읽을 가치가 있는 기사만, 짧고 또렷하게.

필 티펫(Phil Tippett)의 스톱모션 작업과 폐쇄된 팁펫 스튜디오의 디지털 자료가 온라인 아카이브로 공개되었습니다. 버클리에 기반의 애니메이션 및 효과 하우스였던 팁펫 스튜디오는 2026년 8월에 문을 닫았으며, 이로 인해 수십 년간의 소품, 기념품, 예술품이 경매를 통해 판매되었습니다.

이러한 자료들이 사적인 컬렉션으로 사라질 것을 우려하여, 익명의 기증자가 CD-ROM 및 기타 디스크 폴더를 확보하여 그 내용을 인터넷 아카이브(Internet Archive)에 업로드했습니다. 기증자는 이 자료들을 디지털화하여 팁펫 스튜디오의 90개 주요 비중복 디스크의 .ISO 이미지 파일 형태로 보존했습니다.

아카이브에는 *로보캅*, *스타쉽 트루퍼스*, 오리지널 *스타워즈*, 그리고 *캣우먼*의 홍보 사진 등 비하인드 스토리 이미지가 포함되어 있으며, 일부 CGI 생물체 테스트 클립과 필 티펫의 2008년 인터뷰도 온라인에서 시청할 수 있습니다.

대부분의 아카이브는 .ISO 디스크 이미지 형식으로 제공되며, 다운로드하고 탐색해야 할 파일이 기가바이트 단위로 존재합니다. 이는 영화 역사와 팬들에게 엄청난 보물창고이지만, 역사가와 팬들이 내용을 검토하는 데는 시간이 걸릴 수 있다는 점을 염두에 두어야 합니다.

Opus 5.5 모델을 사용하여 네덜란드 동인도회사 기록을 탐색하는 과정에서 기존 연구에서 놓쳤던 1615년 도도 사냥 기록을 발견했습니다. 이 발견은 AI 기반 검색 기술과 다중 AI 에이전트의 사료 검토를 결합하여 사람이 확인할 수 있는 후보를 추려내는 방법론을 보여줍니다.

연구팀은 먼저 전문 지식을 바탕으로 연구 질문을 설정한 뒤, 임베딩 기반 의미 검색을 활용하여 관련 기록을 탐색했습니다. 이후 여러 AI 에이전트가 사료를 검토하여 후보 기록을 선별함으로써 기존 연구로는 접근하기 어려웠던 새로운 역사적 정보를 찾아냈습니다.

이러한 접근 방식은 대규모 데이터에서 숨겨진 맥락을 발견하는 데 있어 AI 에이전트와 임베딩 검색 기술의 결합이 얼마나 효과적인지를 시사합니다. 이는 복잡한 역사적 기록이나 방대한 데이터 세트에서 기존 연구가 놓친 세부 사항을 발굴하는 데 새로운 방법론을 제시합니다.

Frog와 Toad, 그리고 점점 더 유능해지는 기계들에 대한 기사입니다. 이 글은 Frog와 Toad라는 고전적인 이야기와 현대 기술의 발전, 특히 기계의 지능 향상이라는 주제를 연결하여 다루고 있습니다.

기사에서는 단순한 이야기 속 캐릭터들을 통해 기술 발전의 흐름과 인공지능 및 자동화 시스템의 발전을 은유적으로 설명하고 있습니다. 이는 기술이 인간의 창의성과 상상력을 어떻게 확장시키고 있는지에 대한 통찰을 제공합니다.

따라서 독자들은 고전적인 서사를 통해 현대 기술의 발전 양상을 이해하고, 기계가 점차 유능해지는 과정에서 우리가 주목해야 할 기술적, 철학적 의미를 탐색할 수 있습니다.

캡콤의 차세대 게임 엔진 기술인 REX의 핵심 구성 요소인 RE:Dox는 .NET을 위한 고성능 토큰 기반 구조 데이터 엔진입니다. 이는 단순한 JSON 직렬화기를 넘어 구조화된 데이터를 컴팩트하고 고정 크기의 토큰 DOM/IR 형태로 파싱하며, 이 구조적 인덱스를 읽기, 편집, 변환, 직렬화, 역직렬화에 사용합니다. RE:Dox는 JSON, CBOR, MessagePack, TOML, XML 등 다양한 포맷을 통합하는 공통 구조 레이어를 제공하여 데이터 처리의 유연성을 높입니다.

