claude-sonnet

4 개의 포스트

aws

AWS 주간 요약: AWS에서 제공되는 Claude Sonnet 5, AI 에이전트를 위한 Amazon WorkSpaces, AWS 서비스 가용성 업데이트 등 (2026년 7월 6일) | Amazon Web Services (새 탭에서 열림)

AWS는 이번 주 Claude Sonnet 5, AI 에이전트용 Amazon WorkSpaces, 로그 분석 최적화 OpenSearch 등 AI·인프라 관련 기능을 대거 공개했다. 특히 CloudFormation Express, EKS 버전 롤백, ACM의 ACME 지원처럼 개발·운영 속도와 안정성을 높이는 기능도 강화됐다. 동시에 여러 AWS 서비스와 기능이 유지보수 단계, 일몰 또는 지원 종료로 전환되므로 사용 중인 서비스의 마이그레이션 계획을 점검해야 한다. ## 주요 출시 및 업데이트 ### Graviton5 기반 Amazon EC2 C9g/C9gd - AWS Graviton5 프로세서를 탑재한 컴퓨팅 최적화 인스턴스다. - Graviton4 기반 인스턴스보다 최대 25% 향상된 컴퓨팅 성능을 제공한다. - 캐시 용량이 5배 커졌으며, 클라우드 프로세서 중 가장 빠른 메모리 성능을 제공한다. - C9gd는 로컬 NVMe 스토리지를 지원해 고성능 임시 데이터 처리에 적합하다. ### AWS CloudFormation Express 모드 - 인프라 배포 결과를 수초 내에 확인할 수 있도록 배포 흐름을 단축한다. - AI 에이전트와 개발자가 배포 결과를 빠르게 확인하고 반복 작업을 수행할 수 있다. - 모든 상용 AWS 리전에서 추가 비용 없이 제공된다. ### Amazon EKS Kubernetes 버전 롤백 - Kubernetes 클러스터 업그레이드 후 최대 7일 동안 이전 버전으로 되돌릴 수 있다. - 업그레이드 실패 시 클러스터를 새로 구축하지 않아도 된다. - Kubernetes 버전 업그레이드를 되돌릴 수 있는 저위험 작업으로 만들어 운영 안정성을 높인다. ### AWS Certificate Manager의 ACME 지원 - 표준 ACME 프로토콜을 사용해 퍼블릭 TLS 인증서 발급과 갱신을 자동화할 수 있다. - 기존 ACME 기반 도구 및 자동화 파이프라인과 연동하기 쉬워졌다. - 인증서 만료로 인한 서비스 중단 위험을 줄일 수 있다. ## AI 및 개발 생산성 기능 ### AWS에서 제공되는 Claude Sonnet 5 - Anthropic의 최신 Sonnet 모델로, 코딩·에이전트 작업·일반 업무를 대상으로 한다. - 대규모 코드베이스를 탐색하고 도구를 정확하게 호출할 수 있다. - 장시간 이어지는 에이전트 작업에서 상태를 유지하도록 설계됐다. - Sonnet 계열의 가격대에서 높은 수준의 추론 성능을 제공하는 것이 특징이다. ### AI 에이전트용 Amazon WorkSpaces - AI 에이전트가 관리형 WorkSpaces 환경에서 데스크톱 애플리케이션에 안전하게 접근하고 조작할 수 있다. - 기존 애플리케이션을 현대화하거나 별도의 맞춤형 통합을 구현하지 않아도 된다. - 레거시 GUI 애플리케이션을 AI 자동화 workflow에 포함할 수 있는 기반을 제공한다. - 정식 출시(GA) 단계로 제공된다. ### Amazon SageMaker AI 추론 확장 속도 개선 - 컨테이너 이미지 캐싱을 지원해 생성형 AI 모델의 scale-out 시간을 줄인다. - 추론 확장 이벤트에서 엔드투엔드 확장 속도가 최대 2배 빨라질 수 있다. - 트래픽 급증 시 새 추론 인스턴스를 준비하는 시간을 단축한다. ## 데이터 분석 및 모니터링 개선 ### 로그 분석에 최적화된 Amazon OpenSearch Service - 로그 분석 workload를 