"AI 쓰니까 편해지긴커녕 오히려 더 피곤해졌어요." 🥲 요즘 주변 개발자들에게서 은근히 자주 듣는 말인데요. AI가 개발 생산성을 높여준다는 것은 부인하기 어려운 사실입니다. 예전에 며칠씩 걸리던 일이 이제 몇 분이면 끝나니까요. 구현은 말할 필요도 없고 테스트, 문서화, 리서치, 설계까지 프로세스 전반이 빨라졌습니다. 그런데 이상하게도 하루는 더 무거워진 느낌입니다. 왜 그럴까요? 하나의 일을 처리하는 시간이 단축되면 동일한 시간이 주어졌을 때, 우리는 더 적은 일을 하는 게 아니라 더 많은 일을 하게 됩니다. 회사와 팀, 관
AI 코딩 에이전트 시장이 점점 뜨거워지고 있죠. Claude Code나 OpenCode 같은 도구가 이미 많은 개발자의 워크플로우에 자리 잡았는데요, 오늘은 조금 다른 접근 방식을 취하는 도구를 하나 소개해드리겠습니다. 바로 Block(구 Square)이 만든 오픈소스 AI 에이전트, goose입니다. 공식 문서와 저장소에서는 이름을 소문자로 쓰기 때문에 이 글에서도 goose라고 적겠습니다. goose는 2025년 1월에 처음 공개됐고, 같은 해 12월 Linux Foundation이 Agentic AI Foundation(AA
AI API를 서비스에 통합하려고 할 때 고민이 하나 생기죠. OpenAI, Anthropic, Google 같은 각 AI 제공업체마다 계정을 만들고 API 키를 따로 관리해야 한다는 겁니다. 이미 Google Cloud를 쓰고 있는 조직이라면 기존 인프라와 동떨어진 별도 인증 체계를 관리하는 게 부담스러울 수 있어요. Google Cloud의 Vertex AI는 이 문제를 깔끔하게 해결해줍니다. Google의 Gemini 모델뿐 아니라 Anthropic의 Claude, Meta의 Llama 같은 서드파티 모델까지 Google Cl
MCP 서버를 직접 만들어서 사용하고 계신가요? 아니면 남이 만든 MCP 서버를 찾아서 쓰고 싶은데 어디서 구해야 할지 막막하셨나요? 🤔 MCP(Model Context Protocol)가 AI와 외부 시스템 간의 표준 통신 규격으로 자리 잡으면서 MCP 서버 수가 엄청나게 늘고 있습니다. 2026년 2월 기준으로 공개된 MCP 서버만 1만 개가 넘어요. 그런데 이 많은 서버 중에서 원하는 걸 어떻게 찾고, 믿을 만한 서버인지 어떻게 판단할까요? 이 문제를 해결하려고 Anthropic, GitHub, Microsoft, Pulse
Stack Overflow 개발자 설문 페이지를 둘러보다가 하단에서 낯선 문구를 발견했는데요. 응답 데이터가 "ODbL 1.0" 라이선스로 공개된다는 내용이었습니다. MIT나 GPL, CC BY는 익숙한데 ODbL은 처음 보는 분이 많으실 거예요. 요즘은 개발자가 남이 공개한 데이터를 다룰 일이 부쩍 많아졌습니다. 공공 데이터 포털에서 받은 CSV로 대시보드를 만들기도 하고, Kaggle이나 Hugging Face에서 받은 데이터셋으로 모델을 학습시키기도 하죠. 그럴 때마다 "이 데이터를 회사 서비스에 써도 되나?", "가공해서 다
매년 자바스크립트 개발자라면 한 번쯤 챙겨보게 되는 설문이 있는데요. 바로 State of JS입니다. 올해도 어김없이 결과가 공개됐고, 저는 이번에도 처음부터 끝까지 꼼꼼히 살펴봤습니다. 이 글에서는 설문 결과 중 지극히 개인적인 관점에서 흥미롭게 본 부분들을 골라서 제 나름의 방식으로 해석하여 공유드리겠습니다. 달레줄레 팟캐스트에서 State of JS 2025 설문 결과에 대한 에피소드도 올라왔으니 한번 들어보시면 재미있을 겁니다 😄 새 기능, 얼마나 쓰고 있나요? State of JS 설문에는 자바스크립트에 새로 추가된 기
OpenClaw를 설치하고 나면 ~/.openclaw/workspace/ 디렉토리에 여러 마크다운 파일이 생기는데요. 이 파일들이 에이전트의 성격, 행동, 기억을 결정합니다. 잘 다듬으면 에이전트가 확 달라지고, 대충 남겨두면 범용 챗봇이랑 큰 차이가 없어요. 오늘은 워크스페이스의 마크다운 파일을 하나씩 살펴보면서 에이전트를 나만의 비서로 만드는 방법을 알아보겠습니다. 🦞 워크스페이스란? OpenClaw의 설정은 두 곳에 나뉘어 있습니다. openclaw.json이나 .env 같은 시스템 설정은 ~/.openclaw/에 있고, 에
