OpenClaw, 그리고 그 대안들에 대해 알아봅시다

OpenClaw의 101: 기술 스택부터 경량화된 대안들, 그리고 OpenClaw가 에이전틱 AI의 담론을 바꾸고 있다는 것의 의미

AI 에이전트 스택(Stack), 20개 에피소드 정리

끊임없이 변화하는 AI 에이전트 분야, 그 동안의 가이드

🦸🏻#20: 15가지 코딩 에이전트 전격 비교! 뭐가 제일 좋을까?

IDE부터 CLI, 풀스택, 하이브리드까지 – 15가지 AI 코딩 도구의 실사용 비교

🦸🏻#19: 에이전트의 '욕망'을 조율한다: AI의 보상함수, 가치함수 이야기

에이전트의 '삶'에서 보상, 그리고 가치라는 것이 어떤 역할을 하는지 알아봅시다.

🦸🏻#18: '하나의 AI', 그 한계를 넘어: 멀티 에이전트 시스템이 여는 '협력'의 지능

MAS (멀티 에이전트 시스템), 그리고 이 분야의 최신 연구동향까지 알아봅시다.

🦸🏻#17: 인간 확장의 궁극적 형태, Co-Agency

미디어로서의 AI는 우리의 인식, 행동, 문화를 어떻게 형성하는가

🦸🏻#16: '도구'로서의 인간? - 에이전틱 워크플로우에서 HITL의 진화

지능형 시스템의 미래를 바꾸는데 꼭 필요한, Human-AI Co-Agency

🦸🏻#15: 구글이 발표한 A2A는 뭔가? 왜 아직 큰 화제가 되지 않고 있을까?

구글이 꿈꾸는 '에이전트 검색 포털'의 검색 엔진(일 것 같은) A2A의 모든 것

🦸🏻#14: '행동 (Actions)': 에이전트가 작업 (Task)을 수행하는 방법

UI vs. API 기반 상호작용의 차이, LLM의 함수 호출, 에이전트의 자율적 '액션'을 위한 오픈소스 프레임웍들

🦸🏻#13: 에이전트가 '실수'로부터 배우는 법: 'Reflection (성찰)'의 역할

외부의 피드백이 없어도 '자기 수정'하는, 더 신뢰성이 높고 더 자율적인 시스템의 핵심 기제

🦸🏻#12: 갑자기 많은 관심을 받고 있는 'MCP', 한 번 알아봅시다.

MCP의 정체, 에이전틱 워크플로우에서 MCP의 역할, 적용할 때 고려 사항

🦸🏻#11: 에이전트는 어떻게 '계획'과 '추론'을 할 수 있을까?

더 정확하면서도 잘 적응하는 '계획'을 세우게 하는 법 + 강화학습 기반의 DeepSeek 추론 훈련

🦸🏻#10: 최신의 AI 모델들은 진짜로 '추론'을 하는 걸까요?

'추론 (Reasoning)'한다는 건 구체적으로 뭘까요? ‘생각의 모드'에 대해 논의해 봅시다.

🦸🏻#9: AI는 어떻게 '기억'을 할까? '에이전트' 구조에서 '메모리'의 역할

'메모리'의 유형, LLM에서 '메모리'의 모드, 그리고 AI가 '기억'에 미치는 영향

🦸🏻#8: 변화하는 '지식'의 패러다임: 최신의 AI 에이전트들은 어떻게 적응하고 배우는가

'고정된 규칙'에서 '다이나믹한 추론'으로 진화해 가는 현대적인 AI 에이전트

🦸🏻#7: 젠슨 황이 그리는, 'Agentic AI'에서 'Physical AI'로 가는 미래

엔비디아의 전략을 만들어가는 젠슨 황의 접근 방법

🦸🏻#6: 에이전틱 시스템에서 '프로파일링'의 역할

'프로파일링'이 AI 에이전트의 캐릭터, 환경 인식, 그리고 의사 결정에 중요한 이유

🦸🏻#5: 에이전틱 시스템의 구성 요소 (Building Blocks)

'AI 에이전트'가 작동하는 전체 그림, 그리고 필요한 구성 요소를 알아봅시다

🦸🏻#4: '집사'에서 '자비스'로, 그리고 다시 '집사'?

'자비스'의 역사, 그리고 Physical Intelligenced의 π0 딥다이브

🦸🏻#3: 에이전트, 그리고 에이전틱 워크플로우 - 예시로 감 잡아봅시다!

🦸🏻#2: AI 에이전트 세계를 이해하는 '틀'과 '필수 어휘'

에이전트의 유형과 기능, 에이전트의 발전 로드맵, 그리고 패러다임 변화

🦸🏻#1: 개방성 (Open-Endedness), 그리고 AI 에이전트

'개방성' - '생성형 AI'에서 '창조적 AI'로 진화하는 길인가?