오늘도 공부

Open Source · Design Tool 당신의 에이전트가디자인 엔진이 된다면 Open Design — 로컬에서 실행되고, 에이전트를 선택하고,스킬을 조합하는 오픈소스 디자인 생성 도구 2026.04.29 · Open Design Team왜 이 프로젝트가 필요한가2026년 4월, Anthropic이 Claude Design을 공개했다. LLM이 글을 쓰는 대신 실제 디자인 산출물을 배송하는 첫 번째 순간이었다. 반응은 폭발적이었다. 그리고 그대로 폐쇄형, 유료, 클라우드 전용, Anthropic 모델 락인이었다.직접 호스팅할 수 없다. Vercel에 배포할 수 없다. 다른 에이전트를 끼워 넣을 수 없다. 스킬을 수정하거나 새로 만들 수 없다. Open Design은 같은 루프, 같은 산출물 ..

Open Source Analysis 로컬에서 돌아가는AI 보이스 스튜디오 ElevenLabs 대체재이자 WisprFlow 대체재.음성 복제, TTS, STT, 딕테이션, 에이전트 음성 출력까지모든 걸 내 컴퓨터에서. 2026.04.28 · jamiepine/voicebox 분석 어떤 프로젝트인가 Voicebox는 로컬 우선(local-first) 오픈소스 AI 보이스 스튜디오입니다. 클라우드 의존 없이 음성 복제, 텍스트 음성 변환(TTS), 음성 인식(STT), 글로벌 받아쓰기, AI 에이전트 음성 출력까지 한 데 묶은 데스크톱 애플리케이션입니다. ElevenLabs와 WisprFlow를 합친 무료 대안. 모든 처리가 로컬에서 이루어지며, API 키나 구독이 필요 없습니다. ..

Open Source Tool AI와 채팅하면영상이 편집됩니다 원본 영상을 폴더에 넣고 Claude Code와 대화하면,편집이 끝난 final.mp4를 돌려받습니다.video-use가 하는 일을 정리했습니다. 2026.04.28 · video-use 가이드 어떤 일을 하나요 영상을 터미널에 드래그하고, 자연어로 원하는 편집을 말하면 됩니다. AI가 전사하고, 분석하고, 편집 전략을 제안한 뒤 렌더까지 수행합니다. ✎ 필러 워드 제거 "음", "어", "그러니까" 같은 불필요한 말을 감지해 깔끔하게 잘라냅니다 ☀ 컬러 그레이딩 클립별로 데이터 기반 색보정을 자동 적용합니다 ♪ 오디오 ..

프롬프트 설계시 순서도 사실상 Subject → Action → Camera → Style → Constraints 으로 하면 됩니다.아래처럼 단계별로 하면 가장 실전적입니다.Seedance 프롬프트를 하나씩 정하는 방법0단계. 먼저 “한 장면, 한 목적”만 정한다가장 먼저 해야 하는 건 문장을 쓰는 게 아니라,이 영상에서 제일 중요한 한 장면이 뭐냐를 정하는 것입니다.예를 들어:여자가 비 오는 골목을 천천히 걷는 장면남자 가수가 무대 중앙에 서 있는 장면제품을 손으로 들어 올려 보여주는 장면우주선이 도시 위에 등장하는 장면여기서 중요한 건 욕심내서 여러 장면을 한 번에 넣지 않는 것입니다.하나의 생성은 보통 하나의 핵심 비트로 생각하는 게 좋습니다.가이드도 행동은 여러 개보다 핵심 행동 하나와 작은 보..

