AI 뉴스 검색

n8n@3.0.0

# [3.0.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@3.0.0) (2026-10-27) ### 버그 수정 * 아티팩트 다운로드 버튼에 파일 형식 툴팁 추가 ([#41490](https://github.com/n8n-io/n8n/issues/41490)) ([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 실행 검사:read 기능을 보조 프로그램 실행에서 읽기로 변경 ([#41863](https://github.com/n8n-io/n8n/issues/41863)) ([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 구성된 AI 전송을 통해 보조 모델 호출 전송 ([#41948](https://github.com/n8n-io/n8n/issues/41948)) ([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * 사용자 지정 OAuth2 범위 허용 ([#41249](https://github.com/n8n-

n8n@2.46.0

# [2.46.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@2.46.0) (2026-10-27) ### 버그 수정 * 아티팩트 다운로드 버튼에 파일 형식 툴팁 추가 ([#41490](https://github.com/n8n-io/n8n/issues/41490)) ([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 실행:읽기 검사: 어시스턴트 실행에서 읽기 기능을 추가 ([#41863](https://github.com/n8n-io/n8n/issues/41863)) ([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 구성된 AI 전송을 통해 어시스턴트 모델 호출 전송 ([#41948](https://github.com/n8n-io/n8n/issues/41948)) ([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * 사용자 지정 OAuth2 범위 허용 ([#41249](https://github.com/n8

SAP, 더 지능적이고 관리된 Joule 에이전트로 자율 기업 전략을 한층 더 추진합니다

SAP SE는 오늘 개발자를 위한 연례 TechEd 컨퍼런스에서 인공지능 혁신 제품군을 발표하며, Joule 어시스턴트 솔루션과 비즈니스 AI 플랫폼을 고도화했습니다. 여기에는 테이블형 데이터 기반 모델도 포함됩니다. Joule Work의 새로운 기능은 AI 에이전트가 더욱 효율적으로 작동하고 개방형 프로토콜과 상호운용성을 갖도록 지원합니다. 이와 관련해 모델 컨텍스트 프로토콜[…] SAP는 더 지능적이고 관리된 Joule 에이전트를 통해 자율적 기업 전략을 한층 더 추진하고 있습니다. 이 글은 SiliconANGLE에 처음 게재되었습니다.

把15个国民级App接入灵光后，我造出了最舒适的国产Personal Agent

自从拿到蚂蚁灵光2.0这个Personal Agent的内测，它已经成为我的私人管家了。到现在，我已经通过Skill、MCP、GitHub项目或者内置的方式，把15个国民级App都接进去了。基本上我打开「帮我管」那一栏里，定时任务里会定时刷新值得关注的信息。灵光不是我用的第一个Personal Agent，前前后后一共测了12个，测到后面，我越来越觉...

개인형 에이전트의 전 세계적 돌파가 일어나고 있으며, ‘중국판 뮤즈’인 앤티링광 2.0이 가장 먼저 성과를 내놓았다.

말해봐야, 지난 2년간 AI는 눈부시게 발전해 왔습니다. 자료 정리부터 PPT 제작, 코딩에 이르기까지, 이제는 모두가 이를 대신하도록 익숙해졌을 것입니다. 그런데 혹시 눈치채셨나요? 대화창을 닫고 현실로 돌아오면, AI는 마치 당신과는 상관없는 존재처럼 느껴지곤 합니다. 그건 그저 클라우드 속에 있을 뿐이죠....

v0.43.0

## 변경된 내용 * model_prefetch: https://github.com/Comfy-Org/ComfyUI/pull/17178에서 @rattus128이 모든 그래프 정리 작업을 동기화했습니다 * https://github.com/Comfy-Org/ComfyUI/pull/17172에서 @kijai가 MOSS-image에 로프 스케일링 지원 기능을 추가했습니다 * [파트너 노드] https://github.com/Comfy-Org/ComfyUI/pull/16943에서 @dante01yoon이 API 노드의 파트너 노드 로그인 토큰을 갱신했습니다 * [파트너 노드] feat(HeyGen): https://github.com/Comfy-Org/ComfyUI/pull/17043에서 @bigcat88이 HeyGen Voice 즉석 클론 및 텍스트 음성 변환 기능을 추가했습니다 * [파트너 노드] feat(ClarityAI): https://github.com/Comfy-Org/ComfyUI/pull/17192에서 @bigcat88이 Crystal Video Upscaler 노드를 추가했습니다 * [파트너 노드] feat(BFL): https://github.com/Comfy-Org/ComfyUI/pull/17200에서 @bigcat88이 FLUX 3 비디오 노드에 2K/4K 해상도 옵션을 추가했습니다 * MOSS-image 지원

