Ai

에이전트 시스템 실무자에게 무엇이 깨지는지 물으면, 답은 드물게도 능력(capability)이 아닙니다. 실패는 더 조용하게 찾아옵니다: 모델은 판단하지만, 아무도 올바른 판단과 유창한 답변을 구별할 수 없는 것입니다.

Model-side analysis for people choosing what to run: architecture surveys, family reference pages with benchmark ladders, and quantization tradeoffs.

Alibaba는 Apsara 컨퍼런스에서 Qwen 4의 학습이 진행 중임을 확인했으나 구체적인 출시 일정은 제시하지 않았습니다. 커뮤니티에서 흘러나오는 시점 신호들은 몇 달이 아닌 몇 주 내에 출시될 가능성을 시사하고 있습니다.

하나의 평탄한 기억 파일만 보유한 에이전트는 정보를 잊지 않습니다. 오히려 묻지 않은 정보까지 잊지 못하는 상태에 놓여 있습니다. 이 문제를 해결하는 방법은 각 지식 계층이 서로 다른 트리거를 통해 컨텍스트에 진입하도록 하는 다층적 컨텍스트 구조입니다.

GitHub의 월별 트렌딩 페이지는 언어별로 작동합니다. 언어 필터가 이미 대상 집합을 정의하기 때문입니다. 오픈소스 AI는 다른 질문을 던집니다: 프로젝트는 5개 언어에 걸쳐 있으며, 유용한 기준은 저장소가 수행하는 역할입니다.

WordPress SEO 플러그인은 WordPress 코어의 위에 메타데이터, 사이트맵, 스키마, 그리고 AI 계층을 추가합니다. 2026년 현재 이 계층에는 자체 하드웨어에서 추론을 실행하는 플러그인도 포함됩니다.

AI 코딩 에이전트는 이미 함수 작성, 저장소 수정, 테스트 실행, 그리고 풀 리퀘스트(Pull Request) 생성이 가능합니다. 더 어려운 문제는 코드를 작성하기 전, 중, 후를 아우르는 반복 가능한 엔지니어링 프로세스를 에이전트가 따르도록 만드는 것입니다.

Deep Research는 이제 단순히 검색 박스에 적용되는 모델이 아니라, 독자적인 소프트웨어 카테고리가 되었습니다. 이 글에서는 12가지 셀프호스팅 시스템과 그 뒤를支撑하는 리서치 아키텍처를 비교합니다.

지속적 메모리는 에이전트를 매번 설명을 반복해야 하는 도구에서, 맥락을 앞으로 나르게 하는 존재로 바꿔놓습니다. 하지만 동시에 스테이트리스(stateless) 채팅에서는 피할 수 있는 실패 모드를 열어놓습니다. 하나의 해석이 메모리로 저장된 뒤 사실처럼 검색되고, 더 강한 버전을 정당화하는 근거가 될 수 있기 때문입니다.

Mnemosyne은 Hermes Agent를 위한 로컬 우선(local-first) 기억(memory) 제공자(provider)로, 작업 기억(working memory), 구조화된 사실(structured facts), 시계열 데이터(temporal data), 그리고 에피소드적 히스토리(episodic history)를 로컬 SQLite에 저장합니다. 호스팅된 서비스도, 필수적인 네트워크 호출도 없으며, 비정상적으로 세밀한(write) 제어 권한을 제공합니다.

6개월 전 “영속성을 공유 라이브러리로 이동"을 제안하고 배포했던 에이전트는, 그 아이디어가 이미 검토되어 기각되었다는 것을 지속적으로 기록하는 것이 없다면 다음 분기에 같은 것을 다시 제안할 것이다 — 그리고 OpenSpec에는 현재 이를 위한 내장 상태가 없다.

OpenSpec은 Fission AI가 제공하는 무료 오픈소스 CLI 도구로, 코드가 작성되기 전에 사용자가 코딩 에이전트와 평범한 마크다운으로 변경 사항에 대해 합의할 수 있게 해줍니다. 무거운 스펙 기반 프레임워크의 단계별 복잡한 절차 없이 이를 가능합니다.

AI 어시스턴트 마이그레이션은 단순한 애플리케이션 설정 복사와는 다른 문제입니다. 가장 어려운 부분은 두 개의 게이트웨이가 동일한 봇으로 작동하지 않도록 하면서도, 정체성, 기억, 도구 동작, 예약된 작업, 그리고 메시지 접근 권한을 보존하는 것입니다.

AI 과열은 리듬을 따라갑니다: 대략 3년마다, 모두가 베팅하고 있던 아키텍처가 더 새로운 것으로 대체됩니다. 다음 전환은 이미 연구실 안에서 형성되고 있습니다.

에이전트 스킬과 MCP 서버는 종종 AI 에이전트를 확장하는 경쟁적인 방식들로 제시됩니다. 그러나 이 프레임은 틀렸습니다: 스킬은 에이전트가 어떻게 작업해야 하는지를 가르치고, MCP 서버는 라이브 기능에 대한 거버넌스된 접근을 제공합니다.

OpenCode의 명령줄 인터페이스는 스크립팅, CI 파이프라인, 그리고 무인 에이전트 실행을 위해 구축되었습니다. 이 글은 일상 업무에서 OpenCode를 사용하는 실전 가이드입니다.