BTC $77,268.74 -1.27%
ETH $2,462.17 -0.28%
BNB $715.06 -2.48%
XRP $1.35 -3.46%
SOL $100.04 -2.34%
TRX $0.3392 -0.02%
DOGE $0.0840 -3.13%
ADA $0.2090 -2.40%
BCH $226.92 -10.90%
LINK $11.59 -1.56%
HYPE $80.40 -5.73%
AAVE $122.88 -2.45%
SUI $0.7407 -5.50%
XLM $0.1775 -2.97%
ZEC $1,133.16 -9.09%
BTC $77,268.74 -1.27%
ETH $2,462.17 -0.28%
BNB $715.06 -2.48%
XRP $1.35 -3.46%
SOL $100.04 -2.34%
TRX $0.3392 -0.02%
DOGE $0.0840 -3.13%
ADA $0.2090 -2.40%
BCH $226.92 -10.90%
LINK $11.59 -1.56%
HYPE $80.40 -5.73%
AAVE $122.88 -2.45%
SUI $0.7407 -5.50%
XLM $0.1775 -2.97%
ZEC $1,133.16 -9.09%

에이전트

전체
뉴스 플래시

first_img 마스터카드 보고서: 2030년 3억 쇼핑객이 AI 에이전트를 정기적으로 사용할 것이라고 발표했습니다

Mastercard는 최근 《쇼핑과 결제의 미래에 대한 짧은 역사》 보고서를 발표하며, 2030년까지 전 세계 약 3억 명의 쇼핑객이 AI 에이전트를 일반적으로 사용할 것이라고 예측했습니다. 주로 미국, 영국, 네덜란드, 중국 및 한국에 집중되어 있습니다. 이 보고서는 2026년 6월에서 7월 사이에 13개 시장에서 13,000쌍의 부모와 청소년(총 26,000명의 응답자)을 대상으로 한 조사에 기반하고 있습니다.조사에 따르면, 65%의 영국 청소년은 AI가 그들의 세대의 쇼핑 방식을 변화시킬 것이라고 생각하며, 전 세계 청소년이 AI를 사용하여 쇼핑할 가능성은 그들의 부모의 두 배에 달합니다. 22%의 영국 청소년은 5년 내에 쇼핑이 AI에 의해 주도될 것이라고 예상하며, 프랑스는 단 11%에 불과합니다. 79%의 청소년과 70%의 부모는 지난 1년 동안 AI를 사용하여 제품을 연구했으며, 51%의 청소년과 46%의 부모는 최소한 한 번 AI를 사용하여 구매를 완료했습니다.보고서는 Gartner의 예측을 인용하며, 2028년까지 대부분의 B2B 조달이 AI 에이전트 중개에 의해 이루어질 것이며, 이는 15조 달러 이상의 지출을 촉진할 것이라고 합니다. 2030년까지 20%의 통화 거래가 프로그래밍 가능해질 것입니다. 보고서는 또한 "당신의 에이전트를 이해하라"(KYA)가 규정 준수의 이점이 될 수 있으며, 지불 의도, 동의 및 기계 판독 가능한 보증이 에이전트 기반 비즈니스의 기반 시설을 구성할 것이라고 제안합니다.

X-Agent: OPC의 다음 단계는 에이전트가 능력을 능동적으로 호출하는 것입니다

X-Agent는 최신 기사에서 AI 프로그래밍 도구를 활용하여 "Vibe Coding"이 소프트웨어 개발의 진입 장벽을 크게 낮추고 있다고 제안했습니다. 한 개발자는 짧은 시간 안에 과거에 소형 제품 및 엔지니어 팀이 수행해야 했던 작업을 완료할 수 있습니다. 그러나 1인 회사 OPC에게 진정으로 부족한 것은 생산성이 아니라 수요, 신뢰 및 배포입니다. 빠르게 데모를 만들 수 있다고 해서 그것이 사용자나 다른 Agent의 실제 작업 흐름에 들어갈 것이라는 의미는 아닙니다.X-Agent는 공식 웹사이트, 로그인, 백엔드, 구독 및 고객 서비스 시스템을 포함하는 완전한 SaaS를 제로에서 구축하는 것보다, 개발자가 명확하고 실용적이며 호출 가능한 능력에서 시작할 수 있다고 말합니다. 데이터 분석, 시장 조사, 자동화 프로세스 또는 AI 도구를 MCP 서비스로 패키징하여 Agent가 무엇을 할 수 있는지, 언제 호출해야 하는지, 어떤 입력이 필요한지 및 어떤 결과를 반환할지를 이해할 수 있도록 합니다. 이것이 바로 X-Agent AI MCP 해커톤이 중점을 두고 있는 사항이며, 이 행사는 누가 가장 복잡한 MCP 서버를 구축할 수 있는지를 겨루는 것이 아니라, 개발자가 실제로 사용할 수 있는 API, 도구 또는 서비스를 명확한 능력 경계, 안정적인 인터페이스, 검증 가능한 배포 및 지속적인 제품화 잠재력을 갖춘 Agent 네이티브 서비스로 업그레이드하는 데 도움을 주고자 합니다.X-Agent는 Agent 경제에서 가장 중요한 것은 "서비스 출시"가 아니라, 서비스가 충분히 신뢰할 수 있어야 다른 Agent가 발견하고 신뢰하며 반복적으로 호출할 수 있도록 하는 것이라고 생각합니다. OPC에게 진정한 이점은 더 많은 기능을 쌓는 것이 아니라, 대기업보다 더 빠르게 시장 신호를 포착하고 전문 능력을 지속적으로 가치를 창출할 수 있는 디지털 서비스로 전환하는 것입니다.

