1단계: 흐름
오늘 방마다 어떤 문제의식이 생겼고 대화가 어느 방향으로 이동했는지 봅니다.
2026-05-31
2026-05-31 AI 커뮤니티 학습 리포트
여러 카카오 오픈채팅방의 대화를 읽고, 오늘 사람들이 어디에 관심을 모았는지와 무엇을 더 공부하면 좋을지를 먼저 정리했습니다.
에이전트코리아 방은 2026-05-31 입력 파일이 없어 이번 v3 리포트에서 제외했습니다.
읽는 순서
2단계: 인사이트
발언자들의 관점, 도구 선택 기준, 커뮤니티 안에서 반복되는 고민을 해석합니다.
3단계: 더 깊게
따라가 볼 링크, 공부할 키워드, 실제 업무에 적용할 질문으로 확장합니다.
오늘의 통합 흐름
흐름: 에이전트의 관심은 모델 성능에서 운영 체계로 이동 중
네 방 모두 “어떤 모델이 더 똑똑한가”보다 “어떻게 연결하고, 검증하고, 오래 굴릴 것인가”로 대화가 흘렀다. MCP Bridge, SkillOpt, tmux/Wave, Obsidian/LLM Wiki, Graphify는 모두 도구 자체가 아니라 운영 체계를 만들려는 시도다.
인사이트: 사람들은 이제 AI를 기능이 아니라 작업 환경으로 본다
단테님은 플랫폼 선택을 사용자군 기준으로 정리했고, 공냥이님은 스킬 최적화를 연구 흐름으로 해석했으며, 바이브코딩 클럽에서는 Claude의 말투 오염·토큰락·OOM 같은 현실 문제가 나왔다. “잘 쓰는 사람”은 모델보다 작업대를 설계한다.
더 깊게: 지식 그래프와 개인/조직 지식 운영이 다음 학습 축
Obsidian, LLM Wiki, Graphify, 번역 온톨로지, 회사 문서 웹앱 이야기가 서로 이어졌다. 자료를 많이 모으는 것보다 엔티티 정합성, 출처, 갱신 주기, 비용을 관리하는 쪽이 핵심 학습 주제로 올라왔다.
추세: 콘텐츠 자동화는 생성보다 검수와 연출이 병목
NotebookLM 오디오, Remotion 영상, Minimax TTS, 광고 레퍼런스 사이트 논의가 있었다. 생성형 도구가 초안을 빠르게 만들수록 사람이 해야 할 일은 “잘 생성하기”에서 “좋은 기준으로 고르고 고치는 것”으로 이동한다.
방별 학습 요약
[실밸개발자] 바이브코딩 클럽
Tooling / MCP
1단계: 흐름 새벽에는 MCP Bridge by Appfactor가 공유됐고, 밤에는 Graphify, LLM Wiki, AI 번역 시장의 온톨로지 문제가 이어졌다. 표면상 주제는 흩어져 있지만 핵심은 “AI가 쓸 수 있는 구조화된 도구와 지식”이다.
2단계: 인사이트 드론님은 MCP Bridge와 Codex 초기화 소식을, 조이님은 Upstage Solar Pro 4와 DeepSeek v4 Flash 비교를 공유했다. 이 방은 누군가가 새 신호를 던지면 다른 사람들이 사용성·경제성·한국 시장 맥락으로 해석하는 구조가 있다.
3단계: 더 깊게 https://www.mcp-bridge.ai/ 를 볼 때 “도구 정의 자동 생성”만 보지 말고 인증, rate limit, 실패 응답, 스키마 안정성, MCP 클라이언트 호환성까지 확인해야 한다. 좋은 MCP 도구는 호출이 성공할 때보다 실패할 때 품질이 드러난다.
[실전AI] 에이전틱 AI 커뮤니티
Agentic Workflow
1단계: 흐름 클라우드님은 Windows 네이티브를 권했고, 단테님은 Mac/Windows/Linux 모두 가능하지만 사용자의 목적에 따라 다르다고 정리했다. 엔드유저는 편한 플랫폼, 소스 기여·외부 협업이 많으면 Linux가 유리하다.
2단계: 인사이트 단테님은 본인은 Mac을 메인으로 쓰지만 학습자 테스트를 위해 Windows도 운영한다고 했다. 이는 강의를 만들 때 “내가 편한 환경”이 아니라 “수강자가 실패할 지점”을 먼저 봐야 한다는 태도다.
3단계: 더 깊게 수강자에게 권할 환경을 정할 때는 설치 난이도, 파일 경로 설명, 터미널 권한, 패키지 설치 실패, 화면 공유 시 디버깅 가능성을 본다. Windows 사용자가 많다면 WSL보다 네이티브 흐름이 더 안전할 수 있다.
[커리어해커] AI 네이티브 클럽
Personal Knowledge
1단계: 흐름 초반에는 Claude 강의를 Codex/GPT Pro Max로 따라갈 수 있는지 질문이 있었고, 저녁에는 현성님이 Obsidian RSS → LLM Wiki → Markdown ingest 파이프라인을 성공시킨 이야기가 중심이 됐다.
2단계: 인사이트 현성님은 3일 동안 붙들고 RSS를 raw 파일로 변환해 30분마다 3개씩 ingest/index하는 흐름을 만들었다. 중요한 건 완성도보다 포기하지 않고 자기 콘텐츠 생산 병목을 직접 자동화했다는 점이다.
3단계: 더 깊게 자료 수집, 원문 추출, Markdown 변환, 요약, 색인, 재요약, 출처 표시를 분리해 설계해야 한다. 한 번에 자동화하려고 하면 어디서 품질이 깨졌는지 알기 어렵다.
에르메스단 715
Agent Research
1단계: 흐름 낮에는 쿠마스튜디오 강의 후속과 Discord 커뮤니티 운영 개편이 중심이었고, 저녁에는 공냥이님의 SkillOpt 공유를 계기로 에이전트 스킬 최적화와 논문 토론으로 깊어졌다.
2단계: 인사이트 공냥이님은 SkillOpt를 단순 링크로 던진 것이 아니라 산업공학, 확률론, 최적화, agentic computation graph와 연결해 해석했다. 이 방에서 논문은 학술 정보가 아니라 에이전트 설계 언어로 재번역된다.
3단계: 더 깊게 먼저 https://microsoft.github.io/SkillOpt/ 를 읽고, 스킬을 “프롬프트 조각”이 아니라 평가와 개선이 가능한 작업 단위로 본다. 그 다음 agentic computation graph와 tool-use 비용 논문을 따라가면 좋다.