1. GitLab 18.2 업데이트 - IDE의 Duo Agent Platform, 변경 불가능한 컨테이너 태그
2. Vector + VRL로 완성하는 클라우드 네이티브 Observability 실전 가이드
3. 우리가 알던 Observability가 끝나도 나는 괜찮은 이유 (feat. AI 에이전트)

이제 Duo Agent Platform으로 VS Code와 JetBrains IDE에서 여러 AI 에이전트로 다양한 개발 업무를 동시에 수행할 수 있습니다. 이 플랫폼은 ‘에이전틱 채팅’과 ‘에이전트 플로’를 IDE에 통합해 코드베이스와 GitLab 프로젝트를 대화로 다루는데요. 에이전틱 채팅은 파일 생성·편집, 패턴 매칭과 grep을 사용한 코드베이스 검색, 즉각적인 코드 관련 답변을 지원하고요. 에이전트 플로는 아이디어를 아키텍처로 구체화하고, 대규모 구현과 종합 계획을 처리합니다. 이슈, MR, CI/CD 파이프라인, 보안 취약점 등 GitLab 리소스에도 접근하죠. Duo Agent Platform을 사용하면, MCP로 외부 데이터 소스, 도구와 연결해 GitLab 외 컨텍스트도 AI 기반 개발에 활용할 수 있습니다.

변경 불가능한 컨테이너 태그로 컨테이너 이미지를 안전하게 보호하세요. 그동안 보호된 컨테이너 태그를 사용해도 태그 생성 후, 권한 있는 사용자가 태그를 변경할 수 있어서 문제였는데요. 의도치 않은 변경이 생기거나, 배포 무결성이 손상될 위험이 있었죠. 이제 변경 불가능한 컨테이너 태그로 이를 방지할 수 있습니다. 변경 불가능한 규칙과 일치하는 태그가 생성되면, 누구도 컨테이너 이미지를 수정할 수 없죠. 사용자는 RE2 정규식 패턴으로 프로젝트당 보호 규칙을 최대 5개 만들 수 있고요. Latest, 시맨틱 버전, 릴리즈 후보 등 중요한 태그를 모든 변경에서 보호할 수 있습니다.

• 팀 작업 현황 관리, ‘구성 가능한 상태’로 세분화·효율화

• 새로워진 Merge request 뷰 - 리뷰 상태/역할별로 MR 정렬

• 모든 그룹·프로젝트에 보안 정책 자동 적용 - ‘중앙 집중식 관리’ 베타 오픈  

• 프로젝트 규정 준수 현황, 한눈에 파악 - ‘컴플라이언스 오버뷰 대시보드’ 출시

• 프로젝트/그룹의 보안 대시보드 PDF 다운로드 지원

Kubernetes 환경에서는 수십 개의 마이크로서비스가 대용량 로그와 메트릭 데이터를 생성합니다. DevOps 엔지니어는 Loki, Elasticsearch, Prometheus 등 오픈 소스 백엔드로 이를 효율적으로 전송해야 하는데요. 오픈 소스 Observability 데이터 파이프라인 도구인 Vector로 이 과제를 해결할 수 있죠. Vector는 로그, 메트릭, 트레이스를 수집·변환·라우팅하는 통합 플랫폼입니다. Rust로 작성돼 메모리 안전성과 성능이 우수하고요. 성능 병목과 복잡한 데이터 변환 요구사항을 효과적으로 처리하죠. 이로써 방대한 로그와 메트릭 데이터를 효율적으로 관리할 수 있습니다.

Vector를 사용하려면 VRL을 익혀야 합니다. VRL은 데이터 변환과 라우팅에 특화된 전용 언어인데요. 문법이 직관적이라 학습 부담은 크지 않죠. 간단한 필드 변환이나 라우팅 로직도 코드 몇 줄로 구현하고요. 또 VRL은 명시적 런타임 타입 검증으로 데이터 처리 시 오류를 방지하며, 데이터를 안정적으로 처리합니다. 요즘 Observability에서는 실시간 데이터 변환, 멀티 플랫폼 라우팅, 비용 최적화가 주요 과제인데요. Vector와 VRL은 이러한 요구사항을 충족하는 핵심 도구입니다. Vector의 개념과 특징, 사용 방법, Kubernetes 배포 방법을 실습 예제와 함께 알아보세요.

• Observability 도구의 역사는 지난 수십 년 동안 "테라바이트급의 이질적인 텔레메트리 데이터를 어떻게 인간이 이해할 수 있게 할 것인가?"라는 문제를 해결하는 방향으로 발전
• 현재는 AI의 등장으로 이 패러다임이 근본적으로 변화
• AI 기반 Observability 혁신 사례:
  • AI 에이전트에게 프론트엔드 서비스의 지연 급증 현상 조사와 원인 설명 요청
  • 모델은 오프 더 셸프 Claude Sonnet 4, Honeycomb와 통합은 새 MCP 서버 사용
  • 이 작업에 80초 소요. 8번의 도구 호출 거쳐 답변 받음. 비용은 60센트
  • 제품이 보기 좋은 그래프와 쉬운 instrumentation에만 가치를 두면 게임은 끝남
  • LLM은 분석력을, OpenTelemetry는 instrumentation을 평준화
• 미래의 Observability 성공 요소:
  • 개발, 운영의 모든 단계에서 빠르고 촘촘한 피드백 루프가 중요
  • AI 속도에 맞춰 움직이는 도구 필요
  • 서브 초 쿼리 성능, 통합 데이터 스토리지, 인간-AI 협업 워크플로가 핵심
• AI 에이전트 활용 방향:
  • 프로덕션에서 실제 관측 결과에 기반한 코드 품질 개선 사항 제안
  • 새 시스템 동작 탐지→사용자 영향 확인→조사→보고서 작성→인간 운영자에게 제출
  • 선도적인 조직은 전적으로 무인 소프트웨어 엔지니어링, SRE 역할 도입