라벨이 MCP인 게시물 표시

구글 안티그래비티 완전 분석 — 모델·요금제·CLI 총정리

🚀 구글 안티그래비티(Antigravity) 완전 분석 구글이 2025년 11월 Gemini 3와 함께 공개한 에이전트 퍼스트(agent-first) IDE 안티그래비티는 Claude·GPT·Gemini를 한 도구에서 골라 쓰는 멀티모델 코딩 환경이다. 이 글에서는 ① 지원 모델과 요금제별 사용량의 실체, ② 실사용자 평가, ③ 구글의 방향성, ④ Claude Code와의 비교·연계, ⑤ CLI( agy )로 직접 쓰는 법까지 다섯 갈래를 차례로 정리한다. 자료 간 충돌이 있는 지점은 한쪽으로 단정하지 않고 양쪽을 모두 살려 표기했다. 📅 기준 시점: 2026년 6월 · 프리뷰 단계 정보로 수치는 변동 가능 1. 안티그래비티란 무엇인가 — 기초 정리 안티그래비티는 2025년 7월 구글이 24억 달러 규모 라이선스 계약 으로 영입한 전 Windsurf 팀이 설계를 주도했다. VSCode를 포크한 위에 자율 에이전트 오케스트레이션 계층을 얹은 구조다. 2026년 5월 Google I/O에서 발표된 안티그래비티 2.0 은 데스크탑 앱과 함께 공식 CLI agy 를 처음 공개하며 기존 Gemini CLI의 공식 후계자 자리를 확정했다. 핵심 정체성은 단순 코드 자동완성이 아니라 병렬 에이전트 오케스트레이션 이다. 여러 에이전트가 동시에 — 하나는 API, 하나는 테스트, 또 하나는 프론트엔드 — 작업을 나눠 진행하고, 각 에이전트는 계획·테스트 결과·스크린샷·영상을 담은 Artifact 를 남긴다. "사람이 한 줄씩 승인"하는 방식이 아니라 "에이전트들이 일을 마치고 사람이 사후 검수"하는 모델이다. flowchart TD A([사용자 작업 지시]) --> B[에이전트 A API 구현] A --> C[에이전트 B 테스트 작성] A --> D[에이전트 C UI 생성] B --> E[Artifact 계획·결과·영상] C --> E D --> E...

AI로 PPT 만들기, 웹과 코드형 도구의 결정적 차이

🖥️ AI로 PPT 만들기: 도구 지형, 웹·코드형 생성 원리, 고품질 이미지 전략까지 AI로 프레젠테이션을 만들 때 가장 자주 나오는 의문은 "같은 모델인데 왜 웹과 코드형(CLI)의 결과물이 전혀 다른가" 입니다. 결론부터 말하면, 이것은 모델의 지능 차이가 아니라 렌더링 파이프라인의 차이 때문입니다. 이 글에서는 2026년 현재 AI PPT 도구 지형, 웹과 코드형의 생성 메커니즘, 그리고 "글·간단한 다이어그램은 잘 되는데 고품질 그림은 약한" 문제를 다루는 실무 전략을 한 번에 정리합니다. 🎯 질문의 핵심 — 네 갈래로 나뉜다 이 주제는 사실 하나의 질문이 아니라 네 개의 질문이 얽혀 있습니다. 먼저 전체 그림을 잡아두면 이후 설명이 한결 명확해집니다. ① 어떤 AI가 PPT를 만들 수 있는가 — 도구 지형 파악 ② CLI(코드형)와 웹·앱에서 같은 모델에 지시할 때 결과가 다른 이유 ③ "그림 같은 고차원 고품질" 이미지가 약한 문제 를 어떻게 처리하나 ④ 웹 vs Claude Code처럼 생성 과정 자체가 다른 이유 와 도움이 되는 MCP·플러그인 핵심은 ②와 ④입니다. "같은 모델인데 왜 결과물이 다른가"라는 관찰은 정확하며, 그 답은 모델이 아니라 결과물을 화면·파일로 그려내는 경로 에 있습니다. 🧱 기초: AI 프레젠테이션 도구의 두 갈래 AI PPT 도구는 구조적으로 두 부류로 갈립니다. 이 구분을 이해하면 나머지 모든 차이가 자연스럽게 풀립니다. 🌐 웹 기반 SaaS Gamma, Beautiful.ai, Plus AI 등. 클라우드에서 동작하며 AI가 만든 개요(JSON 형태의 outline)를 자체 템플릿 엔진 에 매핑해 시각적 일관성을 유지합니다. WYSIWYG 편집, 실시간 협업, 클라우드 저장에 최적화. 디자인 완성도가 높지만 템플릿의 틀을 벗어나기는 어렵습니다. ⌨️ 코드/CLI 기반 툴 ...

