Nous Research의 헤르메스 에이전트가 MCP 환경에서 흔히 발생하는 컨텍스트 과부하 문제를 해결하기 위해 '도구 검색(Tool Search)' 기능을 추가했습니다. 이 기능은 BM25 및 점진적 스키마 공개(Progressive Schema Disclosure) 방식을 활용하여 불필요한 정보를 걸러냅니다. Anthropic의 평가 결과에 따르면, 이 기능 도입으로 Opus 4 모델의 도구 활용 정확도가 49%에서 최대 74%까지 크게 향상되었습니다.
Ktx는 데이터 에이전트가 데이터 웨어하우스를 정확하게 쿼리하도록 돕는 자가 개선형 컨텍스트 레이어입니다. 위키, dbt 등의 비즈니스 지식을 자동 수집하고 조인 가능한 컬럼을 매핑하여 에이전트가 승인된 지표 정의를 따르게 합니다. Claude Code, Cursor 등 주요 코딩 에이전트와 MCP 및 CLI로 연동됩니다.
로빈후드가 고객의 계좌와 연동해 주식을 자동 매매하고 신용카드 결제까지 대행할 수 있는 AI 에이전트 기능을 선보였습니다. 이는 오픈 표준인 MCP(Model Context Protocol)를 통해 구현되어 사용자가 자산을 조회하거나 매집 리스크를 분석하는 등의 작업을 위임할 수 있게 해줍니다. 금융 감독 기관과 업계는 에이전트의 오작동 및 데이터 유출 등 새로운 리스크를 경고하며 이에 대한 주의를 촉구하고 있습니다.
증권 거래 앱 로빈후드가 사용자의 AI 에이전트가 대리로 주식을 거래하고 결제할 수 있는 신규 기능을 발표했습니다. 전용 지갑과 MCP 서비스 연동을 통해 안전하게 거래를 수행하며, 사기 탐지 및 사용자 승인 절차를 통해 보안을 강화했습니다. 이번 베타 출시는 AI가 금융 및 결제 시장에서 실질적인 업무를 수행하는 '에이전트 경제'의 본격적인 도래를 시사합니다.
안스로픽(Anthropic)이 API 및 MCP 서버 개발툴 전문 기업인 스테인리스(Stainless)를 공식 인수했습니다. 이번 인수는 AI 에이전트가 외부 시스템 및 데이터와 더욱 원활하게 상호작용할 수 있도록 연결성을 강화하고, 전반적인 개발자 경험을 개선하기 위해 추진되었습니다.
해커뉴스에 AI 코딩 에이전트를 위해 개발된 'Semble'라는 새로운 오픈소스 코드 검색 라이브러리가 소개되었습니다. 이 도구는 기존의 grep+read 방식보다 토큰 사용량을 약 98% 줄여주며, GPU나 외부 API 키 없이 CPU 환경에서도 초고속으로 코드를 인덱싱하고 검색할 수 있습니다. MCP 서버 및 CLI 환경과 연동이 쉬워 Claude Code, Cursor 등 다양한 코딩 에이전트에 즉시 통합해 사용할 수 있는 것이 큰 장점입니다.
앤스로픽이 올해 초 출시한 법률 특화 서비스 'Claude for Legal'의 기능을 대폭 확장하며 법률 AI 시장에 본격적으로 뛰어들었습니다. 새로운 법률 플러그인과 MCP 커넥터를 통해 문서 검토, 소송 준비, 법률 연구 등의 실무 작업을 자동화하고 기존 법률 소프트웨어와의 통합을 지원합니다. 이는 110억 달러에 육박하는 가치를 인정받은 하비(Harvey), 레고라(Legora) 등의 AI 법률 스타트업과 치열한 경쟁을 벌이기 위한 전략적 행보로 풀이됩니다.
Loopsy는 스마트폰을 통해 원격으로 노트북의 터미널과 AI 코딩 에이전트(Claude Code, Cursor, Codex 등)를 제어할 수 있는 오픈소스 도구입니다. 포트 포워딩이나 공인 IP 없이 Cloudflare Workers 기반의 자체 호스팅 릴레이 서버를 구축하여 안전하게 연결을 중계하는 것이 특징입니다. 또한 LAN 내 여러 기기를 연결하여 한 컴퓨터의 AI 에이전트가 다른 컴퓨터를 직접 구동할 수 있는 에이전트 간 협업 기능도 제공합니다.
한 개발자가 매일 반복되던 자산 확인의 번거로움을 줄이기 위해 은행, 카드, 증권 계좌를 연동하는 MCP 서버 'Driggsby'를 개발했습니다. 이후 최근 공개된 Claude Code 루틴 기능과 연동하여 별도의 복잡한 코드 작성 없이 단순한 프롬프트 입력만으로 매일 아침 자산 현황을 이메일로 자동 수신하는 시스템을 단 몇 분 만에 성공적으로 구축했습니다.
구글이 최신 모델인 Gemini 3.1 Pro 기반의 자율 연구 에이전트인 딥 리서치(Deep Research)와 딥 리서치 맥스(Deep Research Max)를 공개했습니다. 속도를 중시하는 기본 버전과 심층 분석에 특화된 Max 버전을 통해 실시간 상호작용부터 비동기식 백그라운드 작업까지 폭넓은 연구 워크플로우를 자동화할 수 있습니다. 특히 모델 컨텍스트 프로토콜(MCP)을 지원하여 사내 데이터베이스 및 외부 전문 데이터 소스와 연동이 가능해지며, 이는 API를 통한 완전한 형태의 자율 에이전트 구축을 가능하게 하는 핵심 변화입니다.
LLM 기반 에이전트가 기존의 실시간 채팅(HTTP 기반 동기 방식)을 넘어, 백그라운드에서 비동기적으로 작동하는 방식으로 진화하고 있습니다. 이에 따라 에이전트의 장시간 작업 수명과 짧은 HTTP 연결 수명 간의 불일치 문제가 대두되며, 새로운 통신 방식과 아키텍처의 필요성이 강조되고 있습니다.
AI 에이전트가 인프라 데이터에 직접 접근할 수 있도록 돕는 '모델 컨텍스트 프로토콜(MCP)'이 관측 가능성(Observability) 분야의 새로운 표준 인터페이스로 자리 잡고 있습니다. 기존 플랫폼을 래핑하는 방식을 넘어, eBPF 등을 활용해 MCP 자체가 관측 가능성 계층 역할을 하도록 구축하는 'MCP 네이티브' 접근 방식이 근본적인 원인을 파악하는 데 훨씬 효과적임을 보여줍니다.
오픈소스 Mac 메뉴바 앱 AgentHandover가 로컬 Gemma 4(Ollama)로 화면을 관찰해 반복 워크플로를 구조화된 Skill 파일로 자동 생성합니다. MCP를 통해 Claude Code, Cursor 등 어떤 에이전트든 즉시 연동 가능하며, 전 과정이 온디바이스에서 암호화되어 처리되어 프라이버시가 강력합니다.