안녕하세요, 이번 주 수요일도 새로운 소식으로 돌아왔어요!
- Anthropic의 새로운 솔루션: Claude Cowork
- 똑똑한 에이전트를 지속적으로 유지하는 방법
- 구글의 제시하는 쇼핑 에이전트를 위한 새로운 프로토콜: UCP
- 오토마타 스터디 카페: 500가지가 넘는 AI 에이전트
Anthropic의 새로운 Claude Cowork: 직장인들을 위한 Claude Code
최근 많은 개발자들이 Claude Code를 개발 워크플로우에 적극적으로 도입하고 있어요. 개발자뿐만 아니라 비개발자들도 개인 워크플로우 자동화에 활용하는 추세예요. 하지만 터미널 기반 인터페이스는 아직 Claude Code를 접해보지 못한 비개발자들에게 상당히 높은 진입 장벽으로 작용했습니다. 검은 화면에 명령어를 입력해야 한다는 것 자체가 많은 사람들에게는 부담스러운 경험이었죠. Anthropic은 이런 문제를 해결하기 위해 Claude Cowork를 출시했어요.
Claude Code가 개발자를 위한 터미널 기반 AI 코딩 도구였다면, Claude Cowork는 비개발자도 직관적으로 컴퓨터 작업을 AI에게 맡길 수 있는 데스크톱 협업 도구입니다. UI는 클로드 데스크톱 앱에서 구현되어 있어 Claude Code보다는 비개발자들에게 더 친숙한 환경으로 다가갑니다.
평소 작업할 때 클로드 채팅창에서 필요한 문서를 직접 첨부하고 결과물을 복붙하며 일하시는 분들도 많을 거예요. Claude Cowork를 사용하면 Claude에게 작업하고 싶은 디렉터리만 알려줘도 클로드가 알아서 문서를 읽고 쓰도록 맡길 수 있어요.
주요 사용 사례
Claude Cowork를 활용할 수 있는 실용적인 시나리오들을 살펴볼게요:
- 데이터 정리 및 변환 작업여러 개의 Excel 파일에 흩어져 있는 데이터를 하나의 통합된 스프레드시트로 만들어야 한다고 가정해봐요. Claude Cowork에게 "Downloads 폴더에 있는 모든 매출 데이터 Excel 파일을 찾아서 하나의 파일로 통합해줘"라고 요청하면, Claude가 파일들을 찾고 열고 데이터를 병합하는 작업을 수행할 수 있습니다.
- 반복적인 파일 관리 매주 특정 폴더에서 파일들을 정리하고, 이름을 바꾸고, 다른 폴더로 이동시키는 작업이 있다면 어떻게 할까요? Claude Cowork가 이런 반복 작업을 자동화할 수 있어요. "지난주 프로젝트 폴더의 모든 이미지 파일을 날짜별로 정리하고 '2025-01-Week2' 형식으로 이름을 바꿔줘"와 같은 복잡한 지시도 처리할 수 있습니다.
- 리서치 및 정보 수집 웹에서 특정 정보를 찾아 문서로 정리하는 작업도 가능해요. "최근 1개월간 AI 관련 주요 뉴스를 찾아서 요약하고 Word 문서로 만들어줘"라고 요청하면, Claude가 브라우저를 열고 정보를 검색한 뒤 문서를 작성하는 일련의 과정을 수행할 수 있습니다.
- 프레젠테이션 준비 "이 데이터를 바탕으로 PowerPoint 슬라이드 5장을 만들어줘"라고 하면, Claude가 데이터를 분석하고 PowerPoint를 열어 슬라이드를 구성하는 작업을 도와줄 수 있어요.
Claude Cowork는 현재 Research Preview 단계라서 Claude Max 플랜 구독자에게만 제공되고 있어요. OS는 현재 macOS만 지원하고 있습니다. 추후에는 모든 플랜 사용자에게 공개될 수도 있어요.
더 자세한 내용은 아래 Anthropic 블로그에서 확인해보세요!
2026 에이전트 키워드는 Agent Harness
2026년, 에이전트는 ‘똑똑함’보다 ‘지구력’으로 승부해요
2025년은 에이전트가 진짜 일을 할 수 있다는 걸 증명한 해였어요. Claude Code 같은 코딩 에이전트가 실제 개발 워크플로우에 들어오면서 단순히 답을 주는 수준을 넘어 프로젝트를 만들고 고치고 반복하는 모습이 자연스러워졌죠. 다만 현실의 에이전트는 가끔 의욕이 지나쳐서 문제가 생기기도 했어요. 한 번에 다 끝내려다 프로젝트 맥락을 까먹거나 원래 목적에서 벗어나버리는 경우가 종종 있었거든요. 그래서 2026년의 트렌드는 더 똑똑한 모델이 아니라, 더 오래 더 안정적으로 더 효율적으로 일하는 에이전트 운영법으로 옮겨가고 있습니다.
