로봇개부터 오픈소스 AI 프레임워크까지, 기술이 저렴해지고 개방되는 이유

저렴해진 로봇 하드웨어, 스페이스X 한 곳에 기대지 않으려는 위성 시장, 고정되지 않은 보상을 다시 계산하는 게임 이론, 그리고 개발자가 에이전트를 만들 때 고르는 오픈소스 프레임워크. 서로 다른 영역이지만 오늘 소식들은 하나같이 "조건이 계속 바뀔 때 어떻게 대응할 것인가"라는 질문으로 이어집니다. 하드웨어부터 소프트웨어까지, 오늘 다섯 장면을 순서대로 따라가 보겠습니다.

4,017달러 로봇개, "발명보다 중요한 건 가격"

핵심: 저자는 4,017달러를 들여 산 유니트리 4족 로봇과 함께 워싱턴DC 2마일 출근길을 걸었습니다.

Ars Technica 저자 Timothy B. Lee는 중국 유니트리가 만든 4족 로봇을 구매해 워싱턴DC 마운트 플레전트 자택에서 백악관 인근 사무실까지 편도 2마일을 함께 걸어 출근했습니다. 내리막 위주였던 아침 출근길에서는 로봇이 배터리 여유를 남기고 도착했지만, 낮 동안 충전한 뒤 오르막에 87°F(30°C) 더위까지 겹친 퇴근길에서는 걸음이 점점 힘겨워졌습니다. 지나가던 사람들은 사진을 찍고 질문을 던졌고, 생물학적 개들은 짖거나 으르렁거리며 거리를 두는 반응을 보였습니다.

집 앞에 거의 다다랐을 때 저자의 휴대폰에는 배터리 5%, 내부 온도 84°C(183°F)가 표시됐고, 로봇은 등을 대고 다리를 든 채 갑자기 쓰러졌습니다. 유니트리 4족 로봇은 팔이 없어 집안일에는 거의 쓸모가 없고, 주로 학계 연구나 엔터테인먼트용으로 쓰인다고 저자는 설명합니다. 그럼에도 그가 강조한 것은 활용도가 아니라 가격이었습니다 — 몇 년 전이라면 훨씬 비쌌을 로봇을 4,017달러에 살 수 있게 됐다는 점입니다.

가격이 내려가면 접근성이 바뀐다는 이 흐름은 로봇에만 국한되지 않습니다. 우주 발사 시장에서도 비슷한 재편이 일어나고 있는데, 이번엔 협소한 공급을 놓고 새로운 경쟁자가 뛰어드는 방식으로 나타납니다.

출처: Ars Technica | 원문 보기 ↗

스페이스X 홀로 못 채우는 발사 수요, 새 경쟁자가 뛰어들다

핵심: 스페이스X가 팰컨9 발사를 줄이는 가운데, 독일 이자 에어로스페이스가 스펙트럼 로켓으로 처음 궤도 진입에 성공했습니다.

스페이스X를 제외한 대다수 위성 회사들은 여전히 궤도 발사 용량이 부족하다고 말합니다. 스페이스X는 팰컨9 발사 프로그램을 축소하고 있고, 차세대 초대형 재사용 로켓 스타십이 자사 스타링크 위성 외의 화물을 언제부터 실어 나를지도 불확실한 상황입니다. 이런 배경에서 위성 운영사들은 새로운 발사 제공업체의 성공을 반기고 있습니다.

독일 이자 에어로스페이스는 노르웨이 북부 우주기지에서 스펙트럼 로켓을 발사해 큐브샛 여러 기를 저궤도에 올리며 첫 궤도 도달에 성공했습니다 — 지난해 첫 시험 비행이 실패로 끝난 뒤 거둔 성과입니다. 일본 본사를 둔 위성 서비스 기업 아스트로스케일은 이 발사를 현지 시각 오전 5시에 지켜봤고, 이자와 두 번째 발사 계약(첫 계약은 3월)을 맺어 내년 중 위성 발사를 맡기기로 했습니다. 아스트로스케일은 위성 서비스와 우주 쓰레기 처리 완화를 주력 사업으로 하며, 유럽우주국(ESA)·유럽연합(EU)·노르웨이·독일 정부가 발주한 임무가 이자의 발사 예약 물량 대부분을 차지합니다. 독일의 로켓 팩토리 아우크스부르크, 스페인의 PLD 스페이스도 이자를 뒤쫓고 있고, 프랑스·독일 합작사 익스플로레이션 컴퍼니는 초대형 로켓 엔진을 개발 중입니다.

