/Fri, 01 May 2026 21:05:00 +0900https://techllm.github.io/posts/paperclip-ai-zero-human-company-tutorial/Metics Media의 Paperclip AI 튜토리얼 영상을 바탕으로, Paperclip이 무엇인지, 어떤 기능을 제공하는지, VPS·Docker·npx 기반 설치 방법과 운영 시 주의할 점을 정리한다.https://techllm.github.io/posts/claude-vertex-ai-production-agents/Fri, 01 May 2026 17:20:00 +0900https://techllm.github.io/posts/claude-vertex-ai-production-agents/Anthropic Claude on Vertex AI 워크숍 영상을 바탕으로, 프로토타입 에이전트를 운영 가능한 프로덕션 시스템으로 만들기 위한 Google Cloud 에이전트 스택을 정리한다.https://techllm.github.io/posts/multi-agent-autoresearch-open-source-models/Fri, 01 May 2026 17:12:00 +0900https://techllm.github.io/posts/multi-agent-autoresearch-open-source-models/Hugging Face 영상 Multi-Agent AutoResearch with Open Source Models를 바탕으로, Karpathy의 AutoResearch를 오픈소스 모델과 OpenCode 하네스로 재구성하는 방법과 핵심 인사이트를 정리한다.https://techllm.github.io/posts/karpathy-vibe-coding-agentic-engineering/Fri, 01 May 2026 16:57:00 +0900https://techllm.github.io/posts/karpathy-vibe-coding-agentic-engineering/Andrej Karpathy가 Sequoia Capital 인터뷰에서 말한 Vibe Coding, Software 3.0, Agentic Engineering, 검증 가능성, 인간의 이해와 판단의 역할을 정리한다.https://techllm.github.io/posts/tradingagents-multi-agent-trading-framework/Fri, 01 May 2026 12:30:00 +0900https://techllm.github.io/posts/tradingagents-multi-agent-trading-framework/TauricResearch의 TradingAgents 저장소를 바탕으로, LLM 기반 멀티 에이전트 금융 트레이딩 프레임워크의 구조와 실무적 의미를 정리한다.https://techllm.github.io/posts/latent-space-agent-engineering/Fri, 01 May 2026 12:15:00 +0900https://techllm.github.io/posts/latent-space-agent-engineering/Latent.Space의 Agent Engineering 글을 바탕으로, AI 에이전트를 구성하는 도구 사용, 목표 인코딩, 제어 흐름, 계획, 메모리, 위임 권한의 6가지 요소를 정리한다.https://techllm.github.io/posts/google-agent-bakeoff-better-ai-agents/Fri, 01 May 2026 10:15:00 +0900https://techllm.github.io/posts/google-agent-bakeoff-better-ai-agents/Google Developers Blog의 Agent Bake-Off 사례를 바탕으로, 프로덕션급 AI 에이전트를 만들 때 필요한 멀티 에이전트 구조, 모듈성, 멀티모달, 오픈 프로토콜, 결정론적 실행 원칙을 정리한다.https://techllm.github.io/posts/context-engineering-ai-agents/Fri, 01 May 2026 09:55:00 +0900https://techllm.github.io/posts/context-engineering-ai-agents/Mem0의 컨텍스트 엔지니어링 가이드를 바탕으로 AI 에이전트가 제대로 일하게 만드는 맥락 설계, 메모리, RAG, 압축 전략을 정리한다.https://techllm.github.io/posts/mem0-ai-agent-memory-file-problem/Fri, 01 May 2026 03:05:00 +0900https://techllm.github.io/posts/mem0-ai-agent-memory-file-problem/Mem0의 글을 바탕으로 MEMORY.md 같은 파일 기반 에이전트 메모리가 왜 시작은 쉽지만 규모가 커질수록 한계에 부딪히는지 정리한다.https://techllm.github.io/posts/google-gemini-enterprise-agent-platform/Thu, 30 Apr 2026 23:20:00 +0900https://techllm.github.io/posts/google-gemini-enterprise-agent-platform/Google Cloud가 공개한 Gemini Enterprise Agent Platform의 핵심 기능과 기업용 AI 에이전트 플랫폼 경쟁의 의미를 정리한다.https://techllm.github.io/posts/databricks-memory-scaling-ai-agents/Thu, 30 Apr 2026 19:15:00 +0900https://techllm.github.io/posts/databricks-memory-scaling-ai-agents/Databricks의 Memory Scaling for AI Agents를 바탕으로 에이전트 성능을 높이는 새로운 축으로서 메모리 스케일링, MemAlign 실험, 조직 지식 저장소와 거버넌스 문제를 정리한다.https://techllm.github.io/posts/state-of-ai-agent-memory-2026-mem0/Thu, 30 Apr 2026 18:25:00 +0900https://techllm.github.io/posts/state-of-ai-agent-memory-2026-mem0/Mem0의 State of AI Agent Memory 2026을 바탕으로 에이전트 메모리 벤치마크, graph memory, 통합 생태계, OpenMemory MCP 흐름을 정리한다.https://techllm.github.io/posts/anthropic-multi-agent-research-system/Thu, 30 Apr 2026 17:25:00 +0900https://techllm.github.io/posts/anthropic-multi-agent-research-system/Anthropic의 Claude Research 설계 경험을 바탕으로 멀티 에이전트가 언제 강력하고, 왜 비용이 커지며, 우리 시스템에 어떻게 적용할 수 있는지 정리한다.https://techllm.github.io/posts/anthropic-project-glasswing-ai-cybersecurity/Wed, 29 Apr 2026 22:21:00 +0900https://techllm.github.io/posts/anthropic-project-glasswing-ai-cybersecurity/Anthropic의 Project Glasswing 발표를 한국어로 번역·해설했다. Claude Mythos Preview가 보여준 AI 기반 취약점 탐지 능력과 사이버보안 산업의 변화를 핵심 인사이트 중심으로 정리한다.https://techllm.github.io/posts/agent-harness-engineering-core-insights/Wed, 29 Apr 2026 09:49:00 +0900https://techllm.github.io/posts/agent-harness-engineering-core-insights/Addy Osmani의 Agent Harness Engineering을 바탕으로 AI 에이전트 성능을 좌우하는 하네스의 개념과 TechLLM/OpenClaw 시스템 적용 포인트를 정리한다.https://techllm.github.io/posts/ai-agent-workflow-over-prompt/Tue, 28 Apr 2026 00:51:00 +0900https://techllm.github.io/posts/ai-agent-workflow-over-prompt/AI 에이전트 시대에는 좋은 프롬프트보다 목표, 입력자료, 판단 기준, 검증 루프를 설계하는 능력이 더 중요하다.https://techllm.github.io/posts/ai-agent-model-selection-really-matters/Thu, 23 Apr 2026 06:49:00 +0900https://techllm.github.io/posts/ai-agent-model-selection-really-matters/AI Agent 성능은 모델 선택에 영향을 받지만, 실무에서는 과업 유형, 툴 사용, 프롬프트 구조, 검증 루프가 더 큰 차이를 만드는 경우가 많습니다. 비싼 모델이 항상 정답은 아닙니다.