AI 에이전트를 위한 땅hog의 날: Amazon Bedrock에서 OpenAI 모델을 사용하기 위한 프롬프트 캐싱 패턴

에이전트가 한 번 움직일 때마다, 행동하기 전에 전체 컨텍스트를 다시 읽습니다. 다음은 Amazon Bedrock에서 OpenAI 모델을 위한 프롬프트 캐싱이 어떻게 에이전트의 기억을 유지하여, 매 턴마다 동일한 도구, 지침 및 이력을 다시 전송하지 않고도 입력 비용과 지연 시간을 줄여주는지 보여줍니다.

AI 에이전트를 위한 컨텍스트 엔지니어링(에이전트 메모리)은 검색에서 시작됩니다.

에이전트들은 어설픈 검색, 과도하게 방대한 결과, 오래된 데이터로 인해 시간과 컨텍스트를 낭비합니다. LangChain의 딥 에이전트가 활용하는 검색 기법을 통해 올바른 컨텍스트를 확보하는 방법을 알아보세요.

딥 에이전트를 활용한 컨텍스트 엔지니어링: 모든 것을 컨텍스트에 저장하지 않고도 기억하는 방법

장기간 실행되는 에이전트는 컨텍스트가 쌓일수록 성능이 저하됩니다. 오프로딩, 요약, 스킬, 서브에이전트 및 메모리가 에이전트의 컨텍스트 창을 효과적으로 유지하는 방법을 알아보세요.

DocuSign이 Claude Code와 dbt v2, dbt MCP, 그리고 에이전트 스킬을 결합함으로써 분석 엔지니어링 시간을 절반으로 줄인 방법

DocuSign은 Claude Code, dbt Agent Skills, dbt MCP 및 dbt v2를 하나의 워크플로우로 통합하고, 생산성 향상 50%를 측정했습니다.

MCP 연결 AI 에이전트로 6분 만에 대시보드 디버깅을 해결하는 방법

AI 에이전트는 BI 계층 내부에서 dbt 라이너지 기능을 활용해, 커피를 타는 시간 안에 세 가지 데이터 미스터리를 해결했습니다.

beta

## [2.45.4](https://github.com/n8n-io/n8n/compare/n8n@2.45.3...n8n@2.45.4) (2026-10-26) ### Bug Fixes * **core:** Recreate removed n8n-sandbox sandboxes and rerun workspace setup ([#41919](https://github.com/n8n-io/n8n/issues/41919)) ([11e279a](https://github.com/n8n-io/n8n/commit/11e279a51d497f8d96f5f9f90bb314dda4f6a49e)) * **core:** Start sub-workflow error workflow when a pre-run check fails ([#41977](https://github.com/n8n-io/n8n/issues/41977)) ([9595142](https://github.com/n8n-io/n8n/commit/95951428c765f3f0b1da9f341a6ab8c75673385a)) * **editor:** Match navigation plus button hover styling ([#41910](https://github.com/n8n-io/n8n/issues/41910)) ([471c006](https://github.com/n8n-io/n8n/commit/471c006fdd46091659f3e1d28d989702049489f0)) * **editor:** Point migration report docs link to the

n8n@2.45.4

## [2.45.4](https://github.com/n8n-io/n8n/compare/n8n@2.45.3...n8n@2.45.4) (2026-10-26) ### Bug Fixes * **core:** Recreate removed n8n-sandbox sandboxes and rerun workspace setup ([#41919](https://github.com/n8n-io/n8n/issues/41919)) ([11e279a](https://github.com/n8n-io/n8n/commit/11e279a51d497f8d96f5f9f90bb314dda4f6a49e)) * **core:** Start sub-workflow error workflow when a pre-run check fails ([#41977](https://github.com/n8n-io/n8n/issues/41977)) ([9595142](https://github.com/n8n-io/n8n/commit/95951428c765f3f0b1da9f341a6ab8c75673385a)) * **editor:** Match navigation plus button hover styling ([#41910](https://github.com/n8n-io/n8n/issues/41910)) ([471c006](https://github.com/n8n-io/n8n/commit/471c006fdd46091659f3e1d28d989702049489f0)) * **editor:** Point migration report docs link to the

