컨텍스트 엔지니어링: 프로덕션 AI 에이전트를 만드는 핵심 기술
프롬프트 엔지니어링을 넘어, 컨텍스트 엔지니어링이 왜 2026년 프로덕션 AI 에이전트 개발의 핵심 역량이 됐는지를 4가지 실패 패턴과 5가지 핵심 기법을 통해 Engineering Manager 관점에서 정리한다.
archive
칼럼 · 페이지 16
356 · 페이지 16
Karpathy의 autoresearch — 단일 GPU로 밤새 100개 ML 실험을 자율 수행하는 시대
Andrej Karpathy가 공개한 autoresearch는 AI 에이전트가 밤새 자율적으로 ML 실험을 반복하는 630줄짜리 오픈소스 도구입니다. EM 관점에서의 R&D 팀 활용 전략을 분석합니다.
LLM이 익명성을 무너뜨린다 — 대규모 온라인 신원 추적의 현실과 방어 전략
LLM을 활용한 대규모 온라인 익명 해제(Deanonymization) 연구를 분석하고, 엔지니어링 리더가 알아야 할 조직 보안 대응 전략을 제시합니다.
AI Reliability Engineer: 2026년 팀 패러다임과 Centaur Pod 모델
주니어 개발자의 역할이 AI Reliability Engineer(ARE)로 진화하고 있다. Centaur Pod 팀 구조, Code Audit 채용 방식, Defect Capture Rate 지표까지 — EM이 지금 당장 실행해야 할 AI 네이티브 팀 설계 전략
Claude가 Firefox에서 22개 CVE를 발견하다 — AI 보안 감사의 새로운 패러다임
Anthropic의 Claude Opus 4.6이 2주 만에 Firefox에서 22개 CVE를 발견한 사례를 분석하고, AI 기반 보안 감사가 엔지니어링 조직에 가져올 변화를 CTO/EM 관점에서 정리합니다.
멀티에이전트 스케일링의 과학 — Google이 밝힌 "더 많은 에이전트"의 역설
Google Research의 180개 설정 정량 실험이 밝힌 멀티에이전트 역설 — 순차 작업에서 39〜70% 성능 저하, 에러 17.2배 증폭, 87% 예측 정확도의 의미를 EM 관점으로 분석합니다.
RoguePilot — GitHub Copilot 프롬프트 인젝션 취약점과 AI 코딩 도구 보안 전략
GitHub Codespaces에서 발견된 RoguePilot 취약점 분석과 AI 코딩 도구의 패시브 프롬프트 인젝션 위험, EM이 팀에 적용해야 할 보안 가이드라인을 정리합니다.
A2A + MCP 하이브리드 아키텍처: 2026년 멀티에이전트 프로덕션 전략
Google A2A는 에이전트 간 통신을, Anthropic MCP는 도구·컨텍스트 연결을 담당합니다. 두 프로토콜은 경쟁이 아닌 상호보완 관계로, EM/CTO 관점의 역할 분리와 2026년 멀티에이전트 프로덕션 운영 전략을 정리합니다.
Cursor Agent Trace — AI가 작성한 코드를 추적하는 오픈 표준이 등장하다
Cursor가 발표한 Agent Trace 0.1.0 오픈 사양을 실무 관점에서 분석합니다. git blame이 보여주지 못하는 AI 코드 기여를 파일·라인 수준에서 추적하고, 코드 리뷰 최적화·컴플라이언스 감사·팀 AI 활용도 측정에 즉시 활용하는 EM·CTO 가이드입니다.
이종 LLM 아키텍처로 에이전트 플릿 비용 90% 절감하기
대형 모델이 계획하고 소형 모델이 실행하는 Plan-Execute 패턴. EM/CTO가 에이전트 플릿을 운영할 때 반드시 알아야 할 이종 모델 아키텍처 비용 최적화 전략을 실전 수치와 함께 분석한다.
Tool-R0: 제로 데이터로 도구 사용 AI 에이전트를 훈련하는 Self-Play RL 프레임워크
arXiv 최신 논문 Tool-R0는 학습 데이터 없이 Self-Play 강화학습만으로 LLM의 도구 호출 능력을 92.5% 향상시킨다. Generator-Solver 공진화 구조와 EM 관점 실무 시사점을 분석한다.
Bayesian Teaching: LLM 확률적 추론 훈련법 — Google 연구 분석
Google이 Nature Communications에 발표한 Bayesian Teaching 연구는 LLM이 새 정보를 받을 때 확률적으로 믿음을 업데이트하도록 훈련하는 방법론이다. AI 에이전트의 불확실성 처리 방식을 근본적으로 개선할 이 연구를 EM 관점에서 분석한다.