한 줄 요약 — AI 에이전트가 데이터에 접근하고 상호작용하는 방식을 표준화하는 MCP, A2A, UCP 등 6가지 핵심 프로토콜의 작동 원리와 실무 적용 방안을 정리했습니다. 이 주제를 꺼낸 이유 최근 기술 블로그나 커뮤니티를 보면 MCP, A2A, UCP 같은 낯선 약어들이 쏟아지고 있습니다. 단순히 새로운 라이브러리가 나온 수준이 아니라, 에이전트가 외부 세계와 소통하는 규약 자체가 변하고 있다는 신호입니다. 지금까지는 에이전트를 만들 때마다 특정 서비스의 API 명세서를 읽고 전용 도구(Tool)를 일일이 개발해야 했습니다. 서비스가 10개면 10개의 커스텀 통합 코드를 짜고 유지보수해야 하는 셈인데, 이는 확장성 측면에서 큰 걸림돌이 됩니다. ...
에어비앤비(Airbnb)가 최근 발표한 기술 블로그를 읽으면서 깊은 공감을 느꼈습니다. 14년 넘게 자바와 코틀린 기반의 백엔드 시스템을 운영하며 가장 골머리를 앓았던 지점이 바로 옵저버빌리티(Observability)였기 때문입니다. 처음에는 간단히 외부 벤더사의 솔루션을 도입해 해결하려 하지만, 서비스 규모가 커지면 결국 비용과 데이터 파편화라는 거대한 벽에 부딪히게 됩니다. 에어비앤비는 이 문제를 해결하기 위해 뱅가드(Vanguard)라는 자체 플랫폼을 구축하며 주도권을 되찾아왔습니다. 왜 에어비앤비는 잘 쓰던 외부 솔루션을 버렸을까? 대부분의 스타트업이나 중견 기업은 데이터독(Datadog)이나 뉴렐릭(New Relic) 같은 서비스형 소프트웨어(SaaS) 솔루션으로 옵저버빌리티를 시작합니다. 저 역시 과거 여러 프로젝트에서 이런 도구들을 적극적으로 활용했습니다. 설치가 쉽고 UI가 미려하며 초기에는 관리 부담이 거의 없기 때문입니다. 하지만 에어비앤비가 지적했듯, 기업이 성숙해질수록 벤더사의 비즈니스 모델과 기업의 기술적 요구사항은 서로 다른 방향으로 흐르기 마련입니다. ...
TL;DR — 메타(Meta)는 수백만 라인의 안드로이드 코드베이스에서 발생하는 보안 취약점을 해결하기 위해 **기본 보안 프레임워크(Secure-by-Default Frameworks)**와 생성형 AI 기반 코드 수정(AI Codemods) 기술을 결합했습니다. 이를 통해 개발자의 개입을 최소화하면서도 안전하지 않은 OS API를 보안이 강화된 내부 API로 대규모 자동 마이그레이션하는 시스템을 구축했습니다. 배경과 문제 정의 수천 명의 엔지니어가 협업하고 수백만 라인의 코드가 복잡하게 얽힌 메타의 안드로이드 앱 환경에서, 단순한 API 업데이트조차 거대한 도전 과제가 됩니다. 특히 보안 관련 변경 사항은 더욱 까다롭습니다. ...
왜 지금 이게 문제인가 대규모 코드베이스에서 보안 취약점은 복리처럼 쌓인다. 메타(Meta)와 같은 빅테크가 수백만 라인의 안드로이드 코드를 관리할 때, 특정 API의 보안 허점 하나가 수천 개의 호출 지점(Call site)에 퍼져 있는 것은 흔한 일이다. 이를 사람이 일일이 수정하는 것은 불가능에 가깝고, 단순한 정규표현식 기반의 치환은 문맥을 놓쳐 런타임 에러를 유발하기 십상이다. 한국의 ‘네카라쿠배’나 대형 금융 앱 환경도 다르지 않다. 서비스가 고도화될수록 레거시 API는 도처에 깔리고, 보안 컴플라이언스 대응을 위해 수천 개의 클래스를 전수 조사해야 하는 상황이 빈번하게 발생한다. 개발자는 비즈니스 로직 개발보다 보안 패치와 라이브러리 마이그레이션 같은 반복 작업에 더 많은 에너지를 소모하게 된다. ...
에어비앤비(Airbnb)가 목적지를 정하지 못한 탐색형 사용자를 위해 머신러닝 기반의 여행지 추천 시스템을 어떻게 구축하고 최적화했는지 그 과정과 실무적 통찰을 공유합니다. 한 줄 요약 — 구체적인 계획 없이 여행을 탐색하는 사용자의 모호한 의도를 파악하여, 개인화된 여행지 후보를 제안하고 예약 전환율을 높이는 추천 모델링 전략입니다. 이 주제를 꺼낸 이유 대부분의 커머스나 예약 플랫폼은 사용자가 무엇을 원하는지 명확히 알고 있다는 가정하에 검색 결과를 보여줍니다. 파리에 가고 싶은 사람에게 파리의 숙소를 보여주는 것은 기술적으로 명확한 문제입니다. 하지만 현실에서 많은 사용자는 “어디로든 떠나고 싶다” 혹은 “유럽 어딘가로 가고 싶다"와 같은 막연한 상태로 탐색을 시작합니다. ...