stable

## [2.44.7](https://github.com/n8n-io/n8n/compare/n8n@2.44.6...n8n@2.44.7) (2026-10-26) ### Bug Fixes * **core:** Start sub-workflow error workflow when a pre-run check fails ([#41978](https://github.com/n8n-io/n8n/issues/41978)) ([67d0e65](https://github.com/n8n-io/n8n/commit/67d0e65f5d5d01d49b1d14ea2c26a6b803bf058b)) * **Email Trigger (IMAP) Node:** Back off reconnects when the server drops each new connection ([#41927](https://github.com/n8n-io/n8n/issues/41927)) ([10a9518](https://github.com/n8n-io/n8n/commit/10a9518f0d9d470e619b500383b5b76fc1870662)) * **Microsoft SharePoint Node:** Fix the column mapper 403 and empty items in Map Automatically ([#41906](https://github.com/n8n-io/n8n/issues/41906)) ([e67d278](https://github.com/n8n-io/n8n/commit/e67d278ef0ae3c15493e74813ecce972e384ff1

n8n@2.44.7

## [2.44.7](https://github.com/n8n-io/n8n/compare/n8n@2.44.6...n8n@2.44.7) (2026-10-26) ### Bug Fixes * **core:** Start sub-workflow error workflow when a pre-run check fails ([#41978](https://github.com/n8n-io/n8n/issues/41978)) ([67d0e65](https://github.com/n8n-io/n8n/commit/67d0e65f5d5d01d49b1d14ea2c26a6b803bf058b)) * **Email Trigger (IMAP) Node:** Back off reconnects when the server drops each new connection ([#41927](https://github.com/n8n-io/n8n/issues/41927)) ([10a9518](https://github.com/n8n-io/n8n/commit/10a9518f0d9d470e619b500383b5b76fc1870662)) * **Microsoft SharePoint Node:** Fix the column mapper 403 and empty items in Map Automatically ([#41906](https://github.com/n8n-io/n8n/issues/41906)) ([e67d278](https://github.com/n8n-io/n8n/commit/e67d278ef0ae3c15493e74813ecce972e384ff1

DraMaze: 다양한 마이크로드라마 대본 생성을 위한 미래 지향적 메모리를 갖춘 다중 에이전트 파이프라인

arXiv:2610.32002v1 발표 유형: 신규 초록: 마이크로드라마의 급속한 성장으로 인해 고품질 대본 제작에 대한 수요가 증가하고 있습니다. LLM을 활용한 장편 마이크로드라마 대본 생성은 다양한 플롯 전개와 장기적인 서사적 일관성을 모두 요구합니다. 우리의 관찰에 따르면, 생성이 진행됨에 따라 후보 연속 문장들은 점점 더 적은 수의 서사적 기제에 집중되는 반면, 기존의 검색 방식은 틀에 박힌 표현의 재사용을 강화하고 미래 플롯에 필수적인 역사적 정보를 간과할 수 있습니다. 이러한 문제를 해결하기 위해 우리는 트로프 메모리 기반 진화적 트리 탐색과 변이를 통해 다양한 인과 경로를 탐구하는 다중 에이전트 파이프라인인 DraMaze를 제안합니다. 또한 이를 통해 역방향 서사 의존성 트리를 구축하여 역사적 기억을 체계적으로 정리하고 유지하며 필요 시 되찾아 활용할 수 있도록 합니다.

