주말 아침 - 주간 AI #47

:sunrise: 주말 아침 AI #47

AI 에이전트가 브라우저 조작과 취약점 수정, 서비스 장애 대응까지 맡기 시작했습니다. 이번 호에서는 Microsoft Foundry의 브라우저 자동화 정식 출시와 Agentic Autofix의 도입 일정을 짚고, Junie Local과 NVIDIA PAIR가 넓히는 로컬 AI 활용 범위를 살펴봤습니다. ADK 음성 도구와 MCP 보안 학습 자료를 함께 소개하고, 에이전트의 실제 업무 흐름을 반영한 평가와 비용 관리가 왜 필요한지도 정리했습니다.

:fire: 주요 뉴스

Microsoft Foundry, 브라우저 자동화 도구 정식 출시

Microsoft가 Foundry의 브라우저 자동화 도구를 정식 출시했습니다. 에이전트는 관리형 브라우저에서 웹페이지를 읽고 양식을 작성하며 여러 단계의 업무를 처리할 수 있습니다. 기반 인프라인 Playwright Workspaces는 별도 Azure 리소스로 구성해야 하며, 가상 네트워크 연결을 설정하면 사내 웹 서비스에도 접근할 수 있습니다.

Azure DevOps, 코드·의존성 취약점 고치는 Agentic Autofix 발표

Microsoft가 코드 스캔과 의존성 취약점 경고에 대해 수정안을 만드는 Agentic Autofix를 발표했습니다. 저장소의 지침과 스킬을 참고해 변경을 제안하며, 의존성 경고에서는 수정 풀 리퀘스트를 만들 수 있습니다. 제한된 공개 프리뷰 참여 조직부터 순차 적용하고 11월 공개 프리뷰를 예고했으며, 수정안 생성에는 AI 크레딧이 들고 병합 전 검토와 테스트가 필요합니다.

Foundry, Meta·NVIDIA·Reflection의 오픈 웨이트 모델 확대

Microsoft가 Foundry에 추가된 Muse Spark Open, Nemotron 3.5 Super VL, Beam 1.0의 배포 구성을 소개했습니다. 앞의 두 모델은 시각 정보를 포함한 입력을 처리하고, Beam은 소프트웨어 개발과 도구 사용을 위한 텍스트 모델입니다. 모델의 기본 사양과 Foundry 배포 한도는 다를 수 있으며, 같은 모델도 정밀도와 GPU 구성에 따라 사용할 수 있는 컨텍스트 길이가 달라집니다.

Copilot Cowork에서 Azure DevOps 작업 관리한다

Microsoft가 Copilot Cowork용 Azure DevOps 플러그인을 소개했습니다. 조직을 연결하면 작업 항목, 풀 리퀘스트, 테스트 계획과 파이프라인을 다룰 수 있으며, 요구사항 문서를 백로그로 정리하거나 회의 내용을 작업 항목에 반영하는 용도로 활용할 수 있습니다. Cowork 환경에서 설치하는 기능이며, Azure DevOps Server는 지원하지 않는다고 작성자가 설명했습니다.

Google Agents CLI, LangChain도 같은 개발·배포 흐름으로 지원

Google이 Agents CLI의 확장 시스템과 공식 LangChain 확장 사용법을 공개했습니다. 프레임워크에 종속된 명령만 바꾸고 배포·평가·관측 체계를 재사용하는 방식으로, 조직의 배포 명령에 보안 검사를 넣는 예제도 제공합니다. 다만 v1.8.0의 확장 시스템은 실험 단계여서 명세와 명령이 바뀔 수 있으므로 버전을 고정해야 합니다.

:rocket: 새로운 도구/서비스

Junie Local, RTX Spark 지원…Windows 지원도 안정화

JetBrains가 RTX Spark에서 로컬 코딩 에이전트 Junie Local을 지원하고, 기존 Windows 지원을 실험 단계에서 안정 단계로 전환했습니다. 코드를 읽고 수정하며 테스트를 실행하는 작업을 기기 안에서 처리합니다. 일반 Windows PC에서는 최소 24GB VRAM의 NVIDIA RTX GPU가 필요하며, 설치 프로그램이 GPU와 드라이버를 확인하고 추론 엔진과 모델을 준비합니다.