잘 되는 사람들은 “설명”하지 않고 “연출”한다AI 영상 생성 툴을 처음 만지기 시작하면 누구나 비슷한 경험을 합니다.머릿속에는 분명 멋진 장면이 있었는데, 결과물은 어딘가 애매합니다. 인물은 예쁜데 행동이 이상하고, 분위기는 좋은데 카메라가 산만하고, 전체적으로 “거의 맞는 것 같은데 결정적으로 부족한 영상”이 나옵니다.많은 사람이 이 문제를 모델 성능 탓으로 돌리지만, 실제로는 프롬프트 구조의 문제인 경우가 많습니다. 업로드하신 가이드의 핵심도 바로 이것입니다. Seedance 2.0은 긴 설명문보다, 촬영팀에게 전달하는 지시서 같은 프롬프트를 더 잘 따른다는 점입니다. 다시 말해, 소설처럼 묘사하는 방식보다 감독처럼 연출하는 방식이 더 잘 먹힙니다.이 차이를 이해하면 결과물이 달라집니다.“한 여자가..

[1. Attitude Comedy CG]아이는 놀이터 길을 따라 왼쪽에서 오른쪽으로 걸어가며, 오른손에 반쯤 먹은 샌드위치를 들고 있다. 닭 한 마리가 샌드위치를 알아차리고 몸을 낮춘 뒤 갑자기 그것을 향해 전력 질주한다. 샌드위치는 아이가 결국 그것을 던질 때까지 전체 시간 동안 분명하게 보인다. 이동 경로는 가로막히지 않으며, 길에서 미끄럼틀 쪽으로 이동한 뒤 모래놀이터 가장자리 쪽으로 이어진다. 방향 전환, 잡으려는 시도, 비틀거림, 마지막으로 놓아버리는 순간까지 모든 순간이 화면에 보인다.더 날카로운 형태 언어, 과장된 포즈 연기, 윤기 나는 시네마틱 조명, 장난기 있는 액션 코미디의 추진력을 갖춘 고에너지 스타일라이즈드 3D 장편 애니메이션 연출을 적용한다. [2. Family Feature..

1. 캐릭터 디자인먼저, 우리 캐릭터를 만들어보겠습니다. 저는 두 가지 방법을 사용합니다:a) MJ에서 캐릭터 시트를 생성이것은 피닉스를 만들 때 제가 사용한 방법입니다:프롬프트: 거대한 피닉스 생물의 캐릭터 시트, 사나운 괴물, 전통적인 어드벤처 캐릭터 스타일, 고도로 스타일화된, 정면 뷰, 측면 뷰, 뒷면 뷰와 측면, 정면, 뒷면 뷰의 3가지 클로즈업 포함b) MJ에서 고품질 애니메이션 스타일의 스틸 프레임을 생성하고, Nano Banana에서 이를 기반으로 캐릭터 시트를 만듦MJ가 무작위로 캐릭터를 상상하게 해서 여러 생성물 중에서 마음에 드는 것을 선택할 수 있습니다. 이 경우, 다른 비디오를 위한 무작위 테스트에서 MJ가 제가 아주 마음에 들어 하는 캐릭터 이미지를 생성했기 때문에, 이 비디오에..

사용된 스토리 보드 이미지결과

CHARACTER REFERENCE Imagen1= warrior's face. Imagen2 = red robotic armor reference. IMAX 70mm film texture, Panavision 35mm lens, f4, handheld sway. Live-action sci-fi, 4K, shallow DOF bokeh, cold teal-blue tone, red energy sword as only warm light. Dense industrial fog. Hard cuts. SFX only, no music. Face stable, no deformation. 0-1s: CU face. Imagen1 without helmet, calm, cold blue sidelight. ..

Epic cinematic Earth zoom-in sequence starting from deep outer space. Camera begins with a majestic wide shot of planet Earth floating in the void (0-5s), then rapidly accelerates and dives toward the surface at breathtaking speed, piercing through glowing atmosphere layers, rushing clouds, and continents with dramatic motion blur, light streaks, and intense atmospheric entry glow (5-10s). The c..

