구글(Google)에서 출발한 에이전트 실행 도구 에이엑스(AX)는 작업을 선언하면 격리된 실행 환경을 만들고, 필요한 자원을 연결해 여러 작업을 운영하도록 설계됐다. 개발팀은 AI 에이전트(목표에 따라 도구를 사용해 작업하는 프로그램)가 일반적인 서버나 배치 작업과 달리 오래 기다리다가 짧게 집중적으로 실행된다는 점에 주목한다. 그래서 작업을 멈췄다가 되살리는 방식과 네트워크·자원 통제를 한데 묶었다. 다만 이 구성이 실제로 누구에게 간편한지는 Hacker News에서 논쟁거리다.
핵심 요약
- AX는 작업과 작업 공간을 선언하면 격리 환경을 준비하므로, 에이전트 실행에 필요한 기반 작업을 한곳에서 다루려 한다.
- CPU·메모리 제한, 네트워크 허용 목록, 비밀정보 관리를 묶어 에이전트의 실행 범위를 통제하도록 설계됐다.
- AX는 대기 중인 작업을 저장하고 중단했다가 재개하는 액터 구조로 클러스터의 자원을 효율적으로 쓰겠다고 주장한다.
- 자연어로 개발 환경의 목표를 적으면 에이전트가 도구 설치와 의존성 확인을 맡는 생성형 작업 공간도 제시한다.
- Hacker News에서는 대규모 운영에 맞는 도구라는 평가와 함께, 쿠버네티스 등 사전 인프라가 필요해 ‘간편하다’는 설명과 거리가 있다는 지적이 나왔다.
작업 선언부터 중단·재개까지
AX의 첫 화면은 에이전트에게 줄 일을 선언하고 실행 상태를 다루는 명령어 흐름을 보여준다. 예시에서는 YAML 설정 파일에 Go 저장소와 브랜치를 작업 공간으로 지정하고, 소스에서 Go 도구 체인을 빌드할 수 있게 하라는 목표를 작업에 적는다. 사용자는 파일을 적용한 뒤 작업이 대기 상태에서 실행 상태로 바뀌는 모습을 확인한다. 실행 중인 작업에는 작업자 IP도 표시된다.
이후 예시는 작업 환경에 접속해 저장소 위치를 확인하고, go build ./...를 실행한다. 프로세스 목록에는 AX의 작업 실행기와 빌드 명령이 나타난다. 파일 하나를 만든 다음 작업을 중단하고 다시 시작해도 그 파일이 남아 있는 장면이 이어진다. AX가 강조하는 대상이 단순히 명령을 한 번 실행하는 컨테이너가 아니라, 상태를 가진 작업의 생애주기라는 점을 압축해 보여주는 시연이다.
에이전트를 별도 워크로드로 보는 이유
AX 개발팀은 에이전트가 마이크로서비스도, 정해진 일을 끝내고 종료하는 배치 작업도 아니라고 설명한다. 에이전트는 실행하면서 상태를 쌓고 모델 API나 외부 도구 서버를 호출하며, 응답을 기다리는 동안에도 실행 환경을 유지해야 할 수 있다. 동시에 신뢰할 수 없는 코드를 돌릴 수 있어 격리가 필요하고, 방치하면 자원을 계속 점유할 수 있다. AX는 이런 특성을 네 가지 기본 구성요소로 다루겠다고 제안한다.
첫 번째는 샌드박스(다른 환경과 분리해 코드를 실행하는 공간)다. AX는 그 안에서 작업을 실행하면서 CPU와 메모리 사용량에 제한을 걸 수 있게 한다. 생성하고, 중단하고, 폐기하는 비용을 낮추겠다는 것도 설계 목표다. 여기서 중단은 앞선 시연처럼 작업을 나중에 재개하는 운영 방식과 연결된다. 에이전트를 계속 켜 둔 서버처럼 취급하지 않으려는 선택이다.
저장소와 도구를 엮는 작업 공간
두 번째 구성요소는 워크스페이스(작업에 필요한 코드와 도구를 갖춘 실행 환경)다. 사용자는 에이전트에 필요한 Git 저장소, MCP(모델과 외부 도구를 연결하는 프로토콜) 서버, 스킬(에이전트가 사용할 작업 절차)을 나열할 수 있다. AX는 작업이 시작되기 전에 이를 각 샌드박스에 준비하도록 설계됐다. 실행 환경을 매번 손으로 꾸리는 대신 작업 선언에 포함시키는 방식이다.
AX가 제시한 Go 예시에서는 저장소와 브랜치를 작업 공간에 적고, 별도의 작업 선언에서 그 공간을 참조한다. 작업 하나에 작업 공간을 연결하는 단순한 형태지만, 개발팀은 에이전트 하나에 단일 작업을 쓰거나 필요한 만큼 여러 작업을 조합할 수 있다고 설명한다. 코드가 어디에 있는지와 에이전트가 무엇을 해야 하는지를 분리해 적을 수 있는 셈이다. 작업을 반복해서 만들 때 같은 준비 절차를 재현하려는 용도도 드러난다.
