블로그 소개

그래프 DB 없이 지식 지도 만들기: 관계에 이름 붙이고 근거 남기기 이 블로그 Graph 메뉴를 만들며 적용한 온톨로지·그래프 모델 기록입니다. 그래프 DB 대신 빌드 때 노드·엣지 파일을 만든 이유, 관계 어휘 25종, 엣지의 네 경로, LLM 관계 추출과 검증, 노드 해설로 바꾼 과정을 다룹니다. Web & Mobile2026-11-10 Microsoft Build 2026: 에이전트가 '시연'에서 '운영'으로 넘어간 발표들 Microsoft Build 2026의 발표를 Foundry 에이전트 운영, Microsoft IQ, GitHub Copilot 앱, Fabric·데이터베이스로 나눠 읽고, 정식 출시와 프리뷰를 구분해 실무에 바로 쓸 수 있는 것을 정리합니다. Cloud Architecture2026-11-09 에이전트를 운영에 올리는 데 필요한 것들: Build 2026의 Foundry 발표 Microsoft Build 2026에서 발표된 Foundry의 Hosted agents, Agent Framework 안정화, Toolboxes, 세 종류의 메모리, Rubric 평가와 Agent Optimizer를 읽고, 에이전트 운영의 어떤 빈칸을 채우는지 정리합니다. AI Agents2026-11-09 Foundry IQ 정식 출시: 지식 베이스를 MCP로 열고 서버리스로 과금하다 Build 2026에서 정식 출시된 Foundry IQ 지식 베이스의 변화(MCP 서버, 정식 지원 출처, 보안), 서버리스 요금 구조, 단일 RAG 대비 재현율 수치를 읽고, Microsoft IQ라는 묶음이 무엇인지 정리합니다. LLM Engineering2026-11-09 에이전트 셋을 동시에 굴리는 책상: GitHub Copilot 앱과 워크트리 Microsoft Build 2026에서 기술 프리뷰로 나온 GitHub Copilot 앱이 git 워크트리로 에이전트 세션을 격리하고, 이슈·PR·CI와 엮어 병렬 작업을 다루는 방식을 정리합니다. Developer Tools2026-11-09 웨어하우스에 GPU를 넣다: Build 2026의 Fabric·데이터베이스 발표 Microsoft Build 2026에서 발표된 Fabric Data Warehouse의 GPU 가속(최대 7배 주장과 그 조건), Fabric IQ 정식 출시, HorizonDB 공개 프리뷰 등 Azure 데이터 발표를 읽고 실무 관점에서 정리합니다. Data Analytics2026-11-09 Databricks Data + AI Summit 2026: '맥락'과 '엔진'으로 나눠 읽기 Databricks Data + AI Summit 2026의 발표를 Genie One·Genie Ontology 같은 맥락 쪽 발표와 LTAP·Lakehouse//RT 같은 엔진 쪽 발표, 그리고 Unity Gateway라는 통제 계층으로 나눠 정리합니다. Data Engineering2026-11-09 사람이 큐레이션하지 않는 온톨로지: Databricks Genie Ontology Data + AI Summit 2026에서 발표된 Genie Ontology가 테이블·쿼리·대시보드·앱에서 비즈니스 지식을 뽑아 그래프로 묶고, PageRank와 비슷한 방식으로 출처의 권위를 매기는 구조를 정리하고, 내부 벤치마크 수치를 조건과 함께 읽습니다. Data Analytics2026-11-09 OLTP와 OLAP를 한 사본 위에: Databricks LTAP과 Lakebase Data + AI Summit 2026에서 발표된 LTAP(Lake Transactional/Analytical Processing)이 서버리스 Postgres인 Lakebase로 트랜잭션과 분석을 레이크의 하나의 데이터 사본 위에서 합치는 방식을 정리하고, 파이프라인이 사라진다는 주장을 따져 봅니다. Databases2026-11-09 레이크하우스에서 밀리초를: Databricks Lakehouse//RT와 Reyden 엔진 Data + AI Summit 2026에서 베타로 나온 