목표 장면최종 목표 로그라인해 질 무렵 거대한 바위 협곡에서, 정예 몬스터 헌터가 거대한 와이번과 정면 충돌한다.이 로그라인이 좋은 이유는 단순합니다.주체가 분명함: 헌터 vs 와이번공간이 강함: 바위 협곡감정이 강함: 위협, 압도감, 결전액션, 카메라, 물리 표현, 멀티샷까지 모두 연습 가능함전체 튜토리얼 흐름이 장면은 아래 순서로 설계합니다.로그라인 고정장르와 톤 고정주인공 설계적 크리처 설계공간과 시간대 설계액션 핵심 비트 설계카메라 구조 설계물리/이펙트 설계사운드 설계멀티샷 타임라인으로 정리최종 프롬프트 조립변형 테스트용 프롬프트 만들기1단계. 로그라인 고정먼저 “무슨 장면인지”를 한 줄로 고정합니다.이번 장면의 로그라인해 질 무렵 거대한 협곡에서, 정예 몬스터 헌터가 날아다니는 거대한 와이번과 ..

핵심은 단순히 최종 프롬프트 하나를 주는 게 아니라,왜 이 단계를 하는지이 단계에서 무엇을 확인해야 하는지실제로 어떤 프롬프트를 넣어 테스트하면 되는지다음 단계에서 무엇을 추가해야 하는지이 흐름을 따라가게 만드는 것입니다.최종 프롬프트 미리보기시네마틱하고 하이퍼리얼한 서스펜스 장면을 만들어줘. 배경은 비 오는 밤의 좁은 네온 골목이다. 검은 코트를 입은 한 여성이 골목을 천천히 걸어 들어오다가, 누군가를 기다리는 듯 멈춰 선다. 감정의 중심은 긴장감이다. 그녀는 편하게 서 있는 것이 아니라, 경계하고 있고, 불안하며, 주변을 조용히 살피고 있어야 한다.핵심 비주얼 포인트:젖은 아스팔트 위로 길게 번지는 빨간색과 파란색 네온 반사검은 코트를 입은 여성의 실루엣비와 습기로 가득한 골목 공기, 빛나는 간판 조..

https://youtu.be/CoPB9huRPBE 프롬프트 정리형식- 15초- 스타일화된 2D 손그림 애니메이션- 머리 위 시점 해전- 오래된 노란색 줄무늬 공책 용지 배경 유지- 파란 가로선, 빨간 왼쪽 여백선 항상 보이기비주얼 규칙- 처음부터 끝까지 같은 공책 종이 세계 유지- 미세한 종이 질감, 연필 자국, 잉크 획 강조- 실사 금지 / 3D 금지 / 사실적 얼굴 금지 / 현대적 물건 금지- 내레이션, 자막 없음핵심 콘셉트- 어린아이 낙서 해전 → 전설적 삽화 해전 → 다시 낙서로 붕괴- 상상력이 종이를 장악하는 듯한 점진적이고 마법 같은 에스컬레이션전투 설정- 빨강 vs 파랑 두 해군 세력- 판옥선, 노 젓는 배, 깃발, 화살, 화포 등장- 중심에는 거북선- 초반엔 조잡한 낙서, 후반엔 세밀한 ..

AI 영상 생성이 점점 쉬워졌다고들 말합니다. 텍스트 몇 줄만 입력하면 그럴듯한 장면이 나오고, 짧은 숏폼 영상도 빠르게 뽑아낼 수 있습니다. 하지만 실제로 여러 번 만들어본 사람이라면 금방 느끼게 됩니다. 아이디어가 좋아도 결과가 쉽게 흔들리고, 화면이 깨지고, 인물이 달라지고, 카메라가 뜻대로 움직이지 않는다는 것을요.많은 초보자들이 여기서 이렇게 생각합니다.“프롬프트를 더 길게 써야 하나?”“더 멋있는 표현을 넣어야 하나?”“cinematic, epic, stunning 같은 단어를 더 많이 넣어야 하나?”그런데 실제로는 반대인 경우가 많습니다. 문제는 문장의 화려함이 아니라 프롬프트의 구조에 있습니다.제가 정리한 핵심은 단순합니다. Seedance 2.0은 단순한 텍스트 입력형 영상 생성기가 아니..

