에이전트 개발은 쉬워지고, 실행 환경은 넓어진다
OpenAI의 Agents API 공개와 데이터 분석 자동화, 코딩 에이전트·배포 환경에서 나타난 실용적인 변화를 살펴봅니다.
AI 에이전트를 만들고 연결하고 검증하는 과정이 하나의 작업 환경에 통합되고 있습니다.
오늘의 요약
- OpenAI가 작업·모델·도구·환경을 한 번에 지정할 수 있는 Agents API를 공개 베타로 내놨습니다.공식 확인
- ChatGPT Work의 데이터 에이전트가 회사 데이터 분석부터 대시보드 생성까지 대화로 연결합니다.공식 확인
- Vercel AI SDK 하니스가 GitHub Copilot을 동일한 에이전트 인터페이스에서 지원합니다.공식 확인
오늘의 흐름
오늘 뉴스의 중심은 더 강한 모델 자체보다 에이전트를 실제 업무에 붙이는 과정의 단순화입니다. OpenAI는 작업·모델·도구·환경을 지정해 에이전트(목표에 따라 여러 단계를 수행하는 AI)를 만드는 Agents API를 공개 베타로 내놨습니다. 같은 날 공개된 ChatGPT Work의 데이터 에이전트는 회사 데이터 조사와 대시보드 생성을 하나의 대화로 이어 줍니다. 개발자에게는 실행 기반을, 일반 업무자에게는 분석 인터페이스를 제공한다는 차이가 있지만 방향은 같습니다. 복잡한 준비 과정을 줄이고 사용자가 원하는 일에 더 가까운 출발점을 만드는 것입니다.
확인된 사실은 여기까지입니다. Agents API는 공개 베타이며, 데이터 에이전트는 연결된 회사 데이터를 대상으로 분석을 수행합니다. 실제 운영에서 어느 정도의 비용 절감과 생산성 향상이 나타날지는 아직 별도의 검증이 필요합니다. 특히 조직 데이터가 연결되는 기능은 편리함만큼 접근 권한과 보안 설정이 중요합니다.
실행 도구의 공통 인터페이스
Vercel AI SDK 하니스(서로 다른 에이전트를 같은 방식으로 다루는 연결 계층)는 GitHub Copilot 공식 어댑터를 추가했습니다. 애플리케이션 쪽 인터페이스를 유지하면서 코딩 에이전트를 바꿀 수 있다는 점이 실용적입니다. 다만 인증정보와 샌드박스(분리된 실행 공간)의 네트워크 권한을 어떻게 제한할지는 도입 전에 정해야 합니다.
GitHub Copilot 앱의 초보자용 안내도 같은 흐름을 보여 줍니다. AI가 만든 변경을 Diff(수정 전후 비교)로 읽고, 터미널에서 실행하며, 브라우저에서 결과를 확인하는 검증 과정을 앱 안에 모았습니다. AI 코딩의 진입 장벽이 낮아질수록 ‘생성’보다 ‘검토하고 다시 실행하는 습관’이 더 중요한 기본기가 됩니다.
배포와 실험 환경의 변화
FastAPI의 프런트엔드와 정적 파일은 빌드 과정에서 CDN(여러 지역의 파일 전달 서버망)으로 옮겨져 함수 호출 없이 제공될 수 있게 됐습니다. 정적인 학습 자료나 화면 자산의 전달 경로를 단순화할 수 있지만, 인증이나 미들웨어가 필요한 경로까지 같은 방식으로 처리되지 않는지 살펴야 합니다.
Vercel Sandbox는 조건을 충족해 새로 만들 때 기본 저장 공간이 32GB에서 64GB로 늘어났습니다. 캐시와 중간 산출물을 더 오래 보관할 여지가 생긴 만큼 반복 실험의 재시작 부담은 줄어들 것으로 보입니다. 이는 기대할 수 있는 효과이며, 기존 환경 적용 여부와 보존 정책은 따로 확인해야 합니다.
이미지 제작 영역에서는 Gradio의 Workflow1111이 이미지 생성, 편집, 고해상도 보정, 확대 등의 단계를 한 캔버스에 묶었습니다. 복잡한 제작 흐름을 눈으로 따라갈 수 있다는 장점이 있지만, 연결된 서비스의 API 한도와 인증, GPU 요구량은 실제 사용 전에 점검해야 합니다.