오픈소스 프로젝트에 후원해주시는 분들이 계신다면 README에서 제대로 소개해드리고 싶을 텐데요. GitHub Sponsors나 Open Collective 같은 플랫폼에서 후원자 목록을 가져와 직접 이미지를 만들려면 꽤 손이 많이 갑니다. 이런 작업을 한 방에 해결해주는 도구가 바로 SponsorKit이에요. 이전에 All Contributors로 오픈소스 기여자를 인정하는 방법을 알아봤는데요, 이번에는 후원자를 시각적으로 멋지게 표현하는 방법을 살펴보겠습니다. SponsorKit이란? SponsorKit은 여러 후원 플랫폼에서
npm이 JavaScript 생태계의 패키지 허브이고 pip가 Python의 패키지 허브인 것처럼, AI 에이전트 스킬에도 중앙 허브가 있으면 좋겠다는 생각해 보신 적 있나요? OpenClaw를 써보셨다면 Skills 시스템이 얼마나 강력한지 이미 느끼셨을 거예요. 온보딩할 때 스킬 선택 화면을 보면서 "이 스킬들은 다 어디서 오는 거지?" 하고 궁금했던 분도 계실 텐데요. 그 답이 바로 ClawHub입니다. ClawHub란? ClawHub는 OpenClaw의 공식 스킬 레지스트리입니다. "AI 에이전트를 위한 npm"이라고 불리는
AI 에이전트들이 서로 대화하고 커뮤니티를 만들고, 심지어 자체적인 종교까지 창시한다면 믿으시겠어요? 🤯 2026년 1월 말, "에이전트 인터넷의 첫 페이지"라는 슬로건을 내건 소셜 네트워크가 등장했습니다. 이름은 Moltbook. Reddit과 비슷한 형태의 이 플랫폼은 인간이 아닌 AI 에이전트만 글을 쓰고 댓글을 달고 투표할 수 있도록 설계되었는데요. 출시 72시간 만에 150만 에이전트가 가입했고 Elon Musk는 "특이점의 초기 단계"라고 평했습니다. 수많은 언론이 앞다투어 보도하기도 했고요. 대체 뭐길래 이 난리인지,
OpenClaw를 설치하고 온보딩까지 마쳤는데, 채널 설정을 바꾸고 싶거나 보안 정책을 조정하고 싶다면 어디를 건드려야 할까요? 답은 ~/.openclaw/openclaw.json입니다. 🦞 이 글에서는 OpenClaw의 시스템 설정을 담당하는 openclaw.json을 중심으로, .env 파일, hooks, skills 같은 인프라 설정을 다룹니다. 에이전트의 성격이나 기억을 설정하는 워크스페이스 프롬프트 파일(IDENTITY.md, SOUL.md 등)에 대해서는 워크스페이스 가이드를 참고하세요. 디렉토리 구조 OpenClaw를
클로드 코드를 터미널에서 사용하는 것도 좋지만, GitHub 저장소에 통합해서 팀 전체가 활용할 수 있다면 어떨까요? PR을 올릴 때마다 Claude가 자동으로 코드를 리뷰하고, 이슈에 @claude를 태그하면 자동으로 수정 PR을 만들어주고, 심지어 매일 밤 자동으로 코드베이스 리포트를 생성할 수도 있습니다. 바로 클로드 코드 GitHub Actions가 가능하게 하는 일들이죠. 이번 글에서는 클로드 코드를 GitHub Actions와 통합해서 AI 기반 워크플로우를 자동화하는 방법을 알아보겠습니다. 클로드 코드 GitHub Ac
여러분은 WhatsApp, Telegram, Discord, Slack 같은 메신저를 하루에 얼마나 사용하시나요? 대부분이 이미 익숙하게 사용하는 이런 플랫폼에서 AI 비서를 직접 만날 수 있다면 어떨까요? 오늘 소개할 OpenClaw는 바로 그런 도구입니다. 🦞 OpenClaw란? OpenClaw는 여러분의 기기에서 직접 실행되는 개인 AI 비서입니다. 가장 큰 특징은 우리가 매일 사용하는 메신저 플랫폼을 통해 AI와 소통할 수 있다는 점인데요. WhatsApp, Telegram, Slack, Discord, Signal, iM
