AI Agent 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
20개 표시
공모전 브리핑 작성의 진입 장벽을 낮추기 위해 AWS Bedrock과 Strands Agents SDK 기반 AI 에이전트를 도입했습니다. 초안 생성과 검수, 분석을 분리해 응답 속도와 운영 효율을 높이고, 브리핑 이탈률도 줄였습니다.
Databricks Data + AI Summit 2026 키노트에서 Agentic AI 시대의 데이터 플랫폼 방향을 정리했습니다. 실시간 데이터 기반과 비즈니스 컨텍스트, 중앙 거버넌스가 핵심으로 제시됐습니다.
![[Databricks Data + AI Summit 2026] 키노트로 본 Agentic Data 시대의 시작](https://tech.cloud.nongshim.co.kr/wp-content/uploads/IMG_0283-scaled.jpg)
AI Agent가 더 정확하게 동작하도록 통합 Context Provider를 구축한 사례를 공유했습니다. 팀 내 데이터와 서빙 레이어를 자동 수집해 업무 효율화를 높인 경험을 다뤘습니다.
매 세션 초기화되는 AI의 한계를 넘어 자율 성장하는 에이전트 프레임워크 GNOSIS를 소개했습니다. 설계 원칙, 구현 사례, 검증과 안전 보장 논점을 함께 다뤘습니다.
일성아이에스가 비개발 직군 중심의 AI Agent 해커톤을 진행한 현장을 소개했습니다. 가비아 AWS가 MCP 연동과 Amazon Quick 교육, 실습 지원으로 현업의 AI 구현을 도왔습니다.
AWS Security Agent로 설계 검토, 코드 리뷰, 침투 테스트를 자동화하는 방법을 소개했습니다. 개발팀과 보안팀의 병목을 줄이고 SDLC 전반에 보안을 통합하는 방향을 제시했습니다.
AI Agent와 Claude Code를 활용해 백엔드 유닛 테스트 커버리지를 100%로 끌어올린 과정을 소개했습니다.프롬프트 고정, Hook 검증, 작업 분리로 회귀 방지와 유지 구조까지 설계했습니다.
Claude Code와 AI Agent를 활용해 낯선 코드와 복잡한 업무 흐름을 빠르게 이해하는 방법을 소개했습니다. 병렬 작업과 정형화된 분석으로 일정 단축과 품질 향상을 동시에 노렸습니다.
Pulumi 인프라 코드의 Drift를 Claude Code로 안전하게 복구한 사례를 공유했습니다. 운영 리소스를 건드리지 않고 코드와 상태만 동기화하는 규칙 기반 접근을 적용했습니다.
SparkListener와 Spark History MCP, n8n AI Agent를 연결해 Spark 장애 분석을 자동화했습니다.\n실시간 에러 감지와 히스토리 조회로 원인과 해결책을 Slack으로 전달했습니다.
한컴 전사 테크세미나의 기획 배경과 운영 과정을 회고했습니다. 내부 설문을 바탕으로 주제를 정하고 행사 운영을 고도화한 경험을 공유했습니다.
광고 유입 유저의 낮은 구매 전환 문제를 추천 맥락 연결로 개선한 사례를 소개했습니다. 광고 성격과 상품 정보를 첫 세션 추천에 반영해 전환율을 높였습니다.
TMAP에 에이닷 4.0 기반 음성 AI Agent를 적용해 주행 중 맥락을 이해하는 내비게이션으로 확장했습니다.\n목적지·경유지 설정, 장소 검색, 생활 정보 조회를 멀티턴 대화로 제공하는 구조를 소개했습니다.
Kiro를 활용해 Spec-Driven Development와 Augmented Coding을 결합하는 AI 개발 방식을 소개했습니다. 문서화, Steering 파일, TDD를 통해 컨텍스트 소실과 반복 실수를 줄이는 흐름을 설명했습니다.
AI 에이전트가 표 데이터를 이해하기 어렵다는 문제를 짚고, RAG와 SQL을 결합한 Table Agent 설계를 소개했습니다. 셀 단위 전처리, 도구 호출 루프, 에러 핸들링으로 복잡한 질문 대응력을 높였습니다.
Computer Use Agent의 개념과 활용 배경을 소개하고, AgentQ 논문과 구현을 직접 실행해보는 과정을 정리했습니다. MCTS와 DPO를 결합한 정책 학습 구조와 실습 절차도 함께 설명했습니다.
생성형 AI 에이전트의 핵심인 ReAct 패턴과 LangChain 기반 도구 활용 방식을 정리했습니다.현업 적용을 위해 도메인 지식, 프롬프트, Tool 설계, QA까지 함께 고려해야 했습니다.
MCP의 개념과 서버/클라이언트 흐름을 해커톤 경험을 바탕으로 정리했습니다. Swagger API와 FastMCP를 활용해 서비스용 MCP tool을 빠르게 구현한 과정을 공유했습니다.
AI 에이전트의 실무 적합성을 τ-bench로 재평가한 글입니다. 기존 벤치마크와 달리 대화, 정책, 멀티스텝 처리, 일관성까지 함께 봐야 한다고 설명했습니다.
MCP 서버와 AI 에이전트의 역할을 명확히 구분해야 한다는 설계 원칙을 정리했습니다. 실행 통제와 감사 가능성을 위해 별도 보안 계층이 필요하다고 설명했습니다.