위해 별도로 설계된 새로운 엔진을 제공한다. - AWS 내부 벤치마크 기준 최대 4배 향상된 가격 대비 성능을 목표로 한다. - 로그 집계와 정밀한 전문 검색을 하나의 시스템에서 함께 수행할 수 있다. - 검색 기능과 분석 기능을 별도 시스템으로 분리해야 하는 부담을 줄인다. ### CloudWatch 로그 쿼리 기반 알람 - 로그 쿼리 결과에 직접 임계값을 설정해 알람을 만들 수 있다. - 기존처럼 먼저 메트릭 필터나 사용자 지정 메트릭을 생성할 필요가 없다. - 로그 분석과 장애 알림 설정을 하나의 workflow로 처리할 수 있다. ## AWS 서비스 가용성 변경 AWS는 서비스 또는 기능의 제공 상태가 바뀔 때 대체 서비스와 마이그레이션 지침을 제공한다. 2026년 6월 30일 기준으로 다음과 같은 변경이 발표됐다. ### 신규 고객 접근이 제한되는 유지보수 단계 2026년 7월 30일부터 신규 고객이 사용할 수 없게 되는 서비스 및 기능은 다음과 같다. - Amazon Bedrock Agents → Amazon Bedrock Agents Classic - Amazon Cognito Sync - Amazon Kendra - Amazon Q Business - AWS Directory Service – Simple AD - AWS IoT Device Defender – Detect - 2026년 8월 31일부터 신규 고객 접근 제한 - AWS Mainframe Modernization – Self-Managed Experience - AWS Management Console – myApplications - AWS Resource Groups – Group Lifecycle Events - AWS Service Catalog – Application Registry - AWS Systems Manager – Application Manager - SageMaker AI의 A2I, Clarify, Debugger, GeoSpatial, Ground Truth, Mechanical Turk, Model Monitor, Role Manager, Studio Lab ### 서비스 일몰(Sunset) 대상 - Amazon WorkSpaces – PCoIP - Amazon WorkSpaces – Pool - AWS Managed Services Advanced - AWS re:Post Private - Amazon SageMaker AI – Profiler ### 지원 종료 대상 2026년 6월 30일부로 다음 서비스의 지원이 종료됐다. - Amazon Chime SDK – Carrier Voice Focus - Amazon SageMaker AI – Ground Truth Plus ## 예정된 AWS 행사 - AWS Summits: - 2026년 하반기 각 지역에서 열리는 무료 클라우드·AI 행사다. - 최신 기술을 학습하고 커뮤니티와 교류할 수 있다. - AWS Community Days: - 커뮤니티가 직접 기획하고 운영하는 행사다. - 브라질에서는 AWS Community Day Belo Horizonte가 2026년 8월 22일 개최될 예정이다. - AWS Builder Center: - 개발자와 빌더가 솔루션을 공유하고 관련 콘텐츠 및 행사 정보를 확인할 수 있는 커뮤니티 공간이다. 사용 중인 AWS 서비스가 유지보수, 일몰 또는 지원 종료 대상인지 먼저 확인하고, 대체 서비스와 마이그레이션 일정을 미리 수립하는 것이 좋다. 신규 AI·인프라 프로젝트에서는 Claude Sonnet 5, CloudFormation Express, EKS 롤백, 로그 기반 CloudWatch 알람 등을 활용하면 개발 속도와 운영 안정성을 함께 높일 수 있다.

