General Intelligence: 에이전트로 에이전트 플랫폼을 구축하는 방법

8명짜리 팀이 AI 에이전트를 엔지니어링·마케팅·영업·운영 등 전 부서에 배치하는 Cofounder 플랫폼을 구축한 사례다. 팀 내부적으로도 에이전트가 코딩하고, 브랜치 생성 및 배포하고, 프리뷰 URL로 테스트하며 PR을 만드는 방식으로 운영한다. "에이전트가 작업의 5%를 할 수 있는 벤더 vs 100%를 할 수 있는 벤더"의 선택이 핵심 기준이었다.

핵심 포인트

규모: 8인 팀(엔지니어 5명), 엔지니어당 일일 10+ PR, 커밋 70+, 4,000개 이상 프리뷰 브랜치, ~100개 동시 앱 버전 유지.
에이전트-인프라 요구사항: 에이전트는 클라우드 운영(DNS 수정, 배포 중단, 빌링 편집, 설정 변경)에 완전한 프로그래밍 방식 접근 필요.
멀티테넌트 아키텍처: Vercel for Platforms로 고객마다 자동 GitHub 저장소 + Vercel 배포 + 커스텀 도메인 + SSL 프로비저닝.
내부 에이전트 개발 모델: CTO 에이전트가 Git 브랜치에 직접 커밋 → 브라우저 에이전트가 프리뷰 URL에서 자동 테스트.
비용: 엔지니어당 월 $5,000 토큰 예산으로 대규모 스케일 운영.

상세 정리

제품 비전: 창업자가 AI 에이전트로 전체 회사를 운영하는 플랫폼. 엔지니어링, 마케팅, SEO, 재무, 영업, 고객 지원, 운영 전 부서.
인프라 선택 기준: 에이전트가 UI 대신 API/CLI로 100% 플랫폼 제어 가능한지. Render는 에이전트가 필요한 프로그래밍 방식 접근 불가로 탈락.
에이전트 워크플로우: 에이전트가 에러 로그/대시보드를 기계 가독 데이터로 파싱 → 병렬 프로세스 수십 개 동시 실행 → 모든 UI 상호작용을 "누락된 API"로 취급.
Python 풀스택 Vercel 마이그레이션: Python 백엔드 + 프론트엔드를 Vercel로 통합. 단일 CLI/API로 에이전트가 전체 인프라 제어.
멀티테넌트 구현: Vercel for Platforms API로 고객 프로젝트 생성 시 GitHub 저장소 + 배포 + 커스텀 도메인 + SSL 자동 세팅. 내부에서 쓰는 CTO 에이전트를 고객에게도 제공.
프리뷰 환경 전략: 각 브랜치가 30초 이내 프리뷰 환경 확보 → 에이전트가 라이브 URL로 즉시 검증 가능.
Fluid Compute 성장: 내부 에이전트 개발 주도로 Fluid Compute 사용량이 월간 6.5배 증가.
SRE 자동화: Vercel + 내부 에이전트로 사이트 신뢰성 작업의 90% 자동화.
목표: "1인 10억 달러 회사" 모델 실증 — AI 에이전트가 부서 전체를 담당하는 시대의 가능성.

왜 읽나에이전트 중심 개발 워크플로우와 AI 에이전트에 맞는 인프라 선택 기준을 실제 운영 사례(4,000 브랜치, Fluid Compute 6.5x 성장)로 파악하려는 AI 플랫폼 개발자·스타트업 CTO에게 유용.

Vercel Blog 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청

General Intelligence: 에이전트로 에이전트 플랫폼을 구축하는 방법

이 글과 비슷한

에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

실리콘투의 사내 지식 MCP 게이트웨이 구축기