OpenWiki는 코딩 에이전트가 코드베이스를 더 잘 이해할 수 있도록 문서를 자동 생성하고 유지 관리하는 오픈 소스 도구이다.
Deep Agents가 RLM과 동적 subagent를 도입하여 대규모 컨텍스트 처리 성능을 개선했다.
Pendo는 LangSmith를 활용해 AI 에이전트 Novus의 디버깅, 평가 및 모니터링을 수행한다.
LangChain은 WebAssembly와 QuickJS를 활용해 격리된 환경에서 에이전트의 코드를 안전하게 실행하는 기술을 공개했다.
Deep Agents가 코드 기반의 프로그래밍 방식 오케스트레이션을 통해 복잡한 에이전트 파이프라인을 구축하는 Dynamic Subagents를 출시했다.
Deep Agents는 모델 제공업체별로 상이한 프롬프트 캐싱 전략을 자동화하여 AI 에이전트의 운영 비용을 절감한다.
LangChain이 LangSmith의 새로운 기능과 Deep Agents를 위한 오픈소스 도구들을 공개했다.
SmithDB는 객체 스토리지 기반의 고성능 전체 텍스트 검색을 위해 JSON Tape와 String Interning 기술을 활용한 역색인을 구축했다.
Sierra는 멀티 에이전트의 복잡성 대신 단일 에이전트 모델과 결과 기반 과금 방식을 통해 실질적인 비즈니스 가치를 창출한다.
Klarna가 LangGraph와 LangSmith를 활용해 700명의 인력을 대체하는 고성능 AI 에이전트를 구축했다.
LangChain은 LangSmith와 오픈소스 도구를 통해 EU AI Act의 고위험 AI 시스템 규제 준수를 지원한다.
Factory는 LangSmith를 도입하여 LLM 파이프라인의 관측성을 확보하고 피드백 루프를 자동화함으로써 제품 개선 속도를 2배 높였다.
LangSmith가 개발자 워크플로우 최적화를 위해 홈페이지를 개편하고 리소스 관리 기능을 강화했다.
Fleet는 일회성 작업을 위한 범용 채팅과 반복 업무를 자동화하는 특화 에이전트를 구분하여 제공한다.
Replit이 LangSmith의 기능을 고도화하여 복잡한 Replit Agent의 워크플로우를 효율적으로 디버깅하고 모니터링한다.
LangChain이 LLM 평가 점수를 인간의 선호도에 맞게 조정할 수 있는 Align Evals 기능을 출시했다.
AI 에이전트를 정의하기보다 시스템이 얼마나 자율적으로 동작하는지를 나타내는 '에이전트성(Agentic)'의 개념이 더 중요하다.
LangSmith가 Fireworks와 협력하여 Qwen 모델을 미세 조정함으로써 비용을 100배 절감한 'Perceived Error' 탐지 모델을 개발했다.
AI 에이전트를 단순 도구가 아닌 협업하는 팀원으로 활용하여 소프트웨어 개발 생애주기 전체를 자동화하는 에이전틱 엔지니어링을 제안한다.
LLM 에이전트는 비결정론적 특성과 무한한 입력 공간 때문에 기존 소프트웨어와는 다른 방식의 관측성이 필요하다.
LangSmith가 인간의 피드백을 학습하여 LLM 평가 모델을 스스로 개선하는 기능을 선보였다.
AI 에이전트는 결정론적이지 않은 추론 과정을 거치므로 기존 소프트웨어와는 다른 관측 가능성과 평가 방식이 필요하다.
AI Briefing