SpoonOS

ChatGPT, AutoGPT, AgentOps…AI가 점점 더 똑똑해지고, 실제 업무와 창작을 자동화하는 세상에서 우리는 AI 에이전트(agent)라는 개념에 익숙해지고 있습니다.그렇다면, 이 AI 에이전트들이 Web3 세상에서도 활동할 수 있다면 어떨까요?오늘 소개

ChatGPT, AutoGPT, AgentOps… 이제 AI는 단순한 도구가 아니라 업무를 스스로 판단하고 실행하는 주체, 즉 "에이전트(Agent)"라는 개념으로 진화하고 있습니다. 그런데 이런 AI 에이전트를 Web3에서도 활용할 수 있다면 어떨까요? 우연히 발견

해당 포스팅은 spoonOS 의 공식 소개 문서를 번역하였습니다.대형 언어 모델(LLM)의 등장은 AI 에이전트를 점점 더 전문화시키고 있습니다—특정 시나리오와 사용자 요구에 정밀히 적응할 수 있게 만들죠.사람들은 묻습니다: 이미 AI의 황금기가 도래했을까요? 저희는

AI와 블록체인의 결합이 가속화되는 지금, 레이어1 블록체인 Neo와 AI 에이전트 인프라 SpoonOS가 함께 개최하는 글로벌 해커톤, Scoop AI Hackathon이 개최됩니다.전 세계 개발자·연구자·크리에이터가 한자리에 모여 더 투명하고 편리한 Web3 / A

한국 개발자가 최첨단 홀로그램 블록체인 및 AI 데이터를 보며 노트북을 작업하는 모습블록체인과 AI 기술의 융합이 이끄는 새로운 디지털 경제의 물결이 도래했습니다. SpoonOS는 Web3 기반의 에이전틱 AI 운영체제로, 개발자와 기업들에게 혁신적인 수익화 기회를 제

SpoonOS 프레임워크를 사용하면 5분 안에 AI 에이전트를 만들고 실행할 수 있습니다. 이 가이드를 따라가면 첫 번째 에이전트를 빠르게 구축할 수 있습니다.시작하기 전에 몇 가지 준비가 필요합니다. 먼저 설치가 완료되어 있어야 하며, 최소 하나의 프로바이더 API

SpoonOS는 강력한 Python 기반 AI 에이전트 프레임워크로, 블록체인과 데이터 분석 작업을 위한 다양한 도구를 제공합니다. 이 가이드는 SpoonOS를 처음 설치하는 개발자들을 위해 단계별로 안내합니다.사전 요구사항(- 빠른 설치(- 설치 옵션 비교(- 프레임

에이전트는 SpoonOS의 핵심 지능 계층입니다. 추론하고, 계획하고, 행동하는 자율 AI 시스템으로 복잡한 작업을 수행합니다. 에이전트는 LLM의 추론 능력을 도구, 메모리, 구조화된 실행 패턴과 결합하여 단순한 질문-답변을 넘어서는 기능을 제공합니다.일반적인 LLM

SpoonOS Graph System은 상태 기반 다단계 AI 에이전트 워크플로우를 구축하기 위한 라이브러리입니다. 애플리케이션을 방향성 그래프로 모델링하며, 노드는 액션(LLM 호출, 도구 실행, 데이터 처리)을 나타내고 엣지는 조건부 분기, 병렬 팬아웃, 반복적 추

LLM(Large Language Model)은 텍스트를 생성하는 데 뛰어나지만, 오늘의 비트코인 가격을 알거나 이메일을 보내거나 데이터베이스를 조회할 수는 없습니다. Tools는 바로 이 격차를 메워주는 핵심 기능입니다.Tools는 호출 가능한 기능(callable

SpoonOS는 여러 LLM 제공업체에 대한 통합 인터페이스를 제공합니다. 코드를 한 번만 작성하면, 단일 파라미터만 변경하여 OpenAI, Anthropic, Google, DeepSeek, 또는 OpenRouter 간에 전환할 수 있습니다. 코드 재작성도 필요 없고

Model Context Protocol (MCP)는 AI 에이전트를 외부 도구와 데이터 소스에 연결하기 위한 오픈 표준입니다. 도구 통합을 하드코딩하는 대신, 에이전트가 런타임에 도구를 동적으로 발견할 수 있게 해줍니다. 이를 통해 다양한 AI 애플리케이션 간에 도구

x402는 에이전트가 자율적으로 결제할 수 있게 해줍니다. 에이전트가 페이월(HTTP 402)에 부딪히면 자동으로 암호화폐 결제에 서명하고, 요청을 재시도하며, 계속 진행합니다—사람의 개입이 필요 없습니다. 이를 통해 AI 서비스를 위한 네이티브 수익화 계층을 만들 수

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

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

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

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

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

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

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,

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

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

"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

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

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 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

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

"AI에게 USDC를 던져주고 답을 사는 시대"라는 말이 농담이 아니게 되었다. Coinbase가 2025년 발표한 결제 표준 x402는 HTTP 402 상태 코드(Payment Required)를 부활시켜, API 호출 한 번 단위로 스테이블코인 결제를 강제할 수 있

에이전트 하나가 모든 일을 하는 시대는 이미 지나고 있다. 검색은 검색 에이전트가, 분석은 분석 에이전트가, 실행은 실행 에이전트가 — 역할을 분리하고 그래프로 연결하는 패턴이 2025년 이후 에이전트 아키텍처의 주류가 되었다. SpoonOS의 SpoonGraph는 이

AI 에이전트가 "질문에 대답하는 챗봇"을 넘어서려면, 결국 외부 시스템을 직접 조작할 수 있어야 한다. Slack에 메시지를 보내고, GitHub에 이슈를 만들고, Notion 페이지를 업데이트하는 것까지. MCP(Model Context Protocol)는 이 연결

경쟁 현황 보기: https://arena.spoonai.io/디스코드 캠페인 채널 참여: https://discord.gg/uqmPDQsq4JSpoonOS Arena는 8개의 주요 LLM이 2026 FIFA 월드컵의 모든 경기를 분석하고, 예측하며,

"프로덕션 배포"에서 restart: unless-stopped로 죽으면 되살아나는 봇을 만들었다. 그런데 딱 여기까지다. 프로세스가 재시작되면 runner.py는 처음부터 다시 돈다 — 만약 크래시 시점이 "리필 트랜잭션을 이미 브로드캐스트했지만 컨펌을 기다리던 도중

"나만의 도구 붙이기"에서 BaseTool을 상속해 Neo N3 잔액 조회 도구를 처음부터 한 줄 한 줄 짰다. 잘 작동했지만, 도구가 열 개, 스무 개로 늘어나면 매번 이 과정을 반복하는 건 지루하다. XSpoonAi가 공개한 spoon-awesome-skill 저장

"프로덕션 배포"에서 에이전트를 컨테이너에 넣어 24/7 돌렸고, "DBOS 듀러블 워크플로우"에서 프로세스가 죽어도 진행 상태가 이어지게 만들었고, "LLM 백엔드 이중화"에서 모델 API가 죽어도 판단이 멈추지 않게 했다. 세 글을 다 적용한 봇은 잘 죽지 않는다.

"neo-mcp 듀얼체인"의 끝에서 "MCP 서버 프로세스가 죽었을 때 에이전트가 어떻게 반응하는지"를 다음 글로 미뤘고, "수수료 실측과 예산 가드"의 끝에서 같은 약속을 한 번 더 했어요. 이 글에서 그 빚을 갚습니다. spoon-core의 MCP 계층과 LLM 계