데이터 기반의 확장
PlanetScale의 Neki는 Postgres를 여러 머신에 샤딩(데이터를 나누어 저장)하면서 각 샤드에 실제 Postgres를 유지하는 접근을 제시했습니다. 기존 연결 방식과의 호환을 지향하지만 현재는 플랫폼 프리뷰이고 프로덕션을 지원하지 않습니다. 당장 운영에 넣을 소식이라기보다, 데이터 규모가 커질 때 기존 사용 경험을 얼마나 유지하며 확장할 수 있는지 살펴볼 시험 대상에 가깝습니다.
교육 현장에서 오늘의 공통된 함의는 분명합니다. 도구가 쉬워져도 결과 검증과 권한 관리는 자동으로 해결되지 않습니다. 작은 비식별 자료로 시작해 생성 결과를 사람이 확인하고, 데이터 접근 범위를 기록하는 실습이 먼저입니다.
핵심 이슈
OpenAI, 에이전트 개발 과정을 단일 API 호출로 통합하다
발표 9/10공식 확인OpenAI는 9월 10일 Agents API를 공개 베타로 발표했습니다. 작업, 모델, 도구, 실행 환경을 지정하면 에이전트(목표를 받아 여러 단계를 수행하는 AI)를 만들고 실행할 수 있습니다. 핵심은 기존에 개발자가 따로 구성하던 오케스트레이션(여러 작업과 도구를 순서에 맞게 조정하는 과정)을 하나의 공통 진입점으로 통합했다는 점입니다. 다만 공개 베타 단계이므로 실제 서비스에 도입하기 전에 기능 제약과 사용량 과금 체계를 확인해야 합니다.
여러 AI 도구와 작업 순서를 직접 연결해야 했던 부담을 줄여 주는 새로운 개발 창구가 열렸습니다. 교육용 실험 도구도 더 빠르게 시제품으로 만들 수 있지만, 운영하기 전에는 비용과 제약을 먼저 점검해야 합니다.
- 에이전트
- 사용자의 목표를 받아 필요한 도구를 선택하고 여러 단계를 연속해서 수행하는 AI 프로그램입니다.
- 오케스트레이션
- 여러 모델과 도구, 작업을 알맞은 순서로 연결하고 조정하는 과정입니다.
- 에이전트 하네스
- 에이전트가 도구를 사용하고 작업을 실행하도록 공통 절차와 실행 환경을 제공하는 틀입니다.
ChatGPT Work, 회사 데이터 분석을 대화로 연결하다
발표 9/10공식 확인OpenAI는 9월 10일 ChatGPT Work에 새로운 데이터 에이전트(회사 데이터를 살펴보고 분석 작업을 수행하는 AI)를 공개했습니다. 연결된 회사 데이터에 질문하면 무엇이 달라졌는지 조사하고, 분석 결과를 바탕으로 공유할 수 있는 대시보드(핵심 수치를 한 화면에 보여 주는 화면)를 만들 수 있습니다. 별도의 쿼리를 작성하지 않고도 같은 대화에서 분석 방향을 조정할 수 있다는 설명입니다. 실제로 도입할 때에는 데이터별 접근 권한과 연결 설정을 세밀하게 관리해야 합니다.
전문 분석 도구를 배우지 않은 업무 담당자도 회사 데이터에 질문하고 결과를 화면으로 정리할 수 있게 되었습니다. 학원에서는 성취도나 운영 자료를 분석하는 데 활용할 수 있지만, 학생 정보에 대한 권한 통제를 먼저 갖춰야 합니다.
- 데이터 에이전트
- 연결된 자료를 스스로 조사하고 분석 결과까지 정리해 주는 AI 도구입니다.
- 대화형 분석
- 명령어나 분석식을 직접 쓰는 대신 질문과 추가 요청을 주고받으면서 분석하는 방식입니다.
- 대시보드
- 여러 핵심 수치와 변화를 표나 그래프로 한눈에 확인할 수 있도록 모아 둔 화면입니다.
개발·도구
하나의 인터페이스에서 GitHub Copilot 에이전트를 실행하다
발표 9/10공식 확인여러 코딩 에이전트를 같은 방식으로 실행하고 교체할 수 있게 해 주는 어댑터입니다. Vercel AI SDK 하니스(서로 다른 에이전트를 공통 방식으로 다루는 연결 계층)에 GitHub Copilot 지원이 추가됐습니다. 초보자 난이도: 보통. 10분 동안 공식 저장소의 준비 사항을 확인하고 필요한 패키지를 설치한 뒤 HarnessAgent에 githubCopilot을 연결해 시험할 수 있습니다. 실행하기 전에는 샌드박스의 네트워크 접근과 인증값, 포트 설정을 확인해야 합니다.