이 저장소는 완성형 프레임워크를 바로 쓰게 하는 대신, 가장 단순한 채팅 루프에서 출발해 도구 호출, 스킬, 세션 저장, 컨텍스트 압축, 이벤트 버스, 멀티 에이전트, 장기 메모리까지 직접 조립해 보게 만드는 튜토리얼형 프로젝트입니다. (GitHub)요즘 AI 에이전트를 다룰 때 가장 답답한 지점은 “잘 돌아가는 데 왜 그렇게 설계됐는지”가 보이지 않는다는 점입니다. 프레임워크는 빠르게 결과를 내주지만, 구조를 이해하지 못하면 비용이 왜 늘었는지, 컨텍스트가 왜 깨졌는지, 왜 특정 상황에서만 불안정한지 판단하기 어렵습니다. 이 저장소는 그 불투명한 중간층을 단계별 코드로 드러냅니다. (GitHub)이 글을 끝까지 읽으면 세 가지가 명확해집니다.첫째, 에이전트가 단순한 LLM 호출이 아니라 세션, 이벤트,..

이 글은 GEOFlow를 이해하기 위해 작성되었습니다.단순히 AI로 글을 생성하는 도구로 보면 이 프로젝트의 핵심을 놓치기 쉽습니다. GEOFlow는 글 생성 자체보다, 콘텐츠 운영의 전체 흐름을 하나의 시스템으로 묶는 것에 더 가깝습니다. 모델 설정, 소재 관리, 작업 실행, 검토, 게시까지를 끊기지 않게 연결하려는 시도입니다. (GitHub)기존의 AI 콘텐츠 운영은 보통 여러 도구에 흩어져 있습니다. 프롬프트는 문서에 따로 저장하고, 제목은 스프레드시트로 관리하고, 생성은 별도 스크립트로 돌리고, 결과는 CMS에 다시 붙여 넣습니다. 이런 구조는 처음에는 빨라 보여도, 작업량이 늘어나면 관리 비용이 급격히 커집니다. GEOFlow는 바로 그 지점을 겨냥합니다. (GitHub)이 글을 끝까지 읽으면 ..

최근 AI 코딩 에이전트는 빠르게 늘어났지만, 실무에서 써보면 금방 한계가 드러납니다. 로컬에서 터미널을 켜 두고 지켜봐야 하고, 중간에 끊기면 다시 상태를 맞춰야 하며, 긴 작업은 요청-응답 수명 안에 가두기 어렵기 때문입니다. (GitHub)Open Agents는 이 문제를 “에이전트를 오래 실행되게 만드는 방법”의 관점에서 다시 설계한 프로젝트입니다. 웹 UI, 워크플로우 기반의 에이전트 실행, 샌드박스 VM, 그리고 GitHub 연동을 한 구조로 묶어, 프롬프트에서 코드 변경과 푸시, PR 생성까지 이어지는 흐름을 만들었습니다. (GitHub)이 글을 끝까지 읽으면 세 가지가 분명해집니다. 왜 기존 AI 코딩 에이전트가 실무에서 피로했는지, Open Agents가 그 문제를 어떤 아키텍처로 풀었는..

이 글은 ralph-orchestrator가 왜 등장했고, 자율 AI 에이전트 워크플로우를 어떻게 더 안정적으로 만들려는지 이해하기 위해 작성되었습니다. 단순히 “에이전트를 계속 돌리는 도구”로 보면 이 프로젝트의 핵심을 놓치게 됩니다. 이 도구가 겨냥하는 문제는 기능 부족이 아니라, 에이전트가 똑똑할수록 오히려 전체 흐름은 더 불안정해질 수 있다는 점입니다. (GitHub)기존 자율 에이전트 방식은 보통 하나의 강한 프롬프트에 많은 책임을 몰아넣습니다. 계획도 세우고, 코드도 짜고, 테스트도 돌리고, 실패 원인도 스스로 해석하게 만듭니다. 처음엔 단순해 보이지만, 작업이 길어질수록 컨텍스트가 비대해지고, 실패 원인이 흐려지고, “됐다고 했는데 실제로는 안 된 상태”가 자주 생깁니다. ralph-orch..