허용 목록으로 묶는 네트워크와 설정
세 번째 구성요소는 네트워크 정책이다. AX는 샌드박스가 접속할 수 있는 호스트와 포트를 허용 목록으로 정하고, 외부로 나가는 트래픽을 그 범위에 묶도록 한다. 요청에 필요한 자격 증명을 주입하는 기능도 설명한다. 에이전트가 모델 API와 도구 서버를 사용해야 한다는 요구와, 아무 곳에나 접속하게 둘 수는 없다는 요구를 함께 다루는 장치다.
네 번째는 모델, 모델 매개변수, 비밀정보를 한곳에서 설정하는 기능이다. 개발팀은 키를 교체하거나 사용할 모델 버전을 고정하는 변경을 한 번의 적용으로 반영할 수 있다고 설명한다. 실행 작업마다 설정을 따로 손보는 대신 공통 설정을 관리하겠다는 구상이다. 다만 네트워크 허용 목록과 자격 증명 관리는 편의 기능인 동시에 지속적인 운영 업무이기도 하다. 어떤 연결을 열어 둘지 결정하는 일까지 AX가 대신 판단해 주는 것은 아니다.
대기 시간을 자원으로 바꾸는 액터 구조
AX는 에이전트 서브스트레이트(Agent Substrate)라는 실행 기반 위에서 동작한다. 개발팀에 따르면 각 작업은 경량 액터(상태를 유지하며 실행·중단·재개되는 작업 단위)로 실행된다. 이를 통해 클러스터당 수십억 개의 동시 에이전트 세션까지 확장할 수 있다고 주장한다. 이는 AX가 내세우는 설계 목표이자 규모에 관한 주장으로 읽어야 한다.
에이전트는 모델 응답, 외부 도구 호출 결과, 사람의 승인을 기다리는 시간이 길 수 있다. AX는 그동안 작업 상태를 체크포인트(나중에 재개할 수 있도록 저장한 상태)로 남기고 실행을 중단한 뒤, 필요할 때 1초 안에 되살린다고 설명한다. 개발팀은 별도의 콜드 스타트(중단된 실행 환경을 처음부터 다시 준비하는 과정) 지연 없이 재개할 수 있다고도 주장한다. 여러 작업이 실행 자원을 공유하게 해 대기 중에 남는 연산 용량을 다른 작업에 쓰고, 실제로 추론하거나 코드를 실행할 때 자원을 할당하겠다는 구상이다.
문장으로 준비하는 개발 환경
AX는 인프라 관리에 생성형 AI를 넣은 사례로 ‘생성형 작업 공간’을 제시한다. 예시 설정에는 파이썬(Python) 3 개발 환경을 준비하라는 목표가 짧은 문장으로 적혀 있다. AX는 작업 공간이 처음 시작될 때 그 목표를 에이전트에 전달해 도구 체인을 설치하고 의존성을 확인하도록 한다. 필요한 패키지와 설치 순서를 모두 설정 파일에 열거하는 방식과는 다르다.
개발팀은 실행 대상으로 대화형 코딩 에이전트뿐 아니라 장시간 구동하는 에이전트 서버, 주피터(Jupyter) 노트북, 화면 없이 실행하는 브라우저 테스트, 맞춤형 도구 실행 환경을 든다. 연구자에게는 재현 가능한 샌드박스를 다수 만들어 작업 궤적을 수집하고, 강화학습 반복 과정과 에이전트 평가를 수행하는 용도를 제안한다. AX의 관심사가 한 에이전트의 사용 화면보다 많은 실행 환경의 준비와 운영에 있다는 뜻이다.
구글 연구에서 선언형 제어 계층으로
AX 개발팀은 이 프로젝트가 구글에서 에이전트 실행 시스템 연구와 대규모 컴퓨팅 경험이 만나는 과정에서 태어났다고 설명한다. 구글 딥마인드(Google DeepMind)의 관련 연구와 격리·재개·스케줄링 경험을 바탕으로, 에이전트 실행을 위한 개방형 선언형 제어 계층을 만들고 있다는 소개다. 작업, 작업 공간, 네트워크 정책, 모델을 핵심 구성요소로 추린 것도 그 결과다. 실행 기반인 에이전트 서브스트레이트 위에 에이전트용 추상화와 생성형 기능을 더한 관계다.
개발팀이 그리는 이용자는 애플리케이션 개발자와 AI 연구자다. 반복 실험을 빠르게 하고 대규모 에이전트 실행에 필요한 인프라를 매번 다시 만들지 않게 하겠다는 목표를 밝힌다. 동시에 실행 기반은 가볍게 유지하면서 꼭 필요한 기능을 더하겠다고 말한다. AX를 이해하는 관건은 에이전트 하나를 띄우는 방법보다, 상태가 남고 자주 대기하는 작업을 큰 규모에서 어떻게 다룰지에 있다.