한 줄 요약 — 슬랙은 알림 피로도를 줄이기 위해 복잡한 레거시 설정을 단순화하고, 알림의 대상(What)과 전달 방식(How)을 완전히 분리하는 아키텍처 재설계를 단행했습니다. 알림 시스템이 사용자 신뢰를 무너뜨리는 방식 알림은 서비스와 사용자를 잇는 가장 강력한 고리이지만, 제대로 관리되지 않으면 가장 먼저 차단당하는 요소가 됩니다. 슬랙(Slack) 정도의 규모에서 알림 시스템은 단순히 메시지를 보내는 기능을 넘어 사용자의 집중력을 관리하는 핵심 도구입니다. 하지만 오랜 시간 기능이 덧붙여지면서 슬랙의 알림 로직은 거대한 미로처럼 변해버렸습니다. 현업에서 복잡한 시스템을 다루다 보면 기능 추가보다 어려운 것이 기존 로직의 단순화라는 점을 체감합니다. 슬랙 엔지니어링 팀이 마주했던 문제는 단순히 알림이 많이 온다는 것이 아니었습니다. 사용자가 알림 설정을 변경해도 결과가 어떻게 나타날지 예측할 수 없다는 불확실성이 본질적인 문제였습니다. 데스크톱과 모바일의 설정 모델이 서로 달랐고, 특정 설정을 끄면 의도치 않게 다른 기능까지 마비되는 결합도가 높은 구조였습니다. ...
플랫폼 엔지니어링(Platform Engineering)은 단순히 최신 도구를 도입하는 기술적 여정이 아니라, 조직의 소통 구조와 아키텍처를 일치시켜 나가는 고도의 조직 설계 과정입니다. 한 줄 요약 — 성공적인 플랫폼 팀은 기술적 도구 구축에 매몰되지 않고, 콘웨이의 법칙을 활용해 조직의 복잡성을 관리하고 개발자의 인지 부하를 줄이는 데 집중합니다. 이 주제를 꺼낸 이유 많은 조직이 개발 속도를 높이기 위해 플랫폼 팀을 신설하지만, 정작 현장에서는 플랫폼이 오히려 무겁고 복잡하다는 불만이 터져 나오곤 합니다. 플랫폼이 조직의 효율을 높이는 지렛대가 아니라, 단순히 인프라 티켓을 처리하는 또 다른 병목 구간으로 전락하는 상황을 자주 목격합니다. ...
한 줄 요약 — 핀터레스트는 모델 컨텍스트 프로토콜(MCP)을 활용해 파편화된 AI 도구 생태계를 표준화하고, 단순 질의응답을 넘어 엔지니어링 업무를 자동화하는 에이전트 인프라를 구축했다. 이 주제를 꺼낸 이유 대규모 언어 모델(LLM)을 사내 데이터나 도구와 연결하려는 시도는 많지만, 매번 새로운 모델이 나올 때마다 혹은 새로운 내부 API를 붙일 때마다 개별적인 연동 코드를 짜는 것은 매우 비효율적입니다. 핀터레스트(Pinterest)가 선택한 모델 컨텍스트 프로토콜(Model Context Protocol, MCP)은 이러한 병목을 해결할 수 있는 강력한 대안으로 떠오르고 있습니다. ...
광고 랭킹 모델처럼 거대하고 복잡한 머신러닝(ML) 시스템을 운영하다 보면, 엔지니어의 시간 중 상당 부분이 실험 가설 수립, 학습 작업(Training Job) 모니터링, 로그 분석, 그리고 인프라 장애 대응에 소모된다는 것을 알 수 있습니다. 메타(Meta)가 공개한 랭킹 엔지니어 에이전트(Ranking Engineer Agent, 이하 REA)는 이러한 반복적인 ML 실험 사이클을 자율적으로 수행하여 엔지니어링 생산성을 5배 이상 끌어올린 사례를 보여줍니다. 단순히 코드를 짜주는 보조 도구를 넘어, 며칠에서 몇 주씩 걸리는 긴 호흡의 실험 과정을 스스로 관리하는 자율형 에이전트의 구조와 실무적 시사점을 정리했습니다. ...
메타 메신저의 종단간 암호화(E2EE) 환경에서 사용자의 개인정보를 보호하면서도 악성 링크를 사전에 차단하는 기술적 메커니즘인 고급 브라우징 보호(Advanced Browsing Protection, ABP)의 핵심 설계 원칙을 분석한다. 서버가 사용자가 어떤 링크를 클릭했는지 알 수 없게 하면서도 수백만 개의 유해 사이트 목록과 대조하는 이 기술은 프라이버시와 보안이라는 상충하는 가치를 공존시키려는 시도다. 한 줄 요약 — 메타 메신저는 프라이빗 정보 검색(PIR)과 규칙 기반 버킷팅 기술을 활용해 서버에 사용자 데이터를 노출하지 않고도 실시간으로 악성 링크를 탐지한다. ...