마누스는 모든 작업에 전용 클라우드 컴퓨터를 제공합니다. Vercel에서 견고한 워크플로우로 구축하세요.
(dev.to)
Manus는 개별 작업마다 독립된 클라우드 가상 머신을 할당하여 에이전트가 브라우저와 파일 시스템을 자유롭게 사용하는 샌드박스 환경을 구축함으로써, Vercel Workflow SDK와 결합한 확장 가능하고 견고한 자율형 AI 에이전트 워크플로우의 새로운 표준을 제시합니다.
이 글의 핵심 포인트
- 1Manus는 각 작업에 독립된 클라우드 가상 머신(샌드박스)을 할당하여 파일 시스템, 브라우저, 네트워크를 제공함
- 2Vercel Workflow SDK를 사용하여 에이전트 작업의 자동 재시도 및 상태 유지가 가능한 워크플로우 구현 가능
- 3Burrowbox의 웜 풀(Warm Pool) 기능을 통해 도구가 사전 설치된 머신을 사용하여 에이전트 실행 준비 시간을 단축함
- 4MCP(Model Context Protocol)를 통해 Claude 3.5 Sonnet 모델이 쉘 실행, 파일 쓰기 등 도구에 접근할 수 있도록 설계됨
- 5소형 머신 기준 실행 시 시간당 $0.11, 정지 시 시간당 $0.001의 비용이 발생함
이 글에 대한 공공지능 분석
왜 중요한가?
단순한 텍답변을 넘어 실제 '행동'하는 AI 에이전트 시대에는 에이전트가 실행될 수 있는 격리된 컴퓨팅 환경과 작업의 연속성을 보장하는 인프라가 필수적이기 때문입니다.
어떤 배경과 맥락이 있나?
기존 LLM 활용이 프롬프트 엔지니어링에 집중했다면, 이제는 에이전트가 브라우징, 파일 수정, 코드 실행 등을 수행할 수 있는 'Agentic Workflow'로 기술적 중심이 이동하고 있습니다.
업계에 어떤 영향을 주나?
에이전트 개발의 난제가 '프롬프트'에서 '인프라 및 오케스트레이션'으로 전이됨에 따라, Vercel이나 Burrowbox와 같은 클라우드 인프라 서비스와 AI 모델 간의 결합이 더욱 긴밀해질 것입니다.
한국 시장에 어떤 시사점이 있나?
국내 AI 스타트업들도 모델 성능 경쟁을 넘어, 에이전트의 작업 안정성과 실행 환경(Sandbox)을 어떻게 효율적이고 저렴하게 관리할 것인가라는 인프라적 관점의 접근이 필요합니다.
이 글에 대한 큐레이터 의견
이번 기술적 접근은 AI 에이전트를 단순한 '챗봇'에서 '자율적 작업자'로 격상시키는 핵심적인 인프라 전략을 보여줍니다. 특히 Vercel Workflow SDK를 통해 작업의 상태를 유지하고 실패 시 재시도하는 '내구성(Durability)'을 확보한 점은 에이전트의 신뢰성을 높이는 결정적인 요소입니다.
하지만 창업자 관점에서는 비용과 복잡성이라는 트레이드오프를 반드시 고려해야 합니다. 작업마다 VM을 할당하는 방식은 강력한 격리를 제공하지만, 실행 중인 머신의 시간당 비용($0.11)과 웜 풀(Warm Pool) 유지를 위한 비용은 에이전트 서비스의 유닛 이코노믹스(Unit Economics)에 큰 부담이 될 수 있습니다. 따라서 모든 작업에 VM을 할당하기보다는, 작업의 난이도와 보안 요구 수준에 따라 컴퓨팅 자원을 동적으로 할당하는 정교한 비용 최적화 전략이 병행되어야 합니다.
관련 뉴스
댓글
아직 댓글이 없습니다. 첫 댓글을 남겨보세요.