2026.03.30 / 동준상.넥스트플랫폼
(AWS SAA, AWS AIF, GCP GenAI Leader)
이번 포스트는 클로드 코워크로 빌드한 저의 블로그 주제 선정 도우미 – ‘AI Tech TOP20’ 에이전트의 도움으로 좀 더 신속하며 정확하게 작성할 수 있었습니다.
1. 핵심 요약 (Executive Summary)
- 2026년 3월 5주차 AI 산업의 주요 키워드와 기술적 진보를 분석
- 현재 시장을 주도하고 있는 자율형 에이전트, 혁신적 기억 구조, 엔터프라이즈 아키텍처 표준화 동향 요약
2026년 3월 말 AI 산업의 핵심 패러다임은 ‘단순 생성’에서 ‘자율적 실행’으로 완전히 전환되었다. 이번 주의 가장 주목할 만한 변화는 다음과 같다:
- 금융 및 업무 자율화의 실현: 다중 에이전트(Multi-agent) LLM이 시장 분석부터 매매까지 수행하는 TradingAgents와 수 시간 분량의 복합 업무를 자율 처리하는 DeerFlow 2.0이 등장하며 에이전트의 실전 배포 가능성을 입증했다.
- RAG 아키텍처의 재정의: Google이 공개한 Always-On Memory Agent는 벡터 데이터베이스(Vector DB)와 임베딩 없이도 구조화된 메모리를 구현하여, 기존 RAG(검색 증강 생성) 방식의 한계를 극복하려는 시도를 보여주었다.
- 소형 모델(SLM)의 역설: 9B 파라미터 규모의 Qwen 3.5가 120B 규모의 거대 모델을 벤치마크에서 능가하며, 효율성 중심의 오픈소스 모델이 시장의 주류로 부상했다.
- 프로토콜 표준화 경쟁: Anthropic의 MCP와 Google의 A2A 프로토콜 간의 주도권 싸움이 치열해지며, 엔터프라이즈 AI 아키텍처 도입을 위한 전략적 선택이 중요해졌다.
AI 트랜드 키워드 TOP10
| 키워드/프로젝트명 | 주요 특징 및 설명 | 기술적 핵심 포인트 |
| TradingAgents | 다중 에이전트 LLM 기반 금융 트레이딩 프레임워크로, 여러 AI 에이전트가 협력하여 시장 분석, 전략 수립, 매매 실행을 자동화하는 시스템입니다. 실전 배포 및 벤치마크 결과를 포함하며 CTO 및 기업 리더들의 높은 관심을 받고 있습니다. | LLM 기반 멀티에이전트 협업으로 금융 분석 자동화;실전 배포 가능한 프레임워크 (Python, GitHub 오픈소스);금융 데이터 수집 → 분석 → 트레이딩 의사결정 전 파이프라인 |
| last30days-skill | Reddit, X, YouTube, Hacker News 등 다양한 플랫폼을 탐색하여 특정 토픽의 최근 30일 동향을 자동으로 수집하고 요약하는 AI 에이전트 스킬입니다. 리서치 업무 자동화에 최적화되어 있습니다. | 멀티 소스(Reddit+X+YouTube+HN) 크로스 검색 에이전트;에이전트 스킬 형태로 배포 가능 (Python, 오픈소스);콘텐츠 크리에이터 및 리서처를 위한 실무 자동화 도구 |
| DeerFlow 2.0 | ByteDance가 공개한 롱-호라이즌 SuperAgent 하네스로, 리서치, 코딩, 콘텐츠 생성 등 수 시간 이상 소요되는 복잡한 작업을 자율적으로 수행합니다. 서브에이전트와 메모리, 샌드박스를 통합 관리합니다. | 복합 태스크 자율 처리 및 멀티 에이전트 병렬 실행;Docker 샌드박스 기반 실제 코드 실행;GPT-4, Claude, Gemini, 로컬 모델 등 다양한 LLM 지원 |
| Google Always-On Memory Agent | 벡터 데이터베이스 없이 LLM이 직접 구조화된 메모리를 읽고 쓰는 혁신적인 설계를 가진 에이전트입니다. Google ADK와 Gemini 3.1 Flash-Lite를 기반으로 영구 기억을 구현합니다. | 벡터DB 및 임베딩 없는 파격적 메모리 설계;SQLite에 구조화 메모리 저장 및 30분 단위 자동 통합;텍스트, 이미지, 오디오, 비디오 등 멀티모달 데이터 수집 지원 |
| Figma MCP 서버 공식 가이드 | Figma 공식 팀이 제공하는 MCP 서버 활용 가이드로, AI 에이전트가 디자인 파일과 직접 연동하여 자동화 워크플로우를 구축할 수 있게 돕습니다. 디자이너와 개발자 간의 협업 효율을 극대화합니다. | MCP 프로토콜을 통한 AI 에이전트와 Figma 디자인 파일 직접 연결;디자인-개발 워크플로우 자동화 실용 가이드 제공;Claude, GPT 등 주요 AI 모델과의 통합 방법 수록 |
| Qwen 3.5-9B | 알리바바 Qwen 팀의 오픈소스 소형 모델로, 단 9B의 파라미터로 13배 더 큰 GPT-OSS-120B 모델의 벤치마크 성능을 능가합니다. 201개 언어를 지원하며 로컬 환경에서 실행 가능합니다. | 로컬 노트북 실행 가능 규모로 초거대 모델 성능 초과;MoE(Mixture of Experts) 아키텍처 및 상업적 이용 가능;시각·언어 멀티모달 지원 및 201개 언어 처리 |