Lakehouse//RT가 Delta Lake·Iceberg 테이블 위에서 실시간 질의를 처리한다는 발표를 읽고, 10ms·12,000 QPS·16배 같은 수치가 어떤 조건에서 나온 것인지 정리합니다. Data Analytics2026-11-09 모델·MCP·에이전트를 테이블처럼 통제하기: Databricks Unity Gateway Data + AI Summit 2026에서 발표된 Unity Gateway의 새 기능(모델·MCP 서비스·에이전트·스킬 등록, 속성 기반 모델 접근 정책, 예산과 강제 지출 상한, 승인 요구 정책, 통합 추적)을 정리하고, Unity Catalog의 통제를 AI로 넓힌다는 의미를 짚습니다. Governance & Compliance2026-11-09 Microsoft Ignite 2025: 'IQ' 세 개와 에이전트 관리 콘솔로 읽는 발표 Microsoft Ignite 2025의 발표를 Work IQ·Fabric IQ·Foundry IQ라는 세 개의 맥락 계층과 Agent 365라는 관리 계층으로 나눠 읽고, 데이터·AI 실무자가 볼 만한 것을 골라 정리합니다. Cloud Architecture2026-11-09 에이전트에게 사원증을 주는 일: Microsoft Agent 365와 Entra Agent ID Ignite 2025에서 발표된 Microsoft Agent 365의 다섯 가지 기능(등록부·접근 통제·시각화·상호운용·보안)과 그 바탕인 Entra Agent ID를 읽고, 에이전트가 늘어날 때 생기는 관리 문제를 어떻게 풀려는지 정리합니다. Governance & Compliance2026-11-09 RAG를 '한 번 찾기'에서 '따져 보며 찾기'로: Foundry IQ Ignite 2025에서 공개 프리뷰로 나온 Foundry IQ가 RAG를 어떻게 다시 정의했는지, 그리고 Foundry Agent Service·Control Plane·도구 카탈로그와 함께 에이전트 개발 흐름이 어떻게 바뀌는지 정리합니다. LLM Engineering2026-11-09 테이블 대신 '고객'과 '주문'으로: Fabric IQ 온톨로지 읽기 Ignite 2025에서 프리뷰로 나온 Microsoft Fabric IQ의 온톨로지가 무엇을 정의하는지(엔터티·관계·지표·규칙·바인딩), Power BI 시맨틱 모델과 어떻게 이어지는지 공식 문서를 따라 정리합니다. Data Analytics2026-11-09 Azure HorizonDB: 마이크로소프트가 PostgreSQL을 다시 만든 이유 Ignite 2025에서 프리뷰로 나온 Azure HorizonDB의 구조(컴퓨트·스토리지 분리, 최대 3,072 vCore, 128TB)와 DiskANN 필터링, Oracle 이전 도구를 읽고, 함께 나온 DocumentDB·SQL Server 2025까지 Azure 데이터베이스 발표를 정리합니다. Databases2026-11-09 행사 정리 글을 쓸 때 확인하는 것들: 출처, 상태, 영상 이 블로그의 행사 정리 글 25편을 쓰면서 지킨 확인 절차를 적은 메모입니다. 직접 연 페이지만 출처로 쓰기, 발표 당시 상태와 수치의 조건 적기, oEmbed로 영상 채널 확인하기를 다룹니다. Engineering Practices2026-11-09 에이전트가 '나 대신' 일할 때: OAuth 토큰 교환과 위임 Agent 365와 Agent Identity 발표가 공통으로 다루는 '사용자를 대신하는 에이전트'의 권한 문제를 OAuth 2.0 토큰 교환(RFC 8693)으로 정리한 메모입니다. 