# \#cloudflare **URL:** https://discuss.pytorch.kr/tag/cloudflare/1692.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Cloudflare가 제안하는 소프트웨어 개발 방법론의 변화: SDLC에서 ADLC로, 배포와 운영까지 에이전트에게 맡기는 소프트웨어 팩토리](https://discuss.pytorch.kr/t/cloudflare-sdlc-adlc/12021)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 28, 2026, 3:00오전 UTC](https://discuss.pytorch.kr/t/cloudflare-sdlc-adlc/12021 "2026-09-28T03:00:14Z")
Cloudflare가 제안하는 에이전트 개발 수명 주기(ADLC) 소개 에이전트 개발 수명 주기(Agent Development Lifecycle, ADLC) 는 Cloudflare가 2026년 8월 4일 블로그 글 The Agent Development Lifecycle has arrived on Cloudflare 에서 제안한 개념으로, 코드 작성뿐 아니라 테스트, 배포, 운영, 유지보수까지 AI 에이전트가 맡을 수 있도록 개발 절차와 플랫폼을 다시 설계하자는 주장입니다. AI가 가장 느리고 비쌌던 구현 단계를 가장 빠르고 싼 단계로 바꾸자, 그 뒤에 있는 리뷰, 테스트, 배포, 운영 단계에 사람의 부담이 몰리고 있다는 것이 출발점입니다. 글을 쓴 Brendan Irvine-Broque는 이 문제를 이렇게 표현합니다. 팀에 새로 들어온 엔지니어에게 코드만 쓰게 하고, 검증과 병합, 배포, 프로덕션 온콜(on-call), 버그 분류는 모두 다른 사람이 하게 두는 회사는 없습니다. 그런데 지금 많은 회사가 에이전트를 바로 그렇게 쓰고 있다는 것입니다. 모델은 좋아졌고 에이전트는 더 긴 시간 동안 더 큰 작업을 처리하지만, 개발 수명 주기 전체에 고르게 쓰이지는 않고 있습니다. 그래서 원문은 역설적으로 "에이전트가 더 많은 일을 하도록 권한을 주는 것"이 해법이라고 말합니다. 이 글은 한 편의 발표문이면서, 같은 날 함께 공개된 다섯 편의 글을 묶는 서문 역할도 합니다. @cloudflare/ci(Workflow 기반 CI/CD), 로컬 개발 환경의 OpenTelemetry 트레이스, Cloudflare Agents와 Agent Traces, AI로 엔지니어링 표준을 강제하는 사내 사례, 그리고 Astro 저장소의 GitHub 이슈를 0개로 줄이는 소프트웨어 팩토리 사례입니다. 이 게시물에서는 ADLC라는 문제 제기를 먼저 정리한 뒤, 함께 발표된 도구와 사례를 원문과 각 하위 글의 내용으로 함께 살펴봅니다. Cloudflare는 이전부터 에이전트를 … --- ## [Cloudflare OS: Cloudflare 오픈소스로 공개한 사내 AI 에이전트 워크스페이스 도구 (및 커뮤니티 의견들)](https://discuss.pytorch.kr/t/cloudflare-os-cloudflare-ai/11545)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 1\ **마지막 업데이트:** [8월 7, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/cloudflare-os-cloudflare-ai/11545 "2026-08-07T06:30:08Z")
Cloudflare OS 소개 Cloudflare가 2026년 8월 5일, 사내에서 써 온 AI 업무 플랫폼 Cloudflare OS를 오픈소스로 공개했습니다. 회사 구성원 누구나 브라우저에서 에이전트에게 일을 시키고, 문서와 슬라이드를 만들고, 사내 시스템에 연결된 작은 앱을 직접 만들어 팀과 나눠 쓸 수 있게 하는 플랫폼입니다. 저장소는 cloudflare/cloudflare-os이며 Apache License 2.0으로 배포됩니다. 지난 2년간 AI 에이전트가 가장 확실하게 성과를 낸 영역은 코드였습니다. 코드에는 돌아가거나 안 돌아가거나 라는 즉각적인 피드백 루프가 있고, 에이전트는 그 루프를 돌면서 개발자에게 쓸 만한 결과물을 내놓았습니다. 문제는 나머지입니다. 영업, 재무, 법무, IT 헬프데스크에서 벌어지는 일은 컴파일러가 채점해 주지 않습니다. 그 일을 에이전트에게 맡기려면 에이전트가 회사의 맥락(Context) 을 알아야 하고, 사람들이 실제로 쓰는 시스템에 닿아야 합니다. Cloudflare가 잡은 문제가 정확히 이 지점입니다. Cloudflare는 2026년 5월에 첫 버전을 전사에 배포했고, 전 부문에 걸쳐 수천 명이, 그중 상당수는 엔지니어링 바깥의 구성원이 매일 이 도구로 문서와 슬라이드를 만들고 반복 업무를 자동화했습니다. 이번에 공개한 것은 그 v1의 한계를 정리해 기반부터 다시 쓴 v2 입니다. 이 글에서 다루는 게이트키퍼(Gatekeeper), 관찰 기록 기반 접근 제어, 앱마다 하나씩 떨어지는 Dynamic Worker는 모두 v2에서 새로 들어간 구조입니다. 