2026년 8월 16일 AI 뉴스 — 큐원 3.8, MCP 무상태 전환, 커서 플러그인

오늘의 AI 뉴스는 새 오픈 모델 출시부터 프로토콜 변화, 에이전트 워크플로우까지 폭넓게 다룬다. 알리바바 큐원 3.8 27B가 공개됐고, MCP가 무상태 구조로 전환을 확정했으며, 커서는 공식 플러그인 시스템을 내놨다.

큐원 3.8 27B 전격 공개

알리바바가 큐원(Qwen) 3.8 27B를 허깅페이스에 공개했다. 27B 밀집(dense) 비전-언어 모델로, 이미지와 영상 이해를 기본 탑재하고 컨텍스트는 기본 26만 토큰, 최대 100만 토큰까지 확장된다. FP8 양자화 버전으로 배포되어 원본과 거의 동일한 성능을 유지하면서 개인 워크스테이션급 하드웨어에서도 돌릴 수 있다.

벤치마크가 인상적이다. SWE-bench Pro 61.7, Terminal Bench 73.0으로 에이전트 코딩에 강하고, 컴퓨터 사용(OSWorld) 84.3, 안드로이드 조작 81.9로 GUI 에이전트 작업까지 커버한다. `reasoning_effort` 파라미터로 추론 강도를 조절하는 유연한 사고 제어도 들어갔다. 라이선스는 아파치 2.0이라 상업적 활용에도 제약이 없다.

원문: https://huggingface.co/Qwen/Qwen3.8-27B-FP8

MCP, 무상태 구조로 바뀐다

모델 컨텍스트 프로토콜(MCP)이 무상태(stateless) 구조 전환을 골자로 한 새 스펙을 확정했다. `initialize` 핸드셰이크와 프로토콜 수준 세션, `Mcp-Session-Id` 헤더가 사라지고, 모든 요청이 자체 완결적으로 바뀐다. 서버 기능은 새로운 `server/discover` 메서드로 필요할 때 조회한다.

이 변화의 의미는 운영에 있다. 스티키 라우팅이나 공유 세션 저장소 없이 평범한 라운드로빈 로드밸런서 뒤에 MCP 서버를 수평 확장할 수 있게 된다. 상태가 필요한 애플리케이션은 모델이 호출 간에 주고받는 명시적 핸들(ID)로 구현하라는 방향인데, 상태를 숨기지 않고 모델에게 보이게 만든다는 설계 철학이다. 이 밖에 샌드박스 iframe에서 서버가 UI를 렌더링하는 MCP Apps, OAuth/OIDC 정렬 강화, 12개월 사용 중단 정책도 함께 들어갔다. MCP 서버를 운영 중이라면 반드시 살펴봐야 할 릴리스다.

원문: https://blog.modelcontextprotocol.io/posts/2026-07-28-release-candidate/

커서, 공식 플러그인 시스템 공개

AI 코딩 에디터 커서(Cursor)가 공식 플러그인 사양과 마켓플레이스 저장소를 공개했다. 플러그인은 스킬(마크다운), 룰(.mdc), MCP 서버 정의를 표준 구조로 묶은 디렉토리로, 에이전트에 새 워크플로우를 붙이거나 외부 서비스를 연동하는 통로가 된다.

퍼스트파티 플러그인 목록이 방향을 보여준다. PR 리뷰(Thermos), 팀 규칙 배포(Cursor Team Kit), 에이전트용 CLI 같은 개발 도구부터 Gmail, 세일즈포스, 허브스팟 같은 업무 서비스 연동까지 이미 수십 개가 올라와 있다. 스타터 템플릿으로 직접 만들 수도 있어, 클로드 코드의 스킬·플러그인 생태계와 정면으로 겹치는 경쟁 구도가 만들어졌다.

원문: https://github.com/cursor/plugins

AI 자동 리서치로 커널 232배 가속

GPU Mode의 QR 분해 커널 최적화 대회에서 클로드와 코덱스 에이전트를 조합해 베이스라인 대비 232배 가속(419ms → 1.8ms)을 달성한 후기가 공개됐다. 14일간 1,500회 이상 제출하며 183명 중 12위에 올랐다.

핵심은 루프 설계다. 단일 최고 기록만 좇는 힐클라이밍은 국소 최적점에 갇혔고, 유망한 아이디어 계열 3~5개를 동시에 유지하는 빔서치 전략으로 정체를 돌파했다. 수치 목표를 건 장기 실행 세션, 루프를 멈추지 않고 개입하는 보조 명령, 프로파일링 기반 조향이 어우러졌다. 도메인 지식으로 "모르는 것"을 "아는 모름"으로 바꿔야 프롬프트가 좋아진다는 교훈도 남겼다. 에이전트 자동 리서치의 실전 레퍼런스로 삼을 만한 사례다.