가장(impersonation)과 위임(delegation)의 차이, subject_token과 actor_token, act 클레임을 다룹니다. Security & Identity2026-11-09 Apache Iceberg를 한 장으로: 여러 엔진이 같은 테이블을 쓰게 하는 형식 행사 발표마다 나오는 Apache Iceberg가 무엇인지, 공식 문서가 꼽는 네 가지 사용자 경험(스키마 진화, 숨은 파티셔닝, 시간 여행, 롤백)과 직렬화 격리를 한 장 분량으로 정리한 메모입니다. Data Engineering2026-11-09 Cedar 정책 언어 기초: permit, forbid, 그리고 기본은 거부 AgentCore Policy가 쓰는 Cedar 정책 언어의 기본(누가·무엇을·어디에, permit과 forbid, 기본 거부, forbid 우선, when·unless 조건)을 공식 문서를 따라 정리한 메모입니다. Security & Identity2026-11-09 CDC(변경 데이터 캡처)를 한 장으로: 로그를 읽어 변경을 옮기기 LTAP과 Lakehouse//RT 발표가 '없애겠다'고 한 CDC 파이프라인이 무엇인지 Debezium 문서로 정리한 메모입니다. 로그 기반 CDC가 폴링이나 이중 쓰기보다 나은 점을 다룹니다. Data Engineering2026-11-09 내구 실행(Durable Execution)과 결정성: 재실행이 안전하려면 Lambda Durable Functions 같은 내구 실행이 기대는 원리(이벤트 기록과 재실행)와, 그래서 워크플로 코드가 지켜야 하는 결정성 조건을 Temporal 공식 문서를 따라 정리한 메모입니다. Engineering Practices2026-11-09 git worktree: 브랜치 여러 개를 동시에 꺼내 두는 법 코딩 에이전트를 병렬로 돌릴 때 쓰이는 git worktree의 기본(메인·연결 워크트리, add·list·remove·prune, 같은 브랜치를 두 곳에서 꺼낼 수 없는 제약, 공유되는 것과 따로인 것)을 공식 문서로 정리한 메모입니다. Developer Tools2026-11-09 멱등 키: 같은 요청을 두 번 보내도 한 번만 처리하게 재시도가 기본인 서버리스·에이전트 시대에 꼭 필요한 멱등 키(idempotency key)의 동작을 Stripe API 문서를 따라 정리한 메모입니다. 키 생성, 보관 기간, 파라미터가 다를 때의 처리, GET·DELETE에 쓰지 않는 이유를 다룹니다. Engineering Practices2026-11-09 온톨로지, 지식 그래프, 시맨틱 레이어: 비슷한 말 세 개 구분하기 Fabric IQ, Genie Ontology, Horizon Context 발표에 섞여 나오는 온톨로지·지식 그래프·시맨틱 레이어를 W3C RDF 1.1 Primer와 OWL 2 Overview로 구분한 메모입니다. 트리플, 클래스와 속성, 추론, 그리고 셋이 맡는 일의 차이를 다룹니다. Data Analytics2026-11-09 RAG와 하이브리드 검색을 한 장으로: 찾아서 답하고, 두 검색을 섞기 행사 글마다 나오는 RAG가 원래 무엇을 풀려던 방법인지 원 논문 초록으로, 키워드 검색과 벡터 검색을 섞는 하이브리드 검색과 RRF(순위 역수 합)를 Elasticsearch 문서로 정리한 메모입니다. 이 블로그 검색이 점수를 섞은 방식과도 비교합니다. LLM Engineering2026-11-09 시맨틱 레이어를 한 장으로: 지표를 한 번만 정의하기 Horizon Context, Fabric IQ, Genie Ontology를 읽으며 계속 나온 시맨틱 레이어가 무엇인지 dbt Semantic Layer 문서로 정리한 메모입니다. 지표를 BI가 아니라 모델링 계층에서 한 번 정의하는 이유와 소비 방식을 다룹니다. Data Analytics2026-11-09 벡터 검색에 조건을 붙이면 결과가 모자라는 이유 HorizonDB의 DiskANN 필터링 발표를 이해하려고 pgvector 문서로 정리한 메모입니다. HNSW와 IVFFlat의 차이, 근사 검색, 그리고 WHERE 조건을 붙이면 결과가 덜 나오는 이유와 해결책(ef_search, 반복 인덱스 스캔, 부분 인덱스)을 다룹니다. Databases2026-11-09 AWS re:Invent 2025, 데이터·에이전트 실무 관점에서 골라 읽기 AWS re:Invent 2025의 발표 목록에서 에이전트 운영, 벡터 저장소, 서버리스 워크플로, 운영 자동화처럼 데이터·LLM 실무와 맞닿은 것들을 골라 무엇이 바뀌었는지 짚어 