읽는 관점을 하나 제안하자면, 이 글의 흥미로운 부분은 에이전트가 문서를 만들어 준다 가 아니라 에이전트에게 사내 데이터 접근 권한을 어떻게 안전하게 줄 것인가 에 대한 Cloudflare의 답입니다. 사내 AI 도입을 검토하는 조직이라면 거의 예외 없이 부딪히는 문제이고, MCP(Model Context Protocol)만으로는 풀리지 않는 문제이기도 합니다… --- ## [Cloudflare Monetization Gateway: 에이전트에게 API, 데이터, MCP 도구를 x402로 판매하기](https://discuss.pytorch.kr/t/cloudflare-monetization-gateway-api-mcp-x402/11061)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 2, 2026, 11:30오후 UTC](https://discuss.pytorch.kr/t/cloudflare-monetization-gateway-api-mcp-x402/11061 "2026-07-02T23:30:12Z")
Cloudflare Monetization Gateway 소개 Cloudflare가 2026년 7월 1일, Monetization Gateway 라는 새로운 엔진을 발표했습니다. 한 문장으로 요약하면 "Cloudflare 뒤에 있는 모든 자산에 과금할 수 있게 해주는 결제 계층"입니다. 웹 페이지, 데이터셋, API, 그리고 MCP(Model Context Protocol) 도구까지, Cloudflare가 보호하는 리소스라면 종류를 가리지 않고 호출자에게 사용료를 청구할 수 있습니다. 결제 정책과 접근 제어를 한곳에서 관리하는 단일 컨트롤 플레인(control plane)을 제공하면서, 결제 검증과 정책 집행을 엣지(edge)에서 처리해 대량 결제 트래픽으로부터 오리진 서버(origin)를 보호합니다. 출시 시점에는 x402 프로토콜 위에서 스테이블코인(stablecoin) 으로 결제가 정산됩니다. 이 발표가 흥미로운 이유는 단순히 새 결제 기능이 하나 추가되었기 때문이 아니라, 웹의 수익 모델이 근본적으로 바뀌는 지점을 정면으로 겨냥하고 있기 때문입니다. 지난 30년간 웹은 "콘텐츠를 주고 사람의 주의(attention)를 받는" 단순한 경제적 거래 위에서 돌아갔습니다. 그 주의는 광고, 구독, 전자상거래를 통해 수익으로 전환되었고, 이 거래가 오늘날의 인터넷을 지탱해 왔습니다. 그러나 인터넷의 주된 사용자가 사람에서 에이전트(agent) 로 옮겨가면서 이 모델이 깨지고 있습니다. 에이전트는 광고를 보지 않고, 원하는 도구를 쓰기 위해 매달 구독을 유지하지도 않습니다. 페이지나 데이터 피드를 한 번 읽고 필요한 것만 취한 뒤 떠납니다. Cloudflare에 따르면 AI 크롤러는 이미 방문자 한 명을 되돌려 보낼 때마다 수백에서 수만 번의 콘텐츠 요청을 발생시키고 있습니다. 즉, 에이전트 시대의 웹은 "모든 것에 대한 사용량 기반 과금(usage-based pricing)"을 요구합니다. 주의와 전자상거래가 웹사이트에서 AI 하네스(harness)와 … --- ## [Cloudflare가 공개한, Mythos Preview 사용 후기 (feat. Project Glasswing)](https://discuss.pytorch.kr/t/cloudflare-mythos-preview-feat-project-glasswing/10389)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 26, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/cloudflare-mythos-preview-feat-project-glasswing/10389 "2026-05-26T21:30:49Z")
Project Glasswing과 Mythos Preview 소개 Cloudflare는 최근 몇 달간 자사 인프라에 대해 다양한 보안 특화 LLM(Large Language Model)을 시험해 왔습니다. 이 모델들은 Cloudflare 시스템 내의 잠재적 취약점을 찾아내어 수정에 활용될 뿐만 아니라, 동시에 공격자가 최신 모델을 사용했을 때 어떤 일이 가능해지는지를 미리 보여주는 역할도 합니다. 그 가운데서도 Anthropic이 Project Glasswing을 통해 일부 협력 기업들에게만 제공한 Mythos Preview는 가장 큰 주목을 받았고, Cloudflare는 이 모델을 자사 50여 개 저장소에 직접 겨눠보며 무엇을 발견하고 어떻게 동작하는지를 면밀히 관찰했습니다. Project Glasswing은 Anthropic이 사이버 보안 영역에 특화된 프론티어 모델(Frontier Model)을 일부 파트너에게 제한적으로 공개해, 실제 운영 환경에서의 활용 가능성과 위험성을 함께 평가하기 위한 프로그램입니다. 