NeoSoul 상장 에이전트 거래 플랫폼 원주 Skill Builder, 한 문장으로 거래 전략 생성

BSC와 0G 생태 AI 경제 기반 시설 프로젝트 NeoSoul은 자사의 범용 지능형 거래 작업대 NeoTrade에서 Skill Builder를 출시했다고 발표했습니다. 사용자는 대화 중 거래 아이디어나 거래 스타일을 설명하기만 하면 시스템이 해당 거래 Skill을 생성하고 시간 주기, 관심 시장, 포지션, 주문 방식 등의 전략 매개변수 구성을 자동으로 완료합니다.과거에는 거래자가 거래 아이디어를 Agent가 지속적으로 실행할 수 있는 전략으로 변환하기 위해 거래 논리를 작성하고 매개변수를 하나하나 설정해야 했습니다. Skill Builder는 이 과정을 대화 창으로 집중시켜 사용자가 자연어로 핵심 거래 아이디어를 설명한 후 연속적인 대화를 통해 전략을 점진적으로 완성할 수 있게 합니다. 대화 과정에서 NeoTrade는 사용자의 요구에 따라 구체적인 조건을 구성하고 매 라운드 수정 사항을 Skill에 실시간으로 기록합니다. 전략이 완료되면 시스템은 자동으로 매개변수 검증을 수행하고 생성된 Skill은 저장 및 재사용할 수 있습니다.NeoSoul의 공동 창립자 Kaelan은 거래 판단을 Agent가 실행할 수 있는 규칙으로 변환하는 것이 거래 Agent를 만드는 데 가장 많은 시간을 소모하는 단계 중 하나라고 말했습니다. Skill Builder는 이 단계를 한 번의 대화로 통합하여 사용자가 거래하고자 하는 방식을 명확히 설명하면 시스템이 구조화, 매개변수 구성 및 검증을 담당합니다.

Etherscan은 AI 전용 API를 출시하여 스마트 에이전트가 60개 이상의 체인 데이터에 직접 접근할 수 있도록 합니다

공식 소식에 따르면, Etherscan은 AI를 위한 새로운 도구 모음을 공식 출시하여 개발자와 인공지능이 Etherscan 웹사이트와 동일한 신뢰할 수 있는 온체인 데이터를 직접 얻을 수 있도록 합니다.이 도구 모음은 60개 이상의 EVM 호환 체인을 포괄하며, MCP, CLI 및 Skills 세 가지 방법을 통해 AI 에이전트에게 구조화된 인증된 실시간 데이터 접근 능력을 제공합니다.그 중 Etherscan MCP는 Claude, Codex 등 주요 프로그래밍 인공지능이 자연어로 온체인 정보를 쿼리할 수 있도록 지원합니다; CLI 도구는 터미널에서 깔끔한 JSON, 표 또는 CSV 결과를 출력할 수 있으며, 대화형 인터페이스를 갖추고 있습니다; Skills 모듈은 Orchestrator, 계약 검토, 거래 디버깅 및 프로세스 조정과 같은 전문 기술을 내장하여 인공지능이 복잡한 작업을 효율적으로 수행할 수 있도록 돕습니다.Etherscan은 이러한 도구가 AI와 블록체인 데이터 간의 상호작용 장벽을 낮추기 위해 설계되었으며, 개발자는 공식 문서를 직접 참조하여 빠르게 시작할 수 있고, 사용자 피드백을 환영하며 이러한 도구를 기반으로 한 혁신적인 애플리케이션을 공유할 것을 권장합니다.

first_img Hugging Face가 AI 에이전트의 침입을 당해, 오픈 소스 모델로 방어를 변경할 수밖에 없었다

코인텔레그래프에 따르면, Hugging Face는 7월에 자율 AI 에이전트 시스템에 의해 발생한 침해 사건을 공개했습니다. 공격 에이전트는 5월 초 테스트가 시작된 후 OpenAI의 Artifactory 인스턴스를 이용해 취약점 이용 노트를 남겼고, 이후 Hugging Face에 대해 약 17,600회의 공격을 감행하여 데이터셋 처리 인프라, 생산 환경, 내부 네트워크 및 클라우드 자격 증명 등에 영향을 미쳤습니다. 확인된 고객 데이터 접근은 ExploitGym/CyberGym 벤치마크와 관련된 다섯 개 데이터셋으로 제한되었습니다.Hugging Face는 조사 중 OpenAI와 Anthropic과 같은 최고의 모델 제공업체의 보안 장치 제한으로 인해 회사가 이러한 상업 모델을 방어 분석에 사용할 수 없음을 발견하고, 중국의 오픈 소스 모델인 zai-org/GLM-5.2를 운영하는 것으로 전환해야 했으며, 이 모델은 회사의 자체 인프라에서 실행되어 공격자의 데이터와 자격 증명이 환경을 벗어나지 않도록 보장했습니다. 회사는 공격자가 어떤 사용 정책에도 구속받지 않지만, 방어 측의 포렌식 작업은 호스팅 모델의 장치에 의해 방해받고 있다고 지적했습니다.이 사건은 오픈 가중치 모델과 폐쇄 모델 간의 보안 역설을 강조합니다. 이 기사는 OpenAI와 Anthropic이 오픈 소스 모델을 제한하도록 추진하는 것과, 연구자들이 모델 가중치 변화를 검사하여 악의적 행동을 탐지하는 진전을 포함한 오픈 가중치 AI 보안에 대한 지속적인 논의도 다루고 있습니다.Hugging Face는 방어 측이 사건 발생 전에 자체 인프라에서 실행할 수 있는 모델을 준비하여 장치 잠금을 피하고 공격자의 데이터를 보호할 것을 권장합니다.
app_icon
ChainCatcher Building the Web3 world with innovations.