코딩 에이전트를 바꿀 때 애플리케이션 코드를 크게 수정하지 않도록 공통 연결 방식을 제공하는 변화입니다. 교육용 개발 실습에서도 여러 도구를 비교하기 쉬워지지만, 인증정보와 외부 네트워크 권한을 안전하게 관리해야 합니다.
- 하니스
- 서로 다른 코딩 에이전트를 같은 명령과 절차로 실행할 수 있도록 감싸 주는 공통 연결 틀입니다.
- 샌드박스
- 프로그램이 다른 시스템에 미치는 영향을 줄이도록 분리해서 실행하는 임시 공간입니다.
- 어댑터
- 서로 다른 프로그램이 같은 방식으로 연결되도록 입력과 출력을 맞춰 주는 부품입니다.
FastAPI 정적 파일을 함수 호출 없이 CDN에서 제공하다
발표 9/10공식 확인FastAPI 앱의 프런트엔드와 정적 파일을 CDN(여러 지역에서 파일을 빠르게 전달하는 서버망)으로 직접 제공하는 배포 기능입니다. 빌드할 때 해당 파일을 CDN으로 옮기고 정적 경로 요청에 함수를 호출하지 않으므로 응답 경로를 단순화할 수 있습니다. 초보자 난이도: 보통. 10분 동안 공식 문서에 따라 app.frontend() 또는 StaticFiles 경로를 선언하고 시험 배포할 수 있습니다. 라우트 선언 순서와 미들웨어 적용 여부를 확인하고, 필요하면 정적 파일 설정으로 적용 범위를 조정해야 합니다.
변하지 않는 화면 파일을 실행 함수 대신 가까운 배포 거점에서 바로 전송하는 방식입니다. 학습 자료 웹페이지의 응답 경로를 단순화할 수 있지만, 인증이나 의존성이 필요한 경로까지 정적으로 처리되지 않는지 확인해야 합니다.
- CDN
- 이미지나 화면 파일을 여러 지역 서버에 나누어 두고 사용자와 가까운 곳에서 전달하는 체계입니다.
- 정적 파일
- 요청할 때마다 새로 계산하지 않고 저장된 상태 그대로 전송하는 이미지, 문서, 화면 파일입니다.
- 미들웨어
- 요청이 실제 기능에 도착하기 전에 인증이나 기록과 같은 공통 처리를 담당하는 중간 단계입니다.
Vercel Sandbox의 기본 저장 공간이 64GB로 늘어나다
발표 9/11공식 확인에이전트와 개발 작업을 격리된 환경에서 실행하는 Vercel Sandbox의 저장 공간이 확대됐습니다. 최신 SDK·CLI와 이미지를 이용해 만드는 새 샌드박스의 기본 저장 공간은 32GB에서 64GB로 늘어납니다. 모델 빌드 결과와 캐시, 중간 산출물을 하나의 실행 환경에 더 오래 보관할 수 있습니다. 초보자 난이도: 쉬움. 10분 동안 사용 중인 SDK·CLI가 최신인지 확인하고 새 샌드박스의 용량을 점검하면 됩니다. 기존 환경에도 자동으로 적용된다고 오해하지 않도록 생성 조건을 확인해야 합니다.
격리된 개발 공간에 보관할 수 있는 파일의 양이 늘어났습니다. 자료 변환이나 실습 환경을 재시작하는 데 드는 비용을 줄일 수 있지만, 새 환경의 생성 조건과 파일 보존 정책은 별도로 확인해야 합니다.
- 샌드박스
- 코드와 도구를 다른 시스템과 분리하여 안전하게 실행하는 임시 작업 공간입니다.
- SDK
- 특정 서비스를 프로그램에서 쉽게 사용할 수 있도록 함수와 예제를 묶어 둔 개발 도구 모음입니다.
- CLI
- 버튼 대신 터미널에 명령어를 입력하여 프로그램을 조작하는 방식입니다.
- 캐시
- 다시 계산하거나 내려받는 시간을 줄이기 위해 임시로 보관하는 데이터입니다.