이 기술은 기존의 직렬화 방식과 상충되던 세 가지 목표, 즉 파싱 속도, 노드 편집 가능성, 유연성을 결합합니다. 벤치마크 결과에 따르면 RE:Dox는 순차 역직렬화에서 최대 1.8배, 병렬 역직렬화에서 최대 2.8배의 속도 향상을 달성했으며, 테스트 워크로드에서 메모리 할당량을 줄이는 효과도 보였습니다. 이는 System.Text.Json이나 Newtonsoft.Json과 같은 기존 라이브러리 대비 훨씬 빠른 성능과 낮은 메모리 사용량을 제공합니다.

또한 RE:Dox는 문서 전체를 무거운 관리 객체 트리로 대체하지 않고도 객체와 배열을 편집할 수 있는 가변 토큰 DOM을 제공합니다. 이로 인해 JSON5와 같은 포맷에서 주석과 같은 중요한 정보를 유지하면서도 문서 편집 및 재인코딩이 가능해져 데이터의 무결성을 보존합니다.

RE:Dox는 .NET 10 이상 환경에서 개발 가능하며, Apache License 2.0 하에 공개되어 있습니다. 개발자는 RE:Dox를 활용하여 고성능의 구조화된 데이터 처리 시스템을 구축하고 게임 엔진 관련 데이터 처리의 효율성을 극대화할 수 있습니다.

Audionaut는 AI 에이전트가 제어할 수 있는 오픈 소스 크로스 플랫폼 멀티트랙 오디오 편집기입니다. 이 도구는 전문적인 오디오 편집 및 녹음을 위해 정밀한 자르기, 트랙별 재생 목록, 다중 채널 지원 기능을 제공하면서도 전체 DAW의 복잡성은 배제합니다. Audionaut는 JUCE 프레임워크로 C++로 작성되었으며 Windows, macOS, Linux 환경에서 네이티브로 구동됩니다.

이 프로젝트의 핵심은 AI 에이전트와의 통합에 있습니다. Audionaut는 MCP를 지원하여 Claude와 같은 에이전트가 오디오 세션을 편집할 수 있게 하며, 오디오 분석을 위해 Essentia 모듈을 사용하고 스테이밍 분리를 위해 Demucs 모델을 활용합니다. 이러한 분석 기능은 비트 추적, 어택 감지, 베이스 분리 등 정교한 오디오 분석을 가능하게 합니다.

개발자들은 Audionaut의 CLI를 사용하여 복잡한 워크플로우를 자동화할 수 있습니다. CLI 명령을 통해 클립 편집, 볼륨 조정, 페이드 적용, 그리고 스테이밍 분리 및 최종 믹스 내보내기까지의 과정을 스크립트로 처리할 수 있습니다. 이는 생성부터 분석, 자동 편집, 내보내기에 이르는 전체 과정을 에이전트가 수행하도록 설계되었습니다.

Audionaut는 GPL3 라이선스와 상업적 라이선스로 이중 라이선스되어 있으며, 사용자는 앱 내 설정에서 익명 사용 통계 수집에 동의해야 합니다. 또한, CLI 사용 시 분석 기능은 선택적으로 비활성화할 수 있어 개발 환경이나 스크립트 실행 시 유연성을 제공합니다.

미디어 팬들이 알고리즘에 의해 선별된 콘텐츠에서 벗어나 물리적 미디어인 CD, DVD, 바이닐로 돌아가고 있습니다. 이는 스트리밍 서비스의 편리함에도 불구하고 콘텐츠에 대한 통제권을 잃고 알고리즘의 추천에 의존하는 것에 대한 반발로 나타납니다.

사람들은 물리적 매체를 통해 데이터 보안을 확보하고, 아티스트를 지원하며, 자신의 선택권을 유지하고자 합니다. 예를 들어, 일부 사용자는 스트리밍 서비스에서 콘텐츠가 사라지는 것을 경험하면서, 자신이 소유하고 있는 것을 지키기 위해 중고 매장을 통해 영화나 쇼를 구매하고 CD를 소장하기 시작했습니다.

또한, 물리적 미디어는 알고리즘의 분석에서 벗어나 콘텐츠를 탐색하는 경험을 제공합니다. 일부 사용자들은 물리적 버전을 탐색하는 것이 덜 분석적이고 덜 압도당하는 느낌을 주어 심리적으로 덜 통제된다고 느낍니다.