봅니다. Cloud Architecture2026-11-09 프롬프트 밖에서 에이전트를 묶는 법: Bedrock AgentCore Policy와 Evaluations re:Invent 2025에서 발표된 Amazon Bedrock AgentCore Policy와 Evaluations를 읽고, 도구 호출을 게이트웨이에서 가로채는 방식과 운영 중 품질을 채점하는 방식이 무엇을 해결하는지 정리합니다. AI Agents2026-11-09 벡터 DB를 따로 둘 이유가 남을까: Amazon S3 Vectors 정식 출시 re:Invent 2025에서 정식 출시된 Amazon S3 Vectors의 규모·지연·비용 수치를 읽고, 전용 벡터 데이터베이스와 무엇이 다르고 어떤 RAG 워크로드에 맞는지 따져 봅니다. Storage2026-11-09 Lambda가 1년을 기다린다: Durable Functions로 다단계 작업 짜기 re:Invent 2025에서 발표된 AWS Lambda Durable Functions의 체크포인트·재실행 구조를 읽고, 승인 대기나 LLM 호출이 섞인 다단계 작업을 일반 Lambda 코드로 짤 때 지켜야 할 조건을 정리합니다. Serverless2026-11-09 새벽 3시의 첫 30분을 맡길 수 있을까: AWS DevOps Agent re:Invent 2025에서 프리뷰로 나온 AWS DevOps Agent의 조사 방식(Agent Space, 토폴로지, 연동 도구)을 읽고, 장애 대응의 어느 단계를 에이전트에게 맡길 수 있는지 따져 봅니다. Observability & Operations2026-11-09 Snowflake Summit 2026: 이름이 바뀐 제품들로 읽는 '에이전틱 엔터프라이즈' Snowflake Summit 2026의 보도자료를 읽고, CoWork·CoCo로 바뀐 이름과 Horizon Catalog, Iceberg 상호운용, Natoma 인수, Anthropic 협력을 묶어 스노우플레이크가 어디로 가는지 정리합니다. Data Analytics2026-11-09 에이전트에게 회사의 사전을 주는 일: Horizon Context와 Semantic Studio Snowflake Summit 2026에서 발표된 Horizon Catalog의 Horizon Context, Semantic Studio, Semantic View Autopilot, Agent Identity를 읽고, 비즈니스 정의를 에이전트와 BI가 함께 쓰는 구조가 무엇을 바꾸는지 정리합니다. Governance & Compliance2026-11-09 데이터를 옮기지 않겠다는 약속: Snowflake의 Iceberg 상호운용 발표 Snowflake Summit 2026에서 발표된 Apache Iceberg v3 정식 지원, 외부 엔진의 양방향 읽기·쓰기, 범용 접근 통제와 Iceberg REST Scan Plan API, SAP·Salesforce·Workday 무복사 연동을 상태별로 정리합니다. Data Engineering2026-11-09 모든 직원에게 데이터 분석가를: Snowflake CoWork 발표 읽기 Snowflake Summit 2026에서 Snowflake Intelligence가 이름을 바꾼 CoWork의 기능(Deep Research, 메모리, 스킬, MCP 커넥터, Cortex Sense)과 상태를 정리하고, 지식 노동자용 데이터 에이전트에서 따져 볼 지점을 짚습니다. AI Agents2026-11-09 데이터 통제에서 행동 통제로: Snowflake가 MCP 플랫폼 Natoma를 사는 이유 Snowflake Summit 2026 직전 발표된 Natoma 인수 의향을 읽고, MCP 게이트웨이와 검증된 MCP 서버 목록으로 에이전트의 외부 도구 접근을 통제하려는 구상과 그 배경을 정리합니다. Security & Identity2026-11-09 바이브 코딩의 두 얼굴: 코드를 잊는 쪽과 책임지는 쪽 Google Cloud가 정리한 바이브 코딩의 정의를 따라, 코드를 잊고 속도를 얻는 '순수' 방식과 