개발

한 줄 요약: 에이전트가 코드를 고치기 시작하면 문서는 안내문이 아니라 작업 입력값이 된다. AGENTS.md와 repo-local documentation은 필요하지만, 리뷰·검증·자동화 규칙 없이 늘리면 오래된 지식을 더 그럴듯하게 반복할 수 있다. 왜 지금 AI 에이전트 문서화가 이슈인가 AI 에이전트, AGENTS.md, repo-local documentation을 둘러싼 논쟁은 문서를 어디에 두느냐의 문제가 아니다. 코드 변경을 맡긴 자동화가 어떤 맥락을 믿고 움직이게 할 것인가의 문제다. 선정 글감은 AGENTS.md를 상세 설명서가 아니라 라우팅 계층으로 두고, 실제 시스템 설명은 docs/ 아래에 두자고 제안한다. docs/systems/, docs/flows/, docs/architecture/, docs/glossary.md, ADR(Architecture Decision Record)을 나눠 사람과 에이전트가 같은 지식 기반을 읽게 만드는 방식이다. ...

한 줄 요약: 군수망, 수리권, 물 공급 사이버 훈련은 서로 다른 뉴스처럼 보이지만 같은 질문을 던진다. 핵심 시스템을 효율 중심으로 잠그고 중앙화했을 때, 장애와 공격이 오면 누가 고칠 수 있는가. 무슨 일이 있었나 2026년 6월 3일, 미 육군사관학교 현대전연구소(MWI)에 Jonathan Buckland의 글이 올라왔다. 요지는 분명하다. 미 육군의 군수 체계는 지난 20년 동안 비교적 안전한 보급선, 계약업체 지원, 고정 전진기지에 맞춰 최적화됐고, 동급 경쟁국과의 대규모 전쟁에서는 그 효율성이 약점이 될 수 있다는 것이다. ...

한 줄 요약: AI 모델 붕괴 논쟁은 “모델이 망가진다”는 공포담이라기보다, 공개 웹이 학습 데이터이자 배포 채널이 된 뒤 품질 관리와 동의 비용을 누가 부담하느냐에 가까운 문제다. 무슨 일이 있었나 Reddit LocalLLaMA에 올라온 “What’s up with model collapse?”라는 글은 겉으로는 단순한 기술 질문이다. 그런데 반응이 붙은 이유는 꽤 현실적이다. 작성자는 2026년 현재 인터넷에서 무작위 블로그 글, 유튜브 영상, 인스타그램 이미지와 릴스까지 AI 생성물로 보이는 콘텐츠가 크게 늘었다고 느낀다. 그리고 이런 콘텐츠가 다시 대형 언어 모델(Large Language Model, LLM)의 학습 데이터로 들어가면, 모델이 자기 출력물을 먹고 품질이 무너지는 모델 붕괴(Model Collapse)가 실제로 일어나는지 묻는다. ...

한 줄 요약: Meta Muse Spark 오픈소스 변형 소식에 사람들이 반응한 이유는 모델이 하나 더 나와서가 아니다. 기업용 에이전트 코딩 모델이 API 상품, 오픈소스 배포, 플랫폼 락인 사이에서 어디까지 열릴 수 있는지 다시 묻게 만들었기 때문이다. 무슨 일이 있었나 Meta Muse Spark 1.1은 2026년 7월 9일 공개된 멀티모달 AI 모델이다. Meta는 이 모델을 에이전트 코딩(agentic coding), 버그 수정, 대규모 코드 마이그레이션, 외부 앱과 서비스에 걸친 워크플로 자동화에 맞춘 모델이라고 설명했다. ...

한 줄 요약: 에이전트, MCP, 자동화 워크플로가 CLI를 호출하기 시작하면 진행률 표시줄은 단순한 화면 요소가 아니다. 사람이 읽는 출력과 시스템이 의존하는 이벤트 계약을 분리하지 않으면, 콘솔 UI 문구 하나가 제품 통합을 깨뜨릴 수 있다. 왜 지금 이슈인가 CLI 자동화에서 위험한 순간은 도구가 널리 쓰이기 시작할 때 온다. 처음에는 사람이 터미널에서 직접 실행한다. 진행률 표시줄(Progress Bar), 상태 문구, Rich 테이블은 좋은 사용자 인터페이스다. 그런데 도구가 쓸 만해지면 누군가 GitHub Actions, 내부 대시보드, Python API, MCP 서버, 에이전트 워크플로 안에서 그 CLI를 호출하기 시작한다. ...

