콘텐츠로 이동
AggregaAggrega
언어 선택: 한국어
이 페이지는 기계 번역되었습니다. 영어 원문 읽기.

비전과 포지셔닝

이 장에서는 기본 문제 영역, 플랫폼의 엄격한 반목표, 더 넓은 생태계와의 관계, 그리고 Aggrega 생태계를 이끄는 전반적인 철학을 정립합니다.

인프라의 의미적 간극과 Aggrega 시스템이 이를 메우는 방법

기업 클라우드 환경은 현재 지속적인 의미적 간극에 제약을 받고 있습니다. 전통적인 Infrastructure-as-Code(IaC) 도구는 물리적 상태를 관리하지만, 애플리케이션 계층의 컨텍스트는 본래 갖고 있지 않습니다.

Terraform 같은 기반 도구는 상태 관리자입니다. 물리적 컴퓨팅 노드를 프로비저닝하지만, 이러한 노드 사이에서 일어나는 논리적 L7 데이터 흐름은 모델링하지 않습니다. 아키텍처를 기본적으로 분석하여 AI 프롬프트 체인을 추적하거나 “Confused Deputy” 공격을 막는 데 필요한 시맨틱 방화벽을 프로비저닝할 수 없습니다. 반대로 Kubernetes 네이티브 도구(KubeVela 등)는 활성 런타임 컨트롤러로 동작하며, 엔터프라이즈 보안 팀이 요구하는 정적이고 사전(ahead-of-time)에 생성된 규정 준수 아티팩트는 그 범위 밖에 있습니다.

Aggrega 시스템은 Ahead-of-Time(AOT) 토폴로지 컴파일러로 동작하여 이 문제에 대응하며, 현대 플랫폼 엔지니어링과 AI 워크로드의 다음 병목을 겨냥합니다:

1. 추상적 용량 대 물리적 메커니즘

  • 문제: 개발자가 전통적인 IaC를 작성하면 물리 인프라 제약(AWS EBS 볼륨이나 EC2 인스턴스 크기를 하드코딩하는 것 등)이 애플리케이션 로직으로 자주 새어 들어갑니다. 이런 강한 결합은 이식성을 떨어뜨리고 워크로드를 의도치 않게 특정 클라우드 벤더에 묶어 둡니다.
  • 해결책: Aggrega 시스템은 추상적 용량과 물리적 메커니즘 사이의 경계를 구조적으로 플랫폼 카탈로그에 위임합니다. 컴파일러에 하드코딩된 금지에 의존하는 대신, Platform Architect 역할이 엄격한 JSON Schema 2020-12 선언(일반적으로 간결한 형식, 즉 필드별 제약을 한 줄에 담는 YAML 형태의 축약 표기)을 작성하여 개발자가 요청할 수 있는 것을 정확히 통제합니다. 일반적으로 개발자는 추상적인 생존 요구 사항(예: storage_size: 100Gi 또는 hardware/accelerator: gpu)으로 제한되며, 임의의 클라우드 스토리지 클래스를 주입할 수 없습니다. 컴포넌트의 스키마가 이를 거부하기 때문입니다. 애플리케이션이 정말로 특정 물리 EC2 인스턴스 유형을 필요로 한다면, Architect 역할이 그 조절 항목을 컴포넌트 인터페이스에 명시적으로 노출해야 하며, 이로써 벤더 종속은 우발적인 누수가 아니라 의식적이고 통제된 선택이 됩니다.