| obra/superpowers | 실제 작동하는 에이전트 스킬 프레임워크이자 소프트웨어 개발 방법론입니다. 프로덕션 환경에서 AI 워크플로우를 구축하기 위한 검증된 패턴과 경량 구현 방식을 제공합니다. | 에이전트 스킬 설계부터 프로덕션 배포까지의 방법론;Shell/Bash 기반 경량 구현으로 높은 이식성 확보;실전 검증된 에이전트 워크플로우 패턴 모음 |
| supermemory | AI 애플리케이션을 위한 초고속 확장형 메모리 엔진입니다. RAG 및 임베딩 기반의 메모리 API를 제공하여 AI 앱에 장기 기억 인프라를 쉽게 추가할 수 있도록 돕습니다. | AI 앱에 장기 메모리를 추가하는 범용 Memory API;RAG와 임베딩 기반 고속 검색 통합;TypeScript 기반 오픈소스 및 클라우드 SaaS 지원 |
| MolmoWeb | AI2에서 공개한 오픈소스 웹 에이전트로, HTML 소스코드 없이 스크린샷만으로 웹 페이지를 이해하고 조작합니다. 8B 소형 모델임에도 브라우저 자동화 성능에서 GPT-4o를 능가합니다. | 스크린샷 기반 웹 자동화 (HTML/DOM 해석 불필요);4B/8B 소형 모델로 로컬 실행 환경 지원;MolmoWebMix 훈련 데이터셋 및 전체 파이프라인 공개 |
| MCP vs A2A | Anthropic의 MCP와 Google의 A2A 프로토콜을 심층 비교한 가이드입니다. 엔터프라이즈 환경에서 AI 에이전트 간 통신 및 통합 전략을 수립하기 위한 핵심 분석 정보를 제공합니다. | MCP: 10,000개 이상의 서버 및 Linux Foundation 표준화 진행;A2A: Google 주도의 에이전트 간(Agent-to-Agent) 통신 규격;엔터프라이즈 도입 시 보안, 통합, 거버넌스 전략 비교 |
2. 주요 기술 및 산업 키워드 분석
2.1 자율형 멀티에이전트 및 금융 트레이딩
AI가 단순히 조언하는 수준을 넘어, 독립적으로 의사결정을 내리고 실행하는 단계에 진입했다.
- TradingAgents (TauricResearch):
- 개요: LLM 기반의 멀티에이전트 금융 트레이딩 프레임워크.
- 핵심 기능: 여러 AI 에이전트가 협력하여 데이터 수집, 시장 분석, 전략 수립, 매매 실행에 이르는 전 파이프라인을 자동화한다.
- 기술적 특징: Python 기반 오픈소스로 제공되며, 실전 배포(Production deploy)가 가능한 벤치마크 결과를 포함하고 있어 핀테크 및 금융권의 높은 관심을 받고 있다.
- DeerFlow 2.0 (ByteDance):
- 개요: 롱-호라이즌(Long-horizon) 자율 실행 SuperAgent 하네스.
- 핵심 기능: 리서치, 코딩, 콘텐츠 생성, 웹사이트 구축 등 수 분에서 수 시간이 소요되는 복합 태스크를 자율적으로 처리한다.
- 기술적 특징: Docker 샌드박스 기반의 실제 코드 실행 능력을 갖추었으며, 서브에이전트와 메모리 오케스트레이션을 지원한다. GPT-4, Claude, Gemini 및 로컬 모델로 교체가 가능하다.
2.2 혁신적 메모리 아키텍처
기존의 벡터DB 기반 RAG 방식에서 벗어나, LLM이 직접 메모리를 관리하는 새로운 방식이 대두되었다.
- Google Always-On Memory Agent:
- 핵심 가치: “벡터DB 및 임베딩 없는 AI 기억 구현”이라는 파격적 설계를 제시한다.
- 메커니즘: SQLite에 구조화된 메모리를 저장하고, 30분마다 자동 통합(Consolidation) 과정을 거친다. 텍스트뿐만 아니라 이미지, 오디오, 비디오 등 멀티모달 데이터 수집을 지원한다.
- supermemory:
- 핵심 가치: AI 애플리케이션을 위한 초고속·확장 가능 메모리 엔진.
- 메커니즘: RAG와 임베딩 기반의 고속 검색을 통합한 Memory API를 제공하여 AI 앱에 장기 기억 기능을 부여한다.
2.3 고효율 오픈소스 모델 및 웹 자동화
모델의 크기보다 효율성이 강조되며, 시각적 이해 기반의 자동화 기술이 발전하고 있다.
- Qwen 3.5-9B (Alibaba):
- 성능: 9B 파라미터 모델임에도 불구하고 GPQA Diamond(81.7) 등 주요 벤치마크에서 120B 규모의 거대 모델을 능가했다.
- 특징: MoE(Mixture of Experts) 아키텍처를 채택했으며 201개 언어를 지원한다. 로컬 환경에서 실행 가능하여 보안과 효율성을 동시에 확보했다.