NVIDIA PAIR, 여러 로컬 기기의 AI 추론을 한곳으로 연결

NVIDIA PAIR는 같은 네트워크의 PC와 Mac, DGX Spark 등에서 실행하는 AI 추론을 하나의 접점으로 연결합니다. 앱이 보낸 요청을 사용 가능한 로컬 노드로 분배하며 Ollama, llama.cpp, LM Studio를 지원합니다. 여러 기기의 유휴 연산 자원을 활용하면서 프롬프트와 파일을 로컬 네트워크 안에 유지하려는 사용자를 위한 도구입니다.

Work IQ, 메일·문서·회의를 함께 찾는 retrieve 도구 공개

Microsoft가 업무 정보를 검색하는 Work IQ의 MCP 도구 retrieve를 소개했습니다. 메일과 파일, 회의, Teams 메시지, 연결된 기업 자료를 검색하되 사용자가 접근 권한을 가진 정보만 반환합니다. 결과에는 출처별 구조화된 정보와 인용이 포함된 Markdown이 함께 제공되며, 검색과 다른 에이전트에 대한 작업 위임은 별도 동작으로 구분됩니다.

Replit, 장애 원인 조사부터 수정까지 맡는 Monitoring Agent 공개

Replit이 운영 중인 앱의 장애를 조사하고 수정안을 검증하는 Monitoring Agent를 공개했습니다. 운영 로그와 지표를 살피고, 알림과 자동 수정을 활성화한 앱에서 문제를 처리한 뒤 결과를 이메일로 알립니다. 자동 배포는 사용자가 auto-publish를 켠 경우에만 수행하므로, 장애 감지와 수정안의 실제 배포는 설정을 구분해 이해해야 합니다.

NVIDIA, 검색·재정렬·문서 추출용 Nemotron 3.5 모델 공개

NVIDIA가 임베딩, 검색 결과 재정렬, 문서 추출을 위한 Nemotron 3.5 모델을 공개했습니다. 텍스트와 시각 정보를 함께 찾고 관련 근거를 선별해 에이전트에 전달하는 용도입니다. 회사의 통제된 실험에서는 재정렬 모델을 추가했을 때 검색 정확도가 높아지고 에이전트 추론 토큰이 줄었지만, 실제 효과는 검색 자료와 작업 조건에 따라 따로 확인해야 합니다.

:books: 학습 자료

LiteRT Tensor API로 온디바이스 모델을 C++에서 직접 구성하기

Google이 C++ 연산을 조합해 모델 그래프를 만드는 LiteRT Tensor API를 소개했습니다. 전처리와 추론, 후처리를 같은 API와 가속기 버퍼로 연결하고 CPU·GPU·NPU로 옮기는 방법을 예제로 설명합니다. 다만 대부분의 프로젝트에서는 학습된 모델을 변환하는 기존 경로를 권장하며, Tensor API는 그래프를 세밀하게 제어해야 할 때 쓰도록 안내합니다.

느린 도구를 기다리는 동안에도 대화하는 ADK 음성 에이전트 만들기

Google이 ADK와 Gemini Live에서 도구 실행 때문에 음성 대화가 멈추는 문제를 다뤘습니다. 진행 상황을 보내는 스트리밍 도구와 비차단 함수 호출, 응답 시점 제어를 Python 코드로 설명합니다. 백엔드 작업 자체를 무조건 빠르게 만드는 대신 작업 중에도 안내하거나 추가 질문에 답할 수 있도록 실행 구조를 바꾸는 방법입니다.

Go용 Agent Framework에서 임베딩·벡터 검색으로 RAG 구성하기

Microsoft가 Go용 Agent Framework v0.2.0에 추가한 임베딩 생성과 벡터 저장소 API를 설명했습니다. 메모리 내 검색 예제에서 시작해 Azure AI Search나 Cosmos DB로 저장소를 바꾸고, 검색한 문서를 에이전트의 답변 근거로 연결하는 흐름을 다룹니다. 프레임워크는 공개 프리뷰이며, 예제의 임베딩 요청은 Foundry로 전송되어 모델 사용료가 발생합니다.