Agent Harness, 에이전트를 감싸는 운영체제
이 흐름에서 주목받는 개념이 Agent Harness(에이전트 하니스)예요. 하니스는 에이전트를 감싸는 운영 인프라라고 보시면 됩니다. 어떤 프롬프트로 시작할지(부팅), 툴 호출을 어떻게 다룰지(드라이버), 중간 상태를 어디에 저장할지(스토리지), 실패를 어떻게 감지하고 복구할지(가드레일) 같은 것들을 한꺼번에 책임지는 거죠. 구글 Deepmind의 엔지니어 Philipp Schmid가 이걸 아주 깔끔하게 비유했는데요:
- 모델 = CPU
- 컨텍스트 윈도우 = RAM
- 하니스 = 운영체제(OS)
- 에이전트 = 그 위에서 돌아가는 앱
이 관점에서 보면, 2026년의 경쟁은 “CPU 성능 1% 올리기”보다 OS가 얼마나 잘 굴러가느냐에 더 가까워졌어요. 더 자세한 내용은 Philipp Schmid의 블로그와 Anthropic 블로그를 참조해보세요!
2026년, 지치지 않는 동료를 만드는 해
2025년이 에이전트를 업무에 데뷔시킨 해였다면, 2026년은 하니스로 에이전트를 지치지 않는 동료로 만드는 해가 될 거예요. 에이전트 하니스는 멋진 프롬프트 한 줄이 아니에요. 로그, 검증, 재시도, 상태 관리 같은 보조 장치들을 모아서 에이전트의 내구성(durability)을 높이는 데 초점이 있습니다. 결국 앞으로의 에이전트 경쟁력은 단순한 지능이 아니라, 백 번의 툴 호출 뒤에도 목적을 유지하는 시스템이 될 가능성이 커요.
구글이 꿈꾸는 AI 쇼핑의 미래: Universal Commerce Protocol
구글은 요즘 에이전트가 서로 말이 통하게 만들기에 꽤 진심이에요. AI 에이전트들이 서로 소통할 수 있게 해주는 Agent2Agent(A2A) 프로토콜, AI 에이전트가 결제를 처리할 수 있게 해주는 Agent Payments Protocol(AP2)을 선보인 적이 있죠. 이번에는 AI 에이전트가 직접 쇼핑을 처리할 수 있는 커머스 표준을 제시했어요. 바로 Universal Commerce Protocol(UCP)입니다.
왜 UCP가 필요했을까요?
AI 쇼핑의 미래를 상상해볼까요? "가볍고 내구성 좋은 여행용 캐리어 찾아줘"라고 AI 에이전트에게 말하면, 에이전트가 알아서 여러 쇼핑몰을 검색하고, 가격을 비교하고, 리뷰를 분석해서 최적의 제품을 찾아 구매까지 완료하는 거죠.
하지만 문제가 있습니다. 모든 쇼핑몰마다 다른 시스템을 쓰고 있다는 점입니다. 지금까지는 AI 에이전트가 각 쇼핑몰과 일일이 다른 방식으로 연결해야 했습니다. 마치 여행할 때마다 나라별로 다른 어댑터를 챙겨야 하는 것처럼요. UCP는 이 문제를 해결합니다. 모든 쇼핑몰과 결제 시스템, AI 에이전트가 같은 프로토콜로 소통할 수 있게 만드는 공통 표준을 제시하는 거죠.
UCP는 Shopify, Etsy, Wayfair, Target, Walmart 같은 주요 커머스 기업들과 함께 개발되었어요. 그리고 Adyen, American Express, Best Buy, Mastercard, Stripe, Visa 등 20개 이상의 글로벌 파트너들이 지지를 선언했죠.
구글이 말하는 UCP의 가장 큰 장점은 세 가지입니다:
- 상호운용성: 어떤 AI 에이전트든, 어떤 쇼핑몰이든 UCP를 통해 연결될 수 있습니다.
- 기존 인프라 활용: 이미 존재하는 결제 시스템과 쇼핑몰 인프라를 그대로 쓸 수 있어요.
- 다른 프로토콜과 호환: A2A, AP2, MCP(Model Context Protocol) 같은 기존 에이전트 프로토콜과 함께 작동합니다.
