K2 Lee

AI Security Guardrail 설계: 개발팀의 보안 실수를 시스템으로 막는 법 2026년 9월 3일 공개된 티빙 침해사고 민관합동조사 결과는 개발자 입장에서 꽤 불편하게 읽힌다. 공격 기법이 특별히 새로운 것도 아니었기 때문이다. 조사 결과 공격자는 개발환경 접속키를 탈취해 내부 개발환경에 들어왔고, 이후 개발 프로젝트에서 운영환경 접속키를 추가

Claude Fable 5.1이 바꾼 Coding Agent 판도: GPT-5.6 Sol을 앞선 건 무엇인가 불과 두 달 전만 해도 Coding Agent 경쟁에서는 GPT-5.6 Sol의 존재감이 상당히 강했다. OpenAI가 2026년 7월 GPT-5.6을 정식 공개했을 당시 Sol은 Artificial Analysis Coding Agent Index

AI로 장편 웹소설 쓰기: 시놉시스와 Codex Skill로 만드는 반복 집필 워크플로우 AI로 웹소설을 쓰는 것 자체는 어렵지 않다. 시놉시스를 넣고 이렇게 요청하면 된다. 문제는 1화가 아니라 20화, 50화, 100화까지 갔을 때다. 초반에는 괜찮았던 작품이 길어질수록 조금씩 흔들리기 시작한다. 아직 약해야 할 인물이 갑자기 강해진다. 서로 불신해야

Agentic QA 설계: Claude 기반 모바일·웹 Runtime 검증 AI Coding Agent가 실제 개발에 깊게 들어오기 시작하면서 QA의 역할도 바뀌고 있다. 초기 AI Testing은 대부분 이런 수준이었다. 조금 발전하면 E2E Test까지 만들어줬다. 하지만 2026년 Agentic QA의 흐름은 여기서 한 단계 더 간다. 최근 Agent

AI가 코드를 더 많이 쓰는데 왜 개발자는 더 피곤해졌을까: Agent 시대의 새로운 개발자 번아웃 AI Coding Agent를 처음 쓰기 시작했을 때 기대했던 모습은 단순했다. 코드를 직접 입력하는 시간이 줄어드니 당연히 개발자의 피로도도 줄어들 것 같았다. 그런데 2026년이 되면서 조금 다른 이야기가 나오기 시작했다. AI가 더 많은 코드를 작성하고

AI Agent 도입은 끝났다: 이제 개발팀이 증명해야 할 것은 생산성이다 몇 년 전까지만 해도 개발 조직의 질문은 단순했다. 이제 이 질문은 거의 끝났다. 2026년 JetBrains Developer Ecosystem Survey에서는 전문 개발자의 90%가 업무에서 AI Coding Agent를 최소 주 1회 사용하고, 68%는 매일 사용 한다고 답했

Xcode 27 MCP가 바꾼 iOS 개발: Claude Code·Codex가 빌드부터 UI 검증·디버깅까지 직접 하는 시대 예전 AI 코딩 도구의 역할은 비교적 명확했다. AI가 아무리 좋은 코드를 만들어도 마지막에는 사람이 Xcode로 돌아와야 했다. 컴파일이 되는지 확인하고, 테스트를 돌리고, SwiftUI Preview를 열고, Simulator에서

Stack Overflow가 사라진 뒤 AI는 무엇을 참고할까: 레퍼런스가 없는 시대의 Evidence-Driven Coding Agent 개발하다가 처음 보는 오류가 발생했다. 몇 년 전이라면 거의 반사적으로 검색창부터 열었다. 특히 Stack Overflow와 GitHub Issues는 단순한 Q&A 사이트가 아니었다. 어떤 Framework가 문서와

GitHub 다음은 Agent-Native Git이다: Cursor Origin으로 보는 AI 시대의 코드 저장소 개발자에게 Git Repository는 오랫동안 꽤 명확한 역할을 해왔다. GitHub가 크게 성장한 이유도 단순히 Git Repository를 인터넷에 저장했기 때문만은 아니다. Repository 주변에: 이라는 Software Develo

혼자 Agent에게 시키는 시대가 끝난다: Slack Code로 만드는 Human + AI 개발팀 AI Coding Agent를 쓰는 모습은 지금까지 꽤 개인적이었다. 개발자가 자기 Terminal이나 IDE를 열고 Agent에게 일을 맡긴다. 빠르다. 하지만 팀 개발로 넘어가면 묘한 문제가 생긴다. Agent에게 무엇을 요청했는지 다른 팀원은 모른다. 어

