개발자가 AI 에이전트를 서비스에 통합할 때 가장 먼저 마주하는 벽은 데이터 주권과 벤더 종속성이다. OpenAI나 Anthropic이 제공하는 관리형 에이전트 서비스는 편리하지만, 기업의 핵심 데이터가 외부 서버를 거쳐야 한다는 점과 특정 모델에 고정된다는 제약이 따른다. 최근 깃허브에 등장한 Platos(에이전트의 실행 환경을 직접 구축하게 해주는 오픈소스 플랫폼)는 이러한 환경을 자체 인프라로 완전히 옮겨올 수 있는 대안을 제시한다. 개발자는 이제 외부 API 호출에 의존하는 대신, 자신의 서버에서 에이전트의 생애 주기를 직접 관리한다.

Platos의 기술적 구성과 배포 방식

Platos는 에이전트 운영에 필요한 모든 요소를 하나의 패키지로 묶은 런타임이다. 사용자는 도커 컴포즈(Docker Compose, 여러 컨테이너를 정의하고 실행하는 도구)를 통해 단 한 번의 명령어로 전체 환경을 구축할 수 있다. 공식 문서에 따르면 2분 내에 채팅 가능한 상태로 전환되며, 배포 명령어는 다음과 같다.

bash
docker compose up

이 플랫폼은 데이터베이스로 Postgres 16(관계형 데이터베이스), ClickHouse 25.3(대규모 데이터 분석용 데이터베이스), Redis 7(데이터 캐싱 도구), MinIO(객체 스토리지 서비스)를 기반으로 작동한다. 평가 환경은 월 20달러 수준의 가상 사설 서버(VPS)에서도 구동 가능하며, 실제 운영 환경에서는 헬름 차트(Helm Chart, 쿠버네티스용 패키지 관리 도구)를 통해 쿠버네티스(Kubernetes, 컨테이너 오케스트레이션 시스템) 위에서 수평적 확장이 가능하다. 상세한 아키텍처와 배포 가이드는 공식 문서에서 확인할 수 있다.

기존 관리형 서비스와의 차이점

예전에는 에이전트를 운영하려면 벤더가 제공하는 관리형 서비스에 가입하고, 그들이 정한 과금 체계와 모델 선택지에 맞춰야 했다. 이제는 Platos를 통해 인프라와 데이터, 모델 선택권을 모두 운영자가 직접 행사한다. 특히 MCP(Model Context Protocol, AI 모델과 외부 데이터를 연결하는 표준 규격) 게이트웨이를 내장하여 Claude Code, Cursor(AI 기반 코드 에디터), Claude Desktop과 즉시 연동된다는 점이 핵심이다. 개발자는 에디터에서 직접 에이전트와 도구를 호출할 수 있으며, OAuth 2.1과 DCR(Dynamic Client Registration, 동적 클라이언트 등록)을 지원하여 보안성까지 확보했다. 구체적인 연동 방법은 MCP 게이트웨이 가이드를 참조하면 된다.

시장에 미치는 비즈니스 임팩트

개발팀이 겪는 가장 큰 고민은 에이전트 인프라를 직접 구축하는 데 드는 3개월 이상의 시간과, 벤더 서비스에 종속되어 발생하는 데이터 유출 우려 사이의 선택이다. Platos는 이 두 극단 사이의 간극을 메우는 전략적 포석이다. 기업은 이제 벤더의 정책 변화에 휘둘리지 않고 자체적인 에이전트 생태계를 구축할 수 있다. 이는 AI 에이전트 시장이 단순한 API 호출 단계를 넘어, 기업 내부 시스템과 밀접하게 결합된 인프라 영역으로 이동하고 있음을 보여준다. 오픈소스로 공개된 만큼, 향후 다양한 기업 환경에 맞춘 커스텀 에이전트 런타임이 파편화된 시장을 통합하는 기점이 될 가능성이 높다. 전체 프로젝트 소스 코드는 깃허브 저장소에서 확인할 수 있다.

AI 에이전트의 주도권은 이제 벤더의 클라우드에서 기업의 자체 인프라로 이동하고 있다.