AI, 개발 도구, 오픈소스, 보안과 인프라의 변화와 이용 조건을 설명하는 최신 기사와 해설입니다.
Stock CTO 다케다 슌이치는 AWS 운영 자료를 평일 아침 읽어 보고서를 만드는 AI 에이전트의 사례를 공개했습니다. 직원의 정상 작업까지 적색으로 잡히자 실행자·접속 경로·MFA와 실제 차단 여부를 살펴 즉시 대응, 사람 확인, 설명된 활동, 평상, 미확인으로 분류했습니다. AWS 설정을 바꾸지 않는 하루 단위 점검이며 실시간 알림은 기존 알람이 맡습니다.
Qiita 사용자 Syoitu den은 채팅으로 받은 앱 요청을 GitHub 이슈와 디자인·구현 PR로 이어가는 개인 AI 개발 공장 사례를 공개했습니다. AI가 요구사항 정리와 모크 앱 제작을 맡고, 사람은 디자인 미리보기와 앱 공개를 승인합니다. 구현 PR은 타입 검사·lint·빌드를 통과해야 공개 단계로 넘어갑니다.
AWS Agent Toolkit은 AI 코딩 에이전트가 AWS 애플리케이션을 만들고 배포·운영하도록 MCP 서버, 작업별 스킬, 플러그인을 제공합니다. 여러 에이전트에 설치할 수 있으며 IAM 정책과 CloudTrail·CloudWatch로 에이전트 활동을 구분하고 기록하는 기능을 내세웁니다.
RepoPilot은 공개 GitHub 저장소의 설치 단계와 활동 정보를 분석해 0~100점으로 평가하고, 위험 신호와 첫 실행 절차를 안내합니다. 점수 산정은 Python 규칙으로 처리하고 Amazon Nova Pro는 결과를 설명하는 데만 사용합니다. 작성자는 압축 파일이나 바이너리 안쪽까지 검사하지 않는 한계도 밝힙니다.
AWS 공식 문서와 콘솔의 한도 값이 다를 때, 구조화된 출처 정보와 결정론적 규칙으로 값을 고르고 실시간 AWS API로 다시 확인하는 에이전트를 만들었습니다. 모델은 정답을 결정하지 않으며, EC2 사례에서는 문서 32, 기록 5, 실시간 계정 값 16을 출처와 함께 보여줍니다.
AWS AgentCore와 Strands SDK로 고객 지원 에이전트를 만들며 여섯 가지 기능을 연결한 경험을 소개합니다. 모델뿐 아니라 백엔드 작업, 권한, 배포와 모니터링까지 함께 설계하고 기능별로 검증해야 한다는 점을 배웠습니다.
작성자는 Amazon Bedrock과 Strands Agents로 합성 대출 심사 시스템을 만들고, Traccia를 붙여 가드레일, 실행 차단, 개인정보 마스킹, 감사 증거 생성을 실제 AWS 환경에서 시험합니다. 다중 에이전트의 정책 적용 대상과 신호에 따라 차단이 실패하는 이유를 밝히며, 생성한 증거는 규제 준수 자체와 다르다는 한계도 설명합니다.
AWS Lambda의 메모리 할당량을 512MB에서 1,769MB로 높이자 .NET 함수의 콜드 스타트와 웜 실행이 모두 약 3.2배 빨라졌습니다. Lambda는 메모리 설정에 따라 CPU도 함께 배정하므로, CPU 부족이 원인일 때 메모리 증량이 성능과 비용을 함께 개선할 수 있습니다.
성공 응답과 정상 상태 코드만으로는 멀티 에이전트 시스템의 불필요한 추론·도구 호출·컨텍스트 증가를 찾기 어렵습니다. 글에서는 AWS Strands와 Bedrock 호출에 토큰 비용, 에이전트, 도구 호출 정보를 OpenTelemetry 트레이스로 기록하고, 정상 실행 기준선과 비교해 최대 43%의 비용 증가를 찾아냅니다.
Amazon Linux 2023에서 Docker를 설치해도 Compose 플러그인은 함께 설치되지 않아 `docker compose`가 실패합니다. 글은 플러그인 설치부터 Postgres를 사용하는 n8n 구성, EC2 보안 설정까지 단계별로 안내합니다.
정상 응답과 200 OK만으로는 멀티 에이전트 실행의 낭비를 찾기 어렵습니다. AWS Strands와 Amazon Nova Pro를 연결한 사례에서 에이전트·도구별 토큰과 비용을 추적하고, 반복 호출·추론 루프·컨텍스트 증가를 기준 실행과 비교해 감지합니다.