AI 에이전트도 모니터링이 필요하다: Agent Cat으로 만드는 세련된 Agent Workflow Coding Agent를 처음 사용할 때는 대개 하나만 실행한다. 이 정도라면 별도의 모니터링 도구가 없어도 크게 불편하지 않다. 하지만 Coding Agent가 일상적인 개발 도구가 되기 시작하면 화면이 조금씩 복잡해진다. 그리고 어느 순간 이런 문제가 생

집에도 AI Agent를 둔다: Google Home·Apple Home·Matter 가전을 연결해 만드는 자율 스마트홈 스마트홈이라고 하면 아직도 이런 모습부터 떠올리기 쉽다. 지금까지의 스마트홈은 대부분 명령을 잘 수행하는 자동화 시스템 이었다. 하지만 2026년에는 방향이 조금 달라지고 있다. Google은 Gemini for Home을 단순 음성 명

이 코드는 누가 만들었나: AI Coding Agent 시대의 Git Provenance와 PR 증명서 설계 예전에는 Git Commit을 보면 대체로 질문이 단순했다. 그래서 Git에는 이미 필요한 정보가 상당 부분 들어 있다. 그런데 Coding Agent가 본격적으로 개발 Workflow 안으로 들어오면서 이 정보만으로는 부족해지기 시작했다. 예를 들

Claude Code를 회사 서버에서 돌린다: Self-Hosted Coding Agent Runtime 실전 설계 Coding Agent를 개인 개발 환경에서 사용할 때는 구조가 단순하다. 개발자 Mac이나 PC 안에 Repository가 있고, Claude Code도 같은 환경에서 실행된다. 하지만 기업 환경으로 들어가면 이야기가 달라진다. 같은 자원이

Tokenmaxxing은 정말 낭비일까: AI Agent 비용을 아껴야 할 때와 과감하게 써야 할 때 2026년 AI 개발 업계에서 꽤 재미있는 논쟁이 벌어지고 있다. 한쪽에서는 이렇게 말한다. 반대쪽에서는 완전히 다른 이야기가 나온다. 최근 Y Combinator CEO Garry Tan은 스타트업 창업자들이 적극적으로 AI Token을 사용하는 이른바

Gradle Scaffold CLI도 만들지 않는다: Gemini Agent + Convention Plugin으로 Android Clean Architecture 모듈 자동 생성하기 Android 프로젝트를 멀티모듈로 운영하다 보면 새 Feature를 하나 추가하는 작업이 생각보다 반복적이다. 예를 들어 Profile 기능을 만든다고 하자. 여기에 Cle

Tuist도 Scaffold CLI도 만들지 않는다: SwiftPM + AI Agent로 iOS Clean Architecture 모듈 자동 생성하기 iOS 프로젝트에서 Tuist를 빼려고 하면 보통 다음 문제가 바로 나온다. 예전이라면 실제로 다음과 같은 도구를 하나 만들었을 가능성이 높다. 조금 더 발전하면 Swift Argument Parser로 사내

AI Agent가 자기 기억법까지 스스로 개선한다: SelfMem으로 보는 Self-Optimizing Memory 실전 설계 AI Agent에 Memory를 붙이는 방식은 지금까지 꽤 정형화돼 있었다. 조금 더 발전시키면 다음과 같다. 개발자가 미리 분류하고 저장 규칙을 만든다. 예를 들어 이런 식이다. 처음에는 꽤 잘 동작한다. 그런데 실제 Agent를

100만 토큰 Context가 답이 아니다: AI Agent가 파일 시스템을 외부 기억장치처럼 쓰는 방법 AI Agent를 오래 사용하다 보면 거의 반드시 한 번은 Context 문제를 만난다. 처음에는 단순하다. 조금 지나면 다음이 붙는다. 장시간 Coding Agent라면 더 심하다. 그래서 자연스럽게 이런 생각을 하게 된다. 128K보다 200K. 2

실시간 AI 통역은 어디까지 왔나: Gemini Live Translate로 보는 통역 앱의 다음 단계 몇 년 전까지만 해도 AI 통역 앱의 구조는 비교적 단순했다. 예를 들어 한국어 사용자가 영어로 말하면 먼저 음성을 텍스트로 바꾼다. 그다음 번역한다. 마지막으로 영어 음성으로 읽는다. 이 구조는 지금도 충분히 쓸 수 있고 구현도 명확하다. 하지만 실제