MCP 보안 기초 강좌, 공격 사례부터 기업 방어 체계까지

freeCodeCamp가 약 2시간 분량의 MCP 보안 기초 강좌를 공개했습니다. MCP의 동작 방식과 실제 악용 사례, OWASP MCP Top 10을 살펴보고 도구 발견·거버넌스·접근 권한·다층 방어·탐지로 이어지는 보안 체계를 설명합니다. 외부 MCP 서버를 연결하기 전에 어떤 위험을 검토해야 하는지 익히는 입문 자료입니다.

서브에이전트를 주 실행 흐름으로 합쳐도 되는 시점

Anthropic이 라우터나 기획·분야별 서브에이전트를 주 에이전트에 통합하는 판단 기준을 제시했습니다. 필요한 스킬과 도구를 단계적으로 불러오면 맥락 전달 손실과 지연을 줄일 수 있다는 기업 적용 경험을 소개하고, 비교를 돕는 마이그레이션 도구도 제공합니다. 다만 병렬 작업, 독립 검증, 권한 분리나 컨텍스트 과부하가 있는 경우에는 서브에이전트가 여전히 유용하다고 설명합니다.

:light_bulb: 인사이트

AI에 코드를 맡길 의향은 커졌지만 리뷰·디버깅은 신중

JetBrains가 개발자 설문을 바탕으로 AI에 업무를 위임하려는 태도 변화를 분석했습니다. 애플리케이션 로직 작성을 맡길 의향은 2025년 조사에서 18%였으나 2026년에는 50%로 높아졌고, 테스트 작성은 50%에서 75%로 늘었습니다. 반면 코드 리뷰를 완전히 맡길 의향은 43%였으며, 이 수치는 실제 자동화 비중이 아닌 설문 응답자의 의향을 나타냅니다.

AI가 코드를 쓰는 시대에도 IDE가 필요한 이유

JetBrains의 Isaac Levin은 AI 에이전트가 코드를 작성해도 개발자가 전체 상황을 보고 판단할 환경이 필요하다고 주장합니다. 코드 탐색과 의존성, 타입 검사, 테스트 결과를 연결해 보여주는 IDE를 에이전트와 개발자가 함께 쓰는 조종석에 비유합니다. 핵심은 타이핑 도구의 존속보다 변경의 영향을 이해하고 출시 결과에 책임질 수 있는 작업 환경이라는 설명입니다.

코딩 에이전트 평가, 버그 수정 한 번으로 실제 업무를 재지 못한다

JetBrains Research가 IDE에서 이뤄진 에이전트 세션 4,782건을 분석해 공개 벤치마크와 비교했습니다. 조사한 실제 요청에서는 버그 수정과 기능 추가가 절반에 못 미쳤지만, SWE-Bench Pro에서는 두 유형이 93.8%를 차지했습니다. 연구진은 설명·기획·리뷰와 여러 차례의 요구 변경까지 고려해 사용자 집단에 맞는 평가를 설계해야 한다고 제안합니다.

Devin, 일괄 사용량 제한 대신 작업 효율로 AI 예산 배분 제안

Cognition이 Devin의 작업 효율 점수, 실행 전 프롬프트 조언, 효율 기반 한도 승인을 소개했습니다. 풀 리퀘스트 병합뿐 아니라 조사와 기획의 유용성도 판정하고, 같은 일을 사람이 했다면 걸렸을 시간을 추정해 비용 대비 성과를 계산합니다. 이 시간은 실제 측정한 절감 시간이 아닌 모델의 추정치이며, 자동 한도 확대에도 관리자가 정한 상한을 적용합니다.

에이전트의 인터넷 접근, 필요한 연결만 남기는 방법

exe.dev가 가상 머신의 외부 통신을 연결해 둔 서비스로만 제한하는 기능을 소개했습니다. 네트워크 패킷과 DNS 수준에서 제한하고, 자사 LLM 게이트웨이를 통한 서버 측 웹 도구도 함께 막아 우회 경로를 줄입니다. 다만 일반적인 실수를 줄이기 위한 장치이며, 허용한 서비스 자체가 우회 통로로 쓰일 가능성까지 사용자가 검토해야 한다고 명시합니다.

2 Likes