쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 5일 (목)까지 3990건
4건 · "도구 조합"조건 지우기 ×
001 18:11 ▲ 34 · 댓글 1 LLM 에이전트를 위한 도구 기반 환경 자동 합성 기법 ToolSpace LLM이 장기 작업을 수행하는 에이전트로 배포될 때 다양한 도구를 조합해 워크플로우를 실행하는데, 기존 MCP 환경 확장 방식은 데이터베이스와 시나리오부터 만들고 거기서 도구를 도출해 도구 인터페이스와 실제 환경이 맞지 않는 문제가 있다. AI · 머신러닝 · ToolSpace: Scaling Tool-Centric Environment Synthesis for Long-Horizon Agents
Key Point LLM 에이전트의 다중 도구 조합 능력 평가 방식이 혁신되고 있으며, 실행 기반 환경 합성이 기존 데이터 기반 방식보다 훨씬 효과적임을 보여주는 구체적 증거가 제시되었다.
핵심 요약
LLM이 장기 작업을 수행하는 에이전트로 배포될 때 다양한 도구를 조합해 워크플로우를 실행하는데, 기존 MCP 환경 확장 방식은 데이터베이스와 시나리오부터 만들고 거기서 도구를 도출해 도구 인터페이스와 실제 환경이 맞지 않는 문제가 있다. ToolSpace는 이 순서를 역으로 바꿔, 실제 MCP 서비스 실행 기록과 오픈 에이전트 코퍼스에서 인접한 호출들의 데이터·상태·재시도 의존성을 LLM 판단이 아닌 결정론적 규칙으로 추출하고, 가중치 있는 도구 조합 그래프를 환경으로 클러스터링한다. 상태 변경 환경만 데이터베이스를 합성하고, 조회·무상태 도구는 기록된 반환값을 재사용하며, 상태 인식 랜덤 워크와 롤백으로 각 체인을 자연어 작업으로 디컴파일하고 초기 상태에서 성공 재실행되는 샘플만 보관한다. 전체 요약 6문장 읽기 → 002 15:11 ▲ 40 · 댓글 4 AI 동료의 협업 능력 키우는 학습 환경 자동 생성 AI 동료는 도구 조합, 순차적 소통, 변화하는 작업 공간 상태 대응을 동시에 해야 하며 이를 위한 체계적인 학습이 필요하다. AI · 머신러닝 · CoworkEnv: Synthesizing Training Environments for Long-Horizon Cowork Agents
Key Point AI 에이전트가 실제 업무 환경에서 도구를 조합하고 다단계로 소통하며 학습하는 방식이 어떻게 체계화되는지 보여주며, 구체적 성능 향상 수치로 실용 가치를 입증한다.
핵심 요약
AI 동료는 도구 조합, 순차적 소통, 변화하는 작업 공간 상태 대응을 동시에 해야 하며 이를 위한 체계적인 학습이 필요하다. CoworkEnv는 이런 AI 동료를 위한 실행 가능한 학습 환경을 자동으로 생성하는 프레임워크다. 업무 요구사항이 작업 구성을 가이드하고, 프로그램 검증과 피드백 기반 수정으로 사양과 채점 방식을 자동 생성한다. 전체 요약 7문장 읽기 → 003 18:12 ▲ 20 · 댓글 2 코딩 에이전트가 서로 평가하는 자동 확장 벤치마크 등장 기존 코딩 벤치마크는 고정된 과제를 제공하는데, 시간이 지나면서 과제가 학습 데이터에 유출되고 에이전트 성능이 포화된다는 문제를 지적한다. AI · 머신러닝 · SWE-Duel: Towards a Self-Scaling Arena for Coding Agents
Key Point 기존 고정 벤치마크의 포화 문제를 해결하는 자동 확장식 평가 방식을 처음 시연했으며, 에이전트의 성능 지표뿐 아니라 과제 작성 능력도 함께 측정하는 새로운 평가 패러다임을 보여준다.
핵심 요약
기존 코딩 벤치마크는 고정된 과제를 제공하는데, 시간이 지나면서 과제가 학습 데이터에 유출되고 에이전트 성능이 포화된다는 문제를 지적한다. SWE-Duel이라는 새로운 평가 아레나를 제안하며, 두 코딩 에이전트가 Red-Blue 턴으로 서로를 평가하는 방식으로 작동한다. Red 에이전트는 실제 저장소에서 새 기능을 구현한 후 의도적으로 미묘한 버그를 삽입하고, 버그를 유발하는 시험은 봉인해둔다. 전체 요약 8문장 읽기 → 004 21:11 ▲ 150 · 댓글 63 MCP 지원 포기했던 Pi, 왜 핵심 기능으로 수용했나 Pi는 과거 MCP 미지원을 명시했으나 최신 버전에서는 MCP를 핵심 기능으로 통합했다. AI · 머신러닝 · Pi.dev: You Said No MCP
Key Point 새로운 모델의 기능에 맞춰 기존 결정을 바꾼 개발 철학과, MCP를 JavaScript 샌드박스와 결합하는 실용적인 해결책이 다른 AI 도구 개발자들에게도 영향을 미칠 수 있다.
핵심 요약
Pi는 과거 MCP 미지원을 명시했으나 최신 버전에서는 MCP를 핵심 기능으로 통합했다. MCP 자체도 진화했지만, Pi의 기술적 필요성이 주된 이유다. Pi는 Jev 같은 최신 모델들의 지연된 도구 로딩과 중간 시스템 메시지 지원을 위해 도구 설정을 업그레이드해야 했다. 전체 요약 8문장 읽기 → 