리뷰·테스트로 책임을 지는 방식을 나눠 보고 언제 어느 쪽을 골라야 하는지 정리합니다. Engineering Practices2026-11-06 프롬프트에서 공개 URL까지: AI Studio 앱을 Cloud Run에 올릴 때 볼 것 Google AI Studio의 Build 모드로 만든 앱을 Cloud Run에 배포하는 '바이브 배포' 흐름을 따라가며, API 키가 어디에 들어가는지와 공유하는 순간 생기는 비용 문제를 공식 문서 기준으로 정리합니다. Serverless2026-11-06 "다 했어요"를 믿지 않는 법: Claude Code에 확인 수단 쥐여 주기 Anthropic의 Claude Code 모범 사례 문서를 따라, 에이전트가 '끝났다'고 말할 근거를 주는 법과 프롬프트로는 보장되지 않는 규칙을 훅으로 강제하는 법을 정리합니다. AI Agents2026-11-06 바이브 코딩 청구서 읽기: Claude Code 비용은 어디서 늘어나나 Anthropic이 공개한 Claude Code 비용 문서를 바탕으로, 개발자 한 명이 하루에 쓰는 평균 비용과 세션이 길어질수록 사용량이 커지는 이유, 팀 단위 한도 설정과 토큰 절약법을 정리합니다. Cost Management2026-11-06 AI가 쓴 코드도 계측된다: Claude Code의 OpenTelemetry 지표 읽기 Claude Code가 OpenTelemetry로 내보내는 지표와 이벤트를 공식 문서 기준으로 정리하고, 프롬프트 내용은 기본으로 가려진다는 점과 관리자가 설정을 고정하는 방법, 팀 대시보드에 쓸 지표 조합을 살펴봅니다. Observability & Operations2026-11-06 에이전트를 울타리 안에 두기: OpenAI Codex의 샌드박스와 승인 정책 OpenAI Codex 문서를 따라 샌드박스(무엇을 할 수 있나)와 승인 정책(언제 물어보나)이 어떻게 겹쳐 동작하는지, 클라우드 작업에서 비밀값과 인터넷 접근을 어떻게 나누는지 정리합니다. Security & Identity2026-11-06 레거시 SAP에도 AI 코딩이 될까: 아모레퍼시픽의 Kiro 스펙 모드 사례 AWS가 공개한 아모레퍼시픽 사례를 따라, 로컬 파일도 공식 MCP 서버도 없던 SAP ECC 환경에서 Kiro의 스펙 모드와 바이브 모드를 어떻게 나눠 썼는지, 생산성 숫자를 어떻게 읽어야 하는지 정리합니다. Migration & Modernization2026-11-06 CI 안의 AI 동료: Gemini CLI GitHub Actions로 이슈와 PR 맡기기 구글이 공개한 Gemini CLI GitHub Actions의 세 가지 워크플로(이슈 분류, PR 리뷰, 멘션 호출)와 장기 키 없는 인증, 명령 허용 목록, 텔레메트리 같은 보안 장치를 공식 블로그와 저장소 기준으로 정리합니다. DevOps & CI/CD2026-11-06 코딩 점수표 읽는 법: SWE-bench, LiveCodeBench, Terminal Bench는 무엇을 재나 OpenAI·LG AI연구원·업스테이지가 공개한 코딩 벤치마크 수치를 나란히 놓고, 각 벤치마크가 재는 범위와 측정 조건이 어떻게 다른지, 바이브 코딩용 모델을 고를 때 숫자를 어떻게 읽어야 하는지 정리합니다. Machine Learning2026-11-06 주석으로 쿼리 쓰기: BigQuery 'Comments to SQL'과 바이브 쿼리의 한계 구글이 '바이브 쿼리'라고 부른 BigQuery의 Comments to SQL 기능을 공식 블로그와 문서로 살펴보고, SQL 안에 자연어 주석을 섞어 쓰는 방식과 정확도를 높이는 조건, 미리보기 기능으로서의 한계를 정리합니다. Data Analytics2026-11-06 이 블로그가 정적 페이지와 작은 함수로 돌아가는 방식 two-thirteen이 정적 페이지와 아주 작은 서버 기능으로 어떻게 제공되는지, 방문 통계와 검색이 어디서 처리되는지를 적어 둔 운영 메모입니다. Cloud Architecture2026-11-05 BigQuery 파티션 필터 필수 옵션, 비싼 쿼리를 문 