2. 진정한 제어 역전과 의미적 연결

  • 문제: 마이크로서비스 간에 IP 주소, 데이터베이스 연결 문자열(DSN), 네트워크 포트를 수작업으로 엮으면 취약하고 환경에 묶인 아키텍처가 만들어집니다. 조직은 현재 복잡한 변수 재정의 계층, Kustomize 패치, 중복된 배포 스크립트로 이러한 전환을 관리하지만, 이 수작업 변환 로직을 유지하는 것은 워크로드를 로컬 노트북에서 프로덕션 클라우드로 승격할 때 상당한 운영 마찰과 인지 부하를 낳습니다.
  • 해결책: Aggrega 시스템은 명시적인 Injection Contract를 통해 하드코딩된 인프라 의존성을 진정한 제어 역전(True Control Inversion)으로 대체합니다. 개발자는 의미적 토폴로지 엣지(예: “에이전트 A가 데이터베이스 B를 사용한다”)를 선언하고, 코드가 연결 데이터를 어떻게 받기를 기대하는지(예: 환경 변수 또는 파일 마운트)를 지정하기만 하면 됩니다. 컴파일러는 Ops 담당자가 대상에 할당한 결정적 포인터 — Kubernetes 내부 DNS 이름이든, Terraform 보간 문자열이든, Wasm 형식의 DSN이든 — 를 받아 해석하지 않고 렌더링 템플릿에 직접 전달합니다. 이로써 현대 워크로드에서 물리적 라우팅과 포트가 개발자로부터 추상화됩니다. 컴파일러는 결정적 문자열을 전달할 뿐이며, 환경 전반에 걸친 안정적인 의존성 연결은 Recipe 작성 규율의 속성이지(Ops 담당자가 환경에 맞는 결정적 포인터를 제공합니다) 컴파일러 코어의 보장이 아닙니다.

3. AI 울타리 정원과 클라우드 네이티브 현실을 잇기

  • 문제: AI 프레임워크는 인프라가 당연히 존재한다고 가정하고, 파편화되고 하드코딩된 YAML 파일로 에이전트, RAG 파이프라인, 데이터베이스를 수작업으로 연결하는 일을 Ops 담당자에게 남깁니다.
  • 해결책: Aggrega 시스템은 토폴로지 번역기로 동작합니다. 개발자의 선언적 DSL을 컴파일하여, 컴파일러는 복잡한 멀티 에이전트 추론 루프를 표준 클라우드 인프라에 직접 연결하는 데 필요한 정확한 구성을 생성하며, 개발자는 인프라 스크립트를 작성하지 않습니다.

4. 인프라가 강제하는 가드레일과 MCP 방어

  • 문제: 애플리케이션이 침해되거나, AI가 Model Context Protocol(MCP)을 통해 내부 도구에 접근할 수 있는 상태에서 환각을 일으키면 소프트웨어 수준의 가드레일은 실패합니다.
  • 해결책: Aggrega 시스템은 엄격한 실행 인계(Execution Handoff)를 통해 신뢰 경계를 애플리케이션 코드 밖으로 꺼내 네트워크 인프라 안으로 옮깁니다. 교체 가능한 WebAssembly 거버넌스 소켓으로 정적 애플리케이션 그래프를 검증한 뒤, 컴파일러는 렌더링 플러그인을 실행하여 L7 가로채기 프록시(데이터 마스킹이나 사람 승인 웹훅 등)에 필요한 정확한 구성을 생성합니다. 그런 다음 이 아티팩트를 런타임 오케스트레이터에 넘기며, 오케스트레이터가 규칙을 물리적으로 강제하고 무단 작업을 차단합니다.

5. AI 트래픽 중앙화와 게이트웨이 거버넌스

  • 문제: LLM 트래픽을 관리하려면 표준 마이크로서비스 게이트웨이에는 없는 고도로 전문화된 라우팅(토큰 예산, 의미 캐싱, 장애 조치)이 필요합니다.
  • 해결책: Aggrega 시스템은 기능에 구애받지 않으므로, 애플리케이션과 인프라 사이의 경계는 전적으로 사용자에게 달려 있습니다. Aggrega 시스템은 “그린필드” 순수 인프라 Aggregates에 사용할 수도 있고, 개발자가 애플리케이션의 일부로 명시적으로 요청하면 기업용 AI Gateway 구성을 필요에 따라 생성할 수도 있습니다. 요청이 있으면 컴파일러는 WebAssembly 렌더링 플러그인과 Ops Recipes 항목을 활용해 이러한 게이트웨이용 정확한 아티팩트를 출력하며, 런타임 인프라가 의미 캐싱과 프로바이더 간 대체 체인을 물리적으로 실행할 수 있게 합니다.