UCP가 만들어갈 에이전트 쇼핑의 미래는 저희의 쇼핑 생활을 지금보다 더 편하게 만들어줄 수도 있어요.
- 스마트한 자동 구매: 특정 제품의 가격이 원하는 수준으로 떨어지면 AI 에이전트가 자동으로 구매를 완료합니다. 예를 들어, "초록색 재킷이 정가보다 20% 저렴해지면 사줘"라고 설정해두면, 에이전트가 시장을 모니터링하다가 조건이 충족되는 순간 바로 구매하는 거죠.
- 맞춤형 협상: AI 에이전트가 판매자 에이전트와 협상을 할 수도 있을 거에요. "7월 4일까지 새 자전거가 필요해"라고 말하면, 에이전트가 여러 판매자와 소통하며 최적의 가격과 배송 일정을 찾아내는 식으로 말이죠.
- 통합 쇼핑 경험: 제품 발견부터 구매, 배송 추적, 사후 지원까지 모든 과정이 하나의 대화로 가능해질 수 있어요. "여행 준비 도와줘"라고 하면 캐리어, 여행 보험, 현지 SIM 카드까지 한 번에 해결되는 거죠.
- 기업용 자동 구매: B2B 시장에서도 활용될 수 있습니다. 예를 들어, Google Cloud Marketplace에서 필요한 소프트웨어 라이선스를 AI가 자동으로 구매하고, 실시간 수요에 따라 라이선스를 확장하거나 축소하는 것도 가능해집니다.
여러 굵직한 기업들이 이 프로토콜을 지원하는 추세를 보면, 이제 여러 기업들이 웹 속에서 에이전트의 자유로운 활보를 위해 서서히 준비하는 듯 해요. 글로벌 기업들의 UCP 개발 지원을 통해 이런 변화는 더욱 가속화될 전망입니다.
오토마타 스터디 카페 - 500가지가 넘는 AI Agent 프로젝트
AI 에이전트를 만들어보고 싶은데 어디서부터 시작해야 할지 막막하셨나요? 코드는 어떻게 짜야 하고, 어떤 프레임워크를 써야 하는지 고민되셨다면, 오늘 소개할 GitHub 저장소가 여러분의 고민을 한 번에 해결해줄 거예요.
500개 AI 에이전트 프로젝트가 한자리에
500 AI Agents Projects는 Ashish Patel이 운영하는 오픈소스 저장소로, 다양한 산업 분야에서 활용되는 AI 에이전트 사례들을 체계적으로 정리해놓은 곳이에요. 이 저장소의 가장 큰 장점은 단순히 아이디어만 나열한 게 아니라, 실제로 구현 가능한 오픈소스 프로젝트 링크를 함께 제공한다는 점이에요. "이런 걸 만들 수 있어요"에서 끝나는 게 아니라 "이렇게 만드세요"까지 안내해주는 거죠.
산업별로 깔끔하게 분류되어 있어서 자신의 관심 분야를 쉽게 찾을 수 있어요. 또한, LangGraph, CrewAI 등과 같은 에이전트 개발 프레임워크별로도 유스케이스가 분류되어 있어 개인 프로젝트에 알맞는 프레임워크 선정에도 도움을 줄 수 있어요.
이 저장소를 효과적으로 활용하는 방법을 몇 가지 제안해드릴게요:
- 관심 분야부터 시작하세요: 자신이 잘 아는 분야나 관심 있는 산업의 에이전트부터 살펴보세요. 도메인 지식이 있으면 코드를 이해하기가 훨씬 쉬워요.
- 작은 프로젝트로 시작하세요: 처음부터 복잡한 멀티 에이전트 시스템을 만들려고 하지 마세요. 단일 에이전트로 간단한 작업을 수행하는 프로젝트부터 실행해보고, 코드를 수정해가며 작동 원리를 익히세요.
- 프레임워크를 비교해보세요: CrewAI, LangGraph, AutoGen 같은 프레임워크들의 예제를 직접 실행해보고 어떤 차이가 있는지 체험해보세요. 각 프레임워크마다 장단점이 있으니 자신의 프로젝트에 맞는 것을 선택하는 게 중요해요.
지금 바로 아래 GitHub 저장소를 방문해서 마음에 드는 프로젝트를 하나 골라 실행해보세요. 복사-붙여넣기로 시작해서 Claude Code나 Cursor와 같은 코딩 에이전트와 대화하며 수정해가다 보면, 어느새 여러분만의 AI 에이전트를 만들 수 있게 될거에요.
의견을 남겨주세요