한 줄 요약: 관측성(Observability) 비용 논쟁은 Datadog을 쓰느냐, Prometheus와 Grafana를 직접 운영하느냐로 끝나지 않는다. 로그, 메트릭, 트레이스가 장애 대응 시간을 줄이는 구조로 이어져 있는지, 그 운영 책임을 팀이 감당할 수 있는지가 먼저다. 왜 지금 이슈인가 스타트업 관측성 스택을 검색하면 Prometheus, Grafana, Loki, OpenTelemetry, Jaeger 조합이 거의 기본값처럼 나온다. 이번 글감도 같은 문제에서 출발한다. 엔지니어 8명 규모의 팀이 월 5,000달러 수준의 상용 관측성 비용을 쓰는 대신, 월 150~200달러 안팎의 80/20 스택으로 시작하자는 주장이다. ...

한 줄 요약: Postgres Rust 재작성과 Bun의 Rust 전환은 언어 선택보다 넓은 문제를 건드린다. AI 에이전트로 재작성 속도가 빨라졌을 때, 데이터베이스와 런타임의 운영 리스크를 어떤 테스트 하네스와 호환성 계약으로 막을 수 있느냐가 관건이다. 왜 지금 이슈인가 pgrust가 Postgres 18.3 호환을 목표로 서버를 Rust로 다시 구현하면서, 46,000개가 넘는 Postgres 회귀 테스트(regression test) 쿼리에서 기대 출력과 일치했다고 공개했다. 더 민감한 지점은 디스크 호환성이다. 기존 Postgres 18.3 데이터 디렉터리에서 부팅할 수 있다는 설명은 이 프로젝트를 단순한 장난감 구현으로 보기 어렵게 만든다. ...

한 줄 요약: Meta의 Muse Spark 1.1 논쟁은 AI 코딩 모델 성능보다 “값싼 에이전트에게 어디까지 권한을 줄 것인가”에 가깝다. 토큰 단가가 내려가면 실험은 쉬워지지만, 도구 호출·파일 접근·외부 전송 리스크도 같이 싸진다. 무슨 일이 있었나 Meta는 2026년 7월 9일 Muse Spark 1.1과 새 Meta Model API 공개 프리뷰를 발표했다. Muse Spark 1.1은 멀티모달 추론 모델이고, Meta는 이 모델이 에이전트 작업, 컴퓨터 사용, 코딩, 도구 호출에 강하다고 설명했다. 공식 발표에서 확인되는 내용은 다음과 같다. ...

한 줄 요약: AI 인프라 투자 논쟁은 이제 “AI가 쓸모 있느냐”보다 “누가 비용을 내고, 어느 정도 사용량으로 회수하느냐”에 가깝다. 개발자와 기업은 모델 성능표만 볼 게 아니라 단가, 락인, 데이터 흐름, 운영 리스크를 같이 계산해야 한다. 무슨 일이 있었나 2026년 7월 9일 TechCrunch가 AI 인프라 투자 회수 논쟁을 다시 다뤘다. 출발점은 세쿼이아 캐피털 파트너 데이비드 칸(David Cahn)의 계산이다. 2023년에는 엔비디아(Nvidia)의 연간 GPU 매출 500억 달러를 기준으로 삼았다. 데이터센터 운영비와 사업자 마진까지 넣으면 AI 인프라 투자를 정당화하려면 약 2,000억 달러 매출이 필요하다는 주장이다. ...

한 줄 요약: ChatGPT Work 이슈에서 눈에 띄는 건 새 AI 에이전트 출시 자체보다, 회사 업무의 읽기 권한과 실행 권한이 같은 도구 안으로 들어오기 시작했다는 점이다. 사람들은 생산성보다 권한, 감사, 책임 소재를 먼저 떠올렸다. 무슨 일이 있었나 2026년 7월 9일, OpenAI는 ChatGPT Work를 공개했다. 공개 글은 이 기능을 “앱과 파일을 넘나들며 행동하고, 몇 시간 동안 프로젝트를 이어가며, 목표를 완성물로 바꾸는 에이전트”로 설명했다. 범위는 넓다. Slack, Microsoft Teams, Google Drive, SharePoint, 이메일, 캘린더, CRM, 프로젝트 관리 도구 같은 업무 앱 연결 문서, 슬라이드, 시트, 웹앱 생성 Scheduled Tasks를 통한 반복 작업 실행 데스크톱 앱에서 로컬 파일과 앱 접근 내장 브라우저와 Computer Use를 통한 클릭, 입력, 파일 이동 Codex 앱의 ChatGPT 데스크톱 앱 통합 Sites 공개 베타를 통한 대시보드, 포털, 인터랙티브 리포트 생성 출시 범위도 따로 봐야 한다. OpenAI 설명에 따르면 웹과 모바일의 ChatGPT Work는 2026년 7월 9일 기준 Pro, Enterprise, Edu 플랜에 먼저 제공된다. Plus와 Business에는 며칠에 걸쳐 배포된다. 데스크톱 앱에서는 Chat, Work, Codex가 Free를 포함한 모든 플랜에서 제공된다고 안내됐다. ...