GitHub Copilot 앱에서 변경 확인·실행·미리보기를 한 번에 진행하다
발표 9/10공식 확인AI가 수정한 코드를 앱 안에서 검토하고 실행 결과까지 확인할 수 있도록 돕는 초보자용 안내입니다. Diff(수정 전후의 차이) 패널, 터미널, 브라우저를 함께 사용하여 변경 검토부터 실행 및 재검증, PR(코드 변경을 합쳐 달라는 요청) 생성까지 진행하는 흐름을 소개합니다. 초보자 난이도: 쉬움. 10분 동안 작은 변경을 요청한 뒤 Diff를 읽고 터미널 실행과 브라우저 미리보기를 차례로 확인할 수 있습니다. 결과 화면만 믿지 말고 변경된 코드와 실행 오류도 함께 점검해야 합니다.
AI가 만든 수정 사항을 하나의 앱 안에서 읽고 실행하고 화면으로 확인하는 절차를 보여 주는 안내입니다. 코딩 경험이 적은 교사와 학습자도 검증 습관을 익히기 좋지만, 변경 내용을 이해한 뒤 수락해야 합니다.
- Diff
- 파일을 수정하기 전과 후에 어느 줄이 달라졌는지 나란히 보여 주는 비교 화면입니다.
- 터미널
- 명령어를 입력하여 프로그램을 실행하거나 상태를 확인하는 작업 창입니다.
- PR
- 검토를 거쳐 자신의 코드 변경을 원본 프로젝트에 합쳐 달라고 요청하는 절차입니다.
Gradio 캔버스에 이미지 생성·편집 과정을 통합하다
발표 9/10공식 확인이미지 생성과 편집 단계를 하나의 시각적 워크플로(작업 순서를 연결한 흐름)로 구성하는 Gradio 템플릿입니다. Workflow1111은 AUTOMATIC1111의 주요 기능을 재현하여 이미지 생성, 고해상도 보정, 편집, 프롬프트 생성, 확대와 PNG 정보 확인을 하나의 캔버스에 통합합니다. 초보자 난이도: 보통. 10분 동안 공식 글의 템플릿과 실행 진입점을 확인하고 작은 작업을 시험할 수 있습니다. 운영하기 전에는 연결 서비스의 API 한도와 인증, GPU 요구량을 점검해야 합니다.
여러 이미지 생성·편집 단계를 눈에 보이는 하나의 작업판에 연결하여 시험할 수 있는 예시입니다. 수업 자료 제작 과정을 실습하기 쉬워지지만, 외부 서비스의 한도와 연산 자원 조건을 먼저 살펴야 합니다.
- 워크플로
- 입력부터 결과가 나올 때까지 여러 작업 단계를 순서대로 연결한 흐름입니다.
- 프롬프트
- AI가 원하는 결과를 만들도록 내용과 조건을 설명하는 입력문입니다.
- GPU
- 이미지 생성처럼 많은 계산을 빠르게 처리하는 데 주로 사용하는 연산 장치입니다.
- 업스케일
- 이미지의 크기와 선명도를 높여 더 큰 해상도로 만드는 처리입니다.
커뮤니티·한국
PlanetScale, 실제 Postgres를 유지하는 샤딩 서비스 Neki를 공개하다
발표 9/10교차 확인Neki는 Postgres 데이터베이스를 여러 머신에 나누면서도 각 샤드(데이터를 나눈 단위)에서 실제 Postgres를 유지하는 클라우드 서비스입니다. 표준 Postgres 연결 방식을 사용하며 기존 드라이버, ORM(데이터베이스를 코드 객체처럼 다루게 하는 도구), 연결 문자열과의 호환을 지향합니다. 단일 머신의 한계에 가까워진 워크로드를 대상으로 하며, 현재는 플랫폼 프리뷰 단계입니다. 아직 프로덕션을 지원하지 않으므로 예비 환경에서 호환성과 장애 조치 동작을 먼저 확인해야 합니다.
큰 데이터베이스를 여러 장비로 나누면서도 기존 Postgres 사용 방식을 유지하려는 선택지가 등장했습니다. 대규모 교육 서비스에는 장기적인 검토 대상이지만, 현재는 실제 운영 환경보다 별도의 시험 환경에서 검증하는 편이 적절합니다.
- 샤딩
- 데이터가 너무 커졌을 때 여러 서버에 나누어 저장하고 함께 조회하는 방식입니다.
- Postgres
- 서비스의 학생·수업·결제와 같은 구조화된 정보를 저장하고 조회하는 대표적인 데이터베이스입니다.
- ORM
- 복잡한 데이터베이스 명령 대신 프로그램의 객체와 함수로 자료를 다룰 수 있게 해 주는 도구입니다.
- 플랫폼 프리뷰
- 정식 운영 단계에 앞서 제한된 환경에서 기능과 호환성을 시험하는 공개 단계입니다.