6. 상태 저장 인지 메모리와 로컬 모델 호스팅

  • 문제: 벡터 데이터베이스와 에피소드 로그를 범용적이고 평면적인 스토리지로 취급하면, 탈취된 에이전트가 중요한 의미적 사실을 쉽게 덮어쓸 수 있습니다.
  • 해결책: Aggrega 시스템은 벡터 저장소와 로컬 모델을 토폴로지 그래프의 명시적인 아키텍처 노드로 취급합니다. 사용자가 요청한 것과 Ops 팀이 자신의 Recipes에 구현한 것에만 엄격히 근거하여, 컴파일러는 WebAssembly 플러그인을 활용해 이들을 보호하는 데 필요한 정확한 아티팩트를 출력합니다. 여기에는 자율 에이전트를 격리된 메모리 파티션에 매핑하는 데 필요한 엄격한 네트워크 정책을 생성하는 일과, 런타임 오케스트레이터가 로컬 모델을 최적화된 GPU 하드웨어에 배치하도록 특정 스케줄링 제약(Kubernetes nodeSelectors 등)의 형식을 지정하는 일이 포함됩니다.

7. 진정한 클라우드 및 기능 비종속성(지연 바인딩)

  • 문제: 복잡한 아키텍처를 로컬 Docker 테스트 환경에서 프로덕션 Kubernetes로 옮기려면 완전히 분리되고 중복된 배포 스크립트를 유지해야 합니다.
  • 해결책: Aggrega 시스템은 “지연 바인딩”에 의존합니다. 개발자는 하나의 추상 청사진만 작성합니다. 그러면 플랫폼 운영자는 Manifest 잠금 파일과 Release 라우터를 교체하기만 하면 정확히 같은 토폴로지를 로컬 테스트용 Docker Compose나 프로덕션용 AWS/EKS에 매핑할 수 있습니다. 이는 애플리케이션의 인지 로직을 물리 인프라에서 깔끔하게 분리하여, 핵심 아키텍처에 대해 “한 번 작성하면 어디서나 실행되는” 경험을 제공하고, 벤더 종속을 우발적인 부산물이 아니라 통제된 의도적 선택으로 만듭니다.
graph TD
    A["Single Abstract Blueprint<br/>Aggregate.yaml"]

    subgraph LateBinding ["Late Binding Phase"]
        B{"Manifest Mapping"}
    end

    A --> B

    B -->|"Manifest: local-dev"| C["Local Provider<br/>Docker Compose"]
    B -->|"Manifest: aws-prod"| D["Cloud Provider<br/>EKS + AWS Bedrock"]
    B -->|"Manifest: azure-prod"| E["Cloud Provider<br/>AKS + Azure OpenAI"]

플랫폼 경계와 반목표(Aggrega 시스템이 아닌 것)

아키텍처의 순수성을 유지하고 범위가 점점 커지는 것을 막기 위해, Aggrega 시스템은 엄격하고 협상할 수 없는 경계 안에서 동작합니다. 이 플랫폼은 자신이 해결하는 문제를 신중하게 선택하며, 자신이 하지 않는 일도 똑같이 지킵니다.

1. IaC 생성기가 아니라 결정적 컴파일러

Aggrega 시스템은 “대신 Terraform을 써 주는” AI 에이전트가 아닙니다. 엄격한 도메인 특화 언어(DSL)를 파싱하여 재현 가능하고 감사 가능한 배포 아티팩트를 보장하는 결정적 Go 컴파일러입니다. 인프라를 환각으로 지어내지 않습니다.

2. 인지 로직이나 애플리케이션 코드는 없음

Aggrega 시스템의 도메인 분할은 콘웨이의 법칙을 강제하지 않고 지침으로 따르며, Aggrega 시스템은 팀에 독점 언어 채택을 요구하지 않습니다. 개발자에게 AI 추론 로직, LangGraph 노드, Python 임베딩을 플랫폼 전용 클라우드 언어로 다시 작성하도록 강요하지 않습니다. 컴파일러는 애플리케이션을 블랙박스로 취급합니다. 안전한 도로와 벽을 구성하는 것은 컴파일러이고, 차를 운전하는 것은 애플리케이션 프레임워크입니다.