앞에서 막기 BigQuery 분할 테이블에 파티션 필터를 필수로 거는 옵션이 무엇을 하는지, SQL과 bq로 켜는 방법, 걸렸을 때의 오류와 알아 둘 제약을 공식 문서에서 확인해 정리한 메모입니다. Data Analytics2026-11-05 Cloud Run 요청 타임아웃, 기본 5분과 최대 60분 정리 Cloud Run 요청 타임아웃의 기본값과 최대값, 설정하는 세 가지 방법, 시간이 지나면 어떤 응답이 나가는지를 공식 문서에서 확인해 정리한 짧은 메모입니다. Serverless2026-11-05 MCP를 한 장으로: AI 앱의 USB-C 포트 Model Context Protocol(MCP)이 무엇인지, 공식 소개 문서가 쓰는 USB-C 비유와 활용 예시, 누가 어떤 이득을 보는지를 한 장 분량으로 정리한 메모입니다. AI Agents2026-11-05 새 글이 어느 연재에 속하는지 LLM에게 먼저 물어보기: 제안은 LLM이, 승인은 사람이 글이 늘면서 연재 소속과 순서를 손으로 관리하기 어려워져 LLM 제안 도구를 만든 기록입니다. 규칙으로 후보를 좁히고, 닫힌 선택지와 근거 검사로 판정하고, 사람이 승인한 것만 반영하는 구조와 15편으로 잰 평가 결과를 다룹니다. LLM Engineering2026-11-03 데이터베이스 없이 블로그 검색 만들기: TF-IDF에서 온톨로지까지 글 12편짜리 정적 블로그에 검색 서버 없이 검색을 붙인 기록입니다. 빌드 시점 TF-IDF 색인에서 시작해, 검색어 단어의 역할 구분과 IDF 가중, Palantir·Google의 모델링을 참고한 개념·개체 온톨로지로 관계를 따라 넓히는 검색까지 다룹니다. Web & Mobile2026-11-01 LLM을 붙이기 전에 시험지부터: EXAONE과 임베딩으로 블로그 검색 고쳐 보기 온톨로지 검색이 못 찾던 질문을 LLM으로 고칠 수 있을지, 질문 32개짜리 평가 세트로 먼저 측정했습니다. 키워드 상한 하나의 효과, 로컬 EXAONE 3.5로 독자 검색어를 만든 빌드 단계 보강, bge-m3 임베딩 하이브리드 검색의 효과를 요소별 수치로 비교합니다. LLM Engineering2026-11-01 검색 결과 위에 짧은 답변 붙이기: EXAONE을 찾다가 Solar Pro 4로 블로그 검색창에 글 내용만 근거로 답하는 기능을 붙인 기록입니다. 쓸 수 있는 EXAONE API를 찾다 막힌 과정, 업스테이지 Solar Pro 4를 고른 이유, 근거 없는 답을 막는 두 겹의 장치와 비용 통제를 다룹니다. LLM Engineering2026-11-01 Google Cloud Next '26을 데이터 엔지니어의 눈으로 다시 읽기 260개가 넘는 Google Cloud Next '26 발표 중 데이터 엔지니어링·에이전트·LLM 실무와 맞닿은 것들을 골라, Vertex AI가 Gemini Enterprise Agent Platform으로 바뀐 의미와 Agentic Data Cloud의 구성을 짚어봅니다. Cloud Architecture2026-10-31 에이전트가 '매출'을 엉뚱하게 계산하는 이유: Knowledge Catalog와 비즈니스 맥락 Next '26에서 발표된 Knowledge Catalog, BigQuery measures, Data Products가 text-to-SQL 에이전트의 고질적인 의미 해석 문제를 어떻게 다루는지, 그리고 카탈로그 자동 추론 전에 사람이 먼저 남겨야 할 메타데이터를 정리합니다. Data Analytics2026-10-31 S3의 데이터를 옮기지 않고 BigQuery로 읽기: Cross-Cloud Lakehouse와 Iceberg REST Catalog Next '26에서 BigLake가 Cross-Cloud Lakehouse로 바뀌며 Iceberg REST Catalog 중심으로 재편됐습니다. 