바이닐이나 DVD와 같은 아날로그 형식은 또한 콘텐츠를 감상하는 과정 자체의 느림과 물리적 상호작용을 선호하는 사람들에게 매력적입니다. 이는 디지털 환경에서 벗어나 콘텐츠 소비에 있어 개인적인 통제와 경험을 되찾으려는 움직임을 보여줍니다.

Debian이 33개의 CVE를 수정하기 위해 rsync를 3.5.0 버전으로 대규모 업그레이드했습니다. 이는 개별 패치를 백포트하는 대신 버전 업그레이드를 선택한 조치입니다. 개발자들은 보안 수정 외의 추가 변경 사항을 분석한 결과, 버전 업그레이드가 개별 패치를 적용하는 것보다 위험이 더 낮다고 판단했습니다.

이러한 결정은 보안 패치 적용과 시스템 안정성 사이의 균형을 고려한 것입니다. Debian은 rsync 버전을 올림으로써 다수의 보안 취약점을 효율적으로 해결하고 시스템의 전반적인 안정성을 확보하고자 했습니다.

또한 이 과정에서 운영자가 지정한 경로에 위치한 신뢰하지 않는 사용자 소유의 심볼릭 링크에 대한 보안상의 문제가 발견되었습니다. 이는 시스템 설정 및 권한 관리 측면에서 잠재적인 위험 요소로 작용할 수 있으므로 운영자는 해당 경로의 심볼릭 링크를 검토해야 합니다.

클로드 radio 채널을 로컬에서 소리 없이 지켜보고 싶어 해당 기능을 만들었다는 내용입니다. 이 기능은 사용자가 채널을 소리 없이 시청할 수 있도록 로컬 환경에서 시청할 수 있게 하는 것을 목적으로 합니다.

사용자는 모바일 환경에서는 스와이프를 통해 화면을 전환할 수 있습니다. 반면 PC 환경에서는 R 키를 눌러 화면을 전환하는 방식으로 인터페이스가 제공됩니다.

작성자는 개인적으로 PC 환경에서 시청하는 것을 선호한다고 밝혔습니다. 이는 모바일과 PC 환경에 따라 화면 전환 방식이 다르게 설정되어 있음을 보여줍니다.

AI의 능력과 지능을 판단하는 기준에 대한 논쟁이 진행되고 있습니다. AI를 단순히 “그저 코드 검색 엔진”이라고 정의하거나 학습 및 새로운 결과물 생성을 부정하는 주장은 사실상 검증이 불가능하다는 내용입니다. 이는 AI 시스템의 실제 능력을 평가하고 개발 방향을 설정하는 데 있어 명확한 기준을 제시하는 것이 얼마나 어려운지를 보여줍니다.

또한, 무언가를 암기했다는 사실만으로 해당 존재가 지능이 없다고 입증할 수는 없다는 점이 강조됩니다. 지능을 가진 존재라면 암기 능력 또한 기대할 수 있다는 관점은 AI의 학습 능력과 지능 간의 관계를 재고하게 만듭니다.

이러한 논의는 AI의 능력을 객관적으로 판단하고 평가하는 데 있어 어떤 기준을 적용해야 하는지에 대한 근본적인 질문을 던집니다. 개발자들은 AI 모델의 성능을 측정하고 그 한계를 이해하기 위해 이러한 철학적 논의를 참고해야 합니다.

결론적으로 AI의 능력을 판단하는 기준은 단순히 암기나 검색 능력에 국한되지 않으며, 학습과 결과물 생성 능력을 포함하는 더 복잡한 관점에서 접근해야 합니다.

DeepSeek이 일상 업무, 코딩, 조사, 백그라운드 작업을 지원하는 오픈소스 도구인 DeepSeek Harness를 전 세계에 공개 프리뷰로 출시했습니다. 이 도구는 개발자들이 복잡한 작업을 자동화하고 효율적으로 처리할 수 있도록 돕는 것을 목표로 합니다.

DeepSeek Harness는 Cordis의 “모든 것이 플러그인” 아키텍처를 기반으로 설계되었습니다. 이 아키텍처 덕분에 사용자는 다양한 플러그인들을 조합하여 에이전트의 도구, 스킬, 인터페이스를 자유롭게 확장할 수 있습니다.

이는 AI 에이전트가 수행할 수 있는 작업의 범위를 크게 넓히고, 특정 목적에 맞게 기능을 커스터마이징할 수 있는 유연성을 제공합니다. 개발자들은 이 Harness를 통해 자신만의 맞춤형 에이전트 시스템을 구축하고 복잡한 워크플로우를 구현할 수 있습니다.