일반 공개 모델인 Claude Opus 4.7이나 GPT-5.5와 달리, Mythos Preview는 일반 사용자용 추가 안전장치(safeguard)가 의도적으로 제거된 상태에서 "공격자가 손에 쥐었을 때 무엇이 가능한지" 를 사전에 측정하는 데 초점이 맞춰져 있습니다. 즉, 보안 연구의 적극적인 도구이자, 동시에 공격 능력의 미래에 대한 조기 경보 시스템입니다. 이번 글은 단순한 모델 자랑이 아니라, "왜 일반적인 코딩 에이전트를 저장소에 겨누는 방식은 통하지 않는가" , 그리고 "대규모 코드베이스에 LLM 기반 취약점 탐색을 적용하려면 어떤 에이전트 하니스(Agent Harness)와 파이프라인이 필요한가" 라는, AI 에이전트 시스템을 운영하려는 모든 팀에게 직접적으로 도움이 되는 실전 보고서로 읽을 수 있습니다. Cloudflare는 모델 한 대를 더 똑똑하게 만드는 것보다, 여러 좁은 임무를 병렬로 수행하는 다수 에이전트와 이를 조… --- ## [Cloudflare와 Stripe가 함께 만든 새 프로토콜로 AI 에이전트가 직접 계정 생성과 도메인 구매, 배포까지 처리합니다 (feat. Stripe Projects)](https://discuss.pytorch.kr/t/cloudflare-stripe-ai-feat-stripe-projects/10119)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 11, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/cloudflare-stripe-ai-feat-stripe-projects/10119 "2026-05-11T03:30:16Z")
Cloudflare와 Stripe Projects 협업 소개 지금까지 코딩 에이전트가 만든 애플리케이션을 실제로 운영 환경에 배포하기 위해서는 사람이 반드시 개입해야 하는 단계들이 있었습니다. 클라우드 계정을 만들고, 결제 수단을 등록하고, API 토큰을 발급받아 에이전트에게 전달하는 일련의 과정은 누군가가 대시보드를 열어 직접 처리해야만 했습니다. 에이전트가 코드를 잘 작성하더라도, 결국 마지막 "배포"라는 관문에서 사람의 손을 빌려야 했던 것입니다. Cloudflare는 Stripe와 함께 이러한 마지막 장벽을 허무는 새 프로토콜을 발표했습니다. 이번 발표를 통해 에이전트는 사용자를 대신해 Cloudflare 계정을 직접 생성하고, 유료 구독을 시작하며, Cloudflare Registrar에서 도메인을 등록하고, API 토큰을 받아 코드를 곧장 배포할 수 있게 되었습니다. 사람은 권한 부여와 Cloudflare 약관 동의 같은 핵심 결정에만 개입(human-in-the-loop)하고, 그 외의 단계는 에이전트가 처음부터 끝까지 자동으로 처리합니다. 이 통합은 Stripe가 새롭게 선보인 Stripe Projects의 출시와 함께 공동 설계된 프로토콜을 기반으로 합니다. Stripe뿐 아니라 로그인된 사용자를 보유한 어떤 플랫폼이라도 동일한 방식으로 Cloudflare와 통합할 수 있도록 설계된 점이 특징입니다. 즉, 이번 발표는 단순한 두 회사의 협업이 아니라, 에이전트 시대에 걸맞은 프로비저닝과 결제 표준의 첫걸음을 알리는 신호로 볼 수 있습니다. 제로(Zero)에서 프로덕션까지: 사람의 추가 설정 없이 새로운 흐름은 매우 단순합니다. 사용자는 Stripe CLI와 Stripe Projects 플러그인을 설치한 뒤, Stripe에 로그인하고 다음 명령으로 새 프로젝트를 시작합니다. stripe projects init 이후 에이전트에게 새 사이트를 만들어 새 도메인으로 배포하라고 지시하면, 에이전트는 다음과 같은 일들을 알아서 진행합니다. … --- ## [Agentic Inbox: Cloudflare Workers 위에서 실행되는 AI 에이전트 내장 자체 호스팅 이메일 클라이언트](https://discuss.pytorch.kr/t/agentic-inbox-cloudflare-workers-ai/9836)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 22, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/agentic-inbox-cloudflare-workers-ai/9836 "2026-04-22T21:30:40Z")