- MolmoWeb (AI2):
- 핵심 가치: 소스코드 분석 없이 스크린샷만으로 브라우저를 자동화하는 웹 에이전트.
- 성능: 8B 소형 모델이 웹 이해 및 실행 능력에서 GPT-4o를 능가하는 결과를 보여주었다.
3. 엔터프라이즈 AI 전략 및 아키텍처
국내외 대기업 및 금융·공공기관이 AI를 실무에 도입하기 위해 고려해야 할 아키텍처 표준과 보안 이슈가 구체화되고 있다.
3.1 에이전트 통신 프로토콜 비교
| 비교 항목 | MCP (Model Context Protocol) | A2A (Agent-to-Agent) |
| 주도 세력 | Anthropic / Linux Foundation 표준화 진행 | |
| 생태계 | 10,000개 이상의 프로덕션 서버 | Google 에코시스템 중심 |
| 활용 사례 | 디자인 툴(Figma) 연동 등 광범위한 SDK | 에이전트 간 통신 및 협업 |
| 엔터프라이즈 이점 | 개방형 표준을 통한 시스템 통합 용이성 | Google AI 인프라와의 긴밀한 통합 |
3.2 주요 엔터프라이즈 도구
- Figma MCP 서버: 공식 팀이 공개한 가이드로, AI 에이전트가 디자인 파일과 직접 연동되어 디자인-개발 워크플로우를 자동화할 수 있게 한다.
- Novee AI Red Teaming: 국내 금융 및 공공기관의 AI 보안 규제 맥락을 반영한 레드팀 활동이 강조되고 있으며, 이는 AI 도입 시 필수적인 보안 검증 단계로 자리 잡고 있다.
- 국내 맞춤형 모델 선택: GPT-5.4와 Claude Mythos 등 최신 고성능 모델 간의 비교를 통해 국내 기업의 요구사항에 최적화된 모델 선택 가이드가 제시되고 있다.
4. 실습 및 실무 적용 키워드
AI 리서치 및 개발 실무자를 위한 주요 오픈소스 및 방법론은 다음과 같다.
- last30days-skill: Reddit, X, YouTube 등 멀티 소스를 탐색하여 특정 토픽의 최근 30일 동향을 자동 요약하는 리서치 자동화 도구.
- MiniMind: LLM을 2시간 내에 직접 훈련할 수 있는 입문자 친화적 튜토리얼.
- obra/superpowers: 에이전트 스킬 설계부터 프로덕션 배포까지의 검증된 패턴을 제공하는 소프트웨어 개발 방법론.
- claude-subconscious: Claude Code 사용자를 위한 즉시 활용 가능한 확장 기능.
5. 결론 및 통찰
2026년 3월 말의 AI 기술 지형은 **’작지만 강한 모델(SLM)’**과 **’기억력이 보강된 자율 에이전트’**로 요약된다. 특히 Google의 Always-On Memory와 같이 벡터DB를 배제한 새로운 기억 구조의 등장은 기존 RAG 시스템의 비용과 복잡성 문제를 해결할 대안으로 부상하고 있다. 기업들은 MCP와 A2A 프로토콜 중 자사 인프라에 적합한 표준을 선택해야 하는 전략적 기로에 서 있으며, 단순한 챗봇 도입을 넘어 ‘TradingAgents’나 ‘DeerFlow’와 같이 실제 업무 프로세스를 자율적으로 완결 짓는 에이전트 도입을 적극적으로 검토해야 할 시점이다.
참고자료 및 다운로드
- 구글시트 | 넥스트플랫폼 AI 트랜드 캐치업 (2026년 3월 5주차 주요 AI 산업 키워드 및 기술 현황)
https://docs.google.com/spreadsheets/d/15v19MNyTfUsqBnacYoGpLc-WXgYaT1VtkUxzv-br77w/edit?usp=sharing - 슬라이드 | 넥스트플랫폼 AI 트랜드 캐치업 (2026년 3월 5주차 주요 AI 산업 키워드 및 기술 현황)
https://drive.google.com/file/d/1Lgr32Tqw5oyLvALddihuRVrSmxC1491w/view?usp=sharing
참고자료 1: 🚀 이번 주 AI 산업 내 영향력 높은 주제
🏆 AI 산업 키워드 TOP3
- TradingAgents — “LLM 멀티에이전트가 주식을 거래하다” (CTO/기업 관심 ↑)
- DeerFlow 2.0 — “몇 시간짜리 작업을 AI가 혼자 처리하는 영상” (데모 임팩트 극대화)
- Google Always-On Memory Agent — “RAG는 끝났나? 벡터DB 없는 AI 기억 구현” (논쟁 유발형)
✅ 실습 가능 AI 산업 키워드 (GitHub 보유, 추천 순)
- last30days-skill → AI 리서치 자동화 실습 튜토리얼
- MiniMind → LLM을 2시간에 직접 훈련 (입문자 친화)
- claude-subconscious → Claude Code 사용자 대상 즉시 활용 가능
- MolmoWeb → 웹 자동화 에이전트 직접 테스트
- supermemory → AI 앱에 메모리 붙이기 실습
🇰🇷 한국 맞춤형 AI 산업 키워드
- 엔터프라이즈 AI 에이전트 현황 → 국내 기업 AI 도입 현실 비교 분석
- MCP vs A2A 프로토콜 → 국내 대기업 AI 아키텍처 선택 가이드
- Novee AI Red Teaming → 국내 금융·공공기관 AI 보안 규제 맥락 연결
- GPT-5.4 vs Claude Mythos → 국내 기업이 선택할 AI 모델 비교
참고자료 2: 🎯 AI 산업 키워드 TOP20
1. TradingAgents: Multi-Agent LLM 금융 트레이딩 프레임워크
출처: GitHub | 카테고리: AI/LLM | 점수: 29.1/100 게시일: 2026-03-26
설명: 다중 에이전트 LLM 기반 금융 트레이딩 프레임워크로, 여러 AI 에이전트가 협력하여 시장 분석·전략 수립·매매 실행을 자동화한다. 실전 배포(production deploy) 및 벤치마크 결과 포함.
