해피 테크로그

AI를 잘 활용하는 사람의 기준이 바뀌고 있습니다. 이제 중요한 것은 질문 한 줄을 멋지게 쓰는 능력만이 아니라, AI가 일할 수 있도록 필요한 정보와 환경을 설계하는 능력입니다. 불과 2~3년 전만 해도 AI를 잘 사용하는 사람은 “프롬프트를 잘 쓰는 사람” 이라고 여겨졌습니다. ChatGPT가 등장한 뒤 인터넷에는 ‘100가지 프롬프트’, ‘만능 프롬프트’ 같은 콘텐츠가 넘쳐났고, 어떤 문장을 입력해야 원하는 결과를 얻을 수 있는지가 가장 큰 관심사였습니다. 하지만 최근 AI 업계에서는 조금 다른 이야기가 나옵니다. “이제는 Prompt Engineering보다 Context Engineering이 더 중요하다.” AI가 단순히 질문에 답하는 도구를 넘어 웹을 검색하고, 문서를 읽고, 프로그램을 실행하며 여러 단계의 업무를 수행하는 AI Agent 로 발전하면서 한 줄의 지시만으로는 좋은 결과를 만들기 어려워졌기 때문입니다. 그렇다면 Context Engineering은 정확히 무엇일까요? 왜 AI를 잘 활용하려면 프롬프트만큼 Context를 고민해야 할까요? 이번 글에서는 어려운 전문용어 대신 쉬운 비유와 실제 사례를 중심으로 알아보겠습니다. Context Engineering이란 무엇일까? 가장 간단하게 정의하면 다음과 같습니다. Context Engineering은 AI가 좋은 결과를 만들 수 있도록 필요한 정보와 작업 환경을 설계하는 기술입니다. 많은 사람은 아직도 AI의 결과가 프롬프트 하나에 의해 결정된다고 생각합니다. 물론 프롬프트는 중요합니다. 그러나 실제 AI 시스템은 프롬프트만 읽고 답변하지 않습니다. 사용자 요청 프롬프트 이전 대화 메모리 회사 문서 검색 결과 RAG·MCP·도구 AI의 최종 답변 사용자의 요청뿐 아니라 이전 대화, 참고 문서, 프로젝트 규칙, 검색 결과, 도구 실행 결과까지 모두 합쳐져 AI가 판단할 수 있는 Context ...

AI 뉴스는 하루에도 몇 개씩 쏟아집니다. 그래서 새로운 모델이 나왔다는 소식만으로는 크게 놀라지 않게 됐습니다. 그런데 7월 17일 공개된 중국 Moonshot AI의 Kimi K3 는 조금 다르게 볼 만합니다. 중국 기업이 만든 모델이 최상위권 AI와 비교될 만큼 커졌다는 점도 그렇지만, 이번에는 성능 경쟁만의 이야기가 아니기 때문입니다. Kimi K3는 거대한 규모와 긴 문맥 처리 능력, 그리고 오픈웨이트 방식 이라는 카드를 함께 들고 나왔습니다. AI를 만드는 기업과 개발자 입장에서는 꽤 현실적인 선택지가 하나 더 생긴 셈입니다. Kimi K3는 어떤 모델인가 Kimi K3는 중국 AI 스타트업 Moonshot AI 가 공개한 대규모 언어 모델입니다. 회사는 이 모델의 전체 파라미터가 2.8조 개 라고 밝혔습니다. 공개형 모델 가운데서는 가장 큰 축에 들어가는 규모입니다. 또 하나 눈에 띄는 수치는 100만 토큰 문맥창 입니다. 쉽게 말해 긴 보고서, 여러 개의 문서, 방대한 코드 프로젝트를 한 번에 읽고 맥락을 이어 가는 작업을 겨냥한 것입니다. 단순히 질문에 답하는 챗봇이라기보다, 긴 업무를 맡길 수 있는 AI 를 목표로 했다고 보면 됩니다. 2.8조 파라미터 규모 100만 토큰 문맥 처리 복잡한 추론과 장기 코딩 작업 지원 이미지까지 다루는 멀티모달 기능 사용자가 내려받아 활용할 수 있는 오픈웨이트 방식 여기서 ‘오픈웨이트’라는 표현은 한 번 짚고 넘어갈 필요가 있습니다. 흔히 오픈소스와 같은 말처럼 쓰이지만, 완전히 같지는 않습니다. 오픈웨이트는 AI가 학습한 가중치를 받아 직접 실행하거나 목적에 맞게 조정할 수 있다는 뜻에 가깝습니다. 학습 데이터와 코드 전체가 모두 공개된다는 의미는 아닙니다. 그래도 특정 AI 서비스에만 의존하지 않고, 기업이나 개발자가 모델을 자체 환경에서 활용할 여지가 생긴다는 점은 큰 차이입니다. ChatGPT와 Claude보다 좋다는 뜻일까 Moons...