AI가 생성한 코드를 대량으로 검토할 때 발생하는 인지 부하를 줄이는 방법에 대한 내용입니다. 대규모 AI 생성 코드를 검토할 때, LLM이 추상 개념에 붙인 용어가 모델 자신에게 자연스러운 이름과 다를 경우 그 의미를 매번 머릿속에서 되짚어야 하는 부담이 발생합니다. 이러한 과정은 코드의 실제 작동 방식을 이해하는 데 불필요한 인지적 노력을 요구합니다.

익숙하지 않은 코드 내에서 수십 개의 새로운 용어가 상호작용하면 인지 부하가 누적되어 코드의 전체적인 작동 방식을 잘못 이해할 위험이 있습니다. 이는 개발자가 코드의 논리적 흐름을 파악하는 데 어려움을 겪게 만들 수 있습니다.

따라서 AI가 생성한 코드를 검토할 때는 단순히 구문적 오류를 확인하는 것을 넘어, LLM이 사용한 추상적인 용어와 새로운 개념들이 어떻게 연결되고 상호작용하는지 맥락을 파악하는 데 집중해야 합니다. 이러한 인지 부하를 줄여 코드의 정확한 작동 방식을 이해하는 것이 중요합니다.

미국이 프랑스와 독일에게 디젤 재고를 방출하라는 요구를 하며 수출 금지 조치를 경고했습니다. 이는 미국이 유럽에 대한 에너지 공급 통제권을 강화하려는 움직임의 일환으로 해석됩니다.

미국은 유럽 국가들이 디젤 재고를 방출하지 않을 경우 대미 수출 금지 조치를 취할 수 있다고 밝혔습니다. 이러한 조치는 유럽의 에너지 안보와 국제 에너지 시장에 중대한 영향을 미칠 수 있습니다.

프랑스와 독일은 미국의 요구에 따라 디젤 재고를 방출해야 하는 상황에 직면해 있으며, 이는 유럽 내 에너지 공급망에 즉각적인 변화를 가져올 수 있습니다. 이 사안은 유럽의 에너지 정책과 미국의 외교적 압박이 교차하는 복잡한 상황을 보여줍니다.

안정적이고 빠른 디렉토리 동기화 구축에 대한 글입니다. 애플리케이션에서 사용자 및 그룹의 신원을 관리하려면 조직의 신원 제공자(Identity Provider)에서 사용자 정보를 가져와 애플리케이션에 반영하는 디렉토리 동기화 과정이 필요합니다. 이 과정은 단순히 사용자 인증(SSO)을 구현하는 것과는 별개로, 사용자 및 그룹의 존재, 변경, 삭제와 같은 변화를 애플리케이션이 실시간으로 반영하도록 하는 메커니즘을 의미합니다.

디렉토리 동기화의 핵심은 사용자, 그룹, 멤버 간의 복잡한 계층 구조를 데이터베이스 모델로 정확하게 매핑하는 것입니다. 특히 그룹 간의 중첩 관계를 처리하고 사용자 접근 권한을 효율적으로 관리하기 위해 그룹 정보를 평탄화(flattening)하는 데이터 모델을 설계해야 합니다. 이러한 동기화 작업을 표준화하기 위해 SCIM(System for Cross-domain Identity Management)이라는 HTTP 기반 프로토콜이 사용되며, 이는 다중 도메인 환경에서 신원 관리를 표준화하는 역할을 합니다.

실제 구현 시에는 API의 불안정성, 제공자 간의 상충되는 정의, 작업 간의 충돌 등 여러 복잡한 문제가 발생할 수 있습니다. SCIM은 동기화의 방법을 제공하지만, 데이터의 진실성을 애플리케이션이 직접 검증할 수 있는 능력을 제공하지는 않습니다. 따라서 제공자의 API에서 데이터를 직접 가져와(Pull) 애플리케이션이 언제, 무엇을 신뢰할지 통제하는 것이 더 안전하며, 실시간 알림 기능을 추가하여 신뢰도를 높이는 것이 효과적인 접근 방식입니다.

컨텍스트 언어 모델(CLMs)은 컨텍스트를 파일로 취급하여 모델이 직접 편집하도록 설계된 새로운 접근 방식을 제시합니다. 이러한 방식은 외부 하네스에 고정된 관리 전략 대신 모델이 필요한 정보를 스스로 유지하고 갱신할 수 있게 하여 컨텍스트 관리를 혁신합니다.