3. 운영 및 수명 주기 반목표

  • CI/CD 파이프라인이 아님: Aggrega 시스템은 Docker 이미지를 빌드하지 않고, 단위 테스트를 실행하지 않으며, Git 저장소를 관리하지 않습니다. 개발자는 애플리케이션 코드를 빌드하는 데 기존 도구를 사용해야 합니다. Aggrega 시스템은 그 빌드에 동반되는 선언적 인프라 청사진만 엄격하게 컴파일합니다.
  • 능동적인 클러스터 오케스트레이터가 아님(GitOps 없음): Aggrega 시스템은 Ahead-of-Time(AOT) 정적 컴파일러이지, 상태를 지속적으로 조정하는 능동적인 클러스터 에이전트가 아닙니다. 전용 GitOps 도구(ArgoCD 또는 Flux 등)가 배포할 표준 Kubernetes 매니페스트와 Docker Compose 구성을 출력합니다.
  • 인지 상태 관리자가 아님: 컴파일러는 플러그인을 활용해 안전한 네트워크 경계와 물리 데이터베이스의 구성을 생성합니다. 그러나 AI 에이전트 내부의 메모리 루프는 모니터링하지 않습니다. AI가 환각을 일으키거나 데이터베이스에 쓰지 못하는 것은 애플리케이션 프레임워크의 문제입니다.
  • “Day 0” 프로비저너가 아님: Aggrega 시스템은 일반적으로 기반 제어 평면(예: 활성 Kubernetes 클러스터나 AWS 계정)이 이미 존재한다고 가정합니다. 그 기반 위에 “Day 1” 애플리케이션 아키텍처를 컴파일할 뿐, 기업 클라우드 조직을 만드는 초기 스크립트는 실행하지 않습니다.
  • 예외(플랫폼 Aggregates 항목과 혼합 사용 사례): Aggrega 시스템은 기능에 종속되지 않으므로 “그린필드” 시나리오를 기본적으로 지원합니다. Platform Architect 역할이 플랫폼 Aggregate 안에 Day-0 인프라(VPC와 Kubernetes 클러스터 등)를 정의하면, Aggrega 시스템은 표준 애플리케이션과 정확히 같은 방식으로 이를 컴파일하고 렌더링합니다. 이러한 비종속성은 혼합 환경을 매끄럽게 지원합니다. 무거운 아키텍처 노드 — 예를 들어 Enterprise AI Gateway — 는 기존 인프라 리소스로 모델링할 수도 있고(트래픽을 전달만 하는 포매터 플러그인 사용), 표준 프로비저닝 컴포넌트로서 애플리케이션 옆에 직접 배포할 수도 있습니다.

4. 애플리케이션 패러다임 및 인프라 반목표

  • 탈중앙화 또는 P2P 네트워크는 지원하지 않음: 생성된 구성은 L4/L7 네트워크 경계를 강제할 수 있는 중앙 집중식 기업 제어 평면(Kubernetes/VPC)에 의존합니다. 탈중앙화 블록체인이나 공개 P2P 네트워크에서 서로를 동적으로 발견하는 에이전트에 대해서는 컴파일러가 안전한 라우팅을 생성할 수 없습니다.
  • 제로 카피 또는 공유 메모리 시스템 미지원: Aggrega의 보안 모델은 정책을 적용하기 위해 네트워크 수준 가로채기(예: Envoy 사이드카)를 위한 구성을 생성하는 데 의존합니다. 에이전트 무리가 노드 내부의 공유 시스템 메모리(예: Ray Core Actors)만을 통해 통신하는 경우, 네트워크 프록시는 해당 통신을 볼 수 없으며 가드레일을 적용할 수 없습니다.
  • 클라이언트 측 에이전트는 지원하지 않음: Aggrega 시스템은 엄격히 백엔드 인프라 컴파일러입니다. 최종 사용자의 Chrome 브라우저나 모바일 엣지 안에서만 실행되는 관리되지 않는 AI 모델에 대해서는 구성을 생성할 수 없습니다.
  • JIT 임시 샌드박싱(요청별 마이크로 세분화)은 지원하지 않음: Aggrega 시스템은 장기 실행 컴퓨팅(Kubernetes Deployment 등)을 위한 아티팩트를 컴파일하도록 설계된 AOT 정적 컴파일러입니다. 피해 범위를 제한하기 위해 요청마다 컨테이너 전체를 띄웠다가 없애는 Just-In-Time(JIT) 임시 샌드박싱은 기본적으로 지원하지 않습니다.

