제이타운 CEO와의 인터뷰 — 에이전트에 컴퓨터를 주는 것

Daytona는 AI 에이전트에게 격리된 컴퓨팅 환경(샌드박스)을 제공하는 인프라 플랫폼으로, 최근 월 74% 성장률과 일일 85만 건의 실행 처리량을 기록하며 급부상하고 있다. 핵심 기술은 베어메탈(Bare Metal) 위에 직접 구축된 샌드박스로, 일반적인 가상머신이나 컨테이너 기반 솔루션과 달리 하이퍼바이저 오버헤드를 제거하여 millisecond 단위의 빠른 부팅 속도와 높은 성능을 제공한다. 에이전트가 코드를 작성·실행·검증하는 과정에서 필요한 파일 시스템, 네트워크, GPU 리소스를 안전하게 격리된 환경에서 즉시 제공하며, 강화학습 평가(RL Evals)를 위한 대규모 병렬 실행 환경으로도 활용된다. 이는 LLM 에이전트가 단순히 텍스트를 생성하는 것을 넘어 실제 코드를 실행하고 그 결과를 피드백으로 받아 학습하는 '에이전트 클라우드(Agent Cloud)' 패러다임의 핵심 인프라로 자리잡고 있다.

개발자 입장에서 가장 큰 변화는 AI 에이전트 개발의 운영 부담이 크게 줄어든다는 점이다. 기존에는 Claude Code, Cursor, Devin 같은 코딩 에이전트를 자체 서비스로 통합할 때 코드 실행 환경의 보안 격리, 상태 관리, 동시성 처리, 비용 최적화 등을 직접 구현해야 했다. Daytona 같은 샌드박스 서비스를 활용하면 API 호출 한 번으로 격리된 실행 환경을 즉시 확보할 수 있어, 사이드 프로젝트나 스타트업이 에이전트형 제품을 빠르게 출시할 수 있다. 특히 RL 기반으로 모델을 파인튜닝하려는 팀은 수천 개의 샌드박스를 병렬로 띄워 평가를 돌릴 수 있어, 그간 OpenAI나 Anthropic 같은 빅테크의 전유물이었던 RLHF/RLVR 워크플로우가 점차 민주화되는 흐름이다.

한국 개발자가 주목해야 할 포인트는 두 가지다. 첫째, AI 에이전트가 실제 코드를 실행하는 시대로 빠르게 전환되고 있으므로, 자신이 만드는 제품에 코드 실행 기능을 통합할 때 E2B, Daytona, Modal, Replit Agent 같은 샌드박스 인프라를 비교 검토할 필요가 있다. 단순히 OpenAI Code Interpreter API에 의존하기보다 비용·성능·커스터마이징 측면에서 우위가 있는 옵션을 직접 고를 수 있어야 한다. 둘째, 자체 에이전트 모델을 학습시키지 않더라도 평가(eval) 파이프라인을 샌드박스 기반으로 구축해 두면, 모델 업그레이드 시마다 정량적 회귀 테스트가 가능해진다. 향후 1~2년 내에 코드 실행 가능한 에이전트 인프라는 AWS S3 수준의 표준 빌딩블록이 될 것으로 보이며, 지금부터 PoC 수준에서라도 도입 경험을 쌓아두는 것이 경쟁력으로 작용할 것이다.