정적인 PSD나 PNG를 가져와서, 복잡한 리깅 작업 없이 빠르게 2D 캐릭터 애니메이션으로 바꾸는 흐름을 설명합니다. 특히 이 도구가 단순한 편집기가 아니라, 레이어 분해된 캐릭터를 실제 애니메이션 파이프라인으로 연결하는 데 초점을 둔 이유를 다룹니다. (GitHub)기존 2D 캐릭터 애니메이션 도구는 크게 두 가지 불편이 있었습니다. 하나는 본 세팅과 파라미터 설계가 무겁다는 점이고, 다른 하나는 AI가 분해해 준 레이어를 실제 애니메이션 가능한 구조로 옮기는 과정이 생각보다 수작업 중심이라는 점입니다. Stretchy Studio는 이 사이를 메우기 위해, 타임라인 중심 편집과 메쉬 변형을 결합하는 방향으로 설계되었습니다. (GitHub)이 글을 끝까지 읽으면 세 가지가 잡힙니다. 왜 이 도구가 기..

“원래는 안 될 것 같은데, 요즘은 됩니다”의 진짜 이유처음 들으면 이상합니다.“27B, 70B, 100B, 심지어 200B가 넘는 모델을고작 16GB VRAM GPU로 돌릴 수 있다.”상식적으로는 말이 안 되는 이야기처럼 보입니다.보통 대형 모델은 모델 전체가 GPU 메모리(VRAM)에 올라가야 실행된다고 알려져 있기 때문입니다.그래서 많은 분들이 이렇게 생각합니다.“아니, 100GB가 넘는 모델이면당연히 VRAM도 그 정도는 있어야 하는 거 아닌가?”네, 최고 속도로 돌리려면 그 말이 맞습니다.하지만 요즘은 꼭 그렇게만 돌리지 않습니다.최근 추론 엔진과 양자화 기술이 발전하면서, 이제는 GPU 메모리만으로 버티는 시대에서 GPU + RAM을 함께 활용하는 시대로 넘어오고 있습니다.쉽게 말하면,예전에는..

대부분의 사람들은 AI를 콘텐츠 제작에 이렇게 쓴다.Claude를 연다“생산성에 대한 링크드인 포스트 써줘”라고 입력한다회사 인턴이 쓴 것 같은 평범한 포스트를 받는다로봇처럼 안 들리게 20분 동안 손본다그리고 플랫폼마다 그걸 또 처음부터 반복한다이건 시스템이 아니다.그냥 단계만 더 많은 잡일이다.문제는 AI가 아니다.문제는 네가 AI에게 브랜드, 독자, 말투, 플랫폼 전략, 그리고 이 모든 요소가 어떻게 연결되는지에 대한 맥락을 전혀 주지 않고 있다는 것이다.매번 새 채팅을 시작할 때마다 기억상실에 걸린 천재를 새로 고용하는 셈이다.해결책: 스킬 그래프가 이 문제를 해결한다.신입 직원을 고용한다고 생각해보자.첫날부터 아무 온보딩도 없이, 문서도 없이, 회사가 어떻게 돌아가는지에 대한 맥락도 없이 바로 ..

RAG vs Agentic RAG 정리1. 한 줄 차이RAG사용자의 질문이 들어오면검색 시스템이 관련 문서를 찾아오고그 결과를 LLM에 붙여서 답하게 하는 방식Agentic RAG단순 검색만 하지 않고에이전트가 계획을 세우고, 필요한 도구를 선택하고, 여러 소스를 순차적으로 탐색한 뒤더 능동적으로 답을 만드는 방식2. 기본 RAG 구조이미지 상단의 흐름은 거의 이렇게 보면 됩니다.동작 흐름사용자가 질문 입력서버가 질문을 검색 시스템에 전달Search가 지식 소스에서 관련 정보 가져옴PDFDatabaseDocumentsCodeWeb SearchAPI검색 결과를 서버가 받음서버가 원래 질문 + 검색된 문맥을 합쳐서 LLM에 전달LLM이 최종 답변 생성특징구조가 단순함빠르고 구현이 쉬움질문 1개 → 검색 1번..

