pile·
AI / ML·vercel-blogVercel Blog·

AI SDK v7 출시 — Node.js 22+, ESM 전용, 에이전트 플랫폼으로 진화

Vercel의 AI SDK v7이 출시됐다. TypeScript로 AI 에이전트를 프로덕션에서 구축, 실행, 통합, 관찰하는 전 과정을 커버하는 플랫폼으로 진화했다. Node.js 22 이상과 ESM 전용이 필수 요건이 되는 주요 breaking change가 포함됐으며, 자동 마이그레이션 codemod를 제공한다.

핵심 포인트
  • Node.js 22+ 필수, CommonJS 미지원(ESM only)으로 변경됐다. 기존 CJS 프로젝트는 마이그레이션이 필요하다.
  • 지속형 WorkflowAgent 도입으로 장기 실행 에이전트 워크플로우를 선언적으로 정의할 수 있다.
  • MCP(Model Context Protocol) 앱 지원 추가로 SDK로 직접 MCP 호환 도구 서버를 구축 가능하다.
  • Codex, Claude Code, Deep Agents 등 외부 에이전트와의 통합 인터페이스가 공식화됐다.
  • OpenTelemetry 기반 텔레메트리 개선으로 에이전트 실행 가시성이 높아졌다.
  • codemod(npx @ai-sdk/codemod v7)로 대부분의 v7 마이그레이션을 자동화할 수 있다.
상세 정리
  • Breaking change 핵심: Node.js 22 이상이 필수이며, CommonJS(require) 방식은 더 이상 지원하지 않는다. ESM(import/export)으로 전환하지 않으면 v7이 동작하지 않는다.
  • 자동 마이그레이션: npx @ai-sdk/codemod v7 실행 시 import 경로 변경, API 이름 변경 등 대부분을 자동 변환한다. 이후 수동 확인이 필요한 부분은 공식 마이그레이션 가이드에 명시돼 있다.
  • WorkflowAgent: 장기 실행 에이전트 워크플로우를 선언적으로 정의하는 새 프리미티브다. 타임아웃과 샌드박스 지원이 함께 도입돼 프로덕션 에이전트의 안정성을 높인다.
  • 추론 제어(reasoning control): 모델이 생각하는 과정에 개입하거나 추론 예산을 설정할 수 있다. 복잡한 멀티스텝 에이전트에서 비용과 응답 품질을 균형 있게 조절할 때 유용하다.
  • 도구 컨텍스트(tool context): 각 도구 호출에 타입 안전한 컨텍스트를 넘길 수 있는 API가 추가됐다. 사용자 ID나 요청 메타데이터를 도구 내부에서 안전하게 참조할 수 있다.
  • 도구 승인(tool approval): 특정 도구 호출 전에 사람의 확인을 요구하는 흐름을 선언적으로 설정한다. 금융 트랜잭션이나 외부 API 호출처럼 되돌리기 어려운 액션에 적용할 수 있다.
  • MCP 앱 지원: SDK 내에서 직접 MCP 서버를 구현할 수 있어, Claude Desktop 등 MCP 호환 클라이언트와 연동하는 도구 서버를 별도 서비스 없이 만들 수 있다.
  • 관찰성: OpenTelemetry 통합이 강화돼 에이전트가 어떤 도구를 얼마나 호출했는지 스팬 단위로 추적 가능하다. 성능 통계 API도 추가됐다.
  • 미디어 확장: 오디오 전사, 이미지 생성, 실시간 음성이 정식 지원되고, 비디오 생성은 실험적으로 추가됐다.
  • 외부 에이전트 통합: Codex, Claude Code, Deep Agents 등이 이 SDK 기반 도구를 직접 임포트해 사용할 수 있는 통합 인터페이스가 공식화됐다.
왜 읽나TypeScript로 AI 에이전트나 챗봇을 프로덕션에서 운영하는 개발자가 v7 마이그레이션 필수 사항(Node.js 22+, ESM)과 새 기능(WorkflowAgent, MCP 앱, tool approval)을 한눈에 파악하는 데 필요하다.
vercel-blog
Vercel Blog 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)

이 글과 비슷한

  1. AI / ML·airbnb-engAirbnb Engineering·

    몇 주에서 하루로: Airbnb의 LLM 평가 속도 개선기

    Airbnb가 LLM 기반 시스템 개발 시 평가 인프라의 비결정성 문제를 4계층 구조로 해결해 평가 사이클을 몇 주에서 하루로 단축한 과정을 다룬다. 저자는 LLM 파이프라인의 진짜 병목이 모델 성능이 아닌 신뢰할 수 있는 평가 설계에 있음을 지적하며, 기존 소프트웨어 엔지니어링 패턴을 체계적으로 적용하는 것이 가장 큰 레버리지라고 강조한다.

    #llm#mlops#caching+2
  2. AI / ML·무신사 테크무신사 테크·

    MATCH란 무엇인가

    무신사의 MATCH(Musinsa Audience Targeting & Customer Hub)는 고객 데이터를 비즈니스 성과로 전환하는 AI 기반 타겟팅 의사결정 레이어다. 개별 채널 최적화가 전체 고객 경험을 오히려 해치는 '최적화의 역설'을 해결하기 위해 설계됐으며, 규칙 기반 타겟팅에서 AI 기반 유저-소재 적합도 예측 방식으로 패러다임을 전환했다.

    #push-notification#machine-learning#personalization+2
  3. AI / ML·네이버 D2네이버 D2·

    [AI 해커톤 후기] AI 시대의 해커톤과 인간의 역할: AI의 계획과 사람의 전략

    네이버가 전사 차원에서 연 AI 해커톤에서 한 팀이 경비 정산 자동화 봇을 구현한 과정을 돌아본다. Chrome 익스텐션, FastAPI 콜백 서버, WORKS 챗봇을 연결하는 2단계 인증 구조로 영수증 10장 정산을 월 1시간에서 30초로 줄였다. AI는 계획과 구현에서 압도적인 속도를 냈고, 불확실성 속에서 가설을 세우고 조직 내 의존성을 풀어내는 전략은 사람의 몫으로 남았다는 것이 핵심 결론이다.

    #ai-coding#llm-agent#mcp+2