Topic · 20 notes
Agent systems
에이전트, MCP, 워크플로와 실행 구조
20 notes
내가 MCP 업데이트를 기다리는 이유: AI 에이전트가 전화를 끊을 수 있게 됐다
긴 작업을 시키면 연결을 붙잡고 기다려야 했다. 이제는 접수번호를 받아 두고, 끝나면 그 번호로 결과만 확인한다.
OracleWorkflow: 같은 0.7인데, 왜 다음 결과는 달라질까
AI Agent의 현재 점수보다 같은 실수를 줄이는 속도를 봐야 한다. 다만 점수가 올랐다고 모두 개선은 아니다. 채점 기준이 그대로인지도 함께 확인해야 한다.
Agent를 평가한다는 말은 너무 좁다
Agentic Workflow에서 평가의 실제 대상은 Agent 단독이 아니라 Consumed Artifact, Execution Graph, Produced Artifact가 결합된 WorkflowGraph다.
Agent UX는 화면이 아니라 의사결정이다
Agent-Context: 콘텐츠 자동화 에이전트의 '기억'은 어떻게 쌓이는가
콘텐츠를 자동으로 만들어 채널마다 뿌리고, 반응을 보고 다음 글을 고친다. 이 과정에서 에이전트가 쌓는 기억의 구조가 agent-context다. 효율적인 자동화의 핵심이지만, 과거에 먹혔던 것만 학습하면 콘텐츠는 조용히 비슷비슷해진다. 그 메커니즘을 마케팅 사례로 풀고, 내가 만든 MSO 위에 올려놓는다.
좋은 Agent보다 좋은 Repository가 중요하다
리누스의 메시지는 단순했다. AI는 컴파일러 같은 도구일 뿐, 생성은 싸졌고 유지보수는 여전히 인간의 몫이다. 그런데 대부분의 회사는 아직 '유지'가 아니라 '생존' 단계에 있다. 이 기로를, 개인 자본을 배분하듯 푼다.
머릿속에 작은 온톨로지 깔기 — AI 기획자가 시험 중인 Agentic Marketing 인지 설계
에이전트 그라운딩은 NLU 문제가 아니다
3-레이어 스택과 귀인 공백