Cloudflare가 Agents Week에서 강조한 Cloudflare Sandboxes는 AI 에이전트에게 “자기 컴퓨터”를 주겠다는 개념에 가깝습니다. Cloudflare는 Sandboxes를 지속적이고 격리된 환경, 즉 셸·파일시스템·백그라운드 프로세스를 가진 실제 컴퓨터처럼 설명했습니다. 요청이 있을 때 시작하고, 멈췄던 상태를 이어받을 수 있다는 점도 함께 제시했습니다.
이 변화는 Cloudflare Containers의 연장선에 있습니다. Cloudflare가 앞서 공개한 Workers 컨테이너 계획을 보면, 서버리스 실행과 일반 컨테이너의 간격을 줄이려는 방향이 이미 드러나 있었습니다. 다만 컨테이너가 서버리스 플랫폼에 일반 프로그램을 올리는 문제였다면, Cloudflare Sandboxes는 AI 에이전트가 도구를 실행하고 상태를 유지하는 문제에 초점을 둡니다. agentic cloud라는 표현은 그래서 과장이 아니라, 앱 중심 클라우드에서 작업자 중심 클라우드로 바뀌는 흐름을 압축한 말입니다.
배경
Cloudflare는 에이전트 규모를 설명하며, 지식 노동자 일부가 여러 에이전트를 병렬로 돌리기만 해도 수천만 개의 동시 세션이 필요할 수 있다고 했습니다. 전통적인 클라우드는 하나의 앱이 많은 사용자 요청을 처리하는 구조에 강했습니다. 하지만 AI 에이전트는 각 사용자의 작업 상태, 파일, 도구 권한, 실행 이력을 따로 유지해야 합니다.
지원 에이전트가 티켓을 끝까지 처리하거나, 리서치 에이전트가 수백 개 자료를 읽거나, 코딩 에이전트가 테스트를 실행하는 장면을 생각해 보면 이유가 분명합니다. 각 에이전트는 단순 함수 호출이 아니라 작은 작업 공간이 필요합니다. Cloudflare Workers AI가 모델 호출과 엣지 실행을 다뤘다면, Sandboxes는 에이전트가 손발을 움직이는 격리된 작업실에 가깝습니다.
| 요소 | 일반 서버리스 함수 | Cloudflare Sandboxes 관점 |
|---|---|---|
| 상태 | 짧은 요청 중심 | 작업별 파일과 진행 상태 |
| 실행 | 함수 호출 | 셸, 프로세스, 도구 실행 |
| 격리 | 요청·테넌트 보호 | 에이전트별 작업 공간 보호 |
| 운영 | 트래픽 스케일 | 동시 세션과 비용 관리 |
원리
AI 에이전트 실행 환경은 세 부분으로 나눠 볼 수 있습니다. 첫째는 모델입니다. 사용자의 의도를 읽고 다음 행동을 결정합니다. 둘째는 도구입니다. 셸 명령, 파일 읽기, 브라우저, API 호출 같은 실제 행동 수단입니다. 셋째는 상태입니다. 어떤 파일을 만들었고, 어느 명령이 실패했고, 다음에 무엇을 이어서 해야 하는지 기억하는 작업 공간입니다.
Cloudflare Sandboxes는 이 셋 중 도구와 상태의 경계를 제품화합니다. 예를 들어 고객 지원 에이전트가 로그 묶음을 분석한다고 해 보겠습니다. 에이전트는 임시 파일을 만들고, 압축을 풀고, 스크립트를 돌리고, 결과를 요약할 수 있습니다. 작업이 길어지면 백그라운드 프로세스가 필요하고, 사용자가 돌아왔을 때 이전 상태를 이어가야 합니다. 지속 샌드박스는 바로 이 지점을 겨냥합니다.
에이전트에게 셸과 파일시스템을 준다는 말은 편리함과 위험을 동시에 뜻합니다. 실행 권한, 네트워크 접근, 파일 보존 기간, 로그 정책을 함께 설계하지 않으면 자동화의 범위가 통제되지 않을 수 있습니다.
구조
그림의 Agent는 의사결정을 담당합니다. Sandbox는 격리된 컴퓨팅 공간이고, Shell은 명령 실행, State는 파일과 진행 기록입니다. 핵심은 에이전트가 매번 처음부터 시작하지 않고, 제한된 공간 안에서 작업을 이어갈 수 있다는 점입니다.
두 번째 그림은 운영자의 관점입니다. Users가 늘어나면 Sessions가 폭발적으로 증가합니다. Policy는 어떤 도구와 네트워크를 허용할지 정하고, Logs는 나중에 문제를 추적합니다. 에이전트 클라우드에서 가장 중요한 지표는 요청 수뿐 아니라 세션 시간, 저장 상태, 실패 복구율입니다.
체크포인트
첫째, 샌드박스는 보안 제품이면서 비용 제품입니다. 격리 수준이 높을수록 안전하지만, 긴 세션과 저장 상태는 비용을 만듭니다. 작업별 TTL, 파일 크기 제한, 네트워크 정책을 둬야 합니다.
둘째, 모든 에이전트에게 셸이 필요한 것은 아닙니다. 단순 FAQ나 분류 작업은 함수 호출만으로 충분합니다. Sandboxes는 코드 실행, 파일 처리, 장기 리서치처럼 상태가 필요한 작업에 더 적합합니다.
셋째, 감사 가능성이 핵심입니다. 어떤 명령이 실행됐고 어떤 파일이 외부로 나갔는지 알 수 없다면, 기업 환경에서는 도입이 어렵습니다.
Cloudflare Sandboxes가 보여주는 방향은 명확합니다. AI 에이전트는 모델 호출만으로 끝나지 않고, 격리된 실행 공간과 운영 정책을 요구합니다. 앞으로 에이전트 플랫폼의 경쟁력은 모델 목록보다 안전하게 많은 작업 공간을 열고 닫는 능력에서 갈릴 가능성이 큽니다.
댓글 없음:
댓글 쓰기