MCP

AI로 기능 개발 속도가 빨라진 상황에서, 빠르게 쌓이는 프로토타입과 페이지의 데모 영상을 자동으로 제작해주는 도구이다. Claude Code 해커톤 수상작으로, 에이전트 기반 개발 워크플로에서 홍보·문서화 병목을 해결하는 데 초점을 맞추고 있다.

💡 실무 포인트: AI 에이전트로 빠르게 프로토타입을 생산하는 팀이라면, 데모 영상 자동화 도구로 문서화 부담을 줄일 수 있다.

Karpathy의 microgpt 프로젝트를 기반으로 GPT 전체 파이프라인을 인터랙티브 웹사이트로 시각화한 프로젝트이다. 토크나이징부터 임베딩, 어텐션, 추론까지 내부 흐름이 단계별로 보이도록 구현되었다. 한국어 이름 생성도 지원하며, 커뮤니티에서 디자인 품질에 대한 호평이 이어졌다. 다만 일부에서는 어뷰징 의혹도 제기되었다.

커뮤니티 의견

• @seind: “와 되게 잘 만드셨다..”
• @laeyoung: “알록달록하니 예쁘네요! 디자인은 직접 하신 걸까요?”
• @skageektp: “학생분들이 올리시는 show gn은 유독 금방 높은 포인트를 받고 메인에 올라오는 느낌이에요. 디자인은 진짜 엄청 이뻐서 마음에 드네요~”

관련 레퍼런스

• microgpt 원본 블로그
• English GPT lab

💡 실무 포인트: LLM 내부 구조 학습용 인터랙티브 시각화 도구로 활용할 수 있다. 팀 내 AI 교육 자료로 추천.

바이브코딩 워크플로 세팅에 2주가 걸렸던 경험을 바탕으로, Claude Code skill 기반 Python 프로젝트 템플릿을 오픈소스로 공개했다. skill이 다른 skill을 개선하는 자기 참조적 워크플로를 구현한 점이 특징이다.

💡 실무 포인트: 바이브코딩 워크플로 초기 세팅 비용을 줄이려면 검증된 템플릿을 기반으로 시작하라.

다이소 매장 재고를 ChatGPT, Claude에서 조회할 수 있는 MCP 서버이다. 완전 오픈소스로 Cloudflare Workers 기반 100% 서버리스로 구성되었으며, ChatGPT용 GPTs 앱도 함께 제공되어 별도 설정 없이 즉시 사용 가능하다. 스크래핑 구현 과정 전체 로그도 공개되어 있다.

커뮤니티 의견

• @hmmhmmhm: “이후에는 올리브영도 시도해보려고욥~”

💡 실무 포인트: Cloudflare Workers + MCP 조합은 외부 API 없는 서비스의 AI 연동에 실용적인 패턴이다. 스크래핑 기반 MCP 서버 구축 참고 사례로 활용 가능.

PDF 테이블 추출을 위한 Rust 기반 오픈소스 엔진으로, 딥러닝으로 정확도를 개선했다. 기존 Python 도구(Camelot, Tabula)의 무거운 런타임 의존성 문제를 해결하며, 단일 바이너리로 메모리 ~30MB에서 동작한다. 서버리스 환경에 최적화되어 있다.

💡 실무 포인트: PDF 테이블 추출이 필요한 서버리스 파이프라인에서 Python 도구 대신 경량 대안으로 검토할 수 있다. — ## 📋 오늘의 실무 적용 포인트 종합 | 주제 | 실무 적용 포인트 | 난이도 | |——|—————–|——–| | AI 벤더 리스크 | 멀티 벤더 전략 수립, 오픈소스 대안 확보 | ⭐⭐ | | AI 윤리 정책 | 자사 AI 사용 레드라인 정의, 벤더 윤리 정책 검토 | ⭐⭐ | | 로컬 LLM 배포 | llama.cpp + Qwen3.5 Q8 조합으로 로컬 환경 구축 | ⭐⭐⭐ | | 비전 모델 VRAM | 비전 인코더 추가 메모리 소비 고려, llama.cpp 서버 권장 | ⭐⭐⭐ | | Anthropic 교육 | 공식 무료 강의로 Claude API·MCP 서버 구축 학습 | ⭐ | | 컨텍스트 최적화 | Context Mode 도입, FTS5 + 벡터 검색 하이브리드 패턴 | ⭐⭐⭐ | | MCP vs CLI | 프로젝트 규모·보안 요구에 따라 MCP/CLI 선택 | ⭐⭐ | | 인지 부채 관리 | 에이전트 계획을 커밋에 포함, 코드 리뷰 이해 시간 확보 | ⭐⭐ | | AI 코딩 균형 | 핵심 로직 직접 작성, 보일러플레이트에 AI 집중 투입 | ⭐⭐ | | 에이전틱 워크플로 | 에이전트 지시·검증 역량 강화, 비동기 알림 체계 구축 | ⭐⭐ | | 스크래핑 MCP | Cloudflare Workers + MCP로 외부 서비스 AI 연동 | ⭐⭐⭐ | | 디자인 시스템 | AI가 활용 가능한 구조화된 디자인 시스템 정비 | ⭐⭐ | | PDF 추출 | 서버리스 환경에서 TREX로 경량 PDF 테이블 추출 | ⭐⭐ | | 온디바이스 ASR | 모델 크기 대비 성능 비교 후 Moonshine/Parakeet 선택 | ⭐⭐⭐ | | 데이터 프라이버시 | AI 서비스 데이터 보존·삭제 정책 사전 파악 | ⭐ | — GeekNews에서 선별한 2026-03-02 AI 데일리

