LangChain이 에이전트의 비용 제한과 데이터 보안을 관리하는 런타임 거버넌스 레이어인 LangSmith LLM Gateway를 공개했다.
Deep Agents v0.7은 컨텍스트 엔지니어링 최적화를 통해 성능 저하 없이 기본 입력 토큰을 65% 절감했다.
Similarweb이 LangSmith를 활용해 루브릭, 충실도 검사, 트레이스 등을 통해 긴 형태의 에이전트 조사 보고서를 평가하는 방법을 설명한다.
LangChain은 기존 BI 중심의 데이터 스택을 에이전트가 비즈니스 맥락을 이해하고 스스로 분석할 수 있는 구조로 재설계했다.
단순한 범용 AI 사용을 넘어, 비즈니스 특화된 지능을 제어하고 소유해야 차별화된 경쟁력을 확보할 수 있다.
LangChain이 NVIDIA NemoClaw Blueprint, OpenWiki Brains 메모리 레이어, LangSmith Sandboxes 무료 체험 등 주요 업데이트를 발표했다.
LangChain이 저장소 구조와 실행 트레이스를 분석해 에이전트 평가(eval)를 자동 생성하는 'Eval Engineering Skill'을 출시했다.
LangChain이 LangGraph 3년 운영 경험을 바탕으로 에이전트를 그래프로 모델링하는 설계 원칙을 공유했다.
Apollo는 Deep Agents와 LangSmith를 도입하여 복잡한 GTM 워크플로우를 자동화하고 개발 효율을 80% 이상 개선했다.
LangSmith가 Pipecat, LiveKit 등 주요 프레임워크를 지원하며 음성 에이전트의 가시성을 확보하는 기능을 출시했다.
LangChain이 LangSmith Engine의 이슈 식별 및 분류 능력을 평가하기 위한 합성 벤치마크인 IssueBench를 구축했다.
기업용 AI 에이전트의 확산에 따라 비용, 제어, 컴플라이언스를 관리하기 위한 LLM 게이트웨이의 중요성이 강조된다.
OpenWiki 0.2가 Google Cloud의 OKF 표준을 지원하며 코드베이스 문서의 구조화를 개선했다.
LangChain의 Fleet가 코드 없이 자연어로 맞춤형 AI 에이전트를 구축하고 Slack에 즉시 배포할 수 있는 기능을 출시했다.
AI 에이전트가 인간 개발자처럼 독립된 환경에서 안전하게 작업을 수행할 수 있도록 샌드박스 기반의 컴퓨터 환경을 제공해야 한다.
LangSmith는 다양한 코딩 에이전트의 실행 과정을 표준화된 Trace로 시각화하여 디버깅과 성능 개선을 돕는다.
OpenWiki Brains는 Gmail, Notion, Git 등 다양한 소스를 로컬 위키로 변환해 AI 에이전트에게 선제적 메모리를 제공한다.
LangChain과 NVIDIA가 기업용 고성능 에이전트 구축을 위한 NemoClaw 블루프린트를 출시했다.
NVIDIA NemoClaw를 통해 보안이 강화된 환경에서 Deep Agents 코드를 실행할 수 있다.
슈나이더 일렉트릭은 LangSmith를 활용해 대규모 AI 에이전트의 관측성, 평가, 배포를 관리하는 LLMOps 체계를 구축했다.
LangChain이 에이전트 트레이스를 분석하여 실패를 찾고, 저비용 모델을 미세 조정하며 성능을 최적화하는 방법을 설명한다.
Claude Code, Cursor 등 다양한 코딩 에이전트의 사용 비용을 추적하고 관리하는 방법을 제시한다.
AI Briefing