이 내용은 인공지능 자율 엔지니어 데빈(Devin)을 만드는 개발사 Cognition이 공식 테크 블로그에 게시한 분석 리포트를 기준으로 만들어졌습니다. 🔑 핵심 요약 Devin Fusion : 비싸고 똑똑한 " 리드 " 모델 + 저렴한 " 사이드킥 " 모델이 짝을 이뤄 작업하는 하이브리드 AI 코딩 에이전트 구조 이 구조만으로 프론티어급 성능을 유지하며 비용 35% 절감 최신 모델 Fable 5 를 리드로 쓰자 절감폭이 41% 까지 확대 — 토큰 가격은 Opus보다 2배 비싼데도 실제 실행 비용은 더 낮았음 Opus 는 인턴을 관리하는 마이크로매니저 처럼 행동하는 반면, Fable 은 유능한 엔지니어를 둔 관리자 처럼 행동합니다. 결론: 모델 가격보다 중요한 건 일을 얼마나 잘 나눠 맡기는가 — 앞으로 값이 나가는 건 "판단력" 그 자체 Devin Fusion이란? 똑똑하지만 비싼 모델( 리드 )이 팀장 역할을, 저렴하고 빠른 모델( 사이드킥 )이 실무자 역할을 맡는 구조입니다. 리드는 계획을 세우고 결과를 검토·커밋하며, 실제 구현·테스트 같은 작업은 자연어 지시서(브리프)로 사이드킥에게 넘깁니다. 기존의 단순 라우팅(쉬운 질문은 싼 모델, 어려운 질문은 비싼 모델)과 달리, 하나의 작업 안에서 두 모델이 실시간으로 협업 한다는 점이 다릅니다. 결과: 성능 그대로, 비용 35~41%↓  Devin Fusion 아키텍처의 협업 흐름. Source: Cognition 협업 플레이북 작동 원리 (역할 분담) 메인 모델 (Claude Fable 5)의 역할 — 고수준 판단 및 기획 전체 코드베이스(저장소)를 아주 가볍게 탐색하여 맥락을 파악하고 지도(Map)를 그립니다. 구체적인 기술 명세(High-level constraints)와 규칙을 담은 정교한 지시서(Bri...

 💡 오늘의 핵심 트렌드 요약 xAI Grok Build 보안 위기 : xAI의 최신 코딩 CLI 도구가 개발자의 로컬 .env 보안 키와 전체 Git 저장소 기록을 사용자 모르게 업로드하고 있던 심각한 사실이 와이어 레벨(네트워크 패킷 분석)을 통해 폭로되었습니다. Meta의 역사적 500억 달러 배팅 : Meta가 루이지애나주 리치랜드 패리시에 5기가와트(GW) 규모의 데이터 센터를 짓기 위해 500억 달러(약 68조 원) 이상을 투입하며 세계 최대 규모의 AI 인프라 전쟁에 불을 붙였습니다. GPT-5.6의 청구서 쇼크 : OpenAI의 차세대 GPT-5.6 제품군(Sol, Terra, Luna)이 전격 출시되었으나, 정밀한 리즈닝(추론) 연산으로 인해 예상치 못한 토큰 소비와 '캐시 쓰기(Cache Writes)' 유료화 정책으로 개발자들의 비용 부담이 급증하고 있습니다. 🚀 상세 분석 및 인사이트 1. xAI Grok Build CLI의 밀실 데이터 전송 논란 (API 키 회전 필수!) 보안 업로드 논란에 휩싸인 xAI Grok Build 인터페이스. 출처: The Hacker News 일론 머스크의 xAI가 야심 차게 선보인 코딩 CLI(명령줄 인터페이스) 툴인 Grok Build(버전 0.2.93)가 약속과 달리 개발자의 로컬 코드베이스와 민감 정보를 대량 전송해 온 사실이 밝혀져 큰 충격을 주고 있습니다. 사건의 전말 : 보안 연구원 'cereblab'이 네트워크 패킷 분석(mitmproxy 사용)을 실행한 결과, Grok Build가 개발자가 명시적으로 읽지 말라고 지정한 파일은 물론, 로컬 .env 내의 비밀 API 키와 전체 Git 히스토리 번들을 grok-code-session-traces라는 Google Cloud Storage 버킷으로 통째로 업로드하고 있는 정황이 포착되었습니다. 심각성 수준 : 실제 코딩 질문에 필요한 데이터양 대비 약 27,800배나 많은 기가바이트(GB) 단위의 데이터가 허가 없이...

