Vercel이 AI SDK 7을 출시하며 주간 1,600만 다운로드의 TypeScript AI 라이브러리를 단순 모델 호출 도구에서 풀스택 에이전트 플랫폼으로 전환했다. OpenAI·Anthropic·Google 등 주요 프론티어 모델의 추론 제어를 단일 API로 통합하고, 내구성 있는 에이전트 실행, 도구 승인, 비디오 생성까지 범위를 확장했다.

Vercel이 프로덕션 AI 에이전트 구축을 위한 통합 인프라 스택을 공개했다. 모든 에이전트가 공통으로 필요로 하는 세 가지 기능(모델 연결, 워크플로우 실행, 데이터/도구 통합)을 하나의 플랫폼으로 묶어 제공한다. 지원 티켓 자동화부터 코드 작성 에이전트까지, 에이전트 유형과 무관하게 동일한 인프라 블록이 필요하다는 관찰에서 출발한 설계다.

LY Corporation 엔지니어가 AI 에이전트의 인가(Authorization) 문제를 OAuth 2.0 확장 표준인 ID-JAG(Identity Assertion JWT Authorization Grant)로 해결하는 핸즈온을 공개했다. IETF OAuth 워킹 그룹에서 논의 중인 이 초안은 기존 인증 중심 접근을 "이 에이전트가 이 사용자를 대신해 이 권한 범위 내에서 이 리소스에 접근하도록 인가됐는가?"로 재정의한다. Keycloak + Athenz + Ollama/Gemma 4 스택으로 로컬 쿠버네티스 환경을 구성해 실패 시나리오부터 정상 흐름까지 단계별로 체험할 수 있다.

AWS가 Amazon MWAA(관리형 Apache Airflow), Bedrock AgentCore Runtime, S3 Vectors, MCP를 결합해 클라우드 정책을 자동 수집·시맨틱 검색하고 역할별 AI 에이전트가 분석하는 거버넌스 아키텍처를 제안했다. IAM 정책, 보안 그룹, 스토리지 등 AWS 10개 카테고리와 타사 클라우드 정책을 MWAA DAG가 매일 자동으로 수집하고, Titan Embed v2로 벡터화해 자연어 쿼리로 조회할 수 있게 한다.

Dropbox 보안팀이 설계 단계 위협 모델과 실제 코드 리뷰 사이의 단절을 해결하기 위해 MCP(Model Context Protocol), LLM, Dash를 결합한 자동화 시스템을 구축했다. 구현 PR의 12%만이 원래 보안 설계 문서를 명시적으로 참조하고, 54%는 설계 리뷰 후 한 달 이상 뒤에 열린다는 분석에서 출발했다.

GitLab이 소프트웨어 개발 생명주기(SDLC) 전반의 데이터를 단일 그래프로 연결하는 Orbit을 공개 베타로 출시했다. AI 에이전트가 파이프라인·배포·이슈·소유권을 코드와 연결해 이해하려면 파편화된 컨텍스트를 넘어 전체 SDLC를 그래프로 탐색할 수 있어야 한다는 문제에서 출발한다.

인시던트 발생 시 Datadog·AWS·GitLab 등 시스템을 수동으로 조사해 30분~1시간이 소요되며, 시스템마다 서비스 이름이 달라 매핑이 어렵다.

LY Corporation에서 Slack에 축적된 사고 대응·문의 응답 정보를 구조화하는 작업이 담당자별 품질 편차와 지연 문제를 겪었다.

AI 코딩 에이전트가 저장소 코드만 보면 팀 요구사항·코드 리뷰 기준을 인식하지 못해 신뢰할 수 없는 변경을 생성한다.

AWS 의 Kiro CLI 시리즈 3부로, RDS/Aurora 장애 분석을 EC2 + cron 으로 매일 자동 실행해 HTML 보고서를 만들고 S3 presigned URL 을 SES 이메일과 Slack 으로 발송하는 운영 파이프라인을 다룬다. Part 1·2 의 IDE·터미널 분석을 무인 스케줄 배포로 확장한 셈이다.

AWS Kiro CLI 시리즈 2부로, IDE 를 띄울 수 없는 운영 환경(SSH 세션·bastion·CI/CD·cron)에서 터미널만으로 RDS/Aurora 를 분석하는 방법을 다룬다. Part 1 의 steering·MCP 설정을 그대로 이식하고 Custom Agent 2개를 더해, 실제 Aurora MySQL 의 replication lag 장애를 수치까지 짚어내는 과정을 보여준다.

AWS Kiro CLI 시리즈 1부로, RDS/Aurora 장애 분석을 IDE 에서 자동화하는 KIDA(Kiro Database Analyzer)를 다룬다. DBA 가 콘솔 7곳을 30분 넘게 수동으로 뒤지던 분석을, Kiro IDE 의 Steering·Hook·MCP 조합으로 버튼 한 번에 데이터 수집부터 근본 원인 도출·HTML 보고서까지 자동화한다.

AWS 사용자가 Claude Platform 의 Messages API, Managed Agents, MCP, 코드 실행 등 모든 기능을 별도 자격증명/계약 없이 쓰고 싶다.

AI 에이전트로 Git 릴리스 자동화를 만들 때 MCP 서버와 에이전트 스킬 중 무엇이 더 적합한가.

kt cloud 는 사내 데이터/관제 업무에서 Jira/Salesforce/사내문서 산재, Splunk SPL 전문인력 의존, 관제요원 숙련도 편차 같은 비효율을 겪었다.

AI 에이전트를 다양한 소프트웨어 시스템·데이터 소스와 연결하려면 API별 커스텀 설정이 필요해 통합 복잡도가 급증한다.

대량의 개발 문서 검색에 시간이 많이 들고, 사내 전문가 상담도 비효율적이다.

코딩 경험이 거의 없어도 MCP와 AI 코딩 에이전트로 실용적인 도구를 직접 만들 수 있는지 검증이 필요했다.

MCP 서버는 강력하지만, 사내 데이터/API 에 무방비로 연결하면 보안/감사 문제가 발생한다.

비전공 실무자가 Claude 같은 AI 도구로 반복 업무를 자동화하고 싶어도 어디서부터 시작해야 할지 막막했다.