코딩 에이전트를 활용한 취약점 수집·생성 자동화로 가드레일 모델 고도화
LLM 시대의 보호 장치, 가드레일LLM 기반 서비스가 빠르게 확산되면서 LLM 모델의 응답을 공격자가 의도대로 ‘조종’하려는 시도도 함께 늘고 있습니다. 특히 다음과 같은 공격 ...
기업 기술블로그의 AI Agent 관련 글 436개
LLM 시대의 보호 장치, 가드레일LLM 기반 서비스가 빠르게 확산되면서 LLM 모델의 응답을 공격자가 의도대로 ‘조종’하려는 시도도 함께 늘고 있습니다. 특히 다음과 같은 공격 ...
Claude Code에서 /loop, Hooks, Auto memory를 연결하면 주기적 점검, 정책 강제, 세션 간 학습을 하나의 자동화 루프로 구성할 수 있습니다. 이 루프는 설정 파일 검증과 같은 주기적 확인이 필요한 작업에 적용할 수 있습니다. 이 글은 Hooks, /loop, Auto memory를 조합한 점검 자동화 루프의 구조와 설계 방법, 유의 사항, 한계를 다뤘습니다.
이 글은 AWS Open Source Blog의 “Building intelligent physical AI: From edge to cloud with Strands Agents, Bedrock AgentCore, Claude 4.5, NVIDIA GR00T, and Hugging Face LeRobot by Arron Bailiss” 게시글을 번역한 글 입니다. 에이전틱 AI 시스템은 디지털 세계를 넘어 물리적 세계로 빠르게 확장되고 있으며
Hooks는 Claude Code에서 파일 수정, 명령 실행 등 특정 이벤트가 발생할 때 설정 파일에 정의한 동작을 자동으로 실행하는 기능입니다. 코드로 정의한 결정론적 규칙에 따라 동작합니다. 세션이 길어지거나 전환돼도, 작업이 복잡해져도 원하는 동작을 일관되게 실행합니다. 이 글은 Hooks의 개념과 구조, 유형, 실전 패턴과 사용법을 다뤘습니다.
Kiro CLI나 Claude Code 같은 AI 코딩 에이전트를 사용하다 보면, 코드를 분석하고 수정하고 테스트까지 실행하는 이 에이전트의 동작 방식을 자신의 애플리케이션 백엔드에도 적용할 수 있으면 좋겠다고 생각해 본 적이 있을 것입니다. 하나의 에이전트에게 코드 리뷰, 테스트 작성, 리팩터링을 모두 맡기면 컨텍스트가 길어지면서 앞서 발견한 문제를 뒤에서 잊어버리게 되고, 자신이 작성한 코드를 직접 리뷰하기 때문에 객관성이 떨어집니다. An
/simplify는 Claude Code의 AI 에이전트가 git diff 기준 변경된 코드를 재사용, 품질, 효율성 측면에서 동시에 리뷰한 뒤, 문제를 자동 수정하는 커맨드입니다. /batch는 대규모 변경을 독립적인 작업 단위로 자동 분해하고, 각 작업 단위를 병렬로 실행한 뒤 작업 단위별 PR을 생성하는 커맨드입니다. 이 글은 /simplify와 /batch의 개념, 동작 방식, 실전 사용법, 유의 사항을 다뤘습니다.
지난 12월 미국 라스베이거스에서 열린 AWS re:Invent 2025는 ‘Agentic AI’ 시대로의 도약을 알리는 거대한 기술의 장이었습니다. 단순 자동화를 넘어선 능동형 AI의 미래부터, 이를 뒷받침하는 데이터 보안의 새로운 패러다임, 그리고 플랫폼 관리의 부담을 획기적으로 줄여 줄 클라우드 기술의 발전까지. 카카오뱅크 엔지니어 6인의 시선으로 포착한 핵심 기술 흐름과 우리가 나아갈 방향에 대한 깊이 있는 인사이트를 공유합니다.
들어가며지난 엔터프라이즈 LLM 서비스 구축기 1: 컨텍스트 엔지니어링에서는 260개의 도구와 수백 페이지의 문서를 다루는 환경에서 LLM에게 필요한 정보만 골라서 제공하는 '점진...
이 글은 스스로 목표를 세우고 실행까지 수행하는 에이전틱 AI의 구조와 동작 방식을 쉽게 정리합니다. 특히 OpenClaw 사례를 통해 LLM이 로컬 환경을 직접 제어하는 온디바이스 자율 에이전트 구조에 대해 구체적으로 설명합니다. 또한 AI 에이전트끼리 상호작용하는 새로운 플랫폼 모델(MoltBook)을 소개하며, 인간 중심 서비스와 다른 지점을 짚습니다. 나아가 외부 스킬 생태계 분석을 통해 실제로 발생할 수 있는 보안 위협 유형도 함께 다
※ 참가 신청은 3월 13일 금요일 17:00에 마감됩니다. COMMIT 신청하기 goorm 구름은 ‘모두가 개발자가 된다’는 비전으로 ‘개발자 성장 중심’ 생태계를...
AI 코딩 어시스턴트의 도입이 가속화되면서, 조직은 새로운 질문에 직면하고 있습니다. “우리 팀이 AI 도구를 얼마나 효과적으로 사용하고 있는가?” 세션당 비용은 합리적인지, 어떤 모델이 비용 대비 높은 생산성을 제공하는지, 도구 실행의 성공률은 어떤지 — 이러한 질문에 답하려면 체계적인 관측성(Observability) 플랫폼이 필요합니다. Claude Code는 Anthropic이 제공하는 터미널 기반 AI 코딩 에이전트입니다. Amazon
Auto memory를 활성화하면 Claude Code가 작업 중 유용한 컨텍스트를 탐지해 프로젝트별 메모리 디렉터리의 MEMORY.md에 저장합니다. 그 결과, 이전 작업 맥락이 다음 세션에 자동으로 이어져 사용자는 컨텍스트를 반복 설명하지 않아도 됩니다. 이 글은 Auto memory의 주요 기능과 동작 방식, 특징, 사용법, 유의 사항을 다뤘습니다.
지금까지 우리가 경험한 인공지능은 대부분 화면 속에 갇혀 있었습니다. GPT는 텍스트 답변을 생성하고 이미지 생성 AI는 그림을 만들어내지만 그 결과물이 실제 현실에서 무언가를 직접 만지거나 움직이지는 못했죠. 그런데 이제 흐름이 달라지고 있습니다. AI가 물리적 몸체를 갖추고 공장 바닥을 걷고 도로를 달리기 시작했습니다. 이것이 바로 피지컬 AI(Physical AI)가 열어가는 새로운 세계 입니다. 2025년 1월 열린 CES … 피지컬 A
들어가며 이전 글(Part 1)에서는 2명의 Solutions Architect가 7주 만에 Agentic AI 기반 플랫폼을 구축한 과정과 AI-DLC 방법론, Kiro, Claude Code, Linear 등의 도구 활용 사례를 소개했습니다. 이번 글에서는 해당 플랫폼의 핵심 기능 중 하나인 MCP Registry를 기술적으로 깊이 있게 다룰 예정으로, MCP Registry는 AI Agent가 사용할 도구(MCP)를 생성, 등록, 배포,
페이지 20 / 25 (총 436개)