Sakana AI Conductor: 7B 모델이 GPT-5·Claude·Gemini를 지휘한다
Sakana AI의 Conductor는 7B RL 모델이 자연어로 다중 AI 에이전트를 동적 오케스트레이션하는 시스템이다. 단순 질문엔 단일 모델, 복잡한 코딩엔 플래너-코더-검증기 파이프라인을 자율 구성한다.
MultiAgent
에이전틱 엔지니어링: AI 코딩 도구 다음 단계는 ‘팀 운영 방식’이다
출처: LangChain Blog / Cisco guest post 문서유형: 번역·해설 #AgenticEngineering #AIAgent #MultiAgent #LangChain 핵심 요약 AI 코딩 도구를 이야기할 때 우리는 보통 “코드를 얼마나 빨리 짜느냐”에 집중합니다. 그런데 LangChain 블로그의 글 **“Agentic Engineering”**이 던지는 질문은 조금 다릅니다. ...
오픈소스 모델로 AutoResearch를 돌리는 법: 멀티 에이전트 실험실의 가능성
출처: Hugging Face YouTube 문서유형: 영상 해설 #AutoResearch #MultiAgent #OpenSourceModels #OpenCode 핵심 요약 Hugging Face의 영상 **“Multi-Agent AutoResearch with Open Source Models”**는 Andrej Karpathy의 AutoResearch 아이디어를 오픈소스 모델과 오픈소스 코드 하네스인 OpenCode로 재구성한 실험을 보여줍니다. ...
TradingAgents: 금융 트레이딩을 멀티 에이전트로 나누면 무엇이 달라질까
출처: TauricResearch / GitHub 문서유형: 오픈소스 분석 #TradingAgents #MultiAgent #FinanceAI #LangGraph 핵심 요약 TradingAgents는 금융 트레이딩 의사결정을 하나의 LLM에게 통째로 맡기지 않고, 실제 투자회사처럼 여러 역할의 에이전트로 나눠 처리하는 오픈소스 프레임워크입니다. GitHub 기준 5만 개가 넘는 star를 받은 프로젝트로, LLM 기반 금융 에이전트 구조를 살펴보기에 좋은 사례입니다. ...
좋은 AI 에이전트를 만드는 5가지 실전 원칙
출처: Google Developers Blog 문서유형: 번역·해설 #AIAgent #MultiAgent #AgentEngineering #GoogleCloud 핵심 요약 Google Developers Blog가 공개한 Agent Bake-Off 사례에서 가장 흥미로운 지점은 분명합니다. 이제 AI 에이전트 개발의 핵심은 “프롬프트를 얼마나 잘 쓰느냐”가 아닙니다. 실제 서비스로 버티는 구조를 만들 수 있느냐입니다. ...
Anthropic이 멀티 에이전트 리서치 시스템을 만든 방식
출처: Anthropic 문서유형: 번역·해설 #Anthropic #Claude #MultiAgent #AIAgent #Research 핵심 요약 Anthropic이 Claude Research를 만들며 얻은 결론은 분명합니다. 복잡한 리서치에서는 “하나의 똑똑한 에이전트”보다, 여러 하위 에이전트가 각자 다른 방향을 탐색하고 핵심만 압축해 올리는 구조가 더 강합니다. 다만 이 방식은 토큰과 조율 비용이 크기 때문에, 모든 작업이 아니라 넓은 정보 탐색이 필요한 고부가가치 작업에 맞습니다. ...