Claude Code Skills, MCP, Hooks를 팀 표준으로 묶어보기
Claude Code의 Skills, MCP, Hooks, 설정 범위를 역할별로 분리해 팀 표준 워크플로우를 구성하는 방식을 설명했습니다. 반복 절차·외부 컨텍스트·자동 검증을 프로젝트 단위로 관리하는 기준을 제시했습니다.
prompt 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
최근 30일 4개 · 많이 쓴 회사 데보션·마이리얼트립·인포그랩
20개 표시
Claude Code의 Skills, MCP, Hooks, 설정 범위를 역할별로 분리해 팀 표준 워크플로우를 구성하는 방식을 설명했습니다. 반복 절차·외부 컨텍스트·자동 검증을 프로젝트 단위로 관리하는 기준을 제시했습니다.
Claude 업무 활용을 위한 구조화된 지시, XML 태그, 예시, 역할 설정 방식을 정리했습니다. 성공 기준과 테스트 세트 기반 평가로 프롬프트를 개선하는 방법을 제안합니다.
Claude의 비용은 프롬프트 길이보다 매 턴 재전송되는 컨텍스트 크기에 크게 좌우됨을 설명했습니다. 캐싱, 도구 정리, 세션 분리와 측정 기반 모델 선택으로 토큰을 절감하는 방법을 정리했습니다.

AI Studio와 AI Gateway로 LLM·Agent 사용 신청, 정책 승인, 호출 기록을 프로젝트 단위로 연결했습니다. 실시간 비용 관측과 프롬프트 캐싱으로 예산·보안을 관리하고 비용을 최적화했습니다.
모델 교체 뒤 자동 프롬프트 캐시 구분점 정책 변화로 비용이 3.2배 증가한 원인을 분석했습니다. 고정부 경계에 명시 구분점을 두고 히트율과 비용을 운영 지표로 관리했습니다.
누적되는 에이전트 규칙을 재발 빈도와 기간에 따라 관리하는 하네스 GC 방식을 소개했습니다. cold 보존, 개요 제한, 승인 기반 승격과 rollback 절차를 제안합니다.

Disrupting a coordinated model-distillation campaign
OpenAI가 보호된 모델 추론을 추출하려는 조직적 적대적 증류 캠페인을 차단했습니다. 재생 경로와 스트리밍 출력 보호를 강화하고 업계와 위협 정보를 공유합니다.

적금 재방문을 높이기 위해 9종 다람쥐 캐릭터와 성장 중심 UI를 설계했습니다. AI 시안 탐색과 즉각적인 인터랙션으로 저금의 보람과 다음 방문 동기를 만들었습니다.
Jev를 원고 교정·문체 탐지·자동 발행 점검에 적용해 조건부 활용 방식을 검증했습니다. 문단 판정은 Jev, 반복 규칙은 코드, 사실 검증은 별도 단계로 분리해야 합니다.

하네스 엔지니어링은 LLM 에이전트의 지시·도구·검증·상태를 코드로 설계하는 접근입니다. 모델 교체와 무관한 규약 강제와 실패 추적·복구 방식을 설명합니다.

AI가 팀 맥락을 이어받도록 지식 구조와 작업·결정·사고 기록을 하네스로 축적했습니다. 오답 자동 반영을 막고 실행 피해를 제한하기 위해 사람 검토와 다층 통제를 적용했습니다.
같은 PR도 LLM과 프롬프트에 따라 놓치는 결함이 달라질 수 있음을 짚었습니다. 여러 LLM을 동시에 활용해 관점별 코드리뷰를 시도하는 Code Review War를 소개했습니다.
Better prompt caching for GPT-6
GPT-6의 프롬프트 캐싱이 개선돼 공유 접두사의 캐시 적중률과 비용 효율을 높였습니다. 대시보드·진단·명시적 브레이크포인트로 캐시 동작을 최적화할 수 있습니다.

AI로 키비주얼과 오프닝 필름을 만든 디자인 과정을 공유했습니다. 스토리보드와 프롬프트 정교화로 결과를 컨트롤한 방법을 설명했습니다.
공개 리더보드만으로는 토스 서비스에 맞는 LLM을 고르기 어려워 Toss Benchmark를 구축했습니다. 한국어 입력, 추론 설정, 도메인 지식과 정책 준수까지 함께 평가해 실제 업무 적합성을 확인했습니다.

코드 작성 직후와 종료 직전에 규칙을 다시 주입하는 Stylepack으로 Coding Agent의 컨벤션 준수를 높인 사례를 다뤘습니다. 반복 리뷰 코멘트를 규칙화하고, 모양으로 잡히는 문제와 런타임 문제를 나눠 대응했습니다.

여러 AWS 콘솔과 CLI를 오가던 인프라 확인 문제를 읽기 전용 포털로 풀었습니다. 단일 프롬프트 대신 역할형 AI 에이전트로 업무를 나누는 접근을 다뤘습니다.
LLM 에이전트의 보상적 harness가 특정 모델의 실패를 코드로 옮긴 것임을 설명했습니다. 더 좋은 모델을 쓰면 보상 코드를 줄이고 시스템 책임만 남겨야 한다고 정리했습니다.

Claude Code의 토큰 비용을 캐시 경제학과 세션 습관 관점에서 정리한 글입니다. Amazon Bedrock에서는 사용자별 비용 관측과 캐시 효율 관리가 특히 중요하다고 설명했습니다.

Codex를 에이전틱 프로그래밍에 맞게 활용하는 워크플로와 정확도 향상 방법을 소개했습니다. AGENTS.md, Skills, MCP, record and replay, 마이그레이션 팁까지 함께 정리했습니다.