5. 인접 도구와의 관계

Aggrega 시스템의 교체 가능한 WebAssembly(Wasm) 렌더링 소켓 덕분에 커뮤니티는 어떤 대상 도구에 대해서도 렌더러 플러그인을 작성할 수 있습니다. 핵심 프로젝트는 Helm, Helm-chart, Compose, Terraform, CloudFormation용 렌더링 플러그인을 제공하여 Kubernetes GitOps, 재배포 가능한 차트 배포, 로컬 개발, 선언적 클라우드 리소스를 다루며, 개방된 소켓을 통해 팀은 코어를 건드리지 않고 다른 정적 아티팩트 대상을 겨냥할 수 있습니다. Aggrega 시스템을 평가하는 팀은 스택에서 가깝지만 구별되는 부분에 위치한 도구들을 중심으로 구축된 생태계에서 오는 경우가 많습니다. 아래 도구들은 Aggrega 시스템과의 관계에 따라 분류되어 있습니다. 렌더링 대상으로 삼는 아티팩트 형식, 공유하는 AOT 컴파일러 영역, 그 출력을 소비하는 제어 평면, 그리고 대상으로 삼지 않는 인접 구성 관리 영역입니다.

Aggrega 시스템이 렌더링하는 아티팩트 형식. 제공되는 렌더러 플러그인이 생성하는 Kubernetes 및 로컬 개발용 출력입니다. 제공되는 Terraform 및 CloudFormation 렌더러는 다음 그룹에서 해당 도구와 함께 나옵니다.

  • Helm은 Kubernetes 소프트웨어의 표준 패키징 및 템플릿 형식입니다. Aggrega 시스템은 렌더링된 Helm YAML과 엄브렐라 차트를 모두 일급 출력 대상으로 내보내므로, Helm 기반 워크플로가 Aggrega 출력을 직접 소비합니다.
  • Docker Compose는 로컬 멀티 컨테이너 개발의 표준입니다. Aggrega Compose 렌더러가 이를 직접 대상으로 삼으므로, 하나의 청사진이 별도의 작성 표면 없이 로컬에서 실행됩니다.

AOT 컴파일러 영역. 이 도구들도 추상적이거나 코드 수준의 의도를 정적 아티팩트로 컴파일하고 이를 배포하기 직전에 멈춥니다. Aggrega 시스템은 개방된 렌더러 소켓을 통해 같은 최종 아티팩트 중 여러 가지를 대상으로 삼으며, 렌더러 플러그인이 제공되지 않는 대상은 코어를 변경하는 대신 플러그인을 작성하여 도달할 수 있습니다.

