에이전트 경쟁은 성능에서 운영 통제로 넓어집니다 — Claude Fable 5⁠·Google Cloud⁠·GitHub Copilot

오늘의 핵심

오늘의 흐름은 AI 에이전트 경쟁이 모델 성능 발표를 넘어, 접근 통제·비용 상한·모델 라우팅·멀티모달 입력·개발 환경 자동화 같은 운영 계층으로 확장되고 있다는 점입니다. Anthropic은 Fable 5 접근을 복구하며 안전 프레임워크를 전면에 세웠고, GitHub와 Google Cloud는 에이전트를 실제 조직 workflow 안에서 굴리기 위한 관리 표면을 넓혔습니다.

Anthropic, Claude Fable 5와 Mythos 5 접근을 복구했습니다

Anthropic은 미국 정부의 export control 해제 이후 Claude Fable 5와 Mythos 5 접근을 복구한다고 밝혔습니다. Fable 5는 7월 1일부터 Claude Platform, Claude.ai, Claude Code, Claude Cowork에서 전 세계 사용자에게 다시 제공됩니다.

• 재배포와 안전장치 병행: Anthropic은 재배포와 함께 사이버 보안 오용 탐지용 classifier, jailbreaking 심각도 평가 framework, 정부와의 prerelease testing 협력을 강조했습니다.
• 모델 출시의 새 변수: 고성능 모델은 기술 성능만으로 출시되지 않고, 국가 안보·수출통제·오용 대응 체계까지 함께 검증받는 단계로 들어갔습니다.

출처: Redeploying Fable 5 — Anthropic

Google Cloud, 6월 AI 업데이트를 에이전트·보안·지식 표준 중심으로 묶었습니다

Google Cloud는 7월 1일 월간 AI 업데이트를 공개하며 6월의 핵심 방향을 “팀이 AI를 더 잘 build, scale, secure하도록 돕는 것”으로 정리했습니다. 주요 발표에는 Open Knowledge Format, Apple Private Cloud Compute 협력, Google Cloud의 Claude Fable 5 제공, Cloud Atelier retail demo가 포함됐습니다.

• 지식 표현 표준화: Open Knowledge Format은 LLM-wiki pattern을 portable하고 interoperable한 형식으로 정리하려는 시도입니다.
• 보안 내재화: Google Cloud는 AI Threat Defense, Mandiant 기반 red teaming, AI-assisted software development ROI 연구를 함께 묶어 엔터프라이즈 AI 운영의 보안·성과 측정을 강조했습니다.

출처: What Google Cloud announced in AI this month — Google Cloud

Google Cloud, Nano Banana 2 Lite와 Gemini Omni Flash를 공개했습니다

Google Cloud는 Nano Banana 2 Lite와 Gemini Omni Flash를 공개하며 Gemini Enterprise Agent Platform의 이미지·비디오 생성 계층을 확장했습니다. Nano Banana 2 Lite는 빠르고 비용 효율적인 이미지 생성·편집에, Gemini Omni Flash는 생성형 비디오와 반복 편집 workflow에 초점을 둡니다.

• 생성형 미디어의 비용 경쟁: A/B creative, social app, marketing asset처럼 대량 반복이 필요한 사용 사례에서 속도와 단가가 핵심이 됩니다.
• 플랫폼 안의 미디어 모델: 미디어 모델이 별도 창작 도구가 아니라 에이전트 플랫폼의 작업 node로 들어가고 있습니다.

출처: Nano Banana 2 Lite and Gemini Omni Flash available — Google Cloud

GitHub Copilot CLI와 SDK, AI credit session limit을 지원합니다

GitHub는 Copilot CLI와 SDK에서 session 단위 AI credit limit을 설정할 수 있게 했습니다. 모델 호출, subagent, compaction 같은 background work까지 세션 전체 사용량을 추적하고, 한도에 도달하면 agent가 작업을 정리하며 알려주는 방식입니다.

• 에이전트 비용의 hard stop: 오래 도는 coding agent 작업에서 “언제 멈출지”를 사람의 수동 감시가 아니라 예산 한도로 제어할 수 있습니다.
• 운영형 Copilot으로 이동: Copilot이 단순 chat assistant에서 장기 작업을 맡는 agent가 될수록 비용 budget과 종료 조건이 제품 기능이 됩니다.

출처: Set AI credit session limits in Copilot CLI and SDK — GitHub Changelog

GitHub Copilot, 첫 open-weight selectable model로 Kimi K2.7 Code를 추가했습니다

GitHub는 Kimi K2.7 Code를 Copilot model picker에서 선택 가능한 open-weight 모델로 일반 제공한다고 발표했습니다. 우선 Copilot Pro, Pro+, Max에서 Visual Studio Code를 중심으로 점진 rollout되며, Copilot Business와 Enterprise 및 추가 surface로 확대될 예정입니다.

• 선택 가능한 저비용 모델: Kimi K2.7 Code는 Azure에서 GitHub가 host하며 usage-based billing 아래 provider list pricing으로 과금됩니다.
• 모델 포트폴리오 다변화: Copilot 안에서 frontier proprietary model과 open-weight coding model이 함께 경쟁하게 됩니다.

