46 결과
2025년 10월 30일 / AI
The blog post argues the request-response model fails for advanced multi-agent AI. It advocates for a real-time bidirectional streaming architecture, implemented by the Agent Development Kit (ADK). This streaming model enables true concurrency, natural interruptibility, and unified multimodal processing. ADK's core features are real-time I/O management, stateful sessions for agent handoffs, and streaming-native tools.
2025년 10월 15일 / AI
Coral NPU는 성능, 단편화 및 사용자 신뢰 부족 문제를 해결하는 Edge AI용 풀 스택 플랫폼입니다. 이 플랫폼은 ML 행렬 엔진을 우선하는 AI 우선 아키텍처이며 통합된 개발자 경험을 제공합니다. 초저전력 상시 가동 AI를 위한 웨어러블 기기 및 IoT를 위해 설계된 Coral NPU는 하드웨어 기반의 프라이버시 보호를 통해 상황 인식, 오디오/이미지 처리, 사용자 상호작용을 지원합니다. Synaptics는 Coral NPU를 최초로 구현한 파트너사입니다.
2025년 10월 15일 / AI
워크플로를 더욱 강력하고 친숙하게 만들어주는 Gemini CLI의 향상된 기능을 소개하게 되어 기쁩니다. 터미널을 업그레이드하여 편집용 vim, 모니터링용 top, 대화형 git ...
2025년 10월 8일 / AI
새로 출시된 Gemini CLI용 Genkit 확장 프로그램은 명령줄에 Genkit의 아키텍처에 대한 심층 지식을 제공합니다. 이는 지능형 코드 생성과 상황 인식 지원 및 터미널에서 직접 흐름 실행 및 추적 분석 도구를 활용해 AI 앱을 개발하고 디버깅하며 반복하는 데 도움이 됩니다.
2025년 9월 24일 / AI
Data Commons는 MCP 서버의 출시를 발표했습니다. 이는 전 세계 AI 개발자가 Data Commons의 모든 방대한 공개 데이터 세트에 즉시 액세스하고 활용할 수 있도록 하는 주요한 이정표입니다.
2025년 9월 16일 / AI
최근 Google은 자바용 ADK(Agent Development Kit) 0.2.0 출시를 통해 LangChain4j LLM 프레임워크와의 통합을 추가했습니다. 이번 통합 덕분에...
2025년 9월 9일 / AI
A2A 확장 프로그램은 핵심 A2A 프로토콜을 뛰어넘어 에이전트 간 통신에 맞춤형 기능을 추가할 수 있는 유연한 방법을 제공합니다. 이를 통해 특화된 기능을 활성화할 수 있으며 공개적으로 정의되고 구현됩니다.
2025년 9월 9일 / AI
Go 개발자가 Genkit으로 성능이 뛰어나고 프로덕션 환경에서 바로 사용할 수 있는 AI 기반 애플리케이션을 개발할 수 있도록 지원하고자 Genkit Go의 1.0 안정화 버전을 출시합니다. 향상된 최신 기능에는 MCP 도구 통합 및 개발 지원, 타사 모델 공급자 지원 확대, Firebase와의 AI 모니터링 프로덕션 등이 있습니다. 또한 AI 지원 사용 시 Genkit 개발 경험을 강화하는 최신 Genkit 지식과 더불어 Gemini CLI 및 Cursor와 같은 AI 개발 도구를 제공할 수 있도록 Genkit CLI의 새로운 기능도 발표할 예정입니다.
2025년 8월 1일 / Cloud
Google Developer Program은 제공하는 도구와 커뮤니티를 보다 쉽고 강력하게 이용할 수 있도록 주요 업데이트를 선보입니다. 포함된 개선 사항에는 새롭고 유연한 월간 구독 등급, 협업을 위한 중앙 집중식 GDP 포럼, 모든 회원을 위한 향상된 Gemini CLI 액세스가 포함됩니다.
2025년 7월 29일 / AI
맥스 씨의 탐색 여정에서 JAX 네이티브 LQR 솔버인 LQRax를 소개합니다. LQRax는 Brax, MJX, JaxSim과 같은 도구를 포함하는 성장 중인 JAX 로봇 공학 생태계를 잘 보여주며, JAX의 이점인 최적의 제어와 시뮬레이션 부문의 계산 효율과 모델 기반 및 학습 기반 접근 방식을 매끄럽게 통합하는 부분을 잘 보여줍니다.
