728x90
🐬 날으는물고기
🐬 최근 게시글
-
드디어 RF와 RS232 시리얼 장비까지 IoT 확장 스마트홈 생태계 편입 Home Assistant는 매달 업데이트를 내놓지만, 모든 버전이 같은 무게를 갖는 것은 아닙니다.어떤 버전은 단순히 통합 몇 개가 추가되는 수준에서 끝나고, 어떤 버전은 플랫폼의 방향 자체를 바꿔놓습니다.2026.5는 후자에 가깝습니다.이번 릴리스는 단순히 기능 추가가 아니라,"기존에 스마트홈에 연결하기 어려웠던 장비들을 Home Assistant가 직접 품기 시작했다"라는 의미를 갖고 있습니다.특히 이번 버전의 핵심은 다음과 같습니다.✅ RF(Radio Frequency) 공식 지원✅ ESPHome Serial Proxy 도입✅ 유지보수 대시보드 추가✅ 자동화 기능 대폭 강화✅ 템플릿 및 YAML 편집 환경 개선✅ 12개 신규 통합 추가RF 지원, 이제 진짜 시작됩니다이번 릴리스에서 가장 중요한 변..
-
하나의 질문, 수십 개의 분석: 왜 쪼개서 생각할까? AI Query Fan-Out 비밀 AI Query Fan-Out(쿼리 팬아웃)은 하나의 사용자 질문을 여러 개의 하위 질문(Sub-query)으로 분해하여 동시에 처리한 후 결과를 통합하는 AI 추론 기법입니다. 최근 OpenAI, Anthropic, Google Gemini, Perplexity, Glean, Cursor, Claude Code, LangGraph, CrewAI, Google ADK 등의 Agent 시스템에서 매우 많이 사용하는 핵심 패턴 중 하나입니다.Fan-Out 이란?사용자 질문"최근 1개월간 Apache Struts 취약점 동향과 공격사례, 탐지 방법, 대응방안을 알려줘"일반 LLM질문 ↓LLM ↓답변Fan-Out 방식질문 ↓ ┌──────────────┐ │ 취약점 동향 │ └──────────────┘..
-
AI Agent를 위한 안전한 DB 접근 계층 API로 제한하는 실무 보안 설계 AI Agent의 DB 직접 접근을 막고 API로만 통제하는 설계AI 에이전트에게 DB 접속 권한을 직접 주면 편해 보이지만, 실제 운영에서는 다음 문제가 생깁니다.1) 과도한 행위 발생 위험AI는 의도와 다르게 쿼리를 넓게 만들 수 있습니다.너무 많은 row 조회불필요한 JOIN 확장민감 컬럼 포함 조회잘못된 UPDATE / DELETE 실행대량 export 성격의 쿼리 생성즉, 사람이 “이 정도만 조회하겠지”라고 생각해도, 모델은 맥락상 과하게 동작할 수 있습니다.2) 통제와 감사가 어려움SQL 직접 실행은 유연하지만, 그만큼 통제가 어렵습니다.어떤 사용 목적이었는지 추적이 어려움결과적으로 어떤 데이터를 노출했는지 추적이 어려움쿼리 한 번에 여러 테이블을 엮어 민감정보를 재구성할 수 있음악의적 프롬프..
-
AKB Agent Knowledgebase 아키텍처, RAG 넘어선 AI Memory 플랫폼 AI 에이전트를 위한 Git 기반 지식 운영 플랫폼AKB(Agent Knowledgebase)는 단순한 문서 관리 시스템이 아닙니다.핵심 개념은 다음 한 줄로 정리됩니다.“사람이 읽는 위키가 아니라, AI 에이전트가 직접 읽고 쓰고 탐색하고 기억하는 지식 시스템”기존 Confluence, Notion, Wiki 시스템은 사람이 UI를 통해 탐색하는 구조입니다.반면 AKB는 다음을 목표로 설계되었습니다.AI Agent가 MCP 호출로 문서를 직접 사용구조화된 관계 기반 탐색Git 기반 변경 이력Hybrid Search 기반 고품질 검색장기 메모리(Long-term Memory)이벤트 기반 자동화Agent-to-Agent 협업즉, AKB는 사실상 다음 3개의 개념이 합쳐진 플랫폼입니다.Git 기반 문서 저장..
-
Claude Code + TMUX + MCP로 구축하는 AI 팀 멀티 조직 운영 자동화 Claude Code · TMUX · MCP 기반으로 구축하는 AI 조직 운영 아키텍처최근 AI 활용 방식은 단순한 “질문 → 답변” 수준을 넘어 빠르게 진화하고 있습니다.초기의 생성형 AI 활용은코드 생성문서 요약질의응답단순 자동화정도에 가까웠습니다. 하지만 최근에는 AI를 하나의 도구가 아니라개발팀운영팀보안팀QA팀문서화팀처럼 역할별로 분리해 동시에 협업시키는“멀티에이전트(Multi-Agent)” 구조가 매우 빠르게 확산되고 있습니다. 특히 Claude Code 기반의 CLI 에이전트 환경과TMUXMCP(Model Context Protocol)Remote-Control자동화 스크립트Git 기반 워크플로우를 결합하면, 실제로AI 팀을 운영하는 수준의 자동화 구조를 만들 수 있습니다.멀티에이전트의 핵심 ..