AI 채팅 서비스가 광고로 수익을 내는 구조를 풍자적으로 구현한 실시간 데모이다. 배너, 인터스티셜, 스폰서 응답, 프리미엄 잠금 등 거의 모든 광고 패턴을 체험할 수 있다. AI 서비스의 무료 모델 지속 가능성에 대한 질문을 던진다.

💡 실무 포인트: AI 서비스의 수익 모델을 설계할 때, 사용자 경험을 해치지 않는 모네타이제이션 전략을 미리 검토하라.

Qwen3.5 시리즈는 35B, 122B, 27B 등 네 가지 모델로 구성되며, 세 가지는 Apache 2.0 오픈소스로 공개되었다. 벤치마크상 GPT-5-mini와 Sonnet 4.5를 능가한다고 주장하지만, 커뮤니티에서는 실제 사용 시 과대광고에 미치지 못한다는 피드백이 많다. 비전 모델의 경우 VRAM 소비가 예상보다 크며, 122B 모델은 96GB GPU에서도 올리기 어렵다는 보고가 있다.

커뮤니티 의견

• @chcv0313: “RTX Pro 6000(96GB)을 보유중인데, ollama로 122B 모델이 안올라갑니다. 비전 트랜스포머 때문인가 합니다”
• @ng0301: “비전 인코더 사용되면 1B모델도 9G VRAM 먹더라구요”
• @kensin2: “cuda 기반의 llama.cpp 서버로 돌려야 성능 나옵니다”

💡 실무 포인트: 로컬 LLM 배포 시 비전 인코더의 추가 VRAM 소비를 반드시 고려하고, ollama 대신 llama.cpp 서버 기반 배포를 검토하라.

Karpathy가 주말 프로젝트를 에이전트에게 맡기고 30분 만에 완성한 사례를 소개하며, 99%의 시간 동안 코드를 직접 작성하지 않고 에이전트에게 명령하고 감독하는 “에이전틱 엔지니어링” 방식의 생존 스킬을 정리한 글이다.

커뮤니티 의견

• @yangeok: “pc만 켜두면 서버역할까지 해주는 cowork가 나와서 무서웠는데, 좀 안심이 되고 앞으로 어떻게 바뀔지 머릿속에 그려집니다”

💡 실무 포인트: 에이전트에게 효과적으로 지시하고 결과를 검증하는 역량이 핵심 엔지니어링 스킬로 부상하고 있다.

미국 국방부가 Anthropic에 대해 국방물자생산법(DPA) 발동을 위협하며 군사용 모델 제공을 강요하고 있다는 상황에서, Anthropic이 국내 대규모 감시와 인간 통제 없는 자율 살상에 자사 기술 사용을 거부하는 입장을 재확인한 문서이다. 정부가 특정 AI 기업을 ‘충성 부족’으로 처벌할 수 있다면, Apple이나 Amazon 같은 다른 기업도 같은 위험에 놓일 수 있다는 우려가 제기되었다.

커뮤니티 의견

• @GN⁺: “이번 사안은 미국 경제와 법치주의 전반에 훨씬 더 큰 영향을 미칠 것 같음. 미국의 중요한 전환점이 되는 순간임”

💡 실무 포인트: AI 윤리 정책이 사업 연속성에 직접 영향을 미칠 수 있으므로, 자사 AI 사용 정책의 레드라인을 명확히 정의해두어야 한다.