github

GitHub Copilot CLI로 이모지 리스트 생성기 만들기 (새 탭에서 열림)

소셜 미디어용 목록에 어울리는 이모지를 자동으로 붙여 주는 터미널 애플리케이션을 GitHub Copilot CLI로 개발한 사례를 소개합니다. 사용자가 마크다운 bullet list를 입력한 뒤 `Ctrl + S`를 누르면 Copilot SDK가 각 항목에 적절한 이모지를 추가하고 결과를 클립보드에 복사합니다. 이 프로젝트는 짧은 기획과 여러 AI 개발 도구를 활용해 실용적인 CLI를 빠르게 만들 수 있음을 보여 줍니다. ## 이모지 목록 생성기의 기능 - 터미널에서 실행되는 대화형 애플리케이션입니다. - 사용자가 bullet point 목록을 붙여 넣거나 직접 작성합니다. - `Ctrl + S`를 누르면 각 항목의 의미에 맞는 이모지를 자동으로 추가합니다. - 완성된 목록은 클립보드에 복사되어 소셜 미디어 게시물 등에 바로 사용할 수 있습니다. - `Ctrl + C`로 애플리케이션을 종료합니다. ## 사용한 기술 스택 - `@opentui/core` - 터미널 기반 사용자 인터페이스를 구현합니다. - `@github/copilot-sdk` - 입력된 문장을 분석하고 적절한 이모지를 선택하는 AI 기능을 담당합니다. - `clipboardy` - 생성된 결과를 시스템 클립보드에 복사합니다. - GitHub Copilot CLI - 프로젝트 기획, 구현, 코드 작성 과정 전반에 활용되었습니다. ## Copilot CLI를 활용한 개발 과정 - 먼저 Copilot CLI의 **plan mode**에서 애플리케이션의 요구사항을 자연어로 설명했습니다. - Copilot은 사용할 기술 스택, UI 방식, 라이브러리 등에 대해 추가 질문을 했습니다. - 논의 결과를 바탕으로 검토 가능한 `plan.md` 파일을 생성했습니다. - 계획을 확인한 뒤 Claude Opus 4.7을 사용해 실제 구현을 진행했습니다. - 몇 분 만에 동작하는 터미널 UI와 AI 기반 변환 기능을 완성했습니다. ## 함께 사용한 Copilot CLI 기능 - **Plan mode** - 구현 전에 요구사항과 기술적 접근 방식을 정리합니다. - **Autopilot mode** - 여러 구현 작업을 자동으로 진행하도록 합니다. - **Multi-model workflow** - 계획 수립과 구현 등 작업 목적에 따라 서로 다른 AI 모델을 활용합니다. - **`allow-all` 도구 플래그** - CLI가 필요한 도구를 보다 자유롭게 사용할 수 있도록 합니다. - **GitHub MCP 서버** - GitHub 관련 정보와 기능을 Copilot이 활용할 수 있게 합니다. ## 공개된 결과물 - 완성된 프로젝트는 무료 오픈 소스로 공개되었습니다. - GitHub 저장소: `cassidoo/emoji-list-generator` - Copilot CLI와 Copilot SDK의 공식 문서를 참고해 유사한 프로젝트를 직접 만들 수 있습니다. 작은 자동화 도구라도 요구사항을 먼저 계획으로 구체화하고, AI 모델·SDK·터미널 UI·클립보드 라이브러리를 조합하면 빠르게 완성할 수 있습니다. 특히 반복적인 콘텐츠 작성 작업을 CLI로 자동화하려는 개발자에게 적합한 접근입니다.

aws

AWS 주간 소식: Amazon Bed (새 탭에서 열림)

