Cloudflare OS는 조직의 지식과 업무 절차, 내부 시스템을 AI 에이전트와 연결해 문서·앱·워크플로를 만들 수 있도록 설계된 오픈소스 플랫폼이다. 일반적인 대화형 AI처럼 브라우저에서 시작하지만, 조직이 선별한 맥락과 스킬을 작업 공간에 제공하고 에이전트가 실제 업무 시스템에 접근하도록 구성할 수 있다는 점을 전면에 내세운다.
이번 공개에서 중요한 부분은 새로운 채팅 화면 자체가 아니다. 대화에서 얻은 결과를 일회성 답변으로 끝내지 않고, 계속 수정할 수 있는 문서나 앱, 반복 실행되는 워크플로로 발전시키려는 구조가 핵심이다. 다만 오픈소스라는 사실만으로 설치와 운영이 간단하거나 비용이 낮다고 판단해서는 안 된다. 실제 도입 전에는 배포 방식, 모델 이용 비용, 권한 구조, 연결 가능한 시스템, 유지보수 책임을 별도로 확인해야 한다.
Cloudflare OS에서 달라지는 것
Cloudflare는 먼저 사내 구성원에게 초기 버전을 제공해 사용했다고 설명한다. 엔지니어뿐 아니라 여러 직무의 구성원이 문서와 발표 자료를 만들고, 반복 작업을 자동화하며, 데이터를 시각화하는 소규모 앱을 만드는 데 활용했다. 팀이 축적한 용어, 절차, 반복 업무의 권장 방식을 에이전트가 따를 수 있는 지침으로 공유하는 라이브러리도 운영했다.
이 경험을 바탕으로 새 버전은 크게 세 부분을 결합한다.
- 에이전트 작업 공간: 대화 세션, 지속 상태, 결과물과 파일, 리소스 접근 권한, 코드를 작성하고 실행할 수 있는 격리된 실행 환경을 한 작업 공간에 묶는다.
- 보안과 거버넌스: 에이전트와 앱이 내부 데이터 및 서비스에 접근할 때 권한을 통제할 수 있는 플랫폼 차원의 구조를 제공한다.
- 수정 가능한 개인·협업 앱: 사용자가 에이전트와 함께 앱을 만들고 공유한 뒤 인터페이스, 로직, 상태를 계속 변경할 수 있도록 한다.
웹 브라우저에서 사용할 수 있어 모든 이용자가 터미널이나 개발 도구를 알아야 하는 것은 아니다. 반면 실제 시스템 연결, 접근 정책, 배포 환경, 공용 스킬 관리까지 고려하면 조직 차원의 기술 운영은 여전히 필요하다. 개인이 바로 쓰는 완제품형 AI 서비스라기보다, 조직이 자신의 환경에 맞게 배포하고 구성하는 플랫폼으로 보는 편이 정확하다.
일반적인 AI 채팅과 구분해야 할 지점
대화형 AI에 매번 회사 용어와 절차를 다시 설명하면 응답 품질이 사람의 프롬프트 작성 능력에 크게 좌우된다. Cloudflare OS는 조직이 검토한 맥락과 스킬을 작업 공간에 미리 연결해 이런 반복을 줄이려 한다. 누군가 반복 업무의 더 나은 방법을 정리하면 다른 구성원도 같은 지침을 이용할 수 있다는 접근이다.
또한 데이터 전체를 모델의 문맥 창에 넣는 방식만을 전제로 하지 않는다. 에이전트가 격리된 환경에서 코드를 작성해 정보를 검색하고, 필터링하고, 결합하고, 분석할 수 있도록 설계됐다. 연구 자료나 업무 데이터가 클 때는 유용한 방향이지만, 어떤 데이터가 실행 환경으로 전달되고 무엇이 모델 제공자에게 전송되는지는 실제 배포 설정과 연결 방식에 따라 확인해야 한다.
결과물도 정적인 파일에만 머물지 않는다. 문서, 발표 자료, 스프레드시트를 만든 뒤 원본 데이터와 연결된 상태로 갱신하거나 익숙한 형식과 서비스로 내보낼 수 있다는 구상이다. 문서만으로 부족하면 자체 화면과 로직, 상태를 가진 협업 앱으로 확장할 수 있다. 원문은 Google Drive를 내보내기 대상의 한 사례로 언급하지만, 구체적인 연동 범위와 인증 조건은 적용 전에 공식 문서에서 확인할 필요가 있다.
개발자가 주목할 구조
에이전트와 코드를 함께 사용하는 작업 공간
작업 공간에는 에이전트 세션뿐 아니라 파일, 결과물, 지속 상태와 격리된 코드 실행 환경이 포함된다. 따라서 질문에 대한 텍스트 답변만 받는 것이 아니라, 데이터를 처리하는 코드와 그 결과를 하나의 작업 단위로 관리할 가능성이 생긴다. 개발자는 지원 언어, 런타임 제한, 네트워크 접근, 패키지 설치, 실행 시간, 저장 공간, 로그와 오류 추적 방식부터 확인해야 한다. 제공된 소개만으로는 이 세부 조건을 확정할 수 없다.