핵심 포인트:
- LLM 기반 멀티에이전트 협업으로 금융 분석 자동화
- 실전 배포 가능한 프레임워크 (Python, GitHub 오픈소스)
- 금융 데이터 수집 → 분석 → 트레이딩 의사결정 전 파이프라인
직접 해보기: ✅ 가능 (GitHub 오픈소스)
관련 자료:
준상님 콘텐츠 제작 팁: TOP3 항목으로 50대 IT리더/CTO 관점에서 접근 권장. “AI 에이전트가 실제로 금융 의사결정을 대신할 수 있는가?”라는 질문으로 프레임 설정. 국내 핀테크 기업들의 AI 도입 사례와 연결하면 파급력 ↑. 실제 백테스트 영상 시연 콘텐츠 매우 효과적.
점수 세부내역: 관심도 40점 | 실습성 30점 | 트래픽 18점 | 시의성 5점
2. last30days-skill: AI 에이전트로 어떤 토픽이든 30일 리서치 자동화
출처: GitHub | 카테고리: AI/LLM | 점수: 25.7/100 게시일: 2026-03-28
설명: Reddit, X(트위터), YouTube, Hacker News, Polymarket, 웹 전체를 탐색하는 AI 에이전트 스킬. 특정 토픽의 최근 30일 동향을 자동 수집·요약한다.
핵심 포인트:
- 멀티 소스(Reddit+X+YouTube+HN) 크로스 검색 에이전트
- 에이전트 스킬 형태로 배포 가능 (Python, 오픈소스)
- 콘텐츠 크리에이터·리서처를 위한 실무 자동화 도구
직접 해보기: ✅ 가능 (GitHub + 데모 포함)
관련 자료:
준상님 콘텐츠 제작 팁: TOP3 항목. AI/LLM 실무 적용 각도로 “이 에이전트를 직접 써서 AI 트렌드 리서치를 자동화하는 법” 실습형 튜토리얼이 최적. 준상님 본인의 AI 뉴스 큐레이션 워크플로우에 적용하는 “나는 이렇게 쓴다” 형식도 높은 공감대 형성.
점수 세부내역: 관심도 31점 | 실습성 30점 | 트래픽 18점 | 시의성 7점
3. DeerFlow 2.0: ByteDance 오픈소스 SuperAgent — 몇 시간짜리 작업도 자율 처리
출처: GitHub | 카테고리: AI/LLM | 점수: 25.5/100 게시일: 2026-03-09
설명: ByteDance가 공개한 롱-호라이즌(long-horizon) SuperAgent 하네스. 리서치·코딩·콘텐츠 생성·웹사이트 구축을 자율적으로 수행하며 서브에이전트, 메모리, 샌드박스를 오케스트레이션한다.
핵심 포인트:
- 수분~수시간 걸리는 복합 태스크 자율 처리 (멀티 에이전트 병렬 실행)
- Docker 샌드박스 기반 실제 코드 실행 (제안이 아닌 실행)
- GPT-4, Claude, Gemini, 로컬 모델 모두 지원 (LLM 교체 가능)
직접 해보기: ✅ 가능 (GitHub + 데모 포함)
관련 자료:
준상님 콘텐츠 제작 팁: TOP3 항목. 50대 IT리더/CTO 관심 각도: “ByteDance가 왜 AI 에이전트 오픈소스를 공개했나 — 中 빅테크의 AI 전략” 분석 콘텐츠 강력 추천. 직접 설치 후 “AI가 혼자서 리서치 리포트를 쓰는 영상” 제작도 임팩트 큼.
점수 세부내역: 관심도 31점 | 실습성 30점 | 트래픽 18점 | 시의성 5점
4. Google Always-On Memory Agent: 벡터DB 없이 AI 영구 기억 구현
출처: News (VentureBeat) | 카테고리: AI/LLM | 점수: 25.5/100 게시일: 2026-03-27
설명: Google PM이 오픈소스로 공개한 Always-On Memory Agent. Google ADK와 Gemini 3.1 Flash-Lite 기반으로, 벡터 데이터베이스 없이 LLM이 직접 구조화된 메모리를 읽고 쓴다.