Agentic Inbox 소개 이메일은 여전히 가장 중요한 업무 커뮤니케이션 채널 중 하나이지만, 받은 편지함 관리와 답장 작성에 소요되는 시간은 상당합니다. AI 에이전트를 이메일 워크플로우에 통합하는 시도는 많았지만, 대부분 외부 SaaS 서비스에 이메일 접근 권한을 부여해야 하거나 복잡한 서버 인프라 설정이 필요했습니다. Agentic Inbox는 Cloudflare의 완전 관리형 엣지 인프라를 활용하여 이 문제를 해결합니다. Cloudflare Workers, Durable Objects, Email Routing, R2, Workers AI를 조합하여, 서버 없이도 자체 호스팅 가능한 AI 에이전트 내장 이메일 클라이언트를 구현했습니다. Cloudflare가 공식 오픈소스로 공개한 이 프로젝트는 AI 에이전트 SDK의 실제 프로덕션 적용 사례로도 주목받고 있습니다. Agentic Inbox의 핵심 아이디어는 각 메일박스를 독립된 Durable Object 인스턴스로 격리하는 것입니다. 각 Durable Object는 자체 SQLite 데이터베이스를 가지며, 메일 수신, 저장, 검색, 초안 작성이 모두 해당 인스턴스 내에서 처리됩니다. 이 아이소레이션(isolation) 아키텍처는 멀티 테넌트 환경에서도 메일박스 간 데이터 오염을 방지하고, Cloudflare의 글로벌 엣지 네트워크를 통해 낮은 지연 시간을 유지합니다. AI 에이전트는 별도의 EmailAgent Durable Object로 분리되어, 수신 이메일을 분석하고 답장 초안을 자동 생성하는 역할을 담당합니다. 이메일 에이전트는 Cloudflare Agents SDK의 AIChatAgent를 기반으로 구현되며, Kimi-k2.5 언어 모델(Workers AI를 통해 실행)을 사용합니다. 에이전트는 9가지 이메일 도구(받은 편지함 읽기, 스레드 검색, 초안 작성, 전송 등)를 장착하고 있으며, 항상 사용자의 명시적 확인 없이는 실제 전송을 실행하지 않는다는 안전 정책을 기본으로 적용… --- ## [Cloudflare, AI 에이전트를 위한 클라우드 브라우저 서비스 Browser Run 출시](https://discuss.pytorch.kr/t/cloudflare-ai-browser-run/9783)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 21, 2026, 12:30오전 UTC](https://discuss.pytorch.kr/t/cloudflare-ai-browser-run/9783 "2026-04-21T00:30:18Z")
AI 에이전트에게 브라우저가 필요한 이유 AI 에이전트가 웹과 상호작용하려면 브라우저가 필요합니다. 페이지를 탐색하고, 내용을 읽고, 양식을 작성하고, 데이터를 추출하고, 스크린샷을 찍어야 합니다. 작업이 제대로 이루어지고 있는지 확인하고, 문제가 생겼을 때 사람이 개입할 수 있어야 합니다. 그리고 이 모든 것을 대규모로 처리해야 합니다. 기존의 브라우저 자동화 도구들은 로컬 환경이나 자체 인프라에 의존했습니다. Chrome 버전 관리, 브라우저 풀 운영, 동시 세션 확장 등 인프라 부담이 상당합니다. 특히 AI 에이전트처럼 예측하기 어려운 워크플로를 처리할 때는 에이전트가 막혔을 때 즉각적으로 파악하고 개입할 수 있는 관찰 도구도 필수적입니다. Cloudflare는 2026년 4월, 기존 Browser Rendering 서비스를 Browser Run 으로 이름을 바꾸고 AI 에이전트에 특화된 주요 기능들을 새롭게 출시했습니다. Browser Run은 Cloudflare의 글로벌 네트워크에서 Chrome 브라우저 세션을 실행하고, 코드나 AI로 제어하며, 세션을 녹화하고 재생하고, 실시간으로 디버깅하고, 에이전트가 막혔을 때 사람이 개입할 수 있는 환경을 제공합니다. 이번 업데이트의 주요 내용 이번 발표에서 새롭게 추가된 핵심 기능은 다음과 같습니다. Live View: 에이전트가 무엇을 보고 있고 어떤 작업을 하는지 실시간으로 확인. 문제가 발생했을 때 즉시 파악 가능 Human in the Loop: 에이전트가 로그인 페이지나 예상치 못한 상황에 막혔을 때, 실패하는 대신 사람에게 제어권을 넘겨 처리 후 다시 이어받을 수 있는 워크플로 Chrome DevTools Protocol(CDP) 엔드포인트: 브라우저 자동화의 하위 프로토콜인 CDP를 직접 노출하여 에이전트 도구와 기존 CDP 스크립트가 Browser Run에 바로 연결 가능 MCP 클라이언트 지원: Claude Desktop, Cursor, OpenCode 같은 AI 코딩 에이전트가… --- ## [Cloudflare Dynamic Workers: 컨테이너보다 100배 빠른 실행 환경을 제공하는 AI 에이전트 코드 샌드박스 오픈 베타](https://discuss.pytorch.kr/t/cloudflare-dynamic-workers-100-ai/9471)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 31, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/cloudflare-dynamic-workers-100-ai/9471 "2026-03-31T06:30:19Z")
