에이전트 비용 28배 차이를 뜯어보니, 결정권은 하네스에 있었다
MCP를 붙일지 말지는 에이전트 비용의 주요 결정이 아니다. 하네스 7종과 모델 5종을 고정 과제로 돌린 통제 실험, 직접 잰 도구 정의 페이로드, 실패에 묶인 지출 비율을 놓고 비용과 신뢰성과 감사 가능성을 실제로 결정하는 층이 어디인지 짚는다. 플랫폼 팀이 바꿀 것도 적었다.
태그
engineering-management
20개 글
Perplexity Computer — 나 대신 24시간 일하는 AI 에이전트의 등장
Perplexity가 발표한 Personal Computer와 Enterprise를 분석합니다. 24/7 상시 AI 에이전트가 4주 만에 3.25년치 업무를 처리한 사례와 EM 관점 도입 전략을 다룹니다.
Microsoft Agent Framework GA: AutoGen + Semantic Kernel 통합 완성
AutoGen과 Semantic Kernel이 통합된 Microsoft Agent Framework가 Q1 2026 GA를 앞두고 있습니다. EM/CTO 관점에서 핵심 기능, 마이그레이션 전략, 프로덕션 도입 로드맵을 정리합니다.
GPT-5.4 출시 — 네이티브 컴퓨터 사용과 1M 컨텍스트가 엔지니어링 팀을 바꾼다
OpenAI가 GPT-5.4를 출시했습니다. OSWorld 벤치마크에서 인간(72.4%)을 뛰어넘은 컴퓨터 사용 능력(75%), 1M 토큰 컨텍스트 윈도우, 툴 서치로 47% 토큰 절감까지 — EM 관점에서 핵심 임팩트를 분석합니다.
AI 에이전트 옵저버빌리티 실전 가이드: 프로덕션 LLM 시스템을 투명하게 만드는 방법
멀티 에이전트 시스템을 프로덕션에서 운영할 때 반드시 갖춰야 할 옵저버빌리티 전략의 실전 가이드. OpenTelemetry 트레이싱·메트릭·로그 구조화부터 Langfuse·LangSmith·Braintrust 3종 도구 비교, 알림 설계까지 EM 관점으로 상세히 총정리.
Claude Code Review — 멀티 에이전트 PR 리뷰로 코드 리뷰율 16%→54% 달성
Anthropic이 발표한 Claude Code의 Code Review 기능 완전 분석: 병렬 멀티 에이전트 아키텍처, PR당 평균 $15〜25 비용 구조, 그리고 Engineering Manager가 도입을 검토할 때 알아야 할 모든 것
AI Reliability Engineer: 2026년 팀 패러다임과 Centaur Pod 모델
주니어 개발자의 역할이 AI Reliability Engineer(ARE)로 진화하고 있다. Centaur Pod 팀 구조, Code Audit 채용 방식, Defect Capture Rate 지표까지 — EM이 지금 당장 실행해야 할 AI 네이티브 팀 설계 전략
A2A + MCP 하이브리드 아키텍처: 2026년 멀티에이전트 프로덕션 전략
Google A2A는 에이전트 간 통신을, Anthropic MCP는 도구·컨텍스트 연결을 담당합니다. 두 프로토콜은 경쟁이 아닌 상호보완 관계로, EM/CTO 관점의 역할 분리와 2026년 멀티에이전트 프로덕션 운영 전략을 정리합니다.
Cursor Agent Trace — AI가 작성한 코드를 추적하는 오픈 표준이 등장하다
Cursor가 발표한 Agent Trace 0.1.0 오픈 사양을 실무 관점에서 분석합니다. git blame이 보여주지 못하는 AI 코드 기여를 파일·라인 수준에서 추적하고, 코드 리뷰 최적화·컴플라이언스 감사·팀 AI 활용도 측정에 즉시 활용하는 EM·CTO 가이드입니다.
이종 LLM 아키텍처로 에이전트 플릿 비용 90% 절감하기
대형 모델이 계획하고 소형 모델이 실행하는 Plan-Execute 패턴. EM/CTO가 에이전트 플릿을 운영할 때 반드시 알아야 할 이종 모델 아키텍처 비용 최적화 전략을 실전 수치와 함께 분석한다.
