2026년 5월 10일 AI 뉴스 — 코파일럿+클로드, 앤트로픽 JV, 파이어폭스 버그 423개

2026년 5월 10일, 메이저 모델·플랫폼 진영의 AI 통합이 새로운 단계로 진입했다. 마이크로소프트 코파일럿에 클로드가 정식 합류했고, 앤트로픽은 블랙스톤·골드만삭스와 기업 AI 합작사를 출범했다. 모질라가 클로드 미토스로 파이어폭스 보안 버그 423개를 한 달 만에 찾아낸 사례부터 구글·바이트댄스·구글 크롬팀의 새 도구, 코딩 에이전트용 메모리·라우팅 인프라까지 오늘의 핵심 8건을 정리한다.

마이크로소프트 코파일럿에 클로드 Opus 4.7 통합

마이크로소프트가 코파일럿 웨이브 3에서 클로드 Sonnet 4와 Opus 4.1을 정식 옵션으로 추가했다. 그동안 리서처와 코파일럿 스튜디오 일부에서만 쓰이던 클로드가 이제 챗GPT와 동등한 위치에서 선택 가능해졌다. 핵심 업데이트는 "코파일럿 코워크(Copilot Cowork)" 기능으로, 시간이 흐르며 단계별로 진행되는 멀티스텝 장기 작업을 지원한다.

이번 변화는 마이크로소프트와 오픈AI의 독점 파트너십이 사실상 종료된 결과다. 양사는 독립적으로 운영하면서 협력하되, 마이크로소프트는 "AGI를 단독 또는 제3자와 함께" 추구할 권리를 확보했다. 5월 출시되는 에이전트 365와 E7: 프런티어 스위트도 모델 다양성을 전제로 설계됐다. 마이크로소프트 CEO 저드슨 알트호프는 "코파일럿은 이제 설계상 모델 다양성을 갖춘다"고 명시하며 고객 락인을 피하는 이종(heterogeneous) 환경을 천명했다.

원본: https://ia.acs.org.au/article/2026/microsoft-adds-anthropic-s-claude-to-copilot.html

앤트로픽, 블랙스톤·골드만삭스와 기업 AI 합작사 출범

앤트로픽이 5월 4일, 블랙스톤·헬만앤프리드먼·골드만삭스를 창립 파트너로 하고 제너럴애틀랜틱·아폴로·GIC·세쿼이아가 후원하는 기업용 AI 서비스 합작사를 발표했다. 새 회사는 중견기업을 대상으로 클로드를 핵심 업무 운영에 통합하는 커스텀 솔루션을 제공한다.

앤트로픽 CFO 크리슈나 라오는 "클로드에 대한 기업 수요가 단일 채널로는 감당할 수 없는 수준"이라며 합작사 설립 배경을 설명했다. 합작사의 응용 AI 엔지니어들이 고객사의 워크플로우를 분석해 고임팩트 영역을 발굴하고, 임상의의 문서화 부담 절감 같은 구체적 사례부터 구축한다. 신설 법인은 앤트로픽의 클로드 파트너 네트워크에 합류해 자체 AI 인력이 부족한 조직을 지원한다.

원본: https://www.anthropic.com/news/enterprise-ai-services-company

모질라, 클로드 미토스로 파이어폭스 버그 423개 발견

모질라가 앤트로픽의 클로드 미토스 프리뷰 모델을 활용해 4월 한 달간 파이어폭스 보안 버그 423건을 수정했다. 2025년 월평균 20~30건 수준이던 보안 패치 수가 한 자릿수 배 이상 폭증한 것이다. 발견된 취약점에는 20년 묵은 XSLT 버그와 15년 된 HTML <legend> 요소 이슈도 포함됐다.

핵심은 모델 출력만 그대로 쓰지 않고, 코드를 체계적으로 스캔·검증하는 하니스(harness)를 직접 만들어 노이즈를 거르고 신호를 증폭한 점이다. 모질라는 모델을 "조종하고, 확장하고, 쌓아 올려 신호를 만들어냈다"고 표현했다. 다행히 시도된 익스플로잇 다수가 파이어폭스 기존 방어 계층에서 차단됐다. 사이먼 윌리슨은 AI 보안 리서치가 "엔지니어링이 잘 된 하니스와 모델 능력 향상이 만나면 부채에서 자산으로 전환된다"고 평가했다.

원본: https://simonwillison.net/2026/May/7/firefox-claude-mythos/

제미나이 파일 검색, 멀티모달 RAG로 확장

구글이 제미나이 API 파일 검색에 멀티모달 지원·커스텀 메타데이터 필터·페이지 단위 인용을 추가했다. 제미나이 임베딩 2가 텍스트와 이미지를 함께 처리하므로, 키워드나 파일명에 의존하지 않고 자연어 설명만으로 혼합 미디어 아카이브를 검색할 수 있다.

활용 예시로는 분위기·시각 스타일 기반 광고 에셋 검색, 현미경 이미지·플롯·웨스턴블롯을 한 번에 질의하는 과학 연구, 화질이 다양한 GIF 라이브러리 의미 검색, 자율 에이전트가 활용할 아키텍처·시퀀스 다이어그램 색인 등이 제시됐다. department:Legal 같은 커스텀 메타데이터 라벨로 결과를 좁힐 수 있고, 페이지 인용 기능은 모델 응답을 원문 위치로 직접 묶어 검증 가능한(verifiable) RAG 파이프라인을 가능하게 한다.