핵심 포인트:
- “벡터DB 없음, 임베딩 없음, LLM이 직접 읽고 생각하고 쓴다” 파격적 설계
- SQLite에 구조화 메모리 저장, 30분마다 자동 통합(consolidation)
- 텍스트·이미지·오디오·비디오·PDF 수집 지원, MIT 라이선스
직접 해보기: ✅ 가능 (GitHub + 데모)
관련 자료:
준상님 콘텐츠 제작 팁: AI/LLM 실무 적용 각도: “RAG는 끝났는가? 벡터DB 없이 AI 메모리를 구현하는 방법” 도발적 제목으로 큰 관심 유도 가능. 실제 빌드 영상 + 기존 RAG와 성능 비교 데모 콘텐츠 추천.
점수 세부내역: 관심도 34점 | 실습성 30점 | 트래픽 12점 | 시의성 7점
5. Figma MCP 서버 공식 가이드 — 디자인 툴과 AI 에이전트 연결
출처: GitHub | 카테고리: AI/LLM | 점수: 24.9/100 게시일: 2026-03-28
설명: Figma 공식 팀이 공개한 Figma MCP 서버 활용 가이드. AI 에이전트가 Figma 디자인 파일과 직접 연동해 자동화 워크플로우를 구축할 수 있도록 한다.
핵심 포인트:
- MCP 프로토콜로 AI 에이전트 ↔ Figma 디자인 파일 직접 연결
- 디자인-개발 워크플로우 자동화 실용 가이드 (공식 문서)
- Claude, GPT 등 주요 AI 모델과의 통합 방법 수록
직접 해보기: ✅ 가능 (GitHub + 데모)
관련 자료:
준상님 콘텐츠 제작 팁: Tools/SaaS 실무 워크플로우 각도: “디자이너와 개발자 사이 AI가 들어간다 — Figma MCP로 자동화하는 방법”. 비개발자 창업자·기획자 타겟으로 MCP 입문 콘텐츠로도 활용 가능.
점수 세부내역: 관심도 31점 | 실습성 30점 | 트래픽 14점 | 시의성 7점
6. Qwen 3.5-9B: 9B 파라미터로 OpenAI 120B 모델 능가
출처: News (VentureBeat) | 카테고리: AI/LLM | 점수: 24.0/100 게시일: 2026-03-22
설명: 알리바바 Qwen 팀의 오픈소스 소형 모델 시리즈. 9B 모델이 GPQA Diamond(81.7), HMMT, MMMU-Pro 등 주요 벤치마크에서 GPT-OSS-120B(13배 큰 모델)를 능가. 201개 언어 지원.
핵심 포인트:
- 로컬 노트북에서 실행 가능한 9B 파라미터로 GPT-OSS-120B 성능 초과
- MoE(Mixture of Experts) 아키텍처, 상업적 이용 가능 오픈소스
- 시각·언어 멀티모달 지원, 201개 언어 처리
직접 해보기: ✅ 가능 (GitHub + Hugging Face 데모)
관련 자료:
준상님 콘텐츠 제작 팁: 오픈소스 실습 각도: “노트북에서 돌리는 AI가 GPT-120B를 이겼다 — Qwen 3.5 직접 테스트”. 중국 AI 모델의 약진이라는 지정학적 맥락 추가하면 CTO/IT리더 관심 ↑.
점수 세부내역: 관심도 31점 | 실습성 30점 | 트래픽 12점 | 시의성 2점
7. obra/superpowers: AI 에이전트 개발 방법론 + 스킬 프레임워크
출처: GitHub | 카테고리: AI/LLM | 점수: 23.9/100 게시일: 2026-03-28
설명: 실제로 작동하는 에이전트 스킬 프레임워크이자 소프트웨어 개발 방법론. 프로덕션 AI 워크플로우를 구축하는 검증된 패턴을 제공한다.
핵심 포인트:
- 에이전트 스킬 설계부터 프로덕션 배포까지 방법론 제공
- Shell/Bash 기반 경량 구현으로 어떤 환경에서도 동작
- 실전 검증된 에이전트 워크플로우 패턴 모음
직접 해보기: ✅ 가능 (GitHub 오픈소스)
관련 자료:
준상님 콘텐츠 제작 팁: AI 에이전트 개발 실무 각도: “에이전트를 만들 때 아무도 알려주지 않는 것들 — superpowers 방법론 해설”. AI 제품 기획자·개발자 타겟 심층 분석 콘텐츠 추천.
점수 세부내역: 관심도 34점 | 실습성 20점 | 트래픽 18점 | 시의성 7점
8. supermemory: AI 시대의 메모리 엔진 — 초고속·확장 가능
출처: GitHub | 카테고리: AI/LLM | 점수: 23.1/100 게시일: 2026-03-25
설명: AI 애플리케이션을 위한 메모리 엔진. 극도로 빠르고 확장 가능하며 RAG·임베딩 기반 메모리 API를 제공한다. AI 에라의 기억 인프라.
핵심 포인트:
- AI 앱에 장기 메모리를 추가하는 범용 Memory API
- RAG와 임베딩 기반 고속 검색 통합
- TypeScript 기반, 오픈소스 + 클라우드 SaaS 모두 제공
직접 해보기: ✅ 가능 (GitHub + 데모)
관련 자료:
준상님 콘텐츠 제작 팁: AI/LLM 실무 적용 각도: “AI가 기억을 갖게 되면 — 메모리 API로 나만의 지식 베이스 만들기”. Claude/GPT 앱에 장기 기억을 붙이는 실습 튜토리얼 수요 높음.