AI 코딩 도구를 쓰다 보면, 가장 먼저 부딪히는 문제는 코드 생성 자체가 아닙니다.오히려 “무엇을 어디까지 만들 것인가”를 구조화하지 못한 상태에서 너무 큰 요구사항을 한 번에 던지는 일이 더 큰 문제입니다.예를 들어 “SaaS 플랫폼 하나 만들어줘” 같은 요청은 그럴듯해 보이지만, 실제 구현 단계로 내려가면 인증, 결제, 대시보드, 외부 연동처럼 서로 다른 성격의 하위 문제들이 섞여 있습니다. (GitHub)deep-project는 바로 이 지점을 다룹니다.이 도구는 모호하고 큰 프로젝트 요구사항을 바로 구현하려 하지 않고, 먼저 인터뷰와 분해 과정을 거쳐 “계획 가능한 단위”로 나누는 데 집중합니다. GitHub - piercelamb/deep-project: Claude Code plugin th..

요즘 음성 합성은 더 이상 실험용 기능이 아닙니다. 팟캐스트, 오디오북, 게임 대사, 숏폼 더빙, AI 캐릭터 음성까지 이미 제작 파이프라인의 한 부분이 되었습니다. 문제는 많은 팀이 여전히 클라우드 TTS에 의존하고 있다는 점입니다. 비용은 계속 누적되고, 샘플 음성과 생성 결과가 외부로 오가며, 서비스 제약도 함께 따라옵니다. (GitHub)Voicebox는 이 문제를 다른 방향에서 풀려는 도구입니다. 핵심은 “좋은 음성 합성을 클라우드 API가 아니라 내 장비에서 직접 처리하자”는 접근입니다. 이 글을 끝까지 읽으면 Voicebox가 왜 등장했는지, 기존 방식과 무엇이 다른지, 실제로 어떤 구조로 돌아가며, 어떤 팀에게 유리하고 어디까지는 아직 조심해서 봐야 하는지까지 한 번에 잡을 수 있습니다. ..

터미널 하나를 “작업 공간”으로 바꾸는 가장 실용적인 방법맥으로 개발하다 보면 어느 순간 이런 장면이 반복됩니다.한쪽에서는 서버를 띄우고, 다른 창에서는 로그를 보고, 또 다른 탭에서는 데이터베이스에 붙고, SSH로 원격 서버도 들어가야 합니다. 그런데 맥북을 덮거나 터미널 창을 잘못 닫는 순간 흐름이 끊깁니다.이때 많은 개발자가 결국 정착하는 도구가 tmux입니다. tmux는 하나의 터미널 안에서 여러 프로그램을 실행하고, 작업을 분리했다가 다시 붙을 수 있게 해주는 터미널 멀티플렉서입니다. 공식 위키도 tmux를 “하나의 터미널 안에서 여러 프로그램을 다루고, 분리(detach) 후 다시 재연결(reattach)할 수 있게 해주는 도구”로 설명합니다. (GitHub)이 글에서는 맥 기준으로 tmux가..

최근 TTS(Text-to-Speech)는 많이 발전했지만, 실무에서는 여전히 몇 가지 문제가 남아 있습니다. 음성은 자연스러워야 하고, 화자 특성은 유지해야 하고, 여러 언어를 지원해야 하며, 가능하면 실시간에 가깝게 동작해야 합니다. VoxCPM2는 이 요구를 하나의 오픈소스 모델 계열 안에서 풀어보려는 시도입니다. GitHub README와 공식 문서에 따르면, 이 모델은 tokenizer-free TTS, 30개 언어 지원, 보이스 디자인, 제어 가능한 음성 클로닝, 48kHz 출력을 핵심으로 내세웁니다. (GitHub) GitHub - OpenBMB/VoxCPM: VoxCPM2: Tokenizer-Free TTS for Multilingual Speech Generation, Creative V..

