Rivian은 Amazon Kinesis Video Streams와 WebRTC로 차량의 실시간 라이브 카메라 기능을 구현했습니다. 저지연 스트리밍과 강한 보안을 위해 시그널링, 인증, 리전 배치를 함께 최적화했습니다.
QA 자동화 결과를 DB와 Grafana로 관리하며 Fail 원인을 주간 단위로 분석하고 개선했습니다. 협업과 일정 관리를 더해 3Q 목표였던 Fail률 0.7% 미만을 달성했습니다.
건설현장 방역을 위한 해충 판별 AI 챗봇을 Amazon Bedrock과 LangGraph로 구현했습니다. 이미지 분석, RAG 검색, 보고서 자동화까지 연결해 설명 가능한 방역 판단을 만들었습니다.
카카오톡 선물 교환권을 배민 주문에 연결하는 과정과 바코드 인식 문제를 다뤘습니다. 노란 테두리 이미지로 인한 이진화 실패를 분석하고 직접 이진화로 개선했습니다.
VMS Solutions가 Strands SDK와 Amazon Bedrock으로 사내 AI 에이전트 AIto를 구축했습니다. RAG 한계를 넘어 실시간 조회와 멀티 에이전트 분담으로 내부 생산성을 높였습니다.
권한에 따라 다른 파일 보안 솔루션을 적용하기 위해 전략 패턴과 AOP를 조합한 설계를 소개했습니다. 로컬 개발 제약은 Mock 전략과 프로파일 분리로 해결했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
개발 앱과 운영 앱을 한 기기에 동시에 설치하도록 환경을 완전히 분리했습니다. Android는 Product Flavor, iOS는 xcconfig와 CI/CD로 배포 리스크를 줄였습니다.
외부 온콜 솔루션의 비용과 안정성 한계를 해결하기 위해 서버리스 기반 온콜 시스템을 구축했습니다. 이메일 트리거, 큐 기반 제어, SMS 이중화로 안정성과 비용 효율을 함께 높였습니다.
LLM으로 서비스 취약점 분석을 자동화한 과정과, 대용량 코드·정확도·비용·지속 가능성 문제를 해결한 방법을 공유했습니다.\nMCP, SAST, Multi-Agent, Open Model을 조합해 실용적인 분석 체계를 만든 사례였습니다.
AWS re:Invent 2025에서 AI 에이전트와 이를 지원하는 인프라·플랫폼의 방향을 정리했습니다. 개발자는 AI를 보조 도구로 활용하되, 검증과 책임, 시스템 사고를 더 강화해야 한다고 강조했습니다.
AST로 퍼널 라우팅을 정적 분석해 문서를 자동 생성하고, 코드 변경 시에도 최신 상태를 유지하는 방법을 소개했습니다. 조건 분기와 훅 내부 이동까지 추출해 Mermaid 다이어그램으로 시각화했습니다.
AI 에이전트 시대에 유용한 MCP 서버 7가지를 소개했습니다. 각 서버의 기능과 실무 활용 예시를 통해 자동화 가능성을 정리했습니다.
