‘모두의 AI’ 사업 수행자로 SK텔레콤·KT·카카오가 주도하는 3개 컨소시엄이 선정됐다. 이들은 정부가 제공하는 NVIDIA B200 GPU 총 512장을 기반으로 연내 무료 AI 챗봇과 에이전트를 개발할 예정이다.

Meta가 Muse Spark에서 증류한 300억 매개변수 오픈 웨이트 모델 Muse Glimmer를 공개했다. 온디바이스 에이전틱 워크플로를 목표로 하지만, 현재 제공된 정보만으로는 지원 하드웨어와 메모리 요구량, 성능 또는 프로덕션 준비 수준을 판단하기 어렵다.

AI 에이전트의 위임은 프롬프트를 다른 에이전트에 전달하는 작업으로 끝나지 않는다. 명확한 작업 계약과 역량 기반 라우팅, 최소 권한, 결과 검증, 전체 핸드오프를 설명할 수 있는 추적 체계가 필요하다.

Anthropic이 과학 연구실과 첨단 제조사를 대상으로 Model Hardware Standard 연구 프리뷰를 시작한다. AI 에이전트가 물리 장치를 안전하게 다루도록 공통 규격을 만들려는 시도지만, 구체적인 프로토콜과 권한·거버넌스 설계는 아직 확인이 필요하다.

Anthropic은 Claude Fable 5.1과 Claude Mythos 5.1을 코딩 및 지식 업무를 위한 자사의 고도화된 모델로 소개했다. 연구 역량과 과학 발전 가능성도 언급했지만, 제공된 자료에는 벤치마크와 가격, API, 두 모델의 역할 구분이 없어 실제 도입 전 별도 검증이 필요하다.

AI 에이전트는 사용자를 대신해 작업할 때마다 ID, 도구, 데이터, 인프라 경계를 넘는다. AWS의 구현 지침과 Wiz가 관찰한 공격 활동은 사용자부터 모델과 도구까지 이어지는 전체 경로에 보안 통제가 필요하다는 점을 보여준다.

AI 에이전트가 코드베이스 테스트, 취약점 악용 검증, 영향 범위 평가, 사고 대응처럼 실제 행동을 수반하는 보안 업무에 투입되고 있다. AWS, HackerOne, Wiz, Cisco Talos의 사례는 속도 향상 가능성과 함께 ID, 실행 권한, 증거를 엄격히 통제해야 할 필요성을 보여준다.

AI 에이전트 개발의 초점이 프롬프트 개선에서 스킬, 메모리, MCP 연결, 자격 증명, 행동 평가, 실행 환경으로 이동하고 있다. 웹 개발팀에는 이러한 제어 계층이 데모와 테스트·통제·유지가 가능한 프로덕션 시스템을 가르는 기준이 된다.

LangChain, Nevermined, Binance를 둘러싼 흐름은 AI 에이전트의 역할을 행동 제안에서 서비스 구매와 자산 거래로 넓히고 있다. 개발팀이 풀어야 할 핵심 문제는 결제 API 연동보다 권한 범위, 손실 한도, 승인 절차와 감사 가능성을 설계하는 일이다.

최근 LangSmith 업데이트는 AI 에이전트 엔지니어링의 중심이 모델 선택에서 평가, 이슈 탐지, 배포 전 테스트와 운영 제어로 이동하고 있음을 보여준다. 작업 환경, 에이전트 하네스, 교정 가능한 메모리 역시 프로덕션 스택의 중요한 요소로 부상하고 있다.

기업 데이터를 조회하는 AI 에이전트는 공용 서비스 ID만으로 동작해서는 안 된다. AWS는 요청자의 권한에 따라 결과를 제한하도록 사용자 인가 컨텍스트를 전달하는 방식을 설명한다.

MCP가 실사용 단계로 들어가면서 도구 정의는 출발점이 됐다. 서버에는 명확한 계약, 권한 경계, 운영 방식, 책임 있는 소유자가 필요하다.