한 공급자에 의존하지 않도록 여러 주체가 참여하는 구조를 만드는 흐름은, 학계에서 "조건이 고정되지 않은 전략"을 다시 들여다보는 연구와도 맞닿아 있습니다.

출처: Ars Technica | 원문 보기 ↗

보상이 계속 바뀌면 게임 이론도 달라진다

핵심: 연구자들은 보상이 고정되지 않고 무작위로 변하는 게임을 수학 모델로 분석해 고전 게임 이론의 한계를 짚었습니다.

전통적인 게임 이론은 보상 구조가 고정된 상태에서 진행되는 게임을 다뤄왔습니다. 대표적인 예가 죄수의 딜레마로, 두 공범이 각각 자백(배신)하거나 침묵(협력)하는 선택에 따라 형량이 달라지는 구조입니다. 둘 다 침묵하면 가벼운 처벌을, 한쪽만 배신하면 배신한 쪽은 풀려나고 다른 쪽은 무거운 처벌을, 둘 다 배신하면 중간 수준의 처벌을 받습니다.

보상이 고정된 전통적 죄수의 딜레마는 안정 상태가 하나뿐이며, 몇 라운드 만에 모든 참가자가 배신을 택하는 지점으로 수렴해 결과적으로 모두가 손해를 보는 구조가 됩니다. 연구팀은 여기에 시간에 따라 변하는 보상을 도입한 수학 모델을 적용했고, 보상이 아주 작은 폭으로만 변해도 결과가 달라질 수 있다는 점을 확인했습니다.

현실의 전략이 고정된 규칙이 아니라 계속 바뀌는 조건 위에서 짜인다는 점은 소프트웨어 개발에서도 낯설지 않습니다. 특히 AI가 "말만 하는 존재"에서 "행동하는 존재"로 바뀌면서, 개발자들은 정적인 프롬프트가 아니라 계속 변하는 상태를 다루는 도구를 찾고 있습니다.

출처: Ars Technica | 원문 보기 ↗

생성형 AI와 에이전틱 AI, 뭐가 다를까

핵심: 생성형 AI는 텍스트를 출력할 뿐이지만, 에이전틱 AI는 파일을 읽고 API를 호출하고 실제로 결제까지 실행합니다.

dev.to에 올라온 글에서 저자는 Coursera(IBM)의 "Agentic AI with LangChain and LangGraph" 강의 1모듈("Introdução à IA agêntica")을 듣고 정리한 내용을 공유했습니다. 핵심은 생성(gerar)과 행동(agir)을 구분하는 것으로, 생성형 AI는 프롬프트가 들어가면 텍스트가 나오고 끝나며 이슈를 분류하거나 테스트 초안을 짜거나 diff를 설명하는 수준에 그친다고 설명합니다.

반면 에이전틱 AI는 모델이 다음 행동을 세상에서 직접 선택합니다 — 파일을 읽고, API를 호출하고, PR을 열고, 결제를 실행합니다. 저자는 구독 취소 요청을 예로 듭니다: 생성형 AI는 "보통 DELETE /v1/subscriptions/{id} 경로일 것"이라는 가설만 내놓지만, 에이전틱 AI는 실제로 그 API를 호출해 204 응답을 받고 구독을 취소시킨다는 것입니다. 저자는 실제로 상태를 바꾸는 루프에는 최소 권한 원칙과 사람의 개입(HITL)이 필요하며, 도구가 파일을 읽기만 하는지 아니면 merge·migrate·deploy처럼 상태를 바꾸는지에 따라 위험 반경이 달라진다고 짚습니다.

이 구분은 곧바로 프레임워크 선택 문제로 이어집니다. 같은 저자가 이어서 올린 글은 에이전틱 AI를 실제로 구현할 때 자주 등장하는 두 오픈소스 라이브러리, LangChain과 LangGraph의 차이를 다룹니다.