Next.js를 EC2에 무중단 배포하는 방법은 여러 가지가 있는데, 규모와 복잡도 따라 추천이 달라져요. 크게 3가지 접근을 설명하고, 실무에서 가장 많이 쓰는 Blue-Green + Nginx 방식을 정리했습니다. PORT 3000 · ACTIVE ⇄ PORT 3001 · STANDBY → 헬스체크 통과 후 Nginx가 이 둘을 서로 바꿔치기합니다. 무중단 배포의 핵심은 간단합니다. 새 버전을 완전히 띄운 뒤, 준비가 끝난 것을 확인하고 나서 트래픽을 넘긴다. EC2 위에서 이걸 구현하는 방법은 크게 세 가지가 있는데, 규모에 따라 선택지가 달라집니다. 방식 난이도 무중단 보장 적합한 규모 PM2 cluster reload 낮음 준수함 (완벽 X) 단일 인스턴스, 소규모 Blue-Green + Nginx 중간 확실함 단일~소수 인스턴스 CodeDeploy + ALB Blue-Green 높음 확실함 Auto Scaling Group, 다중 인스턴스 PM2 reload : 같은 서버 안에서 워커를 하나씩 순차 재시작. 설정이 제일 간단하지만, 빌드 산출물 자체가 깨지거나 새 코드가 실행 중 프로세스와 충돌하면 순간 에러가 날 수 있어요. Blue-Green + Nginx : 포트 두 개(3000/3001)를 번갈아 쓰면서 Nginx가 트래픽을 스위칭. 롤백도 config 한 줄만 되돌리면 되니 실...

요약(TL;DR): Claude Fable 5는 판단력·비전 처리·아키텍처 설계 에서, GPT-5.6 Sol은 장시간 에이전트 작업의 끈기와 비용 효율 에서 강점을 보인다는 것이 다수 리뷰어들의 공통된 평가입니다. 두 모델 모두 안전 classifier로 인해 일부 요청이 하위 모델로 우회 처리되는 한계가 보고되고 있습니다. 이 글을 신뢰할 수 있는 이유 이 글은 개별 블로거의 주관적 인상이 아니라, ChatPRD · Simon Willison · NextBigFuture · Every · CodeRabbit · Promptslove · Coursiv 등 서로 다른 성격의 매체(개발자 개인 블로그, 엔지니어링 조직, 벤치마크 전문 매체)가 발행한 다수의 실사용 리뷰를 교차 검토해 정리했습니다. 각 주장에는 근거가 된 출처를 함께 표기했으며, 벤더의 공식 발표와 제3자 리뷰를 구분해 서술했습니다. 두 모델은 무엇인가 Claude Fable 5 는 Anthropic이 2026년 6월 9일 공개한 신규 최상위 등급 "Mythos" 클래스의 안전 강화 버전입니다. 같은 가중치를 공유하는 Mythos 5는 생물학·사이버보안·LLM 연구 분야에서 안전장치가 완화된 형태로, 승인된 소수 기관에만 제공됩니다. 입력 1M 토큰당 10달러, 출력 1M 토큰당 50달러로 기존 Opus보다 2배 높은 가격대가 책정되어 있습니다. GPT-5.6 Sol 은 OpenAI가 2026년 6월 26일 미리보기로 공개하고, 7월 9일 정식 출시한 GPT-5.6 패밀리의 플래그십 모델입니다. Sol 하위에는 절반 가격대의 Terra , 가장 저렴하고 빠른 Luna 티어가 있으며, Sol Ultra 라는 멀티 에이전트 고성능 추론 모드도 함께 제공됩니다. 가격은 입력 1M 토큰당 5달러, 출력 1M 토큰당 30달러입니다. 1. 코딩 및 에이전트 작업: "끈기의 Sol" vs "판단력의 F...

오늘 처음으로 Codex를 설치해 보았다.  무료 플랜이라 사용할 수 있는 모델이 ' 5.6 Terra'  만 가능했다.  무료 플랜으로 만들 수 있는  실제로 사용할 수 있는 작은 자동화 도구 를 추천해 달라고 했더니,  그 중에 이미지 리사이즈 자동화 가 있었다.   그래서 다시 채팅으로 ' 이거 하고 싶은데 어떻게 해야 해?' 라고 물어보았더니,  아래와 같이(프로젝트 목표에서 마무리까지) 자세하게 설명해 주었다.  내가 한 것은 ChatGPT가 알려준 프롬프트 대로 Codex에게 일을 시킨 거 밖에 없는데,  아래의 프로젝트 목표와 똑 같은 결과물은 아니었지만, 괜찮은 결과물이 나왔다.  이미지 resize 하고, webp 변환 과,  이미지 압축(TinyPNG 같은 기능) 까지 해봤는데,  남아있는 토큰을 봤더니 25%가 남았다.  한 달 동안 쓸 수 있는 토큰의 75%를 쓴거다.  토큰이 5시간마다 리셋이 되었으면 불가능했을텐데,  한달마다 리셋되도록 풀려서 정말 맛보기로 간단한 것은 만들어 볼 수 있을 거 같다.  결과 코드는 github 에 올려 놓았다.  Python으로 구현되었으며 자세한 설치 방법과 사용법은 README을 보면 된다.  Codex 실행 화면 프로젝트 목표 예를 들어 다음과 같은 이미지 폴더가 있다고 가정한다. images/ photo1.jpg photo2.png logo.webp 다음과 같이 명령어를 실행하면 python resize.py images --width 1200 자동으로 output 폴더에 리사이즈된 이미지를 생성한다. output/ photo1.jpg photo2.png logo.webp 즉, 여러 장의 이미지를 한 번에 원하는 크기로 변경하는 자동화 프로그램 을 만드...