이러한 CLM의 핵심은 모델이 컨텍스트를 파일처럼 다루고 직접 편집할 수 있다는 점에 있습니다. 이는 기존의 외부 관리 방식에서 발생하는 복잡성을 줄이고, 모델이 상황에 따라 필요한 정보를 능동적으로 유지하고 업데이트할 수 있는 기반을 마련합니다.

기존 모델에 추가 학습을 적용하지 않고 CLM을 적용한 경우, 이 모델들은 BrowseComp-Plus에서 가장 강력한 비교 방법으로 입증되었습니다. 따라서 CLM은 단순한 컨텍스트 처리 방식을 넘어, 모델의 자율적인 정보 관리 능력을 통해 성능 비교의 새로운 기준을 제시합니다.

해양 생물학자들이 산호초를 보호하기 위해 수중 우산을 발명하여 효과를 입증했습니다. 전 세계 산호초는 해수 온도 상승으로 인해 대규모 표백 현상을 겪고 있으며, 이는 생태계 붕괴를 초래하고 있습니다. 연구팀은 이러한 해수 스트레스로부터 산호의 일광 노출을 줄여 표백을 완화하는 수중 차광막을 개발했습니다.

연구진은 카리브해에서 이 차광막을 실험하여 산호가 태양 복사열에 노출되는 것을 줄여주었으며, 이는 표백 피해를 크게 감소시켰고 일부 산호는 색을 회복하는 효과를 보였습니다. 특히 차광막은 산호의 빛 노출을 60% 감소시켰는데, 이는 열 스트레스가 가장 심한 시기에 효과가 두드러졌습니다. 이 실험은 산호초 보호를 위한 새로운 공학적 접근 방식이 가능함을 보여주는 개념 증명 사례입니다.

하지만 연구 결과에는 몇 가지 제한 사항이 있습니다. 연구진은 차광막이 산호초 생태계 전체에 해를 끼치지 않았으며, 알지간이 산호의 밀도나 종의 변화에는 차이가 없음을 확인했습니다. 또한, 연구팀은 수온이 표백을 유발하기에 충분히 높아지기 전에 차광막을 설치했다면 더 효과적이었을 것이라고 추측했습니다.

이 연구는 산호초의 위기를 해결하기 위한 실질적인 해법을 제시하며, 향후 더 넓은 산호초 지역에 적용할 수 있는 새로운 디자인 개발의 기반을 제공합니다.

리눅스 커널에서 권한 상승, 서비스 거부, 정보 유출로 이어질 수 있는 여러 취약점이 발견되었습니다. 이 취약점들은 시스템 보안에 심각한 영향을 미칠 수 있어 즉각적인 조치가 필요합니다.

이에 대응하여 Debian은 DSA-6528-1 보안 공지를 통해 리눅스 패키지에 대한 보안 업데이트를 안내했습니다. 개발자와 시스템 관리자는 해당 공지를 확인하여 취약점에 대한 패치를 적용해야 합니다.

특히 안정 배포판 trixie의 경우 6.12.111-1... 버전에서 이러한 취약점들이 영향을 미치므로, 시스템 업데이트를 통해 보안을 강화해야 합니다. 해당 보안 공지를 통해 발견된 취약점의 구체적인 내용과 해결 방안을 확인하고 시스템을 안전하게 유지하는 것이 중요합니다.

DeepSeek Harness는 Cordis의 "모든 것이 플러그인" 아키텍처를 기반으로 구축된 오픈 소스 하네스입니다. 이 도구는 에이전트가 수행할 수 있는 작업을 확장하기 위해 구성 가능한 플러그인을 제공하며, 데스크톱 애플리케이션이나 코드 실행을 통해 접근할 수 있습니다.

이 하네스는 일상적인 작업, 코딩, 연구, 백그라운드 작업 등 광범위한 영역에서 활용될 수 있도록 설계되었습니다. 파일 정리, 데이터 분석, 문서 초안 작성, 슬라이드 생성과 같은 일상 업무부터 버그 수정, 기능 구축, 테스트 실행과 같은 코딩 작업, 사실 찾기 및 출처 인용을 포함한 연구 기능까지 지원합니다.

사용자는 채팅을 통해 플러그인을 추가하거나 생성하는 "Creator mode"를 사용하여 자신의 워크플로우를 확장할 수 있습니다. 이는 사용자가 원하는 대로 모든 것을 플러그인으로 구성하여 지능을 탐구할 수 있게 합니다.