-
국민성장펀드 가입조건·세제혜택 AI·반도체 시대, 지금 알아야 할 투자 포인트 국민성장펀드는 정부와 민간이 함께 조성하는 약 150조 원 규모의 전략 투자 펀드로, AI·반도체·바이오·로봇·모빌리티 같은 첨단 전략 산업에 장기 자금을 공급하는 것이 핵심 목적입니다.단순 금융상품이라기보다“국가 전략 산업 육성과 국민 참여형 장기 투자 플랫폼”성격에 가깝습니다.핵심 개요항목내용총 규모약 150조 원정부 출자약 75조 원민간 출자약 75조 원주요 투자 분야AI, 반도체, 바이오, 로봇, 모빌리티 등가입 방식은행·증권사 영업점 및 온라인투자 성격장기 정책형 투자특징세제혜택 + 전략산업 투자왜 국민성장펀드를 만드는가?배경에는 글로벌 기술 패권 경쟁이 있습니다.현재 국가 경쟁력은AI반도체배터리바이오로봇우주항공같은 첨단 산업이 좌우하고 있습니다.미국은 CHIPS Act, 중국은 국가반도체기금,..
-
Google I/O 2026: AI가 답하는 검색보다 실행이 중요한 시대로 전략 변화 “검색의 시대”에서 “실행하는 AI의 시대”로2026년 Google I/O는 단순한 신기능 발표회가 아니었습니다. 이번 행사는 사실상Google = 검색 회사에서Google = AI Agent 플랫폼 회사로 방향을 공식 선언한 행사에 가깝습니다. 핵심은 단 하나입니다.“AI가 답변하는 시대” → “AI가 실제 일을 수행하는 시대”입니다.행사 개요항목내용행사명Google I/O 2026일정2026년 5월 19~20일장소미국 마운틴뷰 Shoreline Amphitheatre방식오프라인 + 온라인핵심 키워드Gemini 3.5, Gemini Omni, Agentic AI, Search AI, Antigravity구글은 이번 행사에서 거의 모든 발표를 AI 중심으로 재구성했습니다. 특히검색AndroidChrome..
-
AI 시대 UX 방향: 화면에서 경험으로 사용자가 아닌 서비스가 먼저 움직인다 화면 설계에서 “의도·행동·신뢰 설계” 시대로2025~2026년 UX(User Experience)의 가장 큰 변화는 단순히 화면이 예뻐지거나 인터랙션이 화려해지는 수준이 아닙니다. 핵심은 “사용자가 직접 조작하는 경험”에서 “서비스가 먼저 이해하고 움직이는 경험”으로 이동하고 있다는 점입니다. 과거 UX가 버튼 위치, 메뉴 구조, 사용 편의성 중심이었다면, 이제는 다음과 같은 질문이 더 중요해지고 있습니다.사용자가 지금 무엇을 하려 하는가?어떤 상황인지 시스템이 이해할 수 있는가?클릭하기 전에 먼저 제안할 수 있는가?최소 행동으로 목표를 달성하게 만들 수 있는가?자동화하면서도 신뢰를 잃지 않을 수 있는가?즉, UX는 더 이상 “UI 설계”만의 영역이 아니라AI데이터행동 분석심리신뢰접근성자동화보안운영 전..
-
E2E(End-to-End) 테스트와 Smoke Test의 차이점과 올바른 활용법 end-to-end smoke test는 배포 직후 또는 변경 직후, 서비스의 핵심 흐름이 최소한 깨지지 않았는지 빠르게 확인하는 통합 점검입니다. 쉽게 말하면, “이 서비스가 아주 기본적인 수준에서 살아 있는가?”를 보는 가장 얇고 빠른 전 구간 테스트입니다.먼저 용어부터 정리합니다Smoke Test원래 의미는 “연기(smoke)가 나는지 본다”는 뜻에서 왔습니다.예전 하드웨어나 시스템을 켰을 때 불이 나거나 완전히 죽었는지 먼저 확인하는 데서 유래한 표현입니다.현재 소프트웨어에서의 smoke test는 다음 의미로 쓰입니다.서비스가 기동되는지주요 엔드포인트가 응답하는지핵심 기능이 최소한 동작하는지배포 후 즉시 치명적 장애가 없는지즉, 깊이 있는 검증이 아니라 생존 여부 확인입니다.End-to-End(..
-
AI 시스템 설계의 진화: Prompt · Context · Harness Engineering AI 지시 체계의 진화Prompt Engineering → Context Engineering → Harness Engineering생성형 AI와 AI Agent 시대에서는 단순히 “프롬프트를 잘 작성하는 것”만으로는 실제 운영 환경을 안정적으로 구축할 수 없습니다.특히 기업 환경에서는내부 데이터권한 체계보안 정책자동화 도구운영 절차감사 요구사항등이 모두 연결되기 때문에 AI 시스템 자체를 하나의 운영 플랫폼처럼 설계해야 합니다. 현재 업계는 대체로 아래 흐름으로 발전하고 있습니다.Prompt Engineering→ Context Engineering→ Harness Engineering이 세 가지는 서로 경쟁 관계가 아니라:하위 → 상위 계층구조입니다.┌───────────────────────────..
728x90
728x90