원문: https://sankalp.bearblog.dev/autoresearch/

YAML만으로 LLM 파인튜닝, Soup

YAML 설정 파일 하나와 CLI 명령 하나로 LLM 파인튜닝을 끝내는 오픈소스 도구 Soup가 공개됐다. `soup.yaml`에 모델·데이터·학습 파라미터를 적고 `soup train`을 실행하면 배치 크기, GPU 감지, 양자화까지 자동 처리한다.

레이어 스트리밍 기술로 4GB 노트북 GPU에서 8B 모델을 학습할 수 있다는 점이 눈에 띈다. 4비트 NF4 양자화와 LoRA를 기본 지원하고, SFT부터 DPO, GRPO, PPO 같은 선호 학습까지 커버한다. 허깅페이스 허브의 텍스트 생성 모델 대부분과 호환되며, 학습 후 GGUF·ONNX·TensorRT로 내보내기도 된다. 학습 스크립트 없이 설정 중심으로 모델을 튜닝하고 싶은 개발자에게 진입 장벽을 크게 낮춰준다.

원문: https://github.com/MakazhanAlpamys/Soup

사람과 에이전트가 같이 쓰는 노트패드

AI 에이전트가 마크다운 노트를 실시간으로 읽고 편집하는 오픈소스 노트 앱 Hubble.md가 나왔다. 노션이나 애플 메모 같은 익숙한 UI에, 에이전트에게 노트 폴더를 통째로 맡기면 에이전트가 수정하는 즉시 화면이 라이브 리로드된다.

일렉트론 기반으로 맥·윈도우·리눅스를 지원하고, 슬래시 명령과 프론트매터, 설치형 스킬로 기능을 확장할 수 있다. 마크다운을 넘어 HTML 앱으로 테이블, 책장, 지도 같은 커스텀 뷰를 만드는 것도 특징이다. 사람의 노트와 에이전트의 작업 공간을 하나로 합치려는 시도로, 에이전트와의 협업 인터페이스가 채팅창을 벗어나고 있음을 보여준다.

원문: https://github.com/bholmesdev/hubble.md

복잡한 클라우드플레어 AI 제품 정리

클라우드플레어의 AI·컴퓨트 제품군이 얼마나 겹치고 파편화됐는지 짚은 비판 글이다. 저장소만 D1, Durable Objects, KV, R2에 컴퓨트는 Workers, Sandboxes, 컨테이너까지 — 같은 일을 하는 방법이 너무 많은데 격리 방식, 시작 시간, 과금이 제각각이라는 지적이다.

문서는 미완성인 채로 출시되고, 트레이싱은 베타에 머물며, 신제품은 "블로그 포스트용으로는 충분하지만" 진지한 애플리케이션이 요구하는 깊이가 없다는 비판이 이어진다. 결론은 실용적이다. 안정성이 중요한 워크로드는 검증된 대안에 두고, 클라우드플레어는 배관(plumbing)으로 쓰라는 것. 서버리스 AI 스택을 클라우드플레어에 올리기 전에 읽어볼 만한 반론이다.

원문: https://opensauce.it/cloudflare-ai-psychosis/

AI 협업은 코딩보다 리더십이다

AI와 일하는 감각이 코딩보다 리더십에 가깝다는 에세이다. 전통적인 코드는 결정적이지만 AI는 같은 요청에도 다른 답을 내놓는다. 이 예측 불가능성은 기계 조작보다 사람과의 협업에 가깝고, 따라서 필요한 기술도 달라진다는 주장이다.

실천 조언은 리더십 교과서와 닮았다. 작업 지시가 아니라 맥락을 공유하고, 왜 이 일이 중요한지와 성공의 기준을 설명하고, 예시와 교정으로 눈높이를 맞추고, 재사용 가능한 지침을 쌓아 오해를 줄이라는 것. 정밀한 명령이 아니라 의도를 명확히 표현하는 능력이 AI 시대 개발자의 핵심 역량이라는 통찰이다.

원문: https://allen.bargi.org/notes/working-with-ai-feels-like-leadership/

---

나무숲은 매일 아침 AI 뉴스를 큐레이션해 전한다. 더 많은 소식은 블로그에서 확인할 수 있다.