🔥 오늘의 주요 소식
Spotlight on SIG Storage
Kubernetes SIG Storage는 PersistentVolume·PVC·StorageClass 같은 핵심 스토리지 프리미티브와, 인트리 플러그인을 대체한 CSI(Container Storage Interface) 아웃오브트리 드라이버 모델을 책임지는 그룹이다. 최근에는 Volume Group Snapshots가 v1.36에서 GA로 승격되고, Changed Block Tracking(증분 백업), 오브젝트 스토리지를 다루는 COSI 등으로 범위를 넓히고 있다. 또한 AI 워크로드라는 새로운 스토리지·데이터 관리 요구에 맞춰 진화 방향을 모색하고 있다.
💡 왜 중요한가: CSI 드라이버와 Volume Group Snapshots·CBT의 성숙은 스테이트풀 워크로드의 백업·DR을 벤더 종속 없이 표준 방식으로 구성할 수 있게 한다는 의미다. 클러스터 운영자는 인트리 플러그인 의존을 정리하고 CSI 기반 스냅샷/리사이즈 파이프라인으로 이전을 검토할 시점이다.
🔗 원문 보기 · Kubernetes
DevOps & 인프라
Xiaomi’s MiMo Code claims it beats Claude Code past 200 steps
The New Stack
Xiaomi가 터미널 네이티브 코딩 에이전트 하네스 MiMo Code를 오픈소스로 공개하며, 200스텝을 넘는 장기 에이전트 작업에서 Anthropic의 Claude Code를 능가한다고 주장했다(자체 베타와 개발자 576명 설문 기반의 자가 보고치). 기사는 진짜 경쟁축은 벤치마크 수치가 아니라 '인듀어런스 갭'—에이전트가 수백 스텝의 종속 작업을 끝까지 끌고 가는 지속력—이라고 짚으며, 코드로 채점하는 UC Berkeley의 'Agents' Last Exam'에서 최강 조합(Codex+GPT-5.5)조차 가장 쉬운 티어 50% 미만, 가장 어려운 티어 10% 미만에 그쳤다고 전한다.
💡 에이전트를 CI/CD나 운영 파이프라인에 도입할 때 '데모 성능'이 아니라 '장기 지속력'을 별도 평가 항목으로 측정해야 한다는 실무적 경고다. 후보 하네스가 상태를 외부화하고 체크포인트에서 재개할 수 있는지(예: Arbor의 hypothesis tree, Claude의 5단계 서브에이전트)를 조달 기준으로 삼아야, 30스텝쯤에서 조용히 무너져 그럴듯한 산출물을 내놓는 위험을 거른다.
What your logs can’t tell you when an AI agent acts alone
The New Stack
단순히 '무엇이 일어났다'를 남기는 로그와, 누가·무엇을·언제·어디서·이전/이후 상태까지 담는 진짜 감사 추적(audit trail)은 다르며, AI 에이전트가 자율적으로 행동하면 주변 정황이 없어 audit trail이 유일한 진실 소스가 된다고 강조한다. 따라서 에이전트의 정체성, 권한 위임 체인, 허용된 스코프 경계까지 기록해야 하며, SEC·NIS2 규제와 SOC 2, Verizon 2026 DBIR(취약점 익스플로잇이 초기 침투의 31%로 사상 처음 1위) 등이 이 흐름을 밀어붙이고 있다. 결국 잘 구조화된 로깅은 내부 자산을 넘어 조달·매출을 좌우하는 차별화 요소가 됐다(Webflow의 인앱 활동 로그 + AI/인간 귀속 사례).
💡 에이전트가 리소스를 프로비저닝하고 설정을 바꾸고 데이터를 삭제하는 시대에는, 로깅 설계 시 '에이전트 ID + 인가 체인 + 스코프'를 1급 필드로 넣고 불변·쿼리 가능·충분한 보존기간(핫 30일이 아닌 6개월 이상 필요할 수 있음)을 확보해야 한다. 이는 단순 컴플라이언스가 아니라 보안 리뷰·벤더 평가를 통과시키는 실질적 경쟁력이므로 SRE/플랫폼 팀의 우선순위에 올려야 한다.
PagerDuty’s CAIO says most AI incident tools are missing a critical layer
The New Stack
PagerDuty의 CAIO는 대부분의 AI 인시던트 대응 도구에 빠진 핵심 레이어가 바로 '에이전트 하네스(harness)'라고 지적한다. MCP 커넥터를 붙이는 것만으로는 부족하고, 에이전트가 코드 변경·로그·메트릭·트레이스·런북·서비스 토폴로지·온콜 정보 등 올바른 데이터에 접근하고, 단기/장기 메모리를 갖추며, 어떤 액션이 안전한지 판단할 수 있어야 한다는 것이다. 또한 신뢰를 위해 허용/금지 액션과 인간 승인 지점을 설정하는 투명성·제어, 팀 권한 상속 같은 거버넌스가 하네스에 포함돼야 한다고 본다.
💡 AI를 인시던트 대응에 도입하려는 SRE/DevOps 팀은 모델이나 MCP 연결 자체보다 '하네스 설계'—올바른 운영 컨텍스트 주입, 가설이 바뀔 때 사실을 갱신·무효화하는 메모리 레이어, 액션 권한·승인 게이트—를 핵심 투자 대상으로 삼아야 한다. 코드 변경 위험 점수화처럼 과거 인시던트 데이터를 활용해 프로덕션 반영 전에 리스크를 평가하는 실용적 패턴부터 시작할 수 있다.
이 다이제스트는 RSS 피드에서 수집한 뒤 AI(Claude)가 요약·정리했습니다. 자세한 내용은 원문 링크를 확인하세요.