  • Terraform / OpenTofu는 선언적 HCL로 클라우드 리소스를 프로비저닝하고 CLI 엔진으로 상태를 관리합니다. Aggrega 시스템은 정적 아티팩트로 컴파일하고 상태 실행은 런타임에 맡기며, 제공되는 Terraform 렌더러는 Terraform 또는 OpenTofu가 적용하는 구성을 출력할 뿐 둘 중 어느 것도 실행하지 않습니다.
  • AWS CloudFormation, Azure Resource Manager(ARM) / Bicep, Google Cloud Deployment Manager는 각 클라우드의 기본 선언적 프로비저닝 형식입니다. Aggrega 시스템은 스택 템플릿을 출력하는 CloudFormation 렌더러를 제공하며, ARM / Bicep과 Deployment Manager는 작성자가 개방된 소켓을 통해 렌더링할 수 있는 정적 아티팩트 대상입니다.
  • AWS CDK와 CDKTF는 범용 코드를 각각 CloudFormation JSON과 Terraform JSON으로 변환하는 정적 AOT 컴파일러입니다. Aggrega 시스템은 렌더러 소켓을 통해 같은 종류의 최종 정적 아티팩트를 대상으로 삼으므로, 둘은 서로 다른 경로로 하나의 아티팩트에 도달합니다. CDK와 CDKTF는 범용 코드에서, Aggrega 시스템은 선언적 토폴로지 청사진에서 출발합니다.
  • Pulumi는 개발자가 범용 언어(TypeScript, Python, Go)로 인프라를 작성하게 하며, 그 핵심 가치는 인프라를 실행 가능한 코드로 다루는 데 있습니다. Aggrega 작성 표면은 선언적 YAML 청사진이며, 개발자가 작성하는 대상은 API 표면이 아니라 추상화입니다. 각각은 개발자와 인프라 사이의 계약이 어디에 있는지에 대한 서로 다른 철학을 반영합니다.
  • AWS SAM과 Serverless Framework는 YAML 사양을 서버리스 함수와 API 게이트웨이 리소스로 정적으로 변환합니다. 이는 Aggrega 소켓이 대상으로 삼을 수 있는 아티팩트 영역 중 한정된 일부입니다.
  • Nitric, Klotho, Winglang은 클라우드를 인식하는 프로그래밍 모델로, 그 AOT 컴파일러는 선언적 토폴로지 청사진이 아니라 애플리케이션 코드에서 표준 인프라 파일을 내보냅니다.
  • Score.dev는 기본 워크로드 용량 — CPU, 메모리, 포트 — 에 대한 선언적 추상화로, Docker Compose나 Helm으로 렌더링됩니다. 이는 Aggrega 시스템이 다루는 범위 중 한정된 일부를 다룹니다. 컴포넌트 간 토폴로지, 정책을 위한 거버넌스 소켓, Wasm 어댑터, AI 특화 기능은 Score의 범위 밖입니다.

Aggrega 출력을 소비하는 제어 평면. 이들은 실행 중인 클러스터 안에서 동작하며 선언적 아티팩트를 적용합니다. Aggrega 시스템은 엄격히 사전(ahead-of-time) 방식이며, 이 시스템들이 조정하는 매니페스트를 생성합니다.

  • ArgoCD와 Flux는 Git에 저장된 매니페스트를 클러스터에 조정하는 GitOps 컨트롤러입니다. 이들은 Aggrega Kubernetes 출력을 다른 선언적 YAML과 똑같이 적용합니다.
  • Crossplane과 KubeVela는 클러스터 안에서 원하는 상태를 조정하는 능동적인 Kubernetes 제어 평면 오퍼레이터입니다. Crossplane 또는 KubeVela 클러스터는 Aggrega Kubernetes 출력을 다른 선언적 YAML과 똑같이 소비할 수 있으며, 두 계층은 서로를 보완합니다.
  • Microsoft Radius는 애플리케이션에서 인프라까지를 다루는 제어 평면으로, 클러스터 안에서 원하는 상태를 조정하며 Aggrega 시스템이 생성하는 종류의 선언적 아티팩트를 소비합니다.
  • Spinnaker는 아티팩트를 VM 및 Kubernetes 대상에 배포하는 지속적 전달 엔진으로, Aggrega 시스템이 차지하는 아티팩트 생성 단계의 하류에 있습니다.

인접한 구성 관리. 이 도구들은 토폴로지 컴파일과는 다른 서버 상태 및 YAML 패치 문제를 다루며, Aggrega 시스템은 그 영역을 대상으로 삼지 않습니다.

  • Ansible은 장기 실행 VM과 온프레미스 플릿에서 순차적 플레이북을 실행하기 위한 명령형 구성 관리 도구입니다. Aggrega 시스템은 컨테이너와 클라우드 API 대상을 위한 선언적 토폴로지 아티팩트를 내보냅니다. 컨테이너화된 워크로드와 함께 서버 상태 관리에 Ansible을 사용하는 팀은 일반적으로 그 역할에는 Ansible을 계속 쓰고, 애플리케이션 토폴로지에는 Aggrega 시스템을 사용합니다.
  • Chef, Puppet, SaltStack은 플릿 전반에서 서버 상태를 수렴시키는 에이전트 기반 구성 관리 시스템으로, 정적 토폴로지 컴파일과는 다른 문제 영역입니다.
  • Kustomize는 템플릿 없이 Kubernetes YAML을 패치하며 kubectl에 내장되어 있습니다. 토폴로지 청사진을 매니페스트로 컴파일하는 대신 기존 매니페스트를 변환합니다.