DeepSeek Harness는 오픈 소스 커뮤니티 플러그인 생태계를 통해 확장되며, 개발자들은 GitHub에서 소스 코드를 클론하고 플러그인 생태계에 참여하여 인공지능의 한계를 탐구할 수 있습니다.

연구팀은 채집 시점의 기록을 보존하는 시스템인 독립 파일(Independent File, IF)을 개발하여 식물 표본과 기록의 출처(provenance) 문제를 해결했습니다. 이 시스템은 채집 순간에 표본, 사진, 수집가, 위치, 날짜를 UUID와 QR 코드로 연결하여 데이터의 연속성을 확보하며, 데이터 구조 자체가 의미를 담도록 설계하는 '구축된 의미론(semantics by construction)' 원칙을 적용했습니다.

기존의 식물 표본 기록은 보존 과정에서 수개월에서 수년이 걸리는 데이터 연결 과정을 거치며 정보가 파편화되는 문제가 있었습니다. IF는 이러한 데이터 연결 과정을 단축하고, 데이터가 수집되는 순간부터 모든 식별자, 필드, 다윈 코어 매핑, 이미지, 검증 규칙을 하나의 파일에 통합하여 기록합니다. 이는 데이터가 여러 시스템을 거치면서 발생하는 오류나 누락을 최소화하고, 데이터의 신뢰성을 높이는 데 중점을 둡니다.

이 시스템은 설치나 서버 없이 브라우저에서 실행되는 제로-의존성 환경으로 설계되었으며, HTML, JSON, CSV, XLSX 등 다양한 형식으로 데이터를 내보낼 수 있습니다. 결과적으로 IF는 데이터 복구보다는 기록의 접근성을 높이는 데 중점을 두며, 최종적으로 수집 기록이 수집가에게 남아있도록 하여 데이터의 소유권과 기록의 영속성을 보장합니다.

LLM 시대의 보안에 대한 논의는 현재 인공지능 기술 발전의 핵심적인 과제로 부상하고 있습니다. 이 영상은 Greg Kroah-Hartman이 대규모 언어 모델(LLM) 환경에서 발생하는 보안 문제와 그 해결 방안에 대해 다루고 있습니다.

LLM이 광범위하게 사용됨에 따라 모델 자체의 취약점뿐만 아니라, 모델을 활용하는 시스템 전체의 보안 취약점을 관리하는 것이 중요해졌습니다. 개발자들은 모델의 입력과 출력 과정에서 발생할 수 있는 데이터 유출, 프롬프트 인젝션 공격, 그리고 모델의 오용 가능성 등 새로운 보안 위협에 대비해야 합니다.

따라서 LLM 기반 애플리케이션을 구축하고 운영하는 개발자들은 모델의 안전성을 확보하기 위한 새로운 보안 아키텍처와 방어 전략을 이해할 필요가 있습니다. 이는 단순히 코드 보안을 넘어, AI 시스템의 윤리적이고 안전한 배포를 보장하는 데 필수적인 맥락입니다.

Codex가 모든 플러그인에 대해 추가 인증 없이 로컬 서버 엔드포인트를 노출하게 되어, 이를 어떤 모델이나 하네스에서든 사용할 수 있게 되었습니다. 이는 모든 연결에 대해 단일 인증만으로 접근할 수 있게 되어 개발자들이 다양한 AI 모델과 외부 도구를 통합하는 데 큰 이점을 제공합니다.

이 프로젝트는 Pi 모델을 통해 연결된 모든 Codex(ChatGPT) 커넥터를 활용하는 것을 목표로 하며, `pi install npm:@wileai/pi-codex-connector` 명령어를 통해 설치할 수 있습니다. 이 확장 기능은 GitHub, Gmail, Slack 등 다양한 서비스의 커넥터를 관리하고, 연결된 도구와 커넥터의 목록을 제공하는 MCP 서버를 통해 작동합니다.

보안 측면에서는 독립적인 권한 경계가 도입되었으며, 쓰기 권한을 요청할 때 승인 절차가 필요합니다. 특히 파괴적인 도구는 읽기 전용으로 표시되어 있더라도 쓰기 승인이 필요합니다. 또한, 서버 오류나 실패 응답 시 민감한 데이터가 노출되지 않도록 처리되어 디버깅 시에도 안전하게 정보를 관리할 수 있습니다.