결정적인 단계와 판단이 필요한 단계의 분리
모든 작업에 전체 에이전트 세션을 사용할 필요는 없다. 순서가 정해진 단계는 코드로 실행하고, 분류나 요약처럼 판단이 필요한 일부 단계에서만 모델을 이용하는 워크플로를 만들 수 있다는 설명이다. 이런 구성이 실제로 가능하면 결과의 재현성을 높이고 불필요한 모델 호출을 줄이는 데 도움이 될 수 있다.
워크플로는 필요할 때 직접 실행하거나 일정에 맞춰 실행하고, 연결된 시스템의 이벤트를 계기로 작동하도록 구성할 수 있다. 하지만 재시도, 중복 실행 방지, 실패 알림, 승인 단계, 실행 이력, 비밀정보 관리가 어느 수준까지 지원되는지는 별도 검증 대상이다. 기존 CI/CD나 업무 자동화 도구를 대체한다고 가정하기보다 작은 작업 하나를 옮겨 운영 특성을 비교하는 편이 안전하다.
기존 MCP 연결 활용
Cloudflare OS는 조직이 이미 사용하는 Model Context Protocol 서버를 MCP Server Portals를 통해 지원한다고 설명한다. 기존 MCP 도구가 있다면 연결 자산을 재사용할 가능성이 있지만, 서버에 연결할 수 있다는 사실과 각 사용자가 서버 아래의 모든 리소스를 볼 수 있다는 것은 다른 문제다. 사용자별 인증 전달, 도구 호출 권한, 리소스 단위 접근 제어, 감사 로그가 실제 환경에서 어떻게 동작하는지 확인해야 한다.
보안은 기능 수보다 먼저 봐야 한다
Cloudflare가 초기 버전을 다시 설계한 배경에는 협업 시 권한 문제가 있었다. MCP 서버 접근 권한만으로는 에이전트가 실제로 어떤 하위 리소스를 관찰했는지 충분히 표현하기 어려웠고, 작업 공간과 앱, 결과물을 공유하기 시작하자 허용되지 않은 정보가 다른 사람에게 노출될 가능성을 다뤄야 했다.
새 버전은 이러한 보안을 개별 앱 제작자나 이용자에게만 맡기지 않고 플랫폼의 기반에 포함하려 한다. 내부 기록 시스템에는 Gatekeepers를 통해 통제된 접근을 제공한다는 설명도 있다. 다만 제공된 소개만으로 Gatekeepers의 세부 정책 모델, 지원 인증 체계, 데이터 보존 기간, 감사 기능, 규제 준수 범위를 단정할 수는 없다.
업무 문서나 연구 데이터, 소스 코드, 고객 정보가 들어간다면 다음 항목을 먼저 점검해야 한다.
- 사용자와 그룹의 기존 권한이 에이전트와 생성된 앱에도 동일하게 적용되는가
- 앱 또는 결과물을 공유할 때 원본 데이터의 접근 권한까지 함께 검사하는가
- 프롬프트, 실행 코드, 도구 호출 결과와 생성 파일이 어디에 저장되는가
- 연결된 모델 제공자에게 어떤 데이터가 전달되며 보존과 학습 정책은 무엇인가
- 비밀키와 서비스 계정은 어떻게 저장하고 교체하며 호출 범위를 제한하는가
- 누가 어떤 자료를 조회하고 수정하거나 외부로 내보냈는지 감사할 수 있는가
- 접근 권한이 철회된 뒤 캐시, 결과물, 공유 앱에도 변경이 반영되는가
개인 사용자와 학생에게 맞는가
개인 사용자나 학생은 먼저 해결하려는 문제가 플랫폼 운영 비용을 감수할 만큼 큰지 판단해야 한다. 단순한 질문, 글쓰기, 소규모 자료 정리가 목적이라면 기존 AI 도구나 로컬 자동화가 더 간단할 수 있다. 반대로 여러 자료원을 연결하고 같은 조사·정리 절차를 반복하거나, 대화 결과를 작은 앱으로 바꾸려는 경우에는 검토 가치가 있다.
오픈소스 공개는 코드를 살펴보고 직접 배포하거나 수정할 수 있는 출발점이지만, 무료 운영을 의미하지는 않는다. 서버, 저장소, 모델 호출, 인증 시스템과 외부 서비스 사용에 비용이 발생할 수 있다. 현재 제공된 정보에는 구체적인 요금과 최소 인프라 조건이 없으므로, 저장소의 라이선스와 설치 문서, 필요한 Cloudflare 서비스, 선택 가능한 모델, 예상 호출량을 함께 확인해야 한다.
연구자가 확인할 점
연구자는 출처 추적과 재현성을 우선해야 한다. 에이전트가 여러 자료를 검색하고 결합하더라도 어떤 자료의 어느 버전을 사용했는지 남기지 못하면 결과를 검증하기 어렵다. 검색 조건, 실행 코드, 모델과 프롬프트 버전, 입력 파일, 생성 시점, 사람이 수정한 부분을 기록할 수 있는지 확인해야 한다.