Cloudflare Dynamic Workers 소개 AI 에이전트가 사용자 요청을 처리하기 위해 코드를 직접 생성하고 실행하는 방식, 이른바 코드 모드(Code Mode) 가 주목받고 있습니다. Cloudflare가 지난 2025년 9월 소개한 Code Mode는 에이전트가 도구 호출을 순차적으로 수행하는 대신, API를 호출하는 코드를 직접 작성하여 실행하는 접근법입니다. 실제로 MCP 서버를 TypeScript API로 변환하는 것만으로 토큰 사용량을 81%까지 줄일 수 있다는 것이 입증되었습니다. 그런데 에이전트가 AI가 즉석에서 생성한 코드를 실행하려면, 그 코드가 실행될 안전한 공간이 필요합니다. AI가 생성한 코드를 애플리케이션 안에서 직접 eval()로 실행하는 것은 매우 위험합니다. 악의적인 사용자가 AI를 유도하여 취약점을 삽입하는 프롬프트 인젝션 공격이 가능하기 때문입니다. 따라서 샌드박스(Sandbox), 즉 애플리케이션과 격리된 실행 환경이 반드시 필요합니다. 현재 업계에서는 이 용도로 Linux 컨테이너를 주로 사용하지만, 컨테이너는 부팅에 수백 밀리초, 메모리는 수백 메가바이트가 필요하고, 실행 간 재사용 시 보안이 취약해지는 문제가 있습니다. Cloudflare가 2026년 3월 24일 발표한 Dynamic Worker Loader 는 이 문제에 대한 새로운 해답입니다. Cloudflare Workers 플랫폼의 핵심 기술인 V8 아이솔레이트를 활용하여, 컨테이너 대비 100배 빠르고 10~100배 더 메모리 효율적인 경량 샌드박스를 제공합니다. 현재 유료 Workers 플랜 사용자를 대상으로 오픈 베타로 제공되고 있습니다. 컨테이너의 한계와 V8 Isolate의 등장 AI 에이전트가 소비자 규모로 확산되면, 즉 모든 최종 사용자가 하나 이상의 에이전트를 갖고 각 에이전트가 코드를 작성하는 세상이 된다면, 컨테이너 기반 샌드박스는 현실적으로 감당하기 어렵습니다. 컨테이너 기반 샌드박스 서비스들은 대부분 동시 샌드박스 수와… --- ## [Markdown for Agents: Cloudflare가 공개한, AI 에이전트를 위한 새로운 콘텐츠 요청/응답 방식](https://discuss.pytorch.kr/t/markdown-for-agents-cloudflare-ai/8989)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [2월 14, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/markdown-for-agents-cloudflare-ai/8989 "2026-02-14T09:30:07Z")
Markdown for Agents 소개 Cloudflare가 웹 콘텐츠를 AI 에이전트와 크롤러가 더 효율적으로 소비할 수 있도록 돕는 새로운 기능인 Markdown for Agents를 발표했습니다. 오늘날 웹 트래픽의 상당 부분은 사람이 아닌 AI 에이전트와 크롤러에서 발생하고 있습니다. 하지만 기존 웹은 사람을 위해 설계된 HTML, CSS, JavaScript로 구성되어 있어, AI가 정보를 추출하기에는 불필요한 태그와 스크립트가 많아 비효율적이었습니다. Markdown for Agents는 이러한 문제를 해결하기 위해, 요청 시 실시간으로 웹페이지의 HTML을 Markdown으로 변환하여 제공하는 기능입니다. 이 기술의 핵심은 콘텐츠 협상(Content Negotiation)입니다. AI 에이전트가 웹페이지를 요청할 때 Accept: text/markdown 헤더를 포함하면, Cloudflare 네트워크가 이를 감지하여 원본 서버의 HTML을 가져온 뒤 자동으로 Markdown으로 변환하여 응답합니다. 이를 통해 AI 모델은 복잡한 HTML 파싱 과정 없이 순수한 텍스트와 구조화된 데이터만을 즉시 소비할 수 있게 됩니다. Markdown for Agents 기능은 AI 모델의 추론 비용과 속도에 직접적인 영향을 미치는 '토큰(Token)' 사용량을 획기적으로 줄여줍니다. 예를 들어, HTML로 구성된 일반적인 블로그 포스트는 약 16,000 토큰을 소모하지만, 이를 Markdown으로 변환하면 약 3,000 토큰으로 줄어들어 약 80%의 절감 효과를 볼 수 있습니다. 이는 AI 에이전트의 컨텍스트 윈도우(Context Window)를 효율적으로 사용하고, 더 정확한 검색 증강 생성(RAG) 결과를 얻는 데 기여합니다. AI Agent의 HTML vs. Markdown 방식 비교 기존의 웹 접근 방식과 Markdown for Agents를 사용했을 때의 차이점은 다음과 같습니다. 기존 방식(HTML) 은 AI 에이전트가 웹페이지를 스크… --- ## [Cloudflare VibeSDK: Cloudflare가 공개한, Cloudflare에서 배포 가능한 AI 기반 풀스택 웹앱 생성 플랫폼](https://discuss.pytorch.kr/t/cloudflare-vibesdk-cloudflare-cloudflare-ai/7837)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 25, 2025, 2:00오전 UTC](https://discuss.pytorch.kr/t/cloudflare-vibesdk-cloudflare-cloudflare-ai/7837 "2025-09-25T02:00:00Z")