커뮤니티 의견
한 사용자는 AX가 개발을 쉽게 해 준다고 말하면서도 빠른 시작에는 쿠버네티스(Kubernetes) 클러스터, 이미지 빌드 도구, 컨테이너 레지스트리, 에이전트 서브스트레이트의 제어 API가 필요하다고 지적했다. 대규모 인프라를 이미 운영한다면 편해질 수 있지만, 처음 접하는 사람에게는 설명과 실제 진입 조건 사이의 간격이 크다는 주장이다. 답글에서는 기존 인프라가 있다면 친숙한 구성요소를 얹는 일은 간단하다는 반론도 나왔다.
다른 사용자는 가상머신을 만들어 에이전트를 실행하고 개발 환경을 설정하는 방식과 무엇이 다른지 물었다. 이에 대한 답글은 에이전트에게 명령을 실행할 컴퓨터를 주는 것 자체보다, 기업 환경에서 그 컴퓨터의 외부 접속과 비밀정보를 통제하는 일이 핵심이라고 설명했다. 격리를 강화하면서 필요한 패키지와 인증 경로까지 유지하려면 운영 문제가 복잡해진다는 의견이다.
로컬 모델을 쓰려는 사용자는 AX에 관심을 보이면서도, 어떤 에이전트 실행 도구를 골라야 할지 혼란스럽다고 했다. 답글에서는 로컬 모델을 지원하는 도구가 있다는 경험담과 함께, 연결 설정이 클라우드 모델에 비해 번거로운 경우가 많다는 지적이 나왔다. AX와 직접 같은 층위의 도구만 비교하는 대화는 아니지만, 에이전트 실행 환경을 둘러싼 선택지가 이미 많다는 분위기를 보여준다.
AX를 ‘구글의 도구’라고 부르는 데 신중해야 한다는 의견도 나왔다. 구글 직원이 개발했더라도 구글 전체나 구글 딥마인드, 클라우드 사업 조직의 지원 범위까지 뜻하지는 않는다는 이유다. 반면 구글의 GitHub 저장소에 올라와 있고 해당 제목도 거기서 왔다는 답글은, 프로젝트의 소속을 완전히 떼어 말하기도 어렵다고 짚었다.
시연이 작업 중단과 재개에 집중돼 있어 누가 왜 써야 하는지 여전히 모르겠다는 반응도 있었다. 이 사용자는 웹사이트만으로는 구체적인 용도를 파악하기 어렵다고 주장했다. AX가 운영 구성요소를 설명하는 데 비해, 일상적인 개발 작업에서 얻는 이득을 보여주는 예시는 더 필요하다는 비판이다.
에이전트를 위해 별도 미니 PC를 사서 코드와 서비스를 격리해 실행하겠다는 사용자는 접근 제어와 네트워크 허용 목록을 유지하다 실수할 위험을 걱정했다. 답글에서는 독립된 기기 없이 가상머신으로도 접근과 네트워크를 통제할 수 있으며, AX는 쿠버네티스 설정이 필요해 개인 소유 컴퓨터에 곧바로 쓰기 좋은 형태는 아니라는 의견이 나왔다. 또 여러 에이전트가 테스트와 빌드를 돌리면 작은 기기 한 대의 성능이 부족할 수 있다는 경험담도 이어졌다.
스키온(Scion)과 비교한 사용자는 AX와 에이전트 서브스트레이트가 자체 실행 기반에 크게 의존하는 반면, 스키온은 기존 도구와 잘 어울린다고 평가했다. 그는 AX의 액터 모델에는 흥미를 보이면서도, 도입할 때 받아들여야 하는 기술 묶음이 크다고 봤다. 답글에서는 AX 설명이 오히려 특정 에이전트에 덜 얽매이는 듯하다는 반론이 나와, 두 프로젝트의 결합 정도를 두고 시각이 갈렸다.
또 다른 사용자는 에이전트를 새로운 종류의 인프라로 다뤄야 하는지부터 의문을 제기했다. 일반 서비스를 만들고 에이전트 프레임워크를 비동기로 호출한 뒤 결과를 처리하면 기존 개발 방식으로도 충분하다는 주장이다. 이 관점에서 AX의 핵심 질문은 에이전트를 별도 작업 단위로 삼아 얻는 운영상 이익이 새로운 실행 체계의 복잡성을 넘어서느냐다.
살펴볼 점
AX는 에이전트가 기다리는 시간을 실행 비용의 문제로, 실행할 때의 자유를 보안 통제의 문제로 다룬다. 상태 보존·재개와 작업 공간·네트워크 정책을 한 체계에 묶은 점은 많은 에이전트를 반복 실행할수록 중요해진다. 반면 인프라를 먼저 갖춰야 한다면 ‘쉽게 시작하는 도구’보다는 운영 규모가 커졌을 때 쓸 제어 계층에 가깝다. 앞으로 볼 것은 내세운 동시 실행 규모보다, 기존 도구로 운영하던 팀이 AX를 도입해 설정과 비용을 실제로 얼마나 줄일 수 있는지다.
원본: AX
토론: Hacker News