에이전트 검증 루프 스택을 표현한 일러스트

AI 에이전트 경쟁축이 바뀐다: '모델 성능'에서 '검증 루프 설계'로

개요 요즘 AI 에이전트 발표를 따라가다 보면 한 가지가 눈에 들어옵니다. 어느 회사도 더 이상 “우리 모델이 코드를 더 잘 짭니다"만으로는 발표를 끝내지 않는다는 점입니다. 그 다음에 반드시 따라오는 문장이 있습니다. 그리고 그 결과가 맞는지 직접 확인합니다. 6월에 쏟아진 발표들 — xAI Grok Build의 /goal, 시스코의 FAPO, 랭체인의 휴먼 인 더 루프 패턴, 그리고 그 사이에서 조용히 자리를 굳히는 OpenAI Codex CLI — 가 모두 같은 방향을 가리키고 있습니다. 에이전트 경쟁의 무게중심이 모델 성능에서 검증 루프 설계로 이동하는 중입니다. ...

2026년 6월 24일 · 6 분 · 1138 단어 · TechLLM
에이전트 메모리 일곱 층을 표현한 일러스트

AI 에이전트 메모리의 7가지 유형: 엔지니어를 위한 기술 가이드

출처: Asif Razzaq / Marktechpost 문서유형: 번역·해설 #AIAgent #AgentMemory #LLM #RAG #VectorDB 개요 LLM은 본래 기억이 없습니다. API 호출 한 번이 끝나면 직전 메시지를 모두 잊어버리죠. 단일 질문에는 문제가 없지만, 에이전트를 만드는 순간 이 한계가 곧바로 드러납니다. 에이전트는 여러 단계에 걸쳐 계획을 세우고 도구를 호출하면서 일을 끝내야 하니까요. 그 차이를 메우는 것이 메모리 시스템입니다. Marktechpost의 Asif Razzaq는 에이전트 메모리를 시간축(단기·장기) 과 형태(파라메트릭·비파라메트릭) 두 축으로 나누고, 실제 구현에서 자주 쓰이는 일곱 가지 유형을 정리했습니다. ...

2026년 6월 22일 · 5 분 · 960 단어 · TechLLM
VirBench 벤치마크에서 gget virus 적용 전후 AI 에이전트의 정확도 변화를 보여주는 막대 그래프

에볼라 유행 때 AI 에이전트가 못 미더운 이유 — Anthropic이 짚은 생물학 데이터의 진짜 문제

개요 2026년 6월, Anthropic이 생물학 연구자들과 함께 진행한 흥미로운 실험 결과를 공개했습니다. 주제는 단순합니다. “AI 에이전트는 생물학 데이터베이스에서 정말 일을 할 수 있는가?” 결론도 명료합니다. 지금 그대로는 어렵다는 겁니다. 같은 질문을 세 번 던지면 결과가 세 번 다르게 나옵니다. Anthropic은 이 문제를 측정하기 위한 벤치마크 VirBench를 만들고, 그 해법으로 결정론적 검색 계층 gget virus를 NCBI 연구자들과 함께 내놨습니다. ...

2026년 6월 17일 · 4 분 · 710 단어 · TechLLM
로빈후드 Agentic Trading — AI 에이전트가 사용자의 매매를 대신 실행하는 모습

로빈후드, AI 에이전트 자율 매매를 전 고객에 푼다 — MCP 서버로 'Agentic Trading' 개방

개요 로빈후드가 한 칸 더 나아갔습니다. 베타 그룹에만 열려 있던 AI 자율 매매 기능 ‘Agentic Trading’을 전체 고객에게 풀었다는 발표가 나왔습니다. 이제 모든 로빈후드 사용자는 자신이 고른 외부 AI 에이전트를 앱에 연결해, 시장 조사부터 주문 실행, 포트폴리오 리밸런싱까지 일부 혹은 전부를 맡길 수 있습니다. ...

2026년 6월 16일 · 5 분 · 943 단어 · TechLLM
Google Meet/Voice Call 개선 - 4컷 만화

OpenClaw 2026.5.4 릴리스: Google Meet 음성 통화 혁신과 전방위 성능 개선

OpenClaw 2026.5.4: Google Meet 음성 에이전트가 달라졌다 2026년 5월 5일, OpenClaw 버전 2026.5.4가 공개됐다. 이번 릴리스는 단순한 버그 수정 묶음이 아니다. Google Meet와 Voice Call 환경에서의 실시간 음성 에이전트 경험을 근본적으로 개선했고, Gateway 스타트업 성능, 플러그인 마이그레이션 힌트, Control UI 반응성, 주요 채널 안정성까지 광범위한 변화가 담겼다. ...

2026년 5월 5일 · 6 분 · 1195 단어 · TechLLM
Harness Engineering — Code is Free. Agent = Model + Harness

'코드는 무료다' — OpenAI 엔지니어의 에이전트 하네스 실전 구축법

OpenAI 엔지니어 Ryan Lopopolo가 9개월간 에디터를 금지하고 에이전트만으로 개발하며 터득한 하네스 엔지니어링 원칙. ‘코드는 무료다’라는 선언에서 시작해 티켓→에이전트→스킬 워크플로우, 금요일 가비지 컬렉션 데이, 리뷰어 에이전트까지 실전 노하우를 정리한다.

2026년 5월 5일 · 3 분 · 535 단어 · TechLLM
English cover reading Harness Engineering, Model Core, Memory, Tools, Verification, Orchestration

AI 에이전트의 성능은 모델보다 하네스에서 갈린다

핵심 요약 AI 에이전트를 만들 때 가장 먼저 떠올리는 질문은 보통 “어떤 모델을 쓸까?”입니다. 물론 모델 선택은 중요합니다. 하지만 최근 에이전트 연구와 실무 사례를 보면, 성능 차이는 모델 자체보다 모델을 감싸는 실행 구조, 즉 하네스(harness) 에서 더 크게 벌어지고 있습니다. ...

2026년 5월 3일 · 3 분 · 457 단어 · TechLLM
English cover reading AI Agent Memory with short-term, long-term, episodic, semantic and procedural memory modules

AI 에이전트 메모리: 에이전트가 ‘기억’해야 진짜 일할 수 있다

핵심 요약 IBM의 **“What is AI agent memory?”**는 AI 에이전트가 왜 메모리를 필요로 하는지 설명합니다. 핵심은 단순합니다. 에이전트가 매번 새로운 요청처럼 반응하면, 복잡한 업무를 이어서 처리하거나 사용자에게 맞춰 적응하기 어렵습니다. 진짜 일하는 에이전트가 되려면 과거 상호작용, 행동 결과, 업무 규칙을 저장하고 다시 불러올 수 있어야 합니다. ...

2026년 5월 2일 · 2 분 · 425 단어 · TechLLM
English cover reading AI Agents 2025 with expectations versus reality and governance, strategy, human-in-the-loop

AI 에이전트의 2025년: 기대와 현실 사이에서 봐야 할 것

핵심 요약 2025년 기술 미디어의 큰 화두는 단연 AI 에이전트입니다. IBM Think의 글 **“AI agents in 2025: Expectations vs. reality”**는 이 흐름을 조금 차분하게 바라봅니다. 에이전트가 분명 중요한 변화이긴 하지만, 지금 시장의 기대처럼 모든 일을 자율적으로 처리하는 단계에 도달한 것은 아니라는 이야기입니다. ...

2026년 5월 2일 · 3 분 · 442 단어 · TechLLM