Cloudflare VibeSDK 소개 Cloudflare VibeSDK는 오픈소스 풀스택 AI 웹앱 생성기입니다. 사용자는 단순히 자연어로 만들고 싶은 애플리케이션을 설명하면, AI 에이전트가 이를 분석하고 코드를 생성하여 배포까지 자동으로 진행해 줍니다. React, TypeScript, Tailwind와 같은 현대적인 프론트엔드 기술과 Cloudflare Workers, Durable Objects, D1 데이터베이스 같은 서버리스 백엔드 인프라가 결합되어, 개발자뿐 아니라 비개발자도 손쉽게 자신만의 앱을 제작할 수 있도록 지원합니다. 특히 이 프로젝트는 단순한 코드 예시 수준을 넘어, 기업이나 SaaS 서비스가 자체 AI 개발 플랫폼을 구축할 수 있는 실제적인 아키텍처를 제공합니다. 모든 데이터를 자체 인프라 안에 보관하면서 AI 코드 생성을 제어할 수 있어, 보안과 맞춤화 측면에서도 유리합니다. 스타트업의 빠른 AI 기능 도입이나 기존 개발 도구의 확장성 확보에도 적합합니다. 또한 내부 비개발 팀이 필요로 하는 대시보드나 워크플로우 자동화 도구를 직접 만들 수 있도록 하여, IT 자원의 병목을 줄이고 업무 생산성을 크게 향상시킬 수 있습니다. 이러한 점에서 VibeSDK는 기업용 AI 도입의 좋은 참고 사례이자 출발점이 될 수 있습니다. 유사하게 “자연어로 애플리케이션을 생성”하는 시도는 여러 스타트업과 연구 프로젝트에서 진행되고 있습니다. 예를 들어 Replit의 Ghostwriter, GitHub Copilot, Cursor와 같은 AI 코딩 도구들이 코드 자동 완성이나 특정 기능 구현 지원에 초점을 맞춘다면, VibeSDK는 단순 코드 조각 수준이 아니라 애플리케이션 전체를 생성 및 배포할 수 있다는 점에서 차별화됩니다. 또한 SaaS 형태의 AI 앱 빌더와 달리, VibeSDK는 완전한 오픈소스 프로젝트이자 Cloudflare Workers 플랫폼에 직접 배포 가능한 형태라는 특징을 갖습니다. 이는 기업이 원하는 수준의 커스터마이징… --- ## [Cloudflare, 단일 API Endpoint에서 여러 AI 모델을 연결/관리하는 AI Gateway의 신규 업데이트 공개](https://discuss.pytorch.kr/t/cloudflare-api-endpoint-ai-ai-gateway/7635)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 2, 2025, 3:30오전 UTC](https://discuss.pytorch.kr/t/cloudflare-api-endpoint-ai-ai-gateway/7635 "2025-09-02T03:30:31Z")
AI Gateway 소개 AI 애플리케이션을 개발할 때 가장 큰 어려움 중 하나는 비결정적(non-deterministic) 특성을 가진 AI 모델을 안정적이고 예측 가능하게 운영하는 것입니다. 동일한 입력을 주더라도 결과가 다르게 나올 수 있고, 모델 버전이나 시스템 프롬프트, 심지어는 API 호출 환경에 따라 결과가 달라집니다. 여기에 성능, 비용, 안정성까지 고려해야 하니 개발자는 여러 겹의 복잡성과 마주하게 됩니다. Cloudflare는 이미 인터넷 트래픽을 효율적으로 관리하고 보안과 성능을 보장하는 데 강점을 보여왔습니다. 그리고 2년 전, 이러한 철학을 AI 시대에도 적용하기 위해 AI Gateway를 선보였습니다. Cloudflare의 AI Gateway는 개발자가 AI 애플리케이션을 보다 쉽게 관리하고 제어할 수 있도록 지원하는 중앙 집중형 관측 및 제어 플랫폼으로, 이를 통해 요청 사용량, 토큰 수, 오류 및 비용 등의 인사이트를 실시간으로 확인할 수 있으며, 캐싱이나 요청 속도 제한(rate limiting), 자동 재시도, 모델 폴백(model fallback) 등의 기능을 통해 신뢰성과 성능을 높이는 것이 가능합니다 AI Gateway 업데이트 내용 소개 2025년 8월 말 공개된 AI Gateway 업데이트는 이전의 중앙 집중형 관측 및 제어 기능을 한 단계 확장해, 개발자가 다양한 AI 모델을 손쉽게 연결하고 비용과 보안을 통합 관리할 수 있는 환경을 제공합니다. 이번 업데이트를 통해 AI Gateway는 통합 결제, 보안 키 관리, 동적 라우팅(Dynamic Routing), 데이터 손실 방지(DLP, Data Loss Prevention)를 통한 보안 제어 등 다수의 기능을 강화했습니다. 즉, 이제 개발자는 Cloudflare의 AI Gateway 하나만으로 여러 AI 제공자를 연결하고, 사용량을 관리하며, 모델 간 트래픽을 유연하게 제어할 수 있습니다. 이는 기업과 개인 개발자 모두에게 관리 효율성과 비용 최… --- ## [Cloudflare-RAG, Cloudflare의 AI Workers 및 D1 등의 서비스를 활용한 RAG 애플리케이션](https://discuss.pytorch.kr/t/cloudflare-rag-cloud-flare-ai-workers-d1-rag/5216)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 19, 2024, 7:27오후 UTC](https://discuss.pytorch.kr/t/cloudflare-rag-cloud-flare-ai-workers-d1-rag/5216 "2024-09-19T19:27:44Z")