원본: https://blog.google/innovation-and-ai/technology/developers-tools/expanded-gemini-api-file-search-multimodal-rag/

크롬 데브툴, AI 에이전트용 공식 MCP 서버 공개

크롬 데브툴팀이 chrome-devtools-mcp를 공식 공개했다. 클로드·제미나이·코파일럿 같은 AI 코딩 에이전트가 살아있는 크롬 브라우저 인스턴스를 직접 제어·검사할 수 있는 MCP 서버다. 입력 자동화(클릭·드래그·폼 입력·다이얼로그 처리·파일 업로드), 탭/내비게이션 제어, 성능 트레이스, 네트워크 디버깅, 콘솔 검사, 메모리 분석, 스크린샷·스크린캐스트 캡처, 확장 프로그램 관리까지 데브툴이 제공하는 기능 대부분을 에이전트 친화 API로 노출한다.

요구사항은 Node.js v20.19+와 크롬 안정 버전이며 VS Code, 커서, 코파일럿 CLI, 제미나이 CLI에 표준 MCP 설정으로 연결된다. Apache-2.0 라이선스 오픈소스이며 38.8k 스타로 빠르게 자리 잡았다. 에이전트가 브라우저를 단순 자동화가 아닌 "디버깅 가능한 환경"으로 다루는 첫 공식 표준 후보다.

원본: https://github.com/ChromeDevTools/chrome-devtools-mcp

바이트댄스, 로컬 GUI 에이전트 UI-TARS 데스크톱 공개

바이트댄스가 UI-TARS와 시드(Seed) 1.5/1.6 비전-언어 모델을 기반으로 한 네이티브 GUI 에이전트 UI-TARS-Desktop을 공개했다. 스크린샷을 캡처해 시각 요소를 인식하고, 마우스·키보드 명령을 정밀 실행해 사용자가 자연어로 지시한 데스크톱 작업을 자율 수행한다.

타 에이전트 프레임워크와 달리 일반 목적 도구 사용이 아니라 GUI 자동화에 특화된다. 윈도/맥OS/브라우저 크로스플랫폼을 지원하며 로컬 처리로 프라이버시를 유지하고 실시간 시각 피드백을 제공한다. 컴퓨터 사용 에이전트(CUA) 분야에서 클로드 컴퓨터 사용·OpenAI Operator와 정면으로 경쟁하는 오픈소스 옵션이다.

원본: https://github.com/bytedance/UI-TARS-desktop

9router, 클로드·코덱스·커서를 자동 라우팅하는 로컬 프록시

9router는 클로드 코드·커서·클라인·코파일럿이 단일 엔드포인트로 40여 개 AI 프로바이더를 사용할 수 있게 해주는 로컬 프록시다. 매월 소진 못 한 구독 쿼터, 작업 도중 끊기는 레이트 리밋, 도구 출력이 잡아먹는 토큰, 월 $20~50씩 새는 API 비용, 수동 서비스 전환 같은 개발자 페인 포인트를 자동 라우팅과 압축으로 해결한다.

핵심은 "스마트 3계층 폴백"이다. 1차 구독 서비스의 쿼터가 소진되면 GLM(1M토큰당 $0.6)이나 미니맥스($0.2)같은 저가 백업으로 자동 전환되고, 그래도 부족하면 카이로 AI·오픈코드 프리·버텍스 AI($300 크레딧) 같은 무료 무제한 티어로 떨어진다. RTK(Rust Token-saver)는 git diff·로그 같은 도구 출력을 압축해 입력 토큰을 매 요청 20~40%씩 절감한다. 비용·중단 없는 코딩이 목표다.

원본: https://github.com/decolua/9router

agentmemory, 코딩 에이전트를 위한 영속 메모리 시스템

agentmemory는 AI 코딩 에이전트가 세션 사이에 컨텍스트를 유지하도록 해주는 영속 메모리 시스템이다. 매번 스택을 다시 설명할 필요 없이 도구 사용에서 관찰을 자동 캡처하고 필요할 때 관련 정보를 검색해 끌어온다. CLAUDE.md 같은 빌트인 메모리가 200줄 캡에 걸려 낡아 가는 문제도 회피한다.

벤치마크에선 LongMemEval-S에서 R@5 95.2% 검색 정확도를 기록했고, 컨텍스트를 매번 붙여 넣는 방식 대비 토큰을 92% 절감(세션당 약 1,900 토큰 vs 22,000+ 토큰)한다고 주장한다. MCP 또는 REST API로 다중 에이전트와 연결되며 `npx @agentmemory/agentmemory`로 서버를 띄운 뒤 에이전트에 MCP 설정만 추가하면 된다. 클로드 코드는 플러그인 시스템으로, 커서·클라인은 표준 MCP로 즉시 연동된다.

원본: https://github.com/rohitg00/agentmemory

---

매일 변하는 모델·도구 지형을 빠르게 따라잡고 싶다면, 나무숲(treesoop.com)의 AI 뉴스를 매일 챙겨보길 권한다. 실제 업무에 바로 적용할 수 있는 큐레이션을 8가지 핵심 항목으로 정리해 매일 아침 발행한다.