"중국의 이더리움"이라 불리던 NEO를 기억하는가. 2017~2018년 사이 한 번쯤 들어봤을 이름이지만, 그 이후로는 차트에서 점점 사라졌다. 그런데 2024년 이후 NEO는 조용히 거의 모든 부분을 갈아엎었다. 메인넷도, 토크노믹스도, 개발자 도구도, 심지어 창업자

2024년 하반기부터 "AI 에이전트"가 Web3 영역에서 가장 뜨거운 키워드로 자리 잡았다. ElizaOS는 트위터 봇으로 폭발적인 화제를 모았고, Virtuals Protocol은 에이전트 토큰화로 시가총액을 키웠으며, SpoonOS는 Neo 진영의 풀스택 에이전트

AI 에이전트 개발은 폭발적으로 성장하고 있어요. 랭체인(LangChain), 크루AI(CrewAI), 오토젠(AutoGen) 같은 프레임워크 덕분에 에이전트를 만드는 것 자체는 점점 쉬워지고 있는데요.그리고 이 흐름은 숫자로도 명확하게 보여요. 크립토 AI 투자 비중

2014년, 다홍페이(Da Hongfei)라는 개발자가 중국에서 퍼블릭 블록체인 프로젝트를 시작했어요. 시드 자금은 60만 위안, 한화로 약 1억 원이 안 되는 금액이었는데요. 이더리움에서 영감을 받아 만든 이 프로젝트의 이름은 앤트셰어즈(Antshares)였어요. 나

블록체인이 세상에 등장한 지 15년이 넘었어요. 그동안 우리는 수없이 물었죠. "크립토를 도대체 뭐에 쓰는 건데?" 송금? 카드가 더 빠르잖아요. 결제? 편의점에서 비트코인을 받아주지 않아요. 디파이? 써보면 좋긴 한데, 일반인에게는 여전히 진입 장벽이 높아요.크립토의

2025년은 AI 에이전트의 해였어요. 챗봇 수준을 넘어서, 스스로 판단하고 행동하고 결과를 만들어내는 자율 에이전트가 크립토 시장 곳곳에 등장했어요. 트레이딩, 포트폴리오 관리, 온체인 데이터 분석, 심지어 콘텐츠 생성까지요.숫자로 보면 더 실감이 나요. 현재 Web

2025년, 온체인 트랜잭션의 풍경이 바뀌고 있습니다. MEV 봇이 블록 공간을 차지하고, AI 에이전트가 포트폴리오를 리밸런싱하고, 자동화된 전략이 사람 손을 거치지 않고 실행되고 있습니다. 그런데 이 에이전트들이 사용하는 블록체인은 여전히 "사람이 버튼을 클릭하는

요즘 개발 트렌드 중 하나가 바로 바이브 코딩(Vibe Coding)입니다. Cursor, Codex, Claude Code 같은 AI 코딩 어시스턴트를 활용해서, 직접 한 줄 한 줄 코드를 치는 게 아니라 AI에게 적절한 컨텍스트를 던져주고 원하는 코드를 생성하게 만

SpoonOS의 스킬 시스템을 활용하면, 복잡한 오케스트레이션 로직 없이도 강력한 AI 에이전트를 빠르게 만들 수 있습니다. 이 글에서는 첫 번째 스킬 에이전트를 만드는 것부터 실전 활용까지의 전 과정을 다룹니다.스킬 에이전트란?(2. 시작하기 전에(3. 5분 만에 만

요즘 AI 에이전트가 단순히 질문에 답하는 걸 넘어서, 스스로 웹을 탐색하고 결제까지 하는 세상이 오고 있습니다. 오늘은 그 미래를 직접 체험해볼 수 있는 x402 에이전트 데모를 소개해드릴게요.혹시 웹 브라우징을 하다가 HTTP 상태 코드 402 Payment Req

"요즘 코인 시장 어때?" 라는 질문에 답하려면, 보통은 차트를 열고, 뉴스를 찾아보고, 지표를 하나하나 확인해야 하죠. 꽤 번거로운 작업입니다.이 예제에서는 SpoonOS의 선언적 그래프 시스템을 활용해서, 이 과정을 통째로 자동화하는 방법을 보여드립니다. 바이낸스에

간단한 설정부터 시작해서, 단 몇 분 만에 완전히 동작하는 AI 에이전트를 만들어 보겠습니다.💡 AI 기반 개발이 처음이신가요?Vibe Coding 가이드를 참고하시면 Cursor나 Windsurf 같은 AI 코딩 도구를 활용하여 SpoonOS 에이전트를 더 효율적으

Graph System에 LLM을 연동하면 어떤 걸 만들 수 있을까요?이번 글에서는 실제로 돌려볼 수 있는 5가지 예제를 통해 핵심 패턴들을 살펴보겠습니다.모든 예제는 고정된 출력이 아닌 실제 LLM 호출을 사용합니다.사용자의 질문을 LLM이 의도(intent)별로 분

그래프 시스템(Graph System)은 광범위한 SpoonOS 에코시스템과 원활하게 통합됩니다. 이 가이드는 그래프를 에이전트, 도구, MCP 서버 및 메모리 시스템과 연결하는 방법을 다룹니다.GraphAgent는 그래프 실행을 SpoonOS 에이전트 라이프사이클,

SpoonOS는 서로 다른 상황에 맞는 세 가지 그래프 빌드 방식을 제공합니다. 워크플로 복잡도와 팀 요구에 맞게 선택하세요.이번 글에서 다룰 내용: 명령형, 선언형, 고수준 API와 각각의 사용 시점대상 독자: 핵심 개념을 이해하고 API 스타일을 고르고 싶은 분예상

안녕하세요! 오늘은 SpoonOS 그래프 시스템의 핵심 개념들을 깊이 있게 살펴보겠습니다. 이 개념들만 제대로 이해하면 어떤 LLM 기반 워크플로우든 구축할 수 있습니다.이 글에서 배울 내용: State, Node, Edge, Checkpointing, 그리고 병합(M

안녕하세요! 오늘은 SpoonOS Graph System을 사용해서 LLM(대규모 언어 모델) 기반 그래프 워크플로우를 만드는 방법을 알아보겠습니다. 복잡해 보이지만 실제로는 정말 간단합니다. 2분이면 충분해요!✅ 상태(State) 정의하는 방법✅ 노드(Node) 추가

SpoonOS Graph System을 사용해서 2분 만에 LLM 기반 그래프 워크플로우를 만들어보세요. 이 가이드에서는 단계별로 그래프를 구성하고 실행하는 방법을 자세히 설명합니다.이번 가이드에서 배울 내용:상태(State) 정의하기노드(Node) 추가하기그래프 실행

장기 메모리를 사용하면 에이전트가 세션 간에 기억할 수 있습니다. 단기 메모리(각 대화마다 재설정됨)와 달리, 장기 메모리는 무기한 지속되어 개인화된 경험, 과거 상호작용으로부터 학습, 시간에 따른 지식 구축을 가능하게 합니다.장기 메모리 없이는 모든 대화가 처음부터

단기 메모리는 현재 대화를 추적합니다. 에이전트가 세 메시지 전에 "내 이름은 Alice입니다"를 기억하게 하고, 긴 대화에서 컨텍스트 창이 넘치지 않도록 방지합니다.LLM은 제한된 컨텍스트 창을 가지고 있습니다. 대화가 길어질수록:단순한 해결책은 트레이드오프가 있습니