Gemini는 왜 모델보다 Agent Runtime을 팔기 시작했나: Google Agent Platform 실전 구조 생성형 AI 초기에는 좋은 모델 하나만 붙이면 제품을 만들 수 있을 것처럼 보였다. 조금 발전하면 Tool을 연결했다. 그다음에는 RAG를 붙였다. 여기까지는 여전히 중심이 모델이었다. 하지만 Agent가 실제 업무를 맡기 시작하면 문제가

Codex·Claude Code를 깔아준다고 생산성이 오르지 않는다: AI 코딩 에이전트 도입을 성공시키는 7가지 운영 지표 회사에서 AI 코딩 도구를 도입하기 시작하면 처음 보는 숫자는 대체로 비슷하다. 그리고 사용자가 늘면 자연스럽게 이런 이야기가 나온다. 하지만 이것만으로는 실제 개발 생산성이 좋아졌는지 알기 어렵다. 오히려 비용만 크게 늘었을 수도

AI 코딩 에이전트 보안의 새 원칙: Prompt Guardrail보다 Sandbox·Egress Control이 중요한 이유 AI 코딩 에이전트의 보안을 처음 구성하면 보통 이런 지시부터 넣는다. 그리고 AGENTS.md, CLAUDE.md, System Prompt 같은 곳에도 같은 내용을 적는다. 이런 규칙은 필요하다. 하지만 이것만으로 충분하지는 않

AI Release Agent로 모바일 배포 자동화하기: iOS·Android 테스트 빌드부터 TestFlight·Play Store 출시까지 모바일 앱 CI/CD를 처음 구성할 때 가장 번거로운 부분 중 하나가 빌드 머신이다. 특히 iOS는 Xcode와 macOS가 필요하기 때문에 예전에는 이런 구성을 많이 만들었다. 문제는 Mac PC를 계속 켜놔야 한

화면 기획서보다 작동하는 가설이 중요해졌다: AI 프로토타이핑 시대의 UX 기획 실전법 예전 UX 기획 업무는 대체로 다음 순서로 진행됐다. 기획자는 문서를 만들고, 디자이너는 화면을 다듬고, 개발자는 이를 실제 제품으로 구현했다. 단계가 명확한 대신 문제가 하나 있었다. 기획 단계에서 본 화면과 실제 동작하는 제품 사이에 큰 간격이 존재했다. 예를 들어

Codex 5.6 제대로 쓰는 법 총정리: Sol·Terra·Luna 모델 배치부터 서브에이전트와 Context 압축 설정까지 GPT-5.6이 Codex에 들어오면서 모델을 선택하는 방식이 이전보다 복잡해졌다. 이제 단순히 로 끝나지 않는다. Codex에서는 다음을 함께 결정해야 한다. 2026년 8월 기준 Codex에서 사용할 수 있는 GPT-5.6 제품

CLAUDE.md를 지워도 될까: Claude Code 5의 Context·Output Style·Skill을 다시 나누는 방법 최근 Claude Code 커뮤니티에서 비슷한 시기에 세 가지 글이 주목받았다. 첫 번째는 웹페이지를 ChatGPT나 Perplexity 같은 AI 답변 서비스가 인용하기 좋은 형태로 점검하는 Claude Code Skill이다.

AI 코딩 에이전트도 Policy as Code가 필요하다: managed-settings.json으로 권한·플러그인·모델 통제하기 AI 코딩 에이전트를 개인이 사용할 때는 설정이 단순하다. 사용할 모델을 고르고, 필요한 MCP Server나 Plugin을 연결한 뒤 작업하면 된다. 하지만 팀 전체가 에이전트를 사용하기 시작하면 문제가 달라진다. 각 개발자

Long-Horizon Agent 설계: Codex와 Claude가 몇 시간·며칠짜리 작업을 끝까지 이어가는 방법 AI 코딩 Agent를 사용할 때 대부분의 작업은 짧다. 또는 정도로 끝난다. 이런 작업은 Agent가 한 번 실행되는 동안 필요한 Context를 읽고 바로 끝내면 된다. 하지만 최근 Agent 모델은 그보다 훨씬 긴 작업을 겨냥하고 있다.

Codex로 규격에 맞는 EPUB 만들기: 설치부터 EPUBCheck·공모전까지 EPUB 제작은 “문서를 변환해 .epub 확장자를 붙이는 일”이 아니다. 원고, 이미지, 목차, 메타데이터, 읽기 순서, 압축 구조가 서로 맞아야 하는 작은 웹사이트 패키징 작업에 가깝다. 변환 도구가 만든 첫 결과물은 초안 이고, 검증과 수동 점검을 통과한 파일이 최종본이다