출처: Kimi K2.7 Code is generally available in GitHub Copilot — GitHub Changelog

Copilot Vision이 일반 제공되며 이미지와 PDF를 코드 대화에 붙일 수 있게 됐습니다

GitHub는 Copilot Vision을 일반 제공한다고 발표했습니다. 사용자는 chat prompt에 이미지와 PDF를 직접 첨부해 Copilot이 코드와 함께 시각 자료를 해석하도록 할 수 있습니다.

• 멀티모달 개발 지원: UI screenshot, diagram, PDF spec, error capture 같은 자료를 텍스트로 옮기지 않고 바로 개발 대화에 넣을 수 있습니다.
• 지원 범위 확대: Free, Pro, Pro+, Business, Enterprise 전 plan에서 제공된다는 점도 adoption barrier를 낮춥니다.

출처: Copilot vision is generally available — GitHub Changelog

Copilot CLI, 작업별 auto model selection을 시작했습니다

GitHub는 Copilot CLI의 auto model selection이 작업에 맞는 모델로 자동 라우팅한다고 밝혔습니다. routing에는 utilization과 model health metric이 사용되며, 고품질·안정성·token efficiency를 함께 겨냥합니다.

• 모델 선택 UX 단순화: 사용자가 매번 모델을 직접 고르지 않아도 작업 특성에 따라 적절한 모델을 쓰게 하는 방향입니다.
• 플랫폼 관점의 최적화: 사용자는 결과와 비용을 보고, 플랫폼은 내부적으로 model availability와 performance를 조정합니다.

출처: Copilot CLI auto model selection routes based on task — GitHub Changelog

Copilot CLI에 C++ language server config skill이 추가됐습니다

GitHub는 Microsoft C++ Language Server가 Copilot Plugins marketplace의 plugin으로 제공되고, Copilot CLI에서 프로젝트 설정을 자동화하는 built-in setup skill을 포함한다고 발표했습니다. 이 skill은 language server가 코드를 이해하는 데 필요한 compile_commands.json 생성을 돕습니다.

• 에이전트의 코드 이해 기반 강화: C++처럼 build system과 compile database가 중요한 언어에서는 LSP 설정이 곧 agent 품질로 이어집니다.
• 환경 설정 자동화: coding agent가 코드를 바꾸기 전에 프로젝트 구조를 제대로 읽도록 만드는 준비 단계가 제품화되고 있습니다.

출처: New C++ language server config skill for Copilot CLI — GitHub Changelog

TS compiler 기반 code graph MCP가 Claude Code 토큰 절감을 내세웠습니다

GeekNews에는 TypeScript compiler를 이용해 code graph MCP를 만든 사례가 올라왔습니다. 이 도구는 coding agent가 구조 질문에 답할 때 grep과 file open을 반복하는 대신, AST와 symbol graph를 통해 필요한 맥락을 더 적은 token으로 제공하는 것을 목표로 합니다.

• 검색에서 구조 이해로 이동: 단순 문자열 검색보다 compiler가 아는 symbol·reference 정보를 agent context로 주입하려는 접근입니다.
• 토큰 비용 절감의 현실성: large codebase에서 agent가 반복 탐색하는 비용은 모델 호출 비용과 latency로 바로 이어집니다.

출처: I made TS Compiler Graph MCP: 10x fewer tokens in Claude Code — dev.to, GeekNews 토픽 — GeekNews

pi-subagents, 코딩 에이전트 안의 하위 에이전트 패턴을 실험합니다

GeekNews에는 Pi를 위한 subagents 확장인 pi-subagents가 소개됐습니다. 이 프로젝트는 code review, code reconnaissance, implementation, parallel audit, background task 같은 역할을 자식 Pi session에 위임하는 방식을 제공합니다.

• 작업 분해의 제품화: 하나의 agent가 모든 것을 순차 처리하기보다, 역할별 subagent에게 context를 나누어 맡기는 패턴입니다.
• 검토와 구현의 분리: code review, reconnaissance, implementation을 별도 agent로 두면 같은 context를 다른 관점에서 다루게 할 수 있습니다.

출처: pi-subagents — GitHub, GeekNews 토픽 — GeekNews

오늘의 도구 추천

Memora — Microsoft가 공개한 장기 작업용 memory framework입니다. 대화와 문서에서 정보를 추출해 장기 저장·검색하는 구조라, multi-session agent나 장기 자동화 workflow를 설계하는 팀이 참고할 만합니다.

에디터 노트

오늘 뉴스에서 눈에 띄는 것은 에이전트가 더 “강한 모델”이 되는 동시에 더 “관리되는 시스템”이 되고 있다는 점입니다. Fable 5 재배포는 model release가 정책과 안전 검증을 피할 수 없다는 사실을 보여줬고, GitHub Copilot의 credit limit·auto routing·vision·language server skill은 coding agent를 일상 도구로 만들기 위한 운영 장치입니다. Google Cloud의 업데이트도 같은 방향입니다. 기업이 원하는 것은 놀라운 demo가 아니라, 비용과 보안과 지식 체계 안에서 반복적으로 굴러가는 AI입니다.

다음에 또 찾아옵니다. — 에이브랜치