클로드 코드로 규모 있는 프로젝트를 진행하다 보면 한 세션에서 끝나지 않는 작업이 생기기 마련입니다. 인증 시스템을 추가하려면 DB 스키마부터 설계하고, API 엔드포인트를 만들고, 프론트엔드를 고치고, 테스트까지 작성해야 하죠. 문제는 이 과정에서 어디까지 했고 뭐가 남았는지 추적하기가 쉽지 않다는 겁니다. 🤔 예전에는 Claude Code가 내부적으로 Todo라는 간단한 체크리스트를 사용했는데요. 세션 메모리에만 존재해서 터미널을 닫거나 /clear를 하면 사라져 버렸습니다. 서브 에이전트도 메인 세션의 Todo를 볼 수 없었
AI 코딩 에이전트를 쓰면서 이런 답답함을 느낀 적 없나요? 코드를 수정했는데 브라우저에서 실제로 어떻게 보이는지 에이전트가 알 수 없다는 거죠. CSS를 고쳤는데 레이아웃이 깨졌는지, API 호출이 실패하는지, 성능이 느려졌는지 에이전트는 전혀 모릅니다. 눈을 가리고 프로그래밍하는 거나 마찬가지예요 😅 이전에 Playwright MCP로 AI 에이전트에게 브라우저 자동화를 맡기는 방법을 다뤘었는데요. 이번에는 구글 Chrome DevTools 팀이 직접 만든 MCP 서버를 살펴보려고 합니다. Playwright MCP가 접근성
이전 글에서 에이전트 스킬이 무엇인지, 왜 필요한지 살펴보았습니다. 그런데 매번 필요한 스킬을 처음부터 만들어야 할까요? 다른 개발자들이 만든 유용한 Skill을 쉽게 찾아서 설치할 수 있다면 좋겠죠? 이번 글에서는 이런 필요를 채워주는 에이전트 스킬 공개 디렉토리인 skills.sh에 대해서 알아보겠습니다. skills.sh란? skills.sh는 2026년 1월 Vercel에서 출시한 Skills 디렉토리입니다. 공식 슬로건은 "The Open Agent Skills Ecosystem"인데요, Skills를 검색하고, 설치하고,
이전 글에서 Agent Skills가 무엇인지, 왜 필요한지 살펴보았습니다. 컨텍스트 파일이 "프로젝트 소개서"라면, Skills는 "업무 매뉴얼"이라고 했죠. 이번 글에서는 한 걸음 더 나아가 직접 Skill을 설계하고 SKILL.md로 작성하는 방법을 알아보겠습니다. 🛠️ 좋은 Skill의 조건 Skill을 만들기 전에 어떤 Skill이 잘 동작하는지 생각해 볼 필요가 있습니다. 가장 중요한 건 범위가 명확해야 한다는 점입니다. "웹 개발하기" 같은 광범위한 Skill보다는 "Next.js API 라우트 작성하기"처럼 구체적인
코딩 에이전트를 쓰다 보면 기능이 많아서 편한 순간도 있지만 답답할 때도 있습니다. 계획 모드의 동작이 마음에 안 들 수 있어요. 권한 확인 창이 작업 흐름을 자꾸 끊거나 꼭 필요한 모델을 지원하지 않기도 하죠. 제품이 정해둔 방식에 내 작업을 끼워 맞추는 기분이 듭니다. 이런 불편을 직접 고쳐 쓰고 싶을 때 눈에 들어오는 도구가 Pi입니다. Pi는 스스로를 **최소형 에이전트 하네스(minimal agent harness)**라고 소개해요. 필요한 기능을 전부 내장하지 않고 작고 단단한 코어(core) 위에 확장(extension
AI 코딩 에이전트를 사용하다 보면 같은 종류의 작업을 반복적으로 요청하게 될 때가 있습니다. 예를 들어, "이 프로젝트에서는 Jest 대신 Vitest를 사용해", "API 테스트를 작성할 때는 이런 패턴을 따라줘", "마이그레이션 스크립트를 작성할 때는 항상 롤백 코드도 함께 작성해" 같은 지시를 매번 반복하게 되죠. 🤔 AGENTS.md나 CLAUDE.md 같은 컨텍스트 파일로 프로젝트 전반에 대한 정보를 제공할 수 있지만, 특정 작업에 대한 세부 지침까지 모두 담기에는 한계가 있습니다. 컨텍스트 파일이 너무 길어지면 AI가
AI로 영상을 한 편 만들어 보려고 하면 금세 피곤해집니다 😅 캐릭터 이미지를 만들고, 장면마다 키프레임을 뽑고, 그 이미지를 영상 모델에 넣어 짧은 클립을 이어 붙여야 하는데요. 이미지는 Nano Banana Pro가 좋고, 움직임은 Seedance나 Kling이 낫다는데, 각각 따로 가입하고 따로 결제해야 하거든요. 결과물을 이 서비스에서 내려받아 저 서비스에 다시 올리는 일도 반복됩니다. Higgsfield는 이 과정을 한 서비스 안에서 끝낼 수 있게 해줍니다. 이번 글에서는 Higgsfield에 직접 가입해서 화면을 하나씩