엔트로피와 정보 이득 기반으로 데이터를 분류하는 의사결정나무의 원리를 인터랙티브하게 설명하는 교육 자료이다. 선형 분류기의 비임계 출력값을 추가 특성으로 사용해 결정 트리를 학습하는 고급 기법도 커뮤니티에서 공유되었다.

커뮤니티 의견

• @GN⁺: “좋은 선형 분류기를 먼저 학습하고, 그 출력을 추가 특성으로 사용해 결정 트리를 학습하면 양쪽의 약점을 보완할 수 있음”

💡 실무 포인트: 딥러닝만 고집하지 말고, 해석 가능한 의사결정나무를 비즈니스 규칙 검증이나 피처 중요도 분석에 활용하라.

AI 보조 개발이 코드 생산 속도를 인간의 이해 속도보다 빠르게 만들며, ‘인지 부채(cognitive debt)‘가 발생한다는 분석이다. 코드가 정상 작동하고 테스트를 통과하더라도, 개발자가 코드의 구조와 이유를 이해하지 못하는 상태가 누적된다. 에이전트 도입 후 PR 리뷰가 더 암묵적으로 변하여 맥락이 머리에 남지 않는다는 현장 보고도 있다.

커뮤니티 의견

• @laeyoung: “요즘에 비슷한 생각을 하고 있어서, 어제 인지 부채와 관련된 블로그 글을 하나 썼는데요. 다 비슷한 고민들을 하는거 같네요”
• @GN⁺: “에이전트가 들어오자 PR 리뷰가 훨씬 암묵적이 되어, 맥락이 머리에 남지 않아 의식적으로 집중해야 함”

💡 실무 포인트: AI 생성 코드에 대해 에이전트의 계획을 커밋에 함께 포함하거나, 코드 리뷰 시 의도적으로 이해 시간을 확보하는 프로세스를 도입하라.

Gary Marcus가 OpenAI의 Sam Altman이 Anthropic의 Dario Amodei를 공개적으로 지지한 바로 그날, 실제로는 Amodei의 사업을 빼앗는 비슷한 조건의 계약을 비밀리에 추진했다는 뉴욕타임스 보도를 분석한 글이다. Altman의 이중적 행보에 대한 강력한 비판으로, AI 업계의 윤리와 신뢰 문제를 정면으로 다루고 있다.

커뮤니티 의견

• @holywork: “샘 알트먼은 소시오패스 파충류가 아닌가 싶습니다”
• @GN⁺: “2,500만 달러는 큰돈이 아님. 그들은 돈도 적게 받는 값싼 매춘부 같음”

💡 실무 포인트: AI 벤더 선택 시 공식 발표와 실제 행동의 괴리를 주시하고, 핵심 인프라에 대한 벤더 리스크 평가를 정기적으로 수행하라.

미국 정부가 Anthropic의 AI 기술 사용을 전면 중단하고, 국방부가 이를 국가안보 위험 기업으로 지정했다. Anthropic은 자율무기와 국내 대규모 감시에 자사 기술 사용을 거부한 것이 원인이다. 발표 직후 OpenAI가 국방부와 기밀 네트워크용 AI 공급 계약을 체결하며 대체 공급자로 부상했다. 이번 사안은 AI 기업의 윤리적 원칙과 정부 계약 사이의 긴장을 극명하게 보여주는 사건으로, AI 업계 전반에 큰 파장을 일으키고 있다.

커뮤니티 의견

• @GN⁺: “Anthropic이 현 미국 행정부를 지지하지 않는 사람들 사이에서 인기를 얻을 수도 있을 것 같음. Claude Code가 프로그래밍 분야에서는 최고 수준임”
• @GN⁺: “트럼프 행정부의 지난 1년을 보면, 이런 비합리적인 협상은 전혀 놀랍지 않음”

💡 실무 포인트: AI 서비스 의존도가 높은 조직은 특정 벤더 종속 리스크를 평가하고, 멀티 벤더 전략 또는 오픈소스 대안을 확보해야 한다.

AI 도구가 디자인 시스템을 직접 활용해 UI를 생성하면서, 디자이너의 역할이 단순 시각 설계에서 전략과 조율 중심으로 이동하고 있다. 핵심 질문은 “누가 누구의 일을 뺏나"가 아니라, 프로세스가 어떻게 바뀌는가이다.

💡 실무 포인트: 디자인 시스템을 AI가 활용할 수 있는 구조화된 형태로 정비하면 AI 기반 UI 생성의 품질을 높일 수 있다.