AI 코딩 도구를 써 본 개발자라면 금방 느낍니다.같은 요청을 해도 결과가 매번 다릅니다. 어떤 날은 계획을 잘 세우고, 어떤 날은 테스트를 건너뛰고, 어떤 날은 PR 설명조차 엉성합니다. Archon은 바로 이 불안정함을 줄이기 위해 나온 도구입니다. (GitHub)핵심은 간단합니다.“AI에게 일을 맡긴다”에서 끝내지 않고, “어떤 순서와 규칙으로 일을 하게 할지”를 워크플로로 고정하는 것입니다. 이 글을 끝까지 읽으면 Archon이 왜 필요한지, 기존 AI 코딩 방식과 무엇이 다른지, 어떤 팀에 잘 맞고 어디까지 기대해야 하는지까지 한 번에 감을 잡을 수 있습니다. (GitHub) GitHub - coleam00/Archon: The first open-source harness builder for..

최근 AI 도구는 많아졌지만, 실제로 메모 앱 안에서 일하는 방식은 크게 바뀌지 않았습니다. 채팅창에 질문을 던지고, 답을 복사해서 노트에 붙여넣고, 다시 수정 지시를 내리는 흐름이 대부분이었습니다. 이 과정은 보기보다 자주 끊깁니다. 문맥이 잘리고, 수정 이력이 흩어지고, 작업 대상이 많아질수록 대화와 파일이 따로 노는 문제가 생깁니다. (GitHub)Claudian은 이 불편을 정면으로 건드립니다. 핵심은 “AI를 노트 앱에 붙인다”가 아니라, Obsidian 볼트 자체를 에이전트의 작업 디렉터리로 바꾸는 데 있습니다. 즉, AI가 단순히 답변만 생성하는 것이 아니라 볼트 안의 파일을 읽고, 쓰고, 검색하고, 필요하면 여러 단계를 거쳐 작업을 수행하는 구조입니다. (GitHub)이 글을 끝까지 읽으면..

이 글은 앤트로픽이 공개한 Claude Managed Agents와, 거의 동시에 등장한 오픈소스 프로젝트 Multica가 무엇을 해결하려는지 정리한 글입니다. 핵심은 단순히 “비슷한 제품이 나왔다”가 아닙니다. 이제는 에이전트를 잘 만드는 것보다, 에이전트를 안정적으로 실행하고 팀 워크플로우에 붙이는 인프라가 더 중요한 단계로 넘어가고 있다는 점입니다. (Claude Platform)특히 Claude Managed Agents는 앤트로픽이 직접 제공하는 관리형 에이전트 실행 환경이고, Multica는 그 문제를 오픈소스·셀프호스팅·벤더 중립 방식으로 풀려는 프로젝트입니다. 둘 다 “모델 호출”을 넘어, 에이전트가 장시간 작업하고, 도구를 쓰고, 상태를 유지하고, 팀 안에서 일하게 만드는 데 초점을 둡니..

이 글은 Google Cloud AI 디렉터 Addy Osmani가 만든 agent-skills의 6단계 프로세스 중, 첫 단계인 DEFINE을 정리한 글입니다. 특히 DEFINE 단계에서 사용하는 /spec 명령이 왜 중요한지, 그리고 이 명령이 단순히 “앱을 만들어주는 기능”이 아니라 요구사항을 명확하게 만드는 도구라는 점을 중심으로 설명합니다. (GitHub)처음 AI 코딩 에이전트를 쓰면 보통 이렇게 요청하게 됩니다.“할 일 앱을 만들어줘.”문제는 이 한 문장만으로는 화면 범위, 저장 방식, 로그인 필요 여부, 우선순위 기능, 테스트 기준이 전혀 정해지지 않는다는 점입니다. agent-skills의 /spec은 바로 이 모호함을 줄이기 위해 존재합니다. 코드를 먼저 쓰는 대신, 무엇을 만들지 문서..