점수 세부내역: 관심도 25점 | 실습성 30점 | 트래픽 18점 | 시의성 5점
9. MolmoWeb: AI2 오픈소스 웹 에이전트, 스크린샷만으로 브라우저 자동화
출처: News (GeekWire, The Decoder) | 카테고리: AI/LLM | 점수: 23.1/100 게시일: 2026-03-24
설명: Allen Institute for AI(AI2)가 공개한 오픈소스 웹 에이전트. 페이지 소스코드 없이 스크린샷만으로 웹을 이해하고 클릭·입력·스크롤을 실행한다. 8B 모델이 GPT-4o 능가.
핵심 포인트:
- 스크린샷 기반 웹 자동화 (HTML/DOM 불필요)
- 4B/8B 소형 모델로 로컬 실행 가능
- MolmoWebMix 훈련 데이터셋·파이프라인 전체 공개
직접 해보기: ✅ 가능 (Hugging Face 데모 + GitHub)
관련 자료:
준상님 콘텐츠 제작 팁: 오픈소스 실습 각도: “GPT-4o보다 작은데 더 잘하는 웹 에이전트 직접 써봤습니다”. Computer Use의 오픈소스 대안이라는 포지셔닝으로 기술 관심층에게 큰 반향.
점수 세부내역: 관심도 28점 | 실습성 30점 | 트래픽 12점 | 시의성 5점
10. MCP vs A2A: 2026 AI 에이전트 프로토콜 완전 가이드
출처: News (DEV Community) | 카테고리: AI/LLM | 점수: 22.8/100 게시일: 2026-03-26
설명: Anthropic의 MCP(10,000+ 서버, 월 9,700만 SDK 다운로드)와 Google의 A2A 프로토콜을 심층 비교. 엔터프라이즈 AI 에이전트 통합 전략 가이드.
핵심 포인트:
- MCP: 10,000+ 프로덕션 서버, Linux Foundation 산하 표준화 진행 중
- A2A: Google 주도 에이전트-간(Agent-to-Agent) 통신 프로토콜
- 엔터프라이즈 도입 시 보안·통합·거버넌스 전략 비교
직접 해보기: 📖 이론/분석 가이드
관련 자료:
준상님 콘텐츠 제작 팁: 50대 IT리더/CTO 관심 각도: “우리 회사 AI 에이전트는 어떤 프로토콜을 써야 하나 — MCP vs A2A 선택 기준”. 기술적 내용을 전략적 의사결정 프레임으로 재포장하면 임원급 독자에게 최적.
점수 세부내역: 관심도 40점 | 실습성 13점 | 트래픽 12점 | 시의성 5점
11. awesome-claude-code: Claude Code 에이전트 생태계 큐레이션
출처: GitHub | 카테고리: AI/LLM | 점수: 22.7/100 게시일: 2026-03-28
설명: Claude Code를 위한 스킬, 훅, 슬래시 커맨드, 에이전트 오케스트레이터 큐레이션 목록. Claude Code 생태계의 필수 참고 자료.
핵심 포인트:
- Claude Code 확장 생태계의 현황 한눈에 파악 가능
- 스킬·훅·MCP 서버 등 프로덕션 활용 자료 집결
- 커뮤니티 기여 기반 지속 업데이트
직접 해보기: ✅ 가능 (GitHub)
관련 자료:
준상님 콘텐츠 제작 팁: AI 도구 실무 활용 각도: “Claude Code를 200% 활용하는 방법 — 커뮤니티가 만든 최고의 확장들”. Claude Code 사용자 대상 실용 콘텐츠로 높은 공유율 기대.
점수 세부내역: 관심도 31점 | 실습성 20점 | 트래픽 18점 | 시의성 7점
12. hermes-agent: NousResearch의 자기 성장형 AI 에이전트
출처: GitHub | 카테고리: AI/LLM | 점수: 22.5/100 게시일: 2026-03-27
설명: NousResearch가 공개한 오픈소스 AI 에이전트. 사용할수록 사용자 패턴을 학습하며 성장하는 “함께 자라는 에이전트” 개념을 구현한다.
핵심 포인트:
- 지속적 학습으로 개인화된 에이전트로 성장하는 구조
- NousResearch의 최신 오픈소스 연구 결과물
- Python 기반, 오픈소스 배포
직접 해보기: ✅ 가능 (GitHub)
관련 자료:
준상님 콘텐츠 제작 팁: AI/LLM 연구 트렌드 각도: “AI 에이전트가 나와 함께 자란다 — 지속 학습 에이전트의 미래”. 개인 AI 어시스턴트의 진화 방향을 논하는 사색형 콘텐츠도 잘 어울림.
점수 세부내역: 관심도 25점 | 실습성 28점 | 트래픽 18점 | 시의성 5점
13. MiniMind: 2시간 만에 64M GPT를 처음부터 훈련하기
출처: GitHub | 카테고리: AI/LLM | 점수: 22.5/100 게시일: 2026-03-25
설명: NVIDIA 3090 GPU 하나로 2시간 안에 64M 파라미터 GPT를 처음부터 훈련하는 완전한 가이드. Tokenizer부터 PPO/GRPO까지 전체 파이프라인 순수 PyTorch 구현.