AWS는 Amazon Bedrock에 Claude Sonnet 4.6 모델을 도입하고 Kiro의 가용성을 GovCloud로 확장하며 AI 에이전트 개발 및 배포 지원을 대폭 강화했습니다. 이번 발표는 고성능 컴퓨팅(HPC) 인스턴스 출시와 데이터베이스 보안 자동화를 포함하여, 개발자가 AI 기술을 실제 운영 환경에 더 쉽고 안전하게 적용할 수 있도록 돕는 데 중점을 두고 있습니다. 특히 인간과 AI가 공동 개발자로 협력하는 '재탄생하는 소프트웨어(Renascent Software)' 개념을 실현하기 위한 구체적인 도구와 에코시스템을 제시하고 있습니다. **Claude Sonnet 4.6 및 AI 모델 고도화** * **Claude Sonnet 4.6 출시:** Amazon Bedrock에서 사용 가능한 이 모델은 코딩, 에이전트 수행, 전문 업무 전반에서 최상위 성능을 제공하며, Opus 4.6 수준의 지능을 더 낮은 비용과 빠른 속도로 구현합니다. * **SageMaker 기반 Nova 모델 최적화:** Amazon SageMaker Inference를 통해 커스텀 Nova 모델의 인스턴스 유형, 오토스케일링 정책, 동시성 설정을 사용자의 요구에 맞춰 구성할 수 있습니다. * **자동화된 추론과 신뢰:** AI가 생성한 코드나 결정의 정확성을 검증하기 위해 AWS가 지난 10년간 다듬어온 '자동화된 추론(Automated Reasoning)' 기술을 에이전틱 시스템에 적용하고 있습니다. **컴퓨팅 인프라 및 가상화 혁신** * **EC2 Hpc8a 인스턴스:** 5세대 AMD EPYC 프로세서를 탑재하여 기존 대비 최대 40% 향상된 성능과 300 Gbps의 Elastic Fabric Adapter(EFA) 네트워킹을 제공하며, 복잡한 HPC 시뮬레이션에 최적화되었습니다. * **중첩 가상화(Nested Virtualization):** 가상 EC2 인스턴스 위에서 KVM이나 Hyper-V를 실행할 수 있게 되어, 모바일 앱 에뮬레이터나 차량용 하드웨어 시뮬레이션, Windows용 Linux 하위 시스템(WSL) 실행이 가능해졌습니다. **보안 및 규제 환경 대응** * **Aurora 기본 암호화:** 모든 신규 Amazon Aurora 데이터베이스 클러스터에 AWS 소유 키를 사용한 서버 측 암호화(SSE)가 기본 적용됩니다. 이는 별도의 비용이나 성능 저하 없이 투명하게 관리됩니다. * **Kiro의 GovCloud 확장:** 엄격한 보안 통제가 필요한 정부 기관 및 규제 환경의 개발 팀도 Kiro의 에이전틱 AI 도구를 활용하여 미션을 수행할 수 있습니다. **에이전트 개발 생태계 및 도구** * **오픈 소스 에이전트 플러그인:** 'deploy-on-aws'와 같은 플러그인을 통해 코딩 에이전트가 직접 아키텍처 추천, 비용 추정, 인프라 코드(IaC) 생성을 수행할 수 있도록 지원합니다. * **AWS DevOps Agent의 성과:** 운영 효율성을 높이기 위해 도입된 DevOps 에이전트는 Amazon 내부에서 수천 건의 에스컬레이션을 처리하며 86% 이상의 근본 원인 파악률을 기록했습니다. * **커뮤니티 및 이벤트:** 25개의 MCP 도구를 통합한 Kiro Power 사례와 함께, 총 4만 달러의 상금이 걸린 'Amazon Nova AI 해커톤'을 통해 에이전틱 AI 및 멀티모달 솔루션 개발을 장려하고 있습니다. 개발자들은 Claude Sonnet 4.6과 새로운 에이전트 플러그인을 활용해 단순 코딩을 넘어 인프라 배포까지 자동화하는 고성능 AI 에이전트를 구축할 수 있습니다. 특히 운영 효율을 극대화하려는 기업은 AWS DevOps Agent의 모범 사례를 참고하고, 다가오는 AWS Summit이나 해커톤을 통해 최신 에이전틱 AI 기술 역량을 확보하는 것을 추천합니다.

figma

Figma Make 사용을 위한 (새 탭에서 열림)

