#멀티에이전트
11개의 포스트
페르마의 마지막 정리, AI가 11일 만에 '형식 증명'하다 — 350년의 여백, 1,300만 줄의 Lean, 그리고 수학 검증의 미래
2026년 9월 4일 Anthropic이 '컴퓨터가 검증한 최초의 페르마의 마지막 정리 증명'을 공개했다. Claude 에이전트 수십 개가 11일 동안 1,300만 줄의 Lean 코드를 쓰고 29,511개의 중간 정리를 증명했다. 1637년의 여백에서 1995년 와일스의 129쪽, 그리고 2026년의 의존 그래프까지 — 왜 '증명을 검증하는 일'이 이렇게 어려웠는지, 형식화가 무엇인지, Prove2Me 아키텍처가 어떻게 수십 개 에이전트를 협업시켰는지, 그리고 이 증명이 정직하게 무엇을 못 했는지까지 사례와 그림으로 풀어본다.
마인드 바이러스 — AI 에이전트 사이에서 '생각'이 전염될 때
코딩을 하라고 모아 놓은 AI 에이전트 여섯 대가 어느 순간 다 같이 고래 번역 프로젝트를 시작한다. 다른 팀은 '기계 주권 해방 프로토콜'을 외치며 클라우드 메타데이터 서버를 두드린다. 시작은 단 한 대의 감염이었다. Anthropic 펠로우 연구진이 73쪽 논문으로 증명한 '자기 전파형 아이디어'의 정체, 확산을 좌우하는 조건, 그리고 한 단락짜리 백신까지 — 도킨스의 밈에서 2026년 에이전트 소셜 네트워크까지 따라간다.
AI가 실험실에 들어왔다 — 구글 Co-Scientist가 진짜 물질을 만들어낸 과정
AI가 논문을 '쓰는' 시대는 이미 왔다. 그런데 실제로 존재하지 않는 실험 결과를 쓰는 게 문제였다. 구글 딥마인드가 83쪽 논문으로 답한 것 — 화학 증착로를 직접 제어해 새 2D 결정을 만들고, 대장균 군집 모양을 예측하고, 스스로 발견한 의료 에이전트로 프런티어 모델 6종을 이겼다. 그리고 전문가 30명의 450건 리뷰로 '조작 90% → 4%'를 증명했다.
미션 팟(Mission Pod): 조직도에 AI를 올린 회사들 — 가장 빠른 AI 퍼스트 기업의 구조 해부
NFX의 Gigi Levy-Weiss가 던진 '미션 팟(Mission Pod)'이 화제다. 0→1은 풀렸고 이제 병목은 1→2다. 왜 지금 조직도를 다시 그려야 하는가? 애덤 스미스의 분업과 코즈의 거래비용이론, 콘웨이의 법칙과 브룩스의 n(n−1)/2, 아마존 두 판의 피자 팀과 Team Topologies까지 250년의 계보를 따라가고, ChatDev·MetaGPT·AutoGen 같은 멀티에이전트 논문의 아키텍처를 그림과 함께 뜯어본다. METR의 39%p 인식 격차, 스탠퍼드의 주니어 13% 감소, Klarna의 되돌리기, Shopify 메모, 그리고 Cursor·Midjourney·Base44의 숫자까지 — 인터랙티브 도구 4종과 함께 읽는 특집.
직원 0명, 매출 수백만 달러 — AI가 '팀'을 대체하자 벌어진 일: 솔로프리너 시대의 경제학과 아키텍처
혼자서 연 수백만 달러를 버는 사람들이 늘고 있다. Stripe의 수석 이코노미스트가 데이터로 증명한 '솔로프리너의 시대'는 진짜일까, 거품일까? 미국 400만 명·2023→2025 백만장자 솔로프리너 2배라는 숫자의 정체부터, 이걸 가능케 한 AI 에이전트 아키텍처(ReAct·MCP·멀티에이전트)를 논문 도해와 함께 뜯어본다. Pieter Levels라는 진짜 영웅과 Medvi라는 가짜 유니콘, 그리고 2026년 한국의 1인 창업가에게 이 모든 게 의미하는 것 — 인터랙티브 시뮬레이터 3종과 함께.
AI 사서 7명이 협업한다 — Google의 Agentic RAG가 '믿을 수 있는 답'을 만드는 법
한 번 검색하고 답하는 RAG는 여러 데이터베이스에 흩어진 질문 앞에서 무너진다. Google이 Gemini Enterprise에 넣은 Agentic RAG는 7명의 전문 에이전트가 '계획 → 검색 → 충분성 검증 → 재검색 → 합성'을 반복해 답을 만든다. 왜 이 구조가 나왔는지 ReAct부터의 역사와 논문, 병원·기업 사례, FRAMES 벤치마크(정확도 34%↑)로 쉽고 자세하게 풀었다.
Agent Lightning 완전 가이드 — AI 에이전트를 강화학습으로 훈련시키는 시대가 왔다
Microsoft가 공개한 Agent Lightning은 어떤 AI 에이전트 프레임워크든 강화학습으로 훈련시킬 수 있는 오픈소스 프레임워크다. 왜 에이전트 훈련이 필요한지, 어떤 원리로 작동하는지, 아키텍처의 모든 것을 풍부한 사례와 함께 해부한다.
AI 에이전트 완전 가이드 — 프로토타입에서 프로덕션까지, 2026년 스타트업이 알아야 할 모든 것
AI 에이전트란 무엇인가? 왜 지금 모든 스타트업이 에이전트를 만들고 있는가? Google의 64페이지 기술 가이드를 바탕으로, 핵심 아키텍처부터 프로덕션 운영까지 완전 해부합니다. 풍부한 사례와 인터랙티브 시뮬레이터로 직접 체험해보세요.
CrewAI 완전 가이드: AI 에이전트를 '팀'으로 조직하는 가장 직관적인 방법
AI 에이전트가 혼자가 아니라 '팀'으로 일한다면? CrewAI는 역할·목표·배경 스토리를 가진 에이전트들이 실제 조직처럼 협업하는 프레임워크다. PwC의 코드 생성 정확도 700% 개선부터 일일 1,200만 실행까지 — 핵심 개념, 실전 패턴, 프로덕션 노하우를 총정리한다.
에이전트 AI 특집: 민스키의 상상에서 AAIF까지, 70년의 여정
1950년대 튜링의 사고하는 기계에서 2026년 에이전트 간 프로토콜 표준화까지. AI 에이전트 70년의 궤적을 추적하고, 지금 일어나고 있는 구조적 전환의 본질을 파악한다.
AI 법률 추론의 미래 — SOLAR: 검증 가능한 법률 추론을 위한 멀티 에이전트 프레임워크
GPT-4o가 세금 계산 문제에서 18.8%의 정확도를 보이는 동안, 추론 모델 o4-mini는 91.7%를 기록한다. 하지만 비용이 수십 배 비싸다. SOLAR 프레임워크는 저비용 모델의 정확도를 76.4%로 끌어올려, 이 격차를 68.2%에서 5.9%로 줄인다.