Clouldflare RAG 프로젝트 소개 Cloudflare RAG 프로젝트는 ChatWithCloud의 개발자 Rafal Wilinski가 공개한 프로젝트입니다. Cloudflare RAG 프로젝트는 Cloudflare에서 제공하는 다양한 서비스(Workers, Pages, D1, KV, R2, AI Gateway와 Workers AI)들을 활용하여 RAG(Retrieval Augmented Generation) 앱을 구축할 수 있는 방법을 소개하는 프로젝트입니다. 이 프로젝트는 Cloudflare의 다양한 기술 스택을 활용해 RAG 앱을 구축하는 예제를 제공합니다. RAG는 주어진 질문에 대해 데이터베이스에서 관련 정보를 검색하고, 이를 이용해 AI 모델의 응답을 보강하는 방법입니다. Cloudflare의 D1을 활용한 전통적인 전체 텍스트 검색과 Vectorize를 활용한 벡터 검색을 결합해 보다 정교한 검색 결과를 제공합니다. 사용자는 여러 AI 제공자(OpenAI, Groq, Anthropic 등) 간의 전환이 가능하며, Cloudflare의 AI Gateway를 통해 자동 폴백 기능도 지원합니다. 이 프로젝트는 전통적인 RAG 시스템과 달리, Cloudflare의 인프라를 최대한 활용해 보다 빠르고 효율적인 검색을 제공합니다. 기존의 RAG는 주로 하나의 검색 방식(예: 전체 텍스트 검색 또는 벡터 검색)에 의존하지만, Cloudflare RAG는 두 가지 방식을 동시에 사용해 더욱 정확한 검색 결과를 제공합니다. 주요 기능 실시간 스트리밍: Server-Sent Events를 사용하여 서버에서 클라이언트로 실시간 스트리밍을 통해 사용자 인터페이스에 결과를 빠르게 표시합니다. 하이브리드 검색: Cloudflare D1을 통한 전체 텍스트 검색과 Vectorize를 통한 벡터 검색을 결합하여 정확도를 높입니다. 다양한 AI 제공자 전환: OpenAI, Groq, Anthropic 등의 다양한 AI 제공자를 지원하… --- ## [Cloudflare, AI Bot들(Scraper&Crawler)을 한 번에 차단하는 새로운 기능 도입 (feat. AI 독립선언, AI Independence)](https://discuss.pytorch.kr/t/cloudflare-ai-bot-scraper-crawler-feat-ai-ai-independence/4755)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 4, 2024, 10:49오후 UTC](https://discuss.pytorch.kr/t/cloudflare-ai-bot-scraper-crawler-feat-ai-ai-independence/4755 "2024-07-04T22:49:00Z")
들어가며 :pytorch::kr: LLM이 학습하는 데이터를 비롯하여, 최근 RAG 등을 위해 웹 사이트에서 데이터를 수집하는 AI 봇(bot)들이 늘어가고 있습니다. 이러한 AI 봇은 기존의 검색엔진과 다르게 데이터만 수집할 뿐 사용자를 직접 사이트로 연결해주거나 하지 않기 때문에 약탈적이라고 보는 시각도 있습니다. :see\_no\_evil: 이와 관련하여 최근 Cloudflare는 모든 사용자, 특히 무료 요금제 사용자들도 간단한 클릭만으로 AI 봇을 차단할 수 있는 기능을 제공하기 시작했습니다. LLM이 학습할 수 있는 콘텐츠 자체가 부족해질 수 있고, Web이 점차 합성 데이터로 차오르고 있다는 걱정이 있는 가운데, 이러한 방식이 창작자들에게 도움이 될 수 있을지 궁금합니다. 옛날옛적 Daum의 인터넷 우표제와 같은 것이 되지는 않을지 하는 생각도 들기도 하고요. :sweat\_smile: 소개 Cloudflare는 최근 사용자가 AI 봇(bot), 스크래퍼(scraper) 및 크롤러(crawler)를 한 번의 클릭으로 차단할 수 있는 새로운 기능을 도입했습니다. AI 봇은 종종 웹사이트의 컨텐츠를 무단으로 스크래핑하여 자신들의 모델을 훈련시키거나 추론에 사용합니다. 이런 불법적인 활동을 방지하고자, Cloudflare는 AI 봇을 차단할 수 있는 기능을 모든 사용자에게 제공하며, 이는 특히 콘텐츠 창작자들에게 중요한 보호막이 될 수 있습니다. 다양한 AI 봇이 Cloudflare의 네트워크를 통해 활동하고 있으며, 가장 많이 요청을 보내는 AI 봇으로는 ByteDance의 Bytespider, Amazonbot, ClaudeBot, GPTBot 등이 있습니다. 특히 Bytespider는 인터넷 속성을 광범위하게 크롤링하며 차단 빈도가 높은 편입니다. GPTBot은 OpenAI에서 운영하며 ChatGPT와 같은 AI 제품의 학습 데이터를 수집합니다. 이러한 차단 기능은 기존에도 Cloudflare에서 사용할 수 있었는데, 이전에는 특정 봇 … --- ## [Meta AI에서 제공하는 라마2 시작하기(Getting started with Llama2) 가이드 1편: 빠른 설정](https://discuss.pytorch.kr/t/meta-ai-2-getting-started-with-llama2-1/2834)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [11월 12, 2023, 5:58오전 UTC](https://discuss.pytorch.kr/t/meta-ai-2-getting-started-with-llama2-1/2834 "2023-11-12T05:58:08Z")
