에이전트 & AI 인사이트
Claude Code 노하우, 이종 에이전트, 하네스 엔지니어링 등. 마블로 팀이 직접 운영하며 잰 수치와 사내 도입 경험을 적습니다.
- AI Agents
에이전트 하네스는 복잡할수록 좋을까요: 비용과 병렬 작업을 나눠 보는 법
같은 모델의 하네스를 바꾼 연구와 1,024개 에이전트가 협업한 Agensh 실험을 대조합니다. 실험 조건을 구분하고, 도입 전 성공률·비용·시간·통합 부담을 측정하는 방법을 정리합니다.
- AI Briefing
주간 AI 브리핑 2026-W44: 팀 에이전트, AI 고객센터, 추론 데이터 격리
2026년 44주차 AI 뉴스 7건과 깃허브 저장소 5개를 기업 AX 관점으로 살펴봅니다. Cursor Agent SDK, Copilot 팀 자동화, KT 고객센터, Cloudflare 사고와 영상 3편을 원문 링크로 소개합니다.
- AI Agents
agency-agents 딥다이브: 개발·검증·운영의 관점을 역할별로 나누기
agency-agents의 역할 정의를 활용해 화면과 API 설계, 기능 검증, 광고 측정 검토를 나누는 방법을 소개합니다. 선택 설치와 첫 대화, 공식 예시, 팀 도입 기준을 함께 살펴봅니다.
- AI Agents
Everything Claude Code 딥다이브: 개발 규칙과 검증·학습을 코딩 에이전트에 더하기
ECC의 스킬, 규칙, 훅을 활용해 조사와 계획부터 검증, 반복 절차의 재사용까지 이어가는 방법을 살펴봅니다. 현재 설치 경로와 세 가지 활용 시나리오, 팀 운영 기준을 소개합니다.
- AI Agents
UI UX Pro Max 딥다이브: 코딩 에이전트에 디자인 기준을 먼저 쥐여 주기
UI UX Pro Max로 랜딩 페이지·운영 대시보드·기존 앱 리테마에 맞는 디자인 시스템을 먼저 만들고 구현으로 넘기는 시나리오를 소개합니다. 설치, 첫 실행, 팀 도입 기준과 라이선스도 함께 살펴봅니다.
- AI Agents
Hermes Agent 딥다이브: 기억과 스킬로 반복 업무를 이어가는 에이전트
Hermes Agent의 대화 기억, 재사용 스킬, 예약 작업을 활용하는 세 가지 시나리오를 소개합니다. CLI 설치와 첫 실행부터 세션 경계, 도구 선택, 팀 운영 기준까지 살펴봅니다.
- AI Agents
Superpowers 딥다이브: 설계부터 테스트·리뷰까지 코딩 에이전트의 작업 잇기
Superpowers로 요구를 설계와 작은 구현 계획으로 나누고, 테스트와 코드 리뷰로 이어가는 활용 시나리오를 소개합니다. 설치, 디버깅, 팀 도입 기준도 함께 살펴봅니다.
- AI Agents
DeepSeek Harness 딥다이브: 플러그인 확장 전에 확인할 실행 경계
DeepSeek Harness로 저장소 구조를 살펴보고 실패하는 테스트를 조사하며 사내 도구 연결을 설계하는 활용 시나리오와 플러그인 실행 경계를 소개합니다.
- AI Agents
mattpocock/skills 딥다이브: 요구 확인부터 팀 개발 절차로 만들기
mattpocock/skills로 모호한 요구를 질문으로 좁히고 팀 용어를 명세와 테스트로 이어가는 세 가지 활용 시나리오를 소개합니다.
- AI Agents
OpenCode 딥다이브: plan과 build를 나눠 코딩 에이전트 도입하기
OpenCode의 plan과 build로 레거시 코드 파악, 작은 기능 수정, 변경 검토를 나눠 진행하는 활용 시나리오와 실행 권한·라이선스 점검 항목을 소개합니다.
- AI Briefing
주간 AI 브리핑 2026-W43: 재학습 없는 하네스 개선, Copilot 모델 정리, 국산 LLM 에이전트
2026년 43주차 AI 소식을 기업 AX 관점으로 정리했습니다. 뉴스 7건, 이번 주 별이 빠르게 늘어난 깃허브 저장소 5개, 자료실 신규 항목과 영상 2편을 원문 링크와 함께 소개합니다.
- AI Agents
AI 에이전트 도입 전후 3개월 — 우리가 실제로 측정한 숫자
마케팅·CS·콘텐츠 세 영역에 AI 에이전트를 도입한 3개월. 처리량, 비용, 품질, 만족도 — 자랑이 아니라 실제 측정값을 그대로 공개합니다.
- AI Agents
사내 AI 에이전트 도입 ROI 계산법 — 실전 시트와 함께
AI 에이전트 도입 비용은 얼마고 언제 회수되는가? 인건비 절감·처리량 증가·오류율 감소를 한 시트에 담는 ROI 계산법을 우리 자체 도입 데이터로 정리합니다.
- AI Agents
MCP(Model Context Protocol) 완벽 가이드: 에이전트가 도구를 갖는 표준
AI 에이전트가 파일시스템·DB·API·Git 같은 실제 도구에 접근할 수 있게 만든 표준, MCP(Model Context Protocol)를 해부합니다. 왜 이것이 에이전트 산업의 'USB-C'가 됐는지, 사내 시스템 연동 사례까지.
- AI Agents
업종별 AI 에이전트 구축 사례 8선: 이커머스, SaaS, 금융, 제조업까지
8가지 업종의 실제 AI 에이전트 구축 사례를 소개합니다. 각 업종별로 어떤 에이전트를 어떻게 구축했는지, 구체적인 아키텍처와 성과 데이터를 공개합니다.
- AI Agents
2025 AI 에이전트 구축 방법론: OpenAI Agent SDK부터 멀티에이전트 아키텍처까지
최신 AI 에이전트 구축 기술을 총정리합니다. OpenAI Agent SDK, Claude MCP, Function Calling, RAG 파이프라인, 멀티에이전트 오케스트레이션 등 실전에서 사용하는 아키텍처와 구축 방법론을 다룹니다.
- AI Agents
N8N vs Flask: 왜 우리는 파이썬 코드 기반으로 AI 에이전트를 구축하는가
N8N, Make 같은 노코드 자동화 플랫폼과 Flask+Python 기반 에이전트 구축의 차이를 비교합니다. 실제 프로젝트 경험을 바탕으로 코드 기반 접근이 기업용 에이전트에 더 적합한 이유를 설명합니다.
- AI Agents
AI 에이전트 도입 성공 사례: 법무법인부터 이커머스까지
다양한 산업에서 AI 에이전트를 도입해 업무 성과를 개선한 사례를 분석합니다. 법무법인, 이커머스, 금융, 교육 등 업종별로 무엇이 바뀌었고 어떻게 도입했는지 확인하세요.