출처: dev.to | 원문 보기 ↗

LangChain 대 LangGraph, 어떤 오픈소스 프레임워크를 골라야 할까

핵심: LangChain은 한 방향으로 흐르는 체인이고, LangGraph는 상태를 저장하고 되돌아갈 수 있는 그래프입니다.

같은 저자는 Coursera(IBM) 강의의 "LangGraph versus LangChain" 모듈을 들은 뒤, 두 프레임워크 중 무엇을 쓸지보다 "이 흐름이 체인인지, 그래프인지, 아니면 애초에 도구(하네스)의 문제인지"를 먼저 물어야 한다고 정리했습니다. Cursor나 Claude Code 같은 IDE 에이전트가 직접 도구를 호출하는 경우는 Python 그래프 없이도 존재할 수 있다는 것입니다.

LangChain의 최소 형태는 LCEL로 표현되는 prompt | model | parser 체인으로, 딕셔너리가 들어가 문자열이 나오면 끝이며 재시도나 사람의 승인 대기, 체크포인트가 없습니다. LangGraph는 노드·엣지·상태로 구성돼 실행을 멈췄다가 나중에 재개할 수 있고, 공식 문서에 따르면 단기·장기 메모리와 사람이 개입하는 인터럽트를 지원합니다. 저자는 다음 단계를 코드가 정하면 워크플로, 모델이 정하면 에이전트라고 구분하며, LangChain이 제공하는 create_agent 같은 단축 기능도 내부적으로는 여전히 그래프 기반 런타임 위에서 동작한다고 설명합니다.

구분	LangChain (체인)	LangGraph (그래프)
기본 구조	prompt | model | parser, 단방향	노드·엣지·상태 그래프
실행 흐름	진입 → 출력, 루프 없음	멈췄다 재개 가능, 사이클 허용
사람 개입	승인 대기 기능 없음	인터럽트로 사람이 개입 가능
다음 단계 결정	코드가 미리 정의	모델 또는 코드가 선택

출처: dev.to | 원문 보기 ↗

이게 나에게 의미하는 것

LangChain·LangGraph로 에이전트를 만들고 있다면, 단순히 프롬프트를 넣고 결과를 받는 흐름에는 LangChain의 LCEL 체인으로 충분하지만, 실행 도중 멈추고 사람 승인을 기다리거나 상태를 저장해야 한다면 LangGraph의 그래프 구조가 필요합니다. 에이전틱 AI 도구를 팀에 도입하려는 개발자라면, 그 도구가 파일을 읽기만 하는지 merge·deploy처럼 상태를 쓰는지부터 구분해 최소 권한과 사람의 승인 단계를 먼저 설계하는 편이 안전합니다. 저렴해진 로봇 하드웨어나 신생 발사 업체를 눈여겨보는 사람이라면, 유니트리 로봇개처럼 가격이 내려간 하드웨어도 배터리·발열 한계가 뚜렷하다는 점과, 이자 에어로스페이스처럼 검증되지 않은 신규 공급자에도 아스트로스케일 같은 민간 고객이 정부 계약 외에 붙는다는 점을 함께 봐야 합니다.

정리: 오늘의 시사점

4,017달러짜리 로봇개, 첫 궤도 도달에 성공한 이자 에어로스페이스, 보상이 변하는 게임 이론 모델, 그리고 LangChain·LangGraph라는 오픈소스 프레임워크는 서로 다른 영역이지만 공통적으로 "고정되지 않고 변화하는 조건에서 어떻게 대응할 것인가"라는 질문을 던집니다. 에이전틱 AI를 다루는 개발자에게는 이 질문이 가장 구체적인 형태로 나타납니다 — 도구가 텍스트만 생성하는지 실제로 상태를 바꾸는지 구분하고, 그 판단에 따라 LangChain의 단순 체인과 LangGraph의 상태 기반 그래프 중 무엇을 쓸지 정해야 합니다. 하드웨어와 우주 발사 시장에서는 같은 질문이 가격과 공급망 형태로 나타납니다 — 유니트리 로봇개는 가격이 내려가며 배터리 한계 안에서 실용성을 시험받고 있고, 이자 에어로스페이스는 스페이스X 한 곳에 의존하지 않으려는 아스트로스케일 같은 고객을 확보하며 시장에 들어섰습니다.