Figma Make는 프롬프트 입력을 통해 아이디어를 실제 작동하는 프로토타입과 코드로 즉시 변환해주는 강력한 도구로, 설계 단계에서 상세한 맥락을 제공하는 것이 성공의 핵심입니다. 단순히 결과물을 생성하는 것에 그치지 않고 기존 디자인 자산을 최적화하고 복잡한 프로젝트를 단계별로 세분화하여 접근할 때 최상의 성과를 거둘 수 있습니다. 이를 통해 제품 팀은 단순한 시안 확인을 넘어 실제 앱과 유사한 수준의 인터랙티브한 사용자 경험을 신속하게 검증할 수 있습니다. **초기 프롬프트의 상세 정보 극대화** * 첫 번째 프롬프트에 구체적인 정보를 많이 포함할수록 사후 수정에 드는 시간을 획기적으로 줄일 수 있습니다. * 프롬프트 구성 시 작업 내용(Task), 디자인이 놓인 맥락(Context), 핵심 디자인 요소, 상호작용에 따른 기대 동작, 제약 사항(기기 종류, 레이아웃 등)을 명확히 정의해야 합니다. * Figma Make는 Anthropic의 Claude 3.5 Sonnet 모델을 기반으로 하므로, "수직 정렬"처럼 모호한 표현보다는 "요소를 20px 아래로 이동" 또는 "버튼 사이에 16px 간격 추가"와 같이 구체적인 수치를 사용하는 것이 효과적입니다. **디자인 파일의 사전 정리 및 최적화** * 백지상태에서 시작하는 것(0→1)뿐만 아니라 기존 디자인을 변환(1→1)할 때도 탁월하며, 이를 위해 오토 레이아웃(Auto Layout)과 레이어 명명 규칙을 철저히 정리하는 것이 중요합니다. * Figma의 '레이어 이름 변경(Rename layers with AI)'이나 '오토 레이아웃 제안' 기능을 활용해 정돈된 프레임을 전달하면 AI가 디자인의 의도와 구조를 훨씬 더 정확하게 파악합니다. * 생성된 결과물이 화면 밖으로 벗어날 경우 "내 화면 크기에 맞춰 반응형으로 만들어줘" 또는 "모바일 사이즈 유지"와 같은 후속 명령으로 레이아웃을 교정할 수 있습니다. **복잡한 프로젝트의 단계별 세분화** * 한 번의 프롬프트로 방대한 기능을 구현하려 하기보다, 작은 단위의 기능이나 페이지별로 나누어 점진적으로 빌드하는 것이 AI의 정확도를 높이는 방법입니다. * 예를 들어 금융 대시보드를 만들 때, 먼저 핵심 레이아웃을 잡은 뒤 '노트 추가 기능', '통화 선택 체크박스' 등을 순차적인 프롬프트로 추가하여 제어력을 유지해야 합니다. * 각 요소(예: 런던 아이, 빅벤 등 개별 오브젝트)를 별도의 코드 폴더로 분리하도록 명령하면, 전체 환경에 영향을 주지 않고 특정 컴포넌트만 정밀하게 수정하거나 유지보수하기 용이합니다. **동작 중심의 마이크로 인터랙션 구현** * 정적인 디자인을 넘어 "음악 재생 시 CD가 회전하게 해줘"와 같은 구체적인 동작을 지시하여 생동감 있는 프로토타입을 만들 수 있습니다. * 복잡한 로직이 필요한 인터랙션의 경우, 베이스가 되는 그리드 컴포넌트를 먼저 구축한 후 세부적인 마우스 효과나 호버 상태를 단계적으로 입히는 전략이 유효합니다. * 만약 반복적인 수정에도 결과가 만족스럽지 않다면, 이전 시도에서 배운 교훈을 바탕으로 새 파일에서 프롬프트를 다시 구성하여 시작하는 것이 더 효율적일 수 있습니다. 성공적인 Figma Make 활용을 위해서는 디자이너의 명확한 시각적 비전과 이를 논리적으로 전달하는 프롬프트 엔지니어링 역량이 결합되어야 합니다. 한 번에 완벽한 결과를 기대하기보다는 초기 생성물을 기반으로 수십 개의 미세 조정 프롬프트를 거치며 완성도를 높여가는 반복적(Iterative) 프로세스를 수용할 때 가장 강력한 결과물을 얻을 수 있습니다.