https://techllm.github.io/tags/aiagent/Recent content in AIagent on TechLLMHugokoWed, 24 Jun 2026 19:52:00 +0900https://techllm.github.io/posts/agent-verification-loop-stack-design/Wed, 24 Jun 2026 19:52:00 +0900https://techllm.github.io/posts/agent-verification-loop-stack-design/xAI /goal, Cisco FAPO, LangChain HITL, OpenAI Codex가 같은 방향을 가리킨다. 이제 진짜 차별점은 코드를 쓰는 능력이 아니라 실패를 감지하고 분류하고 다시 고치는 폐쇄 루프를 얼마나 잘 제품화하느냐다.https://techllm.github.io/posts/7-types-of-agent-memory-technical-guide/Mon, 22 Jun 2026 20:13:00 +0900https://techllm.github.io/posts/7-types-of-agent-memory-technical-guide/LLM은 본래 기억이 없습니다. 진짜 에이전트를 만들려면 7가지 메모리 유형을 어떻게 쌓아 올리는지 알아야 합니다. 각 유형이 무엇을, 어디에, 얼마나 오래 저장하는지 정리합니다.https://techllm.github.io/posts/anthropic-agents-in-biology-gget-virus/Wed, 17 Jun 2026 12:55:00 +0900https://techllm.github.io/posts/anthropic-agents-in-biology-gget-virus/Anthropic이 생물학 데이터베이스에서 AI 에이전트의 검색 신뢰성을 측정한 VirBench 벤치마크와 결정론적 도구 gget virus를 공개했습니다. 같은 질문에 매번 다른 답이 나오던 문제를 어떻게 풀었는지 정리합니다.https://techllm.github.io/posts/robinhood-agentic-trading-ai-mcp-all-users/Tue, 16 Jun 2026 13:45:00 +0900https://techllm.github.io/posts/robinhood-agentic-trading-ai-mcp-all-users/로빈후드가 AI 에이전트 자동 매매 기능 'Agentic Trading'을 전체 고객에게 개방했습니다. MCP 서버로 외부 AI를 연결해 시장 조사·매매·리밸런싱을 맡길 수 있고, 자본은 별도 'AI 전용 계좌'에 격리됩니다. 자율성·리스크 제어 구조와 HOOD 주가 함의까지 정리합니다.https://techllm.github.io/posts/openclaw-2026-5-4-release-update/Tue, 05 May 2026 23:30:00 +0900https://techllm.github.io/posts/openclaw-2026-5-4-release-update/OpenClaw 2026.5.4가 출시됐다. Twilio 다이얼인과 Gemini 음성 브리지를 통한 Google Meet 실시간 음성 에이전트 개선이 핵심 하이라이트다. Gateway 성능 최적화, Control UI 개편, 채널별 안정성 강화까지 100여 개가 넘는 변경사항을 정리한다.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/google-gemma-4-open-models/Sat, 02 May 2026 14:10:00 +0900https://techllm.github.io/posts/google-gemma-4-open-models/Google Gemma 4 발표를 바탕으로, 오픈 모델이 에이전틱 워크플로우와 온디바이스 AI 개발에서 어떤 의미를 갖는지 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-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.