핵심 포인트:
- 약 3,000원(¥3) 비용으로 LLM 훈련 전 과정 체험 가능
- Tokenizer → Pretrain → SFT → LoRA → RLHF 전 파이프라인 직접 구현
- 2026년 3월 멀티턴 Tool-Use RL 지원 추가 (MiniMind-3 출시)
직접 해보기: ✅ 가능 (GitHub + 완전한 튜토리얼)
관련 자료:
준상님 콘텐츠 제작 팁: 오픈소스 실습 각도: “LLM을 직접 훈련해봤습니다 — 비용 3천원, 시간 2시간”. AI 원리를 이해하고 싶은 개발자·기획자 대상 입문 시리즈 1편으로 최적.
점수 세부내역: 관심도 25점 | 실습성 28점 | 트래픽 18점 | 시의성 5점
14. claude-subconscious: Claude Code에 잠재의식(영구 기억) 추가하기
출처: GitHub | 카테고리: AI/LLM | 점수: 22.5/100 게시일: 2026-03-27
설명: Letta가 오픈소스로 공개한 Claude Code용 영구 메모리 레이어. 세션마다 초기화되던 Claude Code의 기억 문제를 해결 — 백그라운드 에이전트가 모든 세션을 관찰하고 학습한다.
핵심 포인트:
- 세션 간 컨텍스트 단절 문제 해결 (CLAUDE.md에 메모리 자동 주입)
- 비동기 처리로 Claude Code 응답 속도에 영향 없음
- 멀티 메모리 블록 구조 (역할별 기억 분리 관리)
직접 해보기: ✅ 가능 (GitHub)
관련 자료:
준상님 콘텐츠 제작 팁: AI 개발 도구 실무 각도: “Claude Code가 드디어 나를 기억한다 — 잠재의식 레이어 직접 설치”. Claude Code 헤비 유저 대상 실용 튜토리얼로 높은 전환율 기대.
점수 세부내역: 관심도 31점 | 실습성 20점 | 트래픽 18점 | 시의성 5점
15. GPT-5.4 출시: 1M 토큰 컨텍스트, 네이티브 컴퓨터 사용 능력
출처: News (OpenAI, TechCrunch) | 카테고리: AI/LLM | 점수: 21.6/100 게시일: 2026-03-05
설명: OpenAI의 최신 프론티어 모델 GPT-5.4. 100만 토큰 컨텍스트, 네이티브 컴퓨터 사용(Computer Use), 환각 33% 감소. GPT-5.4 Thinking과 Pro 변형 포함.
핵심 포인트:
- 1M 토큰 컨텍스트 + 네이티브 컴퓨터 사용으로 복잡한 에이전트 워크플로우 지원
- 환각 33% 감소, 전체 응답 오류 18% 감소 (benchmark 기준)
- Tool Search 기능: 필요한 도구 정의만 동적 로딩 (비용·지연 절감)
직접 해보기: ✅ 가능 (ChatGPT Plus 이상 + API)
관련 자료:
준상님 콘텐츠 제작 팁: 50대 IT리더/CTO 관심 각도: “GPT-5.4가 우리 비즈니스에 미치는 영향 — 실무 관점 분석”. 기업 도입 결정에 참고할 비용·성능·보안 비교 분석 형식 추천.
점수 세부내역: 관심도 40점 | 실습성 10점 | 트래픽 12점 | 시의성 2점
16. everything-claude-code: Claude Code 에이전트 하네스 최적화 시스템
출처: GitHub | 카테고리: AI/LLM | 점수: 21.5/100 게시일: 2026-03-28
설명: Claude Code와 에이전트 플랫폼을 위한 스킬, 메모리, 보안, 성능 최적화 시스템. 이번 주 GitHub Trending 1위(19,877 스타).
핵심 포인트:
- 에이전트 하네스 성능 최적화 (스킬 + 메모리 + 보안 통합)
- Claude Code 프로덕션 배포를 위한 종합 프레임워크
- JavaScript 기반, 빠른 커뮤니티 성장 중
직접 해보기: ✅ 가능 (GitHub)
관련 자료:
준상님 콘텐츠 제작 팁: AI 개발 생산성 각도: “Claude Code를 제대로 쓰는 법 — everything-claude-code 완전 분석”. 이 주 GitHub 스타 1위라는 사실을 강조하면 클릭률 상승.
점수 세부내역: 관심도 28점 | 실습성 20점 | 트래픽 18점 | 시의성 7점
17. project-nomad: 오프라인 AI 서바이벌 컴퓨터
출처: GitHub | 카테고리: AI/LLM | 점수: 21.3/100 게시일: 2026-03-25
설명: 인터넷 없이 독립적으로 작동하는 완전한 AI 탑재 컴퓨터. 핵심 도구·지식·AI가 내장된 자급자족형 배포 가능 시스템.
핵심 포인트:
- 완전 오프라인 동작 (인터넷 의존성 제로)
- TypeScript 기반, AI 모델 로컬 실행
- 재난·보안 민감 환경을 위한 자율 배포 시스템
직접 해보기: ✅ 가능 (GitHub)
관련 자료:
준상님 콘텐츠 제작 팁: 국내 동향/특이 관심 각도: “AI가 오프라인으로 작동한다 — 보안·주권 AI의 미래”. 군사·금융·의료 등 인터넷 차단 환경 적용 사례를 국내 기업 맥락에서 분석.