개인정보, 미공개 논문, 인터뷰 기록, 기관 내부 데이터가 포함된다면 기관 정책과 연구윤리 기준을 먼저 적용해야 한다. 격리된 코드 실행 환경이 있다는 사실만으로 데이터의 외부 전송이나 장기 보존 문제가 자동으로 해결되지는 않는다. 비식별 샘플 데이터로 연결 경로를 시험한 뒤 실제 자료의 사용 여부를 결정하는 것이 적절하다.
팀 도입 전 비교표
| 항목 | 확인할 질문 | 판단 기준 |
|---|---|---|
| 적용 범위 | 어떤 배포 환경, 계정, 지역과 내부 시스템을 지원하는가 | 현재 환경에서 핵심 작업 하나를 끝까지 실행할 수 있어야 한다 |
| 비용 | 인프라, 저장소, 모델 호출과 외부 연동 비용은 어떻게 계산되는가 | 월간 총비용과 사용량 증가 시 비용을 예측할 수 있어야 한다 |
| 권한 | 사용자별 원본 데이터 권한이 에이전트, 앱, 결과물 공유에도 유지되는가 | 최소 권한과 감사 추적을 실제 테스트로 입증할 수 있어야 한다 |
| 운영 | 실패, 재시도, 중복 실행, 버전 변경과 롤백을 어떻게 관리하는가 | 담당자가 장애 원인을 찾고 안전하게 이전 상태로 돌아갈 수 있어야 한다 |
| 호환성 | 기존 MCP 서버, 인증 체계, 저장소와 배포 절차를 재사용할 수 있는가 | 새 연결을 만드는 비용보다 반복 작업 절감 효과가 커야 한다 |
| 종속성 | 데이터와 앱, 스킬, 워크플로를 내보내거나 다른 환경으로 옮길 수 있는가 | 서비스 변경이나 중단 시 핵심 자산을 복구할 수 있어야 한다 |
작게 시험하는 방법
전체 업무 흐름을 한 번에 옮기기보다 민감하지 않고 결과를 사람이 쉽게 검증할 수 있는 반복 작업 하나를 고르는 것이 좋다. 예를 들어 공개 자료를 정해진 형식으로 분류하고 요약하는 작업, 테스트 결과를 표로 정리하는 작업, 내부에 공개 가능한 상태 정보를 시각화하는 소규모 앱이 후보가 될 수 있다.
- 현재 방식의 소요 시간, 오류율, 수정 횟수와 비용을 기록한다.
- 사용할 데이터와 도구를 최소 범위로 제한하고 테스트 계정을 만든다.
- 정해진 단계는 코드로 구성하고 모델 판단이 필요한 단계만 분리한다.
- 잘못된 입력, 권한 없는 데이터, 연결 장애와 모델 실패를 의도적으로 시험한다.
- 결과물 공유 시 다른 권한을 가진 사용자가 무엇을 볼 수 있는지 확인한다.
- 실행 기록, 비용, 사람이 수정한 부분과 롤백 절차를 문서화한다.
- 반복 시간 절감이 운영 부담과 전환 비용보다 큰 경우에만 적용 범위를 넓힌다.
도입 판단의 핵심
Cloudflare OS의 가능성은 조직의 지식, 에이전트, 코드 실행, 내부 시스템 접근, 결과물 제작을 하나의 작업 공간에 묶는 데 있다. 특히 반복 업무를 공유 가능한 스킬로 만들고, 대화에서 시작한 결과를 문서나 앱, 지속 실행되는 워크플로로 발전시키려는 팀에는 살펴볼 이유가 있다.
반면 이미 자동화 플랫폼, 사내 포털, MCP 서버, 권한 관리 체계를 운영하고 있다면 기능 중복과 통합 비용을 먼저 계산해야 한다. 새로운 플랫폼을 추가하는 것만으로 업무가 단순해지는 것은 아니다. 구성원이 매주 반복하는 작업 하나가 실제로 줄어드는지, 보안팀과 운영팀이 접근 경로를 설명하고 감사할 수 있는지, 장애 시 기존 방식으로 돌아갈 수 있는지가 실질적인 선택 기준이다.
현재 공개된 소개만으로 가격, 지원 범위, 운영 제한과 보안 세부 사항을 모두 확정할 수는 없다. 따라서 오픈소스 저장소의 라이선스와 배포 문서, 공식 보안 문서, 지원되는 연동 목록, 모델 및 데이터 처리 조건을 확인한 뒤 제한된 데이터로 검증하는 순서가 적절하다.
출처와 검증
기능 구성, 사내 활용 배경, 오픈소스 공개, 작업 공간과 워크플로, Gatekeepers 및 MCP Server Portals에 관한 내용은 Cloudflare의 공식 발표를 기준으로 정리했다. 가격, 세부 배포 요구사항, 데이터 보존과 규제 준수 조건은 실제 적용 시점의 공식 문서와 사용 환경에서 다시 확인해야 한다.
원문: Cloudflare OS: an open platform for agents, apps, and work