

AI 영상 제작을 배포 파이프라인처럼: DevOps 회사가 DemoCut을 만드는 이유
n8n 숏폼 자동화의 한계를 넘어, 컷 단위 AI 영상 도구 DemoCut을 개발한 배경을 소개했습니다. 사람의 피드백과 형식 표준화, 사내 도그푸딩으로 지속 가능한 영상 제작 흐름을 검증했습니다.


n8n 숏폼 자동화의 한계를 넘어, 컷 단위 AI 영상 도구 DemoCut을 개발한 배경을 소개했습니다. 사람의 피드백과 형식 표준화, 사내 도그푸딩으로 지속 가능한 영상 제작 흐름을 검증했습니다.


AgentCore 기반 Agentic 클레어 PoC에서 복합 질의 처리와 평가 주도 개선 루프를 검증했습니다. 구조화 라우팅과 MCP 도구 연결로 품질을 유지하며 응답 시간을 약 60% 단축했습니다.


프롬프트 JSON 파싱 기반 에이전트 루프를 Spring AI 2.0의 native tool calling으로 전환했습니다. 실행 통제 계층은 유지하면서 메시지·도구 관리와 MCP 클라이언트를 개선했습니다.

Flava MCP Hub는 사내 MCP의 인증·배포·관측을 4층 구조로 통합했습니다. Connector와 자체 Gateway로 Protocol Gap 및 운영 부담을 줄였습니다.


AI 에이전트로 프로모션 장애 원인과 고객 피해, 일일 운영 이상 징후를 분석했습니다. 계산·판정은 코드로 고정하고 LLM은 해석을 맡겨 대응 시간을 단축했습니다.


분산된 VoC 지식과 코드 조사를 자동화하는 AI 에이전트 ‘민붕이’의 설계·운영 사례를 소개했습니다. MCP 기반 단일 서버 구조에 보안·검증·비용 통제를 적용해 실무 투입 가능성을 높였습니다.

QUBA는 Jira 버그 티켓을 분석해 근거 기반 원인·수정 범위 리포트를 만드는 AI Agent를 설계했습니다. RAG 품질과 승인 절차를 강화해 조사 시간을 줄이고 비용 효과를 측정했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Confluence 문서 위치 추천·이동 Forge 앱을 Rovo 에이전트와 MCP 도구로 확장한 과정을 소개했습니다. Rovo Studio에서 팀별 지시문과 도구 조합을 구성하며 권한·확인 절차 주의점을 정리했습니다.

토스의 AI 플랫폼이 모델 사용 검토부터 Gateway 호출·도구 권한 관리까지 연결한 구조를 소개했습니다. 예산·처리 용량·보안 로그를 통합 관리해 서비스 팀의 공통 운영 부담을 줄였습니다.


PM이 페르소나·프롬프트를 직접 수정하고 커밋할 수 있는 가상 유저 패널 리포지토리 구조를 소개했습니다. 레이어 린트와 테스트·CI, LLM 기반 검증으로 변경 범위와 리뷰 책임을 분리했습니다.

Langfuse와 이중 평가 파이프라인으로 사내 Agentic RAG의 품질·비용·지연시간을 측정했습니다. FastMCP 명세와 instructions를 다듬어 도구 활용 정확도를 개선하고 운영 환경에 제공했습니다.

비결정적인 AI 대신 MCP 기반 도구가 ERD의 이름·타입·배치를 결정하도록 역할을 분리했습니다. 반복 측정과 도구 개선으로 실패 호출을 61회에서 3회로 줄였습니다.


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


Amazon Bedrock AgentCore로 사내 데이터 연결·에이전트 실행·공유를 통합한 AX 플랫폼을 구축했습니다. MCP, 승인 워크플로, 사용량 관측으로 보안과 재사용성을 강화했습니다.