Deloitte 2026 Agentic AI 운영 전략 — 89% 실패 원인과 EM 프레임워크
Deloitte Tech Trends 2026 보고서가 밝힌 사실 — 전 세계 기업 11%만 Agentic AI를 프로덕션에서 운영 중입니다. 89%가 실패하는 원인은 기술이 아닌 운영 모델. EM·VPoE가 즉시 쓸 수 있는 Delegate·Review·Own 프레임워크를 소개합니다.
Cognitive Debt: Anthropic이 경고하는 AI 코딩 시대의 새로운 부채
Anthropic 2026 Agentic Coding Trends Report가 경고하는 새로운 개념 "Cognitive Debt" — AI 코딩 도구를 쓸수록 팀의 이해력이 조용히 침식되는 현상. 엔지니어링 매니저가 지금 당장 실천해야 할 실전 대응 전략을 분석합니다.
2026년 엘리트 AI 엔지니어링 조직을 만드는 법: 3인 팀이 50명을 이기는 구조
HN Top 랭킹을 달성한 엘리트 AI 엔지니어링 문화 분석. 매출/인당 $3.48M vs $610K의 5.7배 격차가 생기는 이유와 EM이 실천해야 할 Taste × Discipline × Leverage 공식
AI 코딩 도구가 만드는 편의 루프 — TypeScript 급등과 언어 선택의 구조적 변화
GitHub Octoverse 데이터로 AI 코딩 도구의 편의 루프 효과를 심층 분석합니다. TypeScript 66% 급등과 Python 1위 등극의 구조적 이유를 EM·CTO 관점에서 풀어보고, AI 시대에 흔들리지 않는 기술 스택 의사결정 프레임워크를 제시합니다.
MCP가 오픈 표준이 되었다 — Linux Foundation 합류와 엔지니어링 팀을 위한 도입 로드맵
Anthropic이 MCP를 Linux Foundation에 기부하고 OpenAI, Google, Microsoft가 합류했습니다. 76%의 기업이 도입을 검토 중인 지금, EM/VPoE가 알아야 할 실전 도입 전략을 정리합니다.
Jira AI 에이전트와 MCP — Engineering Manager가 준비해야 할 것들
Atlassian이 Jira에 AI 에이전트를 도입하고 MCP를 전면 채택했습니다. EM 관점에서 팀 운영 변화와 실무 대응 전략을 정리합니다.
IBM, AI 대체의 한계를 실감하고 엔트리 레벨 채용 3배 확대
IBM이 AI 도입의 한계를 인식하고 Gen Z 엔트리 레벨 채용을 3배로 확대합니다. EM 관점에서 AI 대체의 현실, 대기업 인력 계획, 조직 설계 변화를 분석합니다.
AI 에이전트의 KPI 압박과 윤리 위반 — 12개 모델 검증이 보여주는 '성과를 내는 AI'의 위험성
KPI 달성 압박을 받은 LLM 에이전트가 30~50% 확률로 윤리 위반을 하는 연구 결과를 분석하고, EM 관점에서 AI 에이전트 거버넌스 설계를 다룹니다.
GPT-5.3 Codex 롤아웃 일시 중단 — GitHub 플랫폼 신뢰성 문제 분석
GitHub가 GPT-5.3 기반 Codex를 일시적으로 롤백한 사건을 분석합니다. 플랫폼 신뢰성, AI 모델 버전업 리스크, EM 관점의 대책을 다룹니다.
AI 에이전트 비용 vs 인건비의 현실: 8체 운용자의 솔직한 분석
AI 에이전트가 인간 인건비보다 정말 저렴할까요. 8체 AI 에이전트를 직접 운용하며 프롬프트 비용·오류율·운영 오버헤드를 항목별 데이터로 분석했습니다. 도입 전 반드시 확인할 비용 구조와 ROI 트레이드오프, 손익분기 조건까지 매달 빠져나간 실제 청구서로 정리했습니다.