점수 세부내역: 관심도 28점 | 실습성 20점 | 트래픽 18점 | 시의성 5점
18. AI Scientist-v2: AI가 스스로 논문을 쓰고 동료심사를 통과하다
출처: GitHub (SakanaAI) | 카테고리: AI/LLM | 점수: 21.3/100 게시일: 2026-03-25
설명: Sakana AI의 완전 자율 과학 발견 시스템. 가설 생성 → 실험 실행 → 데이터 분석 → 논문 작성까지 에이전트 트리 탐색으로 자동화. ICLR 워크숍 논문 심사 통과.
핵심 포인트:
- AI가 생성한 논문이 ICLR 워크숍 동료심사 최초 통과
- 에이전트 트리 탐색(Best-First Tree Search) 기반 실험 최적화
- Nature지에 관련 논문 게재 (과학적 검증 완료)
직접 해보기: ✅ 가능 (GitHub 오픈소스)
관련 자료:
준상님 콘텐츠 제작 팁: AI/LLM 연구 트렌드 각도: “AI가 과학자가 되는 날 — 동료심사 통과한 AI 논문의 충격”. 연구 자동화가 산업에 미치는 영향 분석으로 심층 롱폼 콘텐츠 추천.
점수 세부내역: 관심도 28점 | 실습성 20점 | 트래픽 18점 | 시의성 5점
19. Novee AI Red Teaming: LLM 앱 보안 취약점 자동 탐지
출처: News (Help Net Security) | 카테고리: AI/LLM | 점수: 20.7/100 게시일: 2026-03-25
설명: RSAC 2026에서 공개된 LLM 전용 AI 펜테스팅 에이전트. 실제 공격자처럼 LLM 기반 소프트웨어의 취약점을 자동 탐지한다.
핵심 포인트:
- LLM 특화 공격 시뮬레이션 (프롬프트 인젝션, 데이터 유출 등)
- 엔터프라이즈 AI 도입 전 보안 검증 자동화
- RSAC 2026 발표 (업계 주목도 높음)
직접 해보기: ✅ 데모 신청 가능 (기업용)
관련 자료:
준상님 콘텐츠 제작 팁: 50대 IT리더/CTO 보안 관심 각도: “AI를 도입하기 전 꼭 확인해야 할 보안 체크리스트 — LLM 보안 취약점의 실체”. 기업 CISO/CTO 대상 심각성 환기 콘텐츠로 높은 공유율.
점수 세부내역: 관심도 37점 | 실습성 10점 | 트래픽 12점 | 시의성 5점
20. 엔터프라이즈 AI 에이전트 현황 2026: 도입률 79%, 프로덕션 11%
출처: News (Arcade.dev, Deloitte) | 카테고리: AI/LLM | 점수: 20.4/100 게시일: 2026-03-27
설명: 2026 AI 에이전트 현황 보고서. 기업의 79%가 에이전트를 도입했지만 프로덕션 전환율은 11%에 불과. 성공한 기업의 평균 ROI 171%. MCP 프로토콜이 사실상 표준으로 부상.
핵심 포인트:
- 도입-프로덕션 갭 68%p: 역사상 최대 기술 배포 미이행 사태
- 성공적 프로덕션 전환 기업 평균 ROI 171% (미국 192%)
- 주요 장벽: 기존 시스템 통합(46%), 에이전트 거버넌스
직접 해보기: 📖 리포트/분석
관련 자료:
준상님 콘텐츠 제작 팁: 50대 IT리더/CTO 전략 각도: “왜 우리 회사 AI 에이전트는 실제로 쓰이지 않는가 — 79% 도입, 11% 활용의 진실”. 데이터 기반 분석으로 경영진 설득 자료로도 활용 가능.
점수 세부내역: 관심도 40점 | 실습성 5점 | 트래픽 12점 | 시의성 5점
📈 카테고리별 분포
AI/LLM ████████████████████ 20개 (100%)
Architecture ░░░░░░░░░░░░░░░░░░░░ 0개
DevOps/Cloud ░░░░░░░░░░░░░░░░░░░░ 0개
Tools/SaaS ░░░░░░░░░░░░░░░░░░░░ 0개
기타 ░░░░░░░░░░░░░░░░░░░░ 0개
📌 이번 주는 전례 없이 AI/LLM 토픽이 압도적으로 집중됨. GPT-5.4, Claude Mythos 유출, 오픈소스 에이전트 봇물 등으로 주간 AI 뉴스 밀도 역대 최고 수준.
참고: 📊 주요 통계
| 항목 | 수치 |
|---|---|
| 스캔된 콘텐츠 | 23개 |
| 평균 점수 | 23.2/100 |
| 카테고리 분포 | AI/LLM 20개 (이번 주 AI 트렌드 집중) |
| GitHub 출처 | 13개 |
| 뉴스 출처 | 10개 |
| 실습 가능 항목 | 15개 (GitHub 보유) |
이 리포트는 Claude Cowork로 만든 AI 자동화 에이전트가 GitHub Trending, Web Search (TechCrunch, VentureBeat, Fortune, GeekWire, The Decoder 등) 데이터를 수집·점수화하여 생성했습니다. HackerNews API 및 Reddit API는 네트워크 정책으로 접근 불가 → 웹 검색으로 대체 수집.