복사 기반 멀티클라우드 적재의 문제, 카탈로그 연합과 교차 클라우드 캐싱의 의미, 도입 전 확인할 운영 포인트를 다룹니다. Hybrid & Multicloud2026-10-31 문서 수만 건에 LLM을 한 줄씩 부르지 않기: BigQuery AI 함수와 최적화 모드 Cloud Run에서 문서마다 LLM API를 호출하던 분류 작업을 BigQuery AI.CLASSIFY·AI.IF로 옮길 때의 판단 기준과, Next '26에서 발표된 SQL 우선 최적화 모드(증류 모델)의 동작 원리와 제약을 정리합니다. Data Analytics2026-10-31 말로 주문한 파이프라인, 리뷰어는 무엇을 봐야 할까: BigQuery Data Engineering Agent Next '26에서 Dataform 파이프라인을 자연어로 생성하는 Data Engineering Agent와 Data Agent Kit이 발표됐습니다. 에이전트가 만든 SQLX를 리뷰할 때 멱등성·증분 조건·품질 검사 관점에서 확인해야 할 체크리스트를 정리합니다. Data Engineering2026-10-31 LLM에게 순서까지 맡기지 않기: ADK 그래프 워크플로와 Agent Studio 도구를 많이 쥔 단일 에이전트가 검색 단계를 건너뛰고 답하는 문제에서 출발해, Next '26에서 그래프 기반으로 재편된 Agent Development Kit(ADK 2.0)의 워크플로 런타임, Agent Studio, Agent Runtime·Memory Bank의 쓰임새와 마이그레이션 주의점을 다룹니다. AI Agents2026-10-31 에이전트마다 서비스 계정을 나눠주던 시절의 끝: Agent Identity, Registry, Gateway 여러 에이전트가 같은 서비스 계정을 공유할 때 생기는 권한·감사 문제에서 출발해, Next '26에서 발표된 Agent Identity, Agent Registry, Agent Gateway와 Model Armor, Wiz 연동이 에이전트 거버넌스를 어떻게 바꾸는지, 지금 할 수 있는 최소 권한 설정은 무엇인지 다룹니다. Security & Identity2026-10-31 '잘 되는 것 같은데요'에서 벗어나기: 에이전트 평가·관측 데이터를 BigQuery에 쌓기 Next '26에서 발표된 Agent Analytics 플러그인(ADK·LangGraph 상호작용의 BigQuery 적재), Agent Simulation, 다중 턴 자동 평가, Agent Optimizer를 바탕으로, 운영 중인 에이전트의 실패를 데이터로 찾는 SQL 분석 패턴과 로그 보존 주의점을 정리합니다. Observability & Operations2026-10-31 에이전트에게 데이터베이스를 열어줄 때: 관리형 MCP 서버와 도구 설계의 입도 Next '26에서 데이터베이스·Cloud Run·Looker·Cloud Storage용 관리형 원격 MCP 서버가 대거 발표됐습니다. 범용 execute_sql 도구 대신 좁고 파라미터화된 도구를 설계해야 하는 이유와 MCP Toolbox 설정 예시, 비용 안전장치를 다룹니다. AI Agents2026-10-31 Next '26 고객 사례를 아키텍처로 읽기: 800개의 에이전트는 어떻게 굴러갈까 GE Appliances, Tata Steel, Deutsche Telekom, Papa John's, Virgin Voyages, Home Depot 등 Google Cloud Next '26에서 공개된 에이전트 도입 사례를 숫자 대신 아키텍처 패턴으로 다시 읽고, 작은 팀이 가져갈 수 있는 교훈을 정리합니다. AI Agents2026-10-31 대용량 데이터 파이프라인에서 메모리 누수와 OOM 트러블슈팅 대용량 데이터 수집 파이프라인에서 CPython 순환 참조와 가비지 컬렉션 지연으로 인한 OOM 현상을 해결하고 메모리 최적화를 이뤄낸 실무 노하우를 정리합니다. Data Engineering2026-10-15 Cloud Run으로 대용량 배치 파이프라인 돌리기: 겪었던 문제들과 해결책 Cloud Run의 5분 실행 시간 한계(타임아웃)와 BeautifulSoup 순환 참조로 인한 메모리 누수(OOM)를 극복하고, BigQuery MERGE로 멱등성을 확보한 실전 엔지니어링 팁을 공유합니다. Serverless2026-10-14