발표에서 확인된 핵심 사실

AI 서비스를 구축할 때 특정 모델의 API 하나에 의존해 기능을 구현하는 방식은 이제 익숙한 시작점이다. 하지만 Vercel은 모델과 에이전트를 분리해 필요에 따라 구성 요소를 교체하는 오픈 프로토콜의 세계를 지향한다. 특정 모델에 종속되지 않고 다양한 제공자의 빌딩 블록을 가져와 그 위에 소프트웨어를 구축하는 공학적 방식을 시장에 구현한다. 이를 통해 클라우드 인프라의 표준이 된 AWS(Amazon Web Services, 아마존 웹 서비스)처럼 AI 시대의 기반이 되는 인프라가 되겠다는 전략이다.

매일 600만 건의 배포가 일어나며 AI 게이트웨이를 통해 1조 개 이상의 토큰이 흐른다. 현재 Vercel이 처리하는 일일 배포량의 절반은 사람이 직접 수행하지 않고 코딩 에이전트에 의해 트리거된다. 단순한 웹 호스팅 도구를 넘어 AI 소프트웨어 인프라의 중심에서 방대한 트래픽과 실행 단위를 처리하는 구조를 갖췄다.

Guillermo Rauch(기예르모 라우흐) CEO는 에이전트 시장의 두 가지 킬러 앱으로 코딩 에이전트와 기업 내부 운영 에이전트를 정의했다. 코딩 에이전트는 전 세계적인 토큰 사용량을 직접적으로 견인하며 개발 생태계의 변화를 이끈다. 기업 내부 운영 에이전트는 데이터 보안 및 감사 문제를 해결하는 동시에 기업의 전반적인 생산성을 높이는 핵심 도구로 작동한다.

AI 모델 선택 트렌드가 특정 랩(Lab) 의존에서 '플러그 앤 플레이'로

API 호출 비용과 응답 속도의 미세한 차이가 서비스의 수익성을 결정하는 단계에 진입했다. 개발자들은 이제 OpenAI나 Anthropic 같은 특정 랩의 모델 하나에만 의존하지 않고, Deepseek나 GLM-5.2 같은 오픈 모델을 가격 대비 성능에 맞춰 조합해 사용한다. 특히 Gemini는 우수한 가격 대비 성능을 바탕으로 시장에서 빠르게 성장세를 기록한다. 모델을 필요에 따라 즉시 갈아 끼우는 플러그 앤 플레이(plug and play) 방식이 실무 인프라의 표준으로 자리 잡았다.

Vercel은 모델을 교체해도 에이전트의 동작이 변하지 않도록 Eve와 Vercel Sandbox를 통해 제어 계층을 분리했다. Eve는 자연어 지시문을 통해 에이전트가 수행할 기술과 지침을 설정하는 프레임워크(에이전트의 역할과 능력을 정의하는 체계)다. Vercel Sandbox는 에이전트를 격리된 환경에 두고, 접근 가능한 데이터 범위와 외부로 유출되는 데이터를 정책으로 제어하는 보안 도구(데이터 접근 권한을 관리하는 샌드박스)다. 이를 통해 개발자는 모델의 종류와 관계없이 데이터 보안과 실행 권한을 일관되게 관리하고 제어한다.

특정 모델 랩에 종속되는 락인(Lock-in, 특정 기술에 묶여 변경이 어려운 상태)을 탈피하는 것을 인프라 설계의 최우선 기준으로 삼는다. 성능과 비용이라는 두 가지 지표를 기준으로 모델을 최적화하고, 이를 에이전트의 논리 구조와 분리해 배치하는 전략을 취한다. 모델의 업데이트나 가격 정책 변화에 따라 즉시 다른 모델로 대체할 수 있는 구조를 갖춰 운영 리스크를 최소화하고 비용 효율을 극대화한다.

특정 모델의 API 하나에 의존해 기능을 구현하던 초기 개발 방식은 모델과 에이전트를 분리하는 플러그 앤 플레이 구조로 전환된다. Vercel Sandbox로 권한과 데이터 유출을 제어하고 Eve로 지시 체계를 관리하는 설계는 모델 교체 비용을 최소화한다.

이제 개발자의 핵심 역량은 특정 모델의 성능에 매달리는 것이 아니라, 비용과 성능에 따라 모델을 즉시 갈아 끼울 수 있는 인프라를 구축하는 데 있다. 모델을 교체 가능한 부품으로 정의하는 설계가 AI 서비스의 지속 가능성을 결정한다.