
CLI 에이전트를 API 뒤에 세우기 — Claude Code와 Codex를 앱에서 안전하게 활용하기 위한 세 가지 장치
Claude Code와 Codex CLI를 모델이 아닌 도구 실행형 에이전트로 구분했습니다. LLM Gateway 뒤에서 앱과 안전하게 연동하는 방식을 다룹니다.
새로운 기술 블로그가 추가되었어요

Claude Code와 Codex CLI를 모델이 아닌 도구 실행형 에이전트로 구분했습니다. LLM Gateway 뒤에서 앱과 안전하게 연동하는 방식을 다룹니다.

데이터센터 접지의 원리와 보호·계통·기능 접지, 메쉬 접지 시공을 정리했습니다.\n접지저항과 등전위 본딩을 점검·보강하는 운용 포인트를 제시합니다.


IaaS의 책임 범위와 주요 구성 요소, 종량제·약정형·스팟 과금 방식을 정리했습니다.\n도입 전 공동 책임 모델, 전송 비용, 리전 규제, SLA를 확인해야 합니다.

Kubernetes Agent Sandbox의 상태 유지형 AI 에이전트 실행 모델과 주요 CRD를 설명했습니다. WarmPool, 격리 런타임, 버전·런타임 설치 시 주의점을 정리했습니다.

Airflow의 fork 기반 프로세스에서 Python 순환 GC가 COW와 MySQL 커넥션 종료를 유발한 원인을 분석했습니다. Memray로 별도 누수를 수정하고, 지연 import로 fork 승계 객체를 줄이는 접근을 다뤘습니다.

GPUaaS의 분산 학습 성능은 GPU 수량보다 GPU 간·서버 간 네트워크 연결 구조에 크게 좌우됨을 설명했습니다.\nNVLink, InfiniBand, RoCE, 고속 Ethernet의 역할과 통합 인프라 설계 중요성을 정리했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


게임 개발 조직에 Kiro를 도입하며 실무 챔피언과 Steering 파일 중심의 확산 전략을 적용했습니다.\nSpec·MCP 연동으로 활용 범위를 넓히고, 리뷰와 테스트 체계의 중요성도 확인했습니다.

GPU Live는 AI 학습 실행과 GPU 자원 운영을 단일 콘솔로 통합했습니다.\n동적 할당, 빈패킹, 갱 스케줄링으로 GPU 활용률과 운영 통제를 강화합니다.


Jev의 Choice·Score·Noul을 활용해 생성형 LLM과 확률 기반 판단 모델의 역할을 분리했습니다.\n판단은 Jev, 실행은 코드, 생성은 LLM으로 구성하는 AI 아키텍처를 제안합니다.


AI 코딩 에이전트의 사람 개입 병목을 역할 분리와 규칙 기반 워크플로로 개선했습니다. 결정론적 생성은 Python 스크립트로 전환하고, 규칙 비대화와 대기 시간은 과제로 남겼습니다.

D2 Coding 1.4.0은 점 0 선택 기능과 기준선 정렬 보정을 추가했습니다. 리거처·제어 문자·전각 기호·위첨자 및 분수 표시도 개선했습니다.

VS Code, Shopify의 네이티브 전환, AI 결과물 검증 사례를 포함한 프런트엔드 소식을 큐레이션했습니다.\nPenpot과 명세 주도 개발처럼 AI 활용 개발 흐름도 함께 소개합니다.


Apache POI의 메모리·수식·템플릿 처리 한계를 DsExcel과 SpreadJS 연동으로 비교했습니다. JSON 기반 무손실 서식 교환과 대용량·복잡 수식 처리 전략을 제시했습니다.

AI 코딩 확대로 테스트 범위 설계와 검증 부담이 커지는 문제를 짚었습니다.\nPrivate LLM 기반 QA 에이전트로 조직 지식 기반 테스트 설계를 제안합니다.