안내(Disclaimer): 아래 내용은 Meta AI에서 공개한 Getting started with Llama 2 문서를 번역한 것입니다. 의도하지 않은 오역 또는 오타가 있을 수 있으니, 원문을 함께 참고해주시기를 부탁드립니다. Llama 시작하기 가이드에 오신 것을 환영합니다! 이 문서에서는 라마2를 설정하는 내용을 포함하여 모델에 접근하거나 호스팅, 사용법 및 통합에 대한 정보와 리소스를 제공합니다. 또한, 라마 모델을 빌드하는데 필요한 추가적인 자료도 제공합니다. Welcome to the getting started guide for Llama. This guide provides information and resources to help you set up Llama including how to access the model, hosting, how-to and integration guides. Additionally, you will find supplemental materials to further assist you while building with Llama. 빠른 설정(QUICK SETUP) 준비할 것(Prerequisite) 운영체제: 우분투(Ubuntu) 패키지: wget, md5sum 패키지 관리자: Conda ME 윈도우나 macOS, iOS, Android 및 Python 노트북에서 라마2 모델(Llama2)을 사용하려면 오픈소스 커뮤니티에서 제공하는 다음의 저장소들을 참고하세요: 저장소 1- Meta Llama DemoApp 저장소 2 - MLC-LLM 저장소 3 - LLaMA.cpp OS: Ubuntu Packages: wget, md5sum Package Manager: Conda ME If you want to use Llama 2 on Windows, macOS, iOS, Android or in a Python notebook, please refer to the op… --- ## [Cloudflare, GPU 기반의 서버리스 추론 서비스 Workers AI 출시](https://discuss.pytorch.kr/t/cloudflare-gpu-workers-ai/2584)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 3, 2023, 3:23오전 UTC](https://discuss.pytorch.kr/t/cloudflare-gpu-workers-ai/2584 "2023-10-03T03:23:39Z")
오랜만에 Cloudflare에 들어갔다가, 좌측 메뉴에 AI라는게 있길래 뭔가하고 봤더니, 최근(9/27)에 서비스를 출시했었네요 :tada: AWS의 Lambda와 비슷한 Cloudflare의 Worker에 연결하여 GPU 기반으로 빠르게 추론(inference)를 해주는 것이 핵심인 것 같습니다. 올해 말까지 전세계에 위치한 Cloudflare 데이터센터 중 100여곳에서, 2024년까지 Cloudflare의 데이터센터 대부분에서 지원하는 것이 목표라고 합니다. 대략 6개 분야에서 다음과 같은 모델들을 지원하는 것을 시작으로 계속 늘려나갈 것 같습니다. Text generation (large language model): meta/llama-2-7b-chat-int8 Automatic speech recognition (ASR): openai/whisper Translation: meta/m2m100-1.2 Text classification: huggingface/distilbert-sst-2-int8 Image classification: microsoft/resnet-50 Embeddings: baai/bge-base-en-v1.5 가격은 2종류로 나뉘는데, 가용한 데이터센터에서 실행되는 RTN(Regular Twitch Neurons)은 뉴런 1000개당 $0.01, CDN처럼 사용자에게서 가장 가까운 곳에서 실행되는 FTN(Fast Twitch Neurons)는 뉴런 1000개당 $0.125입니다. 블로그 글에서 설명하기로는, 뉴런 1000개로는 130개의 LLM 응답, 830개의 이미지 분류 또는 1,250개의 임베딩을 생성할 수 있다고 하네요. :thinking: Regular Twitch Neurons (RTN) - running wherever there's capacity at $0.01 / 1k neurons Fast Twitch Neurons (FTN) - running at nearest user l…