AI 시대의 소프트웨어 엔지니어링: '이해의 병목' 극복을 위한 시스템 구현 전략
AI 에이전트가 코드를 자동 생성하는 시대, 개발의 새로운 제약으로 부상한 '이해의 병목'을 극복하기 위해 서술식 디프(Literate Diffs), 일회성 UI, MCP 공유 공간 등 구체적인 기술 아키텍처와 구현 전략을 제시합니다.
메뉴
카테고리
AI Agent
공개 글 23개
GPT-5.6 최적화 가이드: 7월 10일 공개 후 확인할 8가지
GPT-5.6 Sol·Terra·Luna의 가격과 사양, reasoning, 프롬프트 다이어트, 멀티에이전트, PTC, 캐시, 권한 경계를 공식 문서 기준으로 정리합니다.
한국·미국 주식 인사이트 GPT 소개: 뉴스보다 먼저 확인 질문을 정리하는 도구
한국과 미국 주식 시장을 볼 때 종목명보다 먼저 확인해야 할 출처, 맥락, 리스크 질문을 정리하는 커스텀 GPT 사용법을 소개합니다.
코딩 에이전트는 왜 런타임이 되는가
SWE-bench, SWE-agent, Codex harness 흐름을 기준으로 AI 코딩 도구가 목표, 상태, 권한, 검증을 가진 개발 런타임으로 바뀌는 이유를 정리합니다.
Codex /goal로 보는 목표 기반 개발
Codex CLI의 persisted /goal 흐름을 기준으로 장시간 코딩 에이전트에 필요한 Goal Contract, Done Criteria, Stop Conditions 설계법을 정리합니다.
A2A와 MCP로 보는 멀티 에이전트 개발 워크플로우
A2A Protocol v1.0과 MCP의 차이를 기준으로 Agent Card, Task, Artifact를 개발 하네스의 작업 위임과 산출물 계약으로 해석합니다.
AI Memory는 RAG가 아니다
GitHub Copilot Memory, Claude Code memory, 장기 기억 벤치마크를 기준으로 AI Memory와 RAG의 차이, Run Ledger, 실패 산출물, memory 승격 정책을 정리합니다.
AI 에이전트에게 일을 맡기기 전에 고정해야 할 문서 세트
AI 에이전트 작업을 안전하게 맡기기 위해 goal.md, run ledger, artifact contract, memory policy로 작업 경계와 산출물 기준을 고정하는 방법을 정리합니다.
Codex CLI /goal 기능 정리
Codex CLI 0.128.0에 추가된 /goal 기능을 사용법, /plan·/resume과의 차이, 실무 적용 시나리오, 비용·보안 리스크 관점에서 정리합니다.
Codex CLI /goal 내부 구조 분석
Codex CLI /goal 기능을 state DB, app server API, model tools, core runtime, continuation prompt 관점에서 코드 레벨로 분석합니다.
AI Agent에 온톨로지와 지식그래프가 정말 필요할까?
AI Agent에 온톨로지와 지식그래프가 언제 필요한지 정리합니다. 개인·팀 자동화와 조직 단위 자동화의 차이, RAG의 한계, 의미 불일치 문제를 실무 관점에서 설명합니다.
온톨로지, 지식그래프, RAG, GraphRAG 차이 정리
온톨로지, 지식그래프, RAG, GraphRAG, SHACL, SPARQL의 역할을 AI Agent 자동화 관점에서 정리합니다. 조직 지식 검색과 검증 아키텍처를 실무적으로 설명합니다.
팀 AI 워크플로우를 조직 AI 운영체계로 확장하는 방법
팀 단위 AI 워크플로우를 조직 단위 AI 운영체계로 확장하는 전략을 정리합니다. 최소 온톨로지, 업무 지식그래프, 검증 규칙, 운영 거버넌스 도입 순서를 설명합니다.
Claude Code를 뜯어보니 Agent의 핵심은 Runtime이었다
Claude Code CLI 스냅샷을 runtime 관점으로 분석해 AI agent가 모델 호출이 아니라 입력, 도구, 권한, 기록 루프의 조합임을 설명합니다.
Claude Code CLI는 시작하자마자 무엇을 정리할까
Claude Code CLI 분석을 바탕으로 agent runtime의 bootstrap 단계가 설정, 정책, 인증, 실행 모드를 어떻게 정리해야 하는지 설명합니다.
Claude Code의 터미널 화면은 UI가 아니라 Runtime Shell이었다
Claude Code CLI 분석을 통해 터미널 화면이 단순 출력 UI가 아니라 메시지, 입력, 승인, 실행 상태를 묶는 runtime shell임을 설명합니다.
한 줄 프롬프트가 Agent Turn이 되기까지
Claude Code CLI 분석을 바탕으로 사용자의 한 줄 입력이 즉시 명령, 큐 항목, 모델 질의 중 하나로 분기되는 submit boundary를 설명합니다.
Raw Input을 Model Message로 바꾸는 입력 정규화 계층
Claude Code CLI 분석에서 추출한 입력 정규화 패턴을 바탕으로 raw input, 첨부, command, hook을 model visible message로 바꾸는 방법을 설명합니다.
Slash Command는 단축키가 아니라 Runtime Dispatch다
Claude Code CLI 분석을 바탕으로 slash command를 prompt 생성, local 실행, interactive UI, forked execution으로 나누는 runtime dispatch 패턴을 설명합니다.
Agent Loop는 모델 호출이 아니라 상태 기계다
Claude Code CLI 분석을 기반으로 agent query loop를 streaming model call, tool request, result injection이 반복되는 상태 기계로 설명합니다.
Provider API를 제품 로직에서 분리하는 법
Claude Code CLI 분석을 바탕으로 model provider API 요청, streaming 응답, tool schema, usage/cost 처리를 runtime boundary로 분리하는 방법을 설명합니다.
Tool Runtime은 함수 호출 목록이 아니다
Claude Code CLI 분석을 바탕으로 AI agent tool runtime을 capability registry, schema validation, permission gate, 실행 오케스트레이션으로 설명합니다.
권한, Transcript, 비용이 Agent 제품성을 결정한다
Claude Code CLI 분석을 바탕으로 AI agent의 permission gate, transcript recording, usage/cost accounting을 제품 안정성의 핵심 계층으로 정리합니다.