MCP 완전 정복, 서버 직접 만들기 가이드

🔌 MCP(Model Context Protocol) 심층 가이드 Anthropic이 공개한 오픈 표준 — AI 에이전트와 외부 자원을 잇는 'USB-C'를 직접 만드는 법 핵심 요약 — MCP는 AI 모델이 외부 도구·데이터에 접근할 때 발생하던 'N×M 통합 폭증' 문제를 'N+M' 구조로 단순화한 프로토콜입니다. 한 번 만든 MCP 서버는 Claude·Cursor·Cline·Zed 등 여러 클라이언트가 공통 사용할 수 있어, AI 능력 확장의 재사용 가능한 자산 이 됩니다. 본 글은 'MCP를 쓰는 사람'에서 '직접 만드는 사람'으로 전환하려는 개발자를 위한 종합 가이드입니다. 🧭 1. MCP, 한 줄로 설명하면 MCP(Model Context Protocol)는 Anthropic이 2024년 말 공개한 오픈 표준 프로토콜 입니다. AI 모델(클라이언트)이 외부 데이터·도구·서비스(서버)에 안전하고 일관된 방식으로 접근하도록 통신 규약을 표준화했습니다. 마치 USB-C가 다양한 기기를 하나의 포트로 통합한 것처럼, MCP는 AI 에이전트와 외부 자원을 잇는 범용 인터페이스 로 작동합니다. 📜 등장 배경 — 왜 표준이 필요했나 기존에는 모델마다 그리고 서비스마다 별도 어댑터(OpenAI Function Calling, ChatGPT Plugins, Custom API 등)를 만들어야 했습니다. 모델 N개 × 서비스 M개 = N×M개의 통합을 매번 새로 작성해야 했던 것이죠. MCP는 이를 'N+M' 구조 로 단순화합니다. 모델은 MCP 클라이언트만 한 번 구현하면 되고, 서비스는 MCP 서버만 한 번 만들면 됩니다. 그 사이의 통신은 표준이 책임집니다. 🧱 세 가지 핵심 프리미티브(Primitives) MCP 서버가 노출할 수 있는 능력은 다음 세 가지로 추상화됩니다. 이 분류 자체가 설계 사상의 핵심이라, 직접 서버를 만...

AI 하네스란? 모델보다 중요한 능동형 에이전트의 골격

🤖 AI 하네스(Harness)란? 모델보다 중요한 능동형 에이전트의 골격 정의 · 아키텍처 논쟁 · Claude 기반 구축 전략 종합 가이드 📌 핵심 요약 — 'AI 하네스'는 단순 멀티 에이전트 병렬 처리가 아닌, "구조화된 자율성을 갖춘 유기적 협업 시스템" 으로 수렴하고 있습니다. 모델(두뇌)을 실세계 행동으로 변환하는 소프트웨어 외골격이며, SWE-bench 33.4% → 80.9% 도약의 상당 부분이 모델 체급이 아닌 하네스 설계 진보에서 비롯됐습니다. 1️⃣ 질문의 재구성: 두 개의 하네스, 두 개의 아키텍처 사용자가 던진 질문은 두 층위로 나뉩니다. 첫째, 'AI 하네스'라는 용어의 실체. 둘째, 그것이 단순 멀티 에이전트 병렬 처리 인지, 아니면 사람처럼 의견을 주고받는 능동적 협업체 인지의 구분입니다. 결론부터 말씀드리면 두 방식은 모두 하네스의 한 형태이지만, 2025년 현재 업계 담론은 후자, 즉 "구조화된 자율성(Structured Autonomy)을 갖춘 유기적 협업 시스템" 으로 빠르게 수렴하고 있습니다. Anthropic의 엔지니어링 블로그가 이를 명시적으로 다루며, 단순 파이프라인을 넘어선 동적 협업 패턴이 표준 레퍼런스가 되고 있습니다. ⚠️ 용어 혼선 주의 — '평가 하네스(lm-evaluation-harness 류)'와 '운영 하네스(Agent Harness)'는 별개입니다. 본 보고서는 LLM의 추론을 실세계 행동으로 변환하는 운영/실행 하네스 에 집중합니다. 2️⃣ 하네스의 본질: "Agent = Model + Harness" Anthropic을 비롯한 프런티어 랩에서 통용되는 공식은 명료합니다. 🧠 에이전트 = 모델(두뇌) + 하네스(신경계와 신체) ▶ 모델(Brain) : Claude Opus/Sonnet 같은 LLM 자체. 추론과 언어 생성을 담...