Permission to Retry: A Study of Authorization and Recovery in AI Agent Workflows

arXiv:2610.31916v1 Announce Type: new Abstract: A durable agent can resume a consequential action while its authority changes and the action's external outcome remains uncertain. We study execution-time reliability of tool-using AI agents, isolating recovery decisions from language-model behavior. Checkpoint state, permission to dispatch, evidence of an external effect and permission to reconcile are distinct obligations. We present a finite conformance study that checks these obligations through histories scored against a provider effect ledger hidden from the recovering application. A prospectively frozen campaign executes 336 histories on native LangGraph and Temporal hosts, crossing 14 schedules, three provider contracts and four matched application policies. All 168 paired host cells

Understanding Communication Failures in Multi-Agent LLM Systems

arXiv:2610.32060v1 Announce Type: new Abstract: Multi-agent LLM systems aim to improve reasoning through debate, evidence sharing, and mutual correction, but interaction can also introduce failures that final accuracy alone cannot explain. Agents may converge too early, ignore dissent, suppress correct minority answers, or preserve a wrong framing across rounds. We present a corpus-grounded taxonomy of communication failures, built from 3,211 failed multi-round trajectories across medical QA, coding, finance, multi-hop reasoning, ethics, and embodied text tasks. Using this taxonomy, we analyze failure distributions across datasets and system designs, round-level error dynamics, recovery hardness, majority transitions, minority-signal suppression, and self-reported confidence. We find that

LangChain이 ‘기업급 에이전트 프레임워크’의 다섯 가지 핵심 구성 요소를 발표했습니다.

LangChain은 2026년 10월 25일 블로그를 통해, 마케팅, 영업 및 엔지니어링 팀 내부에 AI 에이전트(GTM Agent, OpenSWE, Content Studio)를 도입하며 축적한 다섯 가지 일반적인 아키텍처 원칙을 체계적으로 설명했습니다. 이 원칙에는 네이티브 통합 작업 환경(Slack), 동적 신원 모델(OBO+ 고정 인증 정보), 이중 계층 메모리 메커니즘(전역/사용자 수준), 샌드박스화된 코드 실행, 그리고 높은 비율의 스케줄 기반 실행(수동 트리거 아님)이 포함됩니다. 모든 에이전트는 Managed Deep Agents 플랫폼을 기반으로 구축되었습니다.

추천 이유：이 정보는 LangChain 공식 블로그에서 발행되었으며, 게시일시(2026-10-25T18:06:32.000Z)가 현재 시스템 시간(2026-10-25T23:01:18.857Z)보다 앞서 있습니다. 내용은 이미 도입된 사내 인텔리전트 에이전트의 실제 사례에 중점을 두고 있으며, Slack 스레드 격리, GitHub 계정 소속 논리, Notion/Twitter 권한 계층화 등 구체적인 세부사항을 포함하고 있습니다. 검증되지 않은 예측이나 외부의 주장은 포함되어 있지 않으므로, 시의성과 사실성 요건을 충족합니다.

마이크로소프트가 Agensh를 오픈소스로 공개: 1024개의 자율 협업 AI 코딩 에이전트를 지원하는 분산형 프레임워크

마이크로소프트 연구소는 2026년 10월 25일, 중앙 조정자를 필요로 하지 않는 다중 에이전트 런타임 프레임워크인 Agensh를 오픈소스로 공개했습니다. 이 프레임워크는 ProgramBench에서 1개부터 1,024개까지의 LLM 기반 코딩 에이전트가 자율적으로 협업하도록 지원합니다. 시스템은 Gitea, Mattermost 및 DeLM 스타일의 공유 보드를 기반으로 탈중앙화된 조정을 구현하며, 모든 에이전트는 동일한 프롬프트 기반 5단계 순환을 실행합니다. 또한 Linux와 Docker 환경에서 확장성을 검증했습니다.

추천 이유：이 성과는 다중 에이전트 시스템 아키텍처의 중요한 발전을 나타냅니다—전통적인 ‘주제어 에이전트’ 패러다임을 탈피하고, 프롬프트 엔지니어링과 경량 서비스의 조합을 통해 대규모 자조직화를 구현합니다. ProgramBench에서 확보한 실증 데이터(예: 128개의 에이전트를 사용할 때 5개의 작업에 대한 평균 성능 향상이 49%에 달함)는 분산형 AI 엔지니어링의 새로운 기준점을 제시합니다. MIT 라이선스로 오픈소스화되어 있으며 Copilot CLI 등 주요 단일 에이전트 도구와도 호환되므로, 실제 개발에서의 참고 가치를 갖습니다.