본문으로 건너뛰기
RAISE LABRAISE LAB

VIDEO NOTE

Cloudflare로 혼자 만드는 행동형 멀티 유저 AI 에이전트 아키텍처

메이커 에반 | Maker Evan · 8분 40초 · 중급 · 26. 11. 17. · 분야별 AX 사례 › 에이전트·하네스

YouTube 에서 보기 · 메이커 에반 | Maker Evan (새 탭에서 열림)

Pickle과 Meta Muse처럼 백그라운드에서 사람 대신 직접 행동하는 AI 에이전트의 내부 구조를 분석하고, 이를 Cloudflare 기반으로 1인이 구현하는 아키텍처를 설명한다. 고객 데이터를 단일 DB 대신 Durable Object 단위 셀로 격리해 데이터 혼선을 방지하고 자격증명과 브라우저 인프라를 분리했다. 외부 행동 승인 관문과 비용 상한선을 코드로 강제해 사고와 과금을 방지하는 프로덕션 레벨의 설계 노하우를 다룬다.

핵심

  • Pickle과 Meta의 Muse는 사용자가 화면을 닫아도 브라우저 조작과 외부 작업을 수행하는 행동형 에이전트다.
  • 단일 PostgreSQL 대신 고객마다 Cloudflare Durable Object를 1개씩 할당해 데이터 유출 위험을 없애고 유휴 비용을 절감했다.
  • 워커를 6개로 분리해 신뢰 경계를 세우고, AI 모델이 비밀번호나 결제 정보를 직접 읽지 못하도록 cred-broker에만 권한을 부여했다.
  • 브라우저 작업은 Cloudflare Containers에 크롬을 띄워 작업 시에만 켜고 스냅샷을 남긴 뒤 끄는 방식으로 자원을 아낀다.
  • 외부 데이터를 읽을 때는 기억 수정을 잠가 간접 프롬프트 주입을 막고, 외부 게시나 전화 같은 행동은 정해진 단어 승인으로만 실행한다.
  • 비용 폭주를 막기 위해 작업당 1달러, 유저당 하루 3달러, 전체 하루 200달러의 상한선을 코드로 강제했다.

RAISE LAB 에서 배우는 사람에게

빅테크나 대규모 투자 스타트업의 전유물로 여겨지던 자율 행동형 에이전트를 서버리스 인프라와 엄격한 보안 하네스 설계로 1인이 안전하게 프로덕션 배포하는 명확한 기준을 제시한다.

챕터

  1. 0:00행동형 AI 에이전트의 등장과 시장 반응 (새 탭에서 열림)
  2. 0:53챗봇과 행동형 에이전트의 차이와 필수 부품 4가지 (새 탭에서 열림)
  3. 1:33Pickle과 Muse의 내부 구조 해부와 오작동 사례 (새 탭에서 열림)
  4. 3:04단일 DB 대신 고객별 셀(Durable Object) 격리 설계 (새 탭에서 열림)
  5. 4:09신뢰 경계로 분리한 6개의 Cloudflare 워커 (새 탭에서 열림)
  6. 4:54봉투 암호화와 에이전트 배제 자격증명 관리 (새 탭에서 열림)
  7. 5:24컨테이너 브라우저 운영과 큐 재시도 파이프라인 (새 탭에서 열림)
  8. 6:09주기적 알람 스케줄링과 프롬프트 주입 방어 기억 규칙 (새 탭에서 열림)
  9. 6:36외부 행동 관문 승인 규칙과 코드로 통제하는 비용 상한 (새 탭에서 열림)
  10. 7:15셀 기반 아키텍처의 한계와 실무 트레이드오프 (새 탭에서 열림)

이 노트는 RAISE LAB 운영팀이 고른 영상을 AI(Gemini)가 보고 한국어로 정리한 것입니다. 영상의 저작권은 원작자에게 있고, 자막·대본은 싣지 않습니다. 메이커 에반 | Maker Evan 원작자 채널 (새 탭에서 열림)

에이전트·하네스