
crypto for fun / Technoking of @blockchainatYU / formerly @Catalyze_RS / tg : https://teapaw.org/t.co/c89M0lvfCo
Joined May 2019
- Tweets3.8K
- Following1.5K
- Followers2.3K
- Likes8.6K
Here with the Huddle and checking out @realRiceAI at KBW! 🇰🇷🐧
Came for the penguins, stayed for the robots 🤖
Thanks @pudgypenguins @PenguAsia for bringing us together!
Here with @swaydotfun with the Huddle at KBW! 🇰🇷🐧
Everyone’s got a favourite narrative. Mine is penguins.
Thanks @pudgypenguins @PenguAsia for bringing us together!
1
3
131
슈퍼헤비 유저인데, 진짜 전부 호출해서 하루종일 써도 사용량이 안닳음
그록빌드 쓰는 한국인 없나
Now that Grok 4.5 is out, here are some of my workflows which I use daily
1. "use as many subagents and tokens as you need"
I end my prompts with the above to tell grok to spin up multiple subagents at the same time to divide and conquer on a hard problem. Grok is smart enough to realize when a subagent needs its own worktree and if it should inherit context from the main agent.
3
3
865
이 한국인은 AI토큰을 후원받습니다
후원문의 @chanthebob
AI 에이전트끼리 포켓몬 TCG 배틀을 하게 해서 자동 매칭하고 순위메기는 Kaggle 대회중인데 이거 상금이 되게 크네요...
8등 안에 들어서 본선진출하면 전원 상금 3만불인데, 현재 의문의 한국인이 시뮬레이션 순위 7위중...
박강찬이라는 이름의 이 칸코쿠진은 실제론 포켓몬 카드게임 해본적도 없고 룰도 잘 모른다고 합니다. 😊😊 이말인즉슨 순수 AI 깎는 실력으로 본선 순위권에 들어갔다는 이야기죠
광대로 아는 사람이 많지만 사실 그 정체는 정말 똑똑한 젊은이...
t.me/chanbobindustry/540
t.me/chanbobindustry/541
주식 RWA는 어디서 사야 쌀까?
토큰화 주식이 늘어나면 사용자가 처음 묻는 질문은 단순합니다.
“크립토에서 주식도 살 수 있다면, 어디서 사야 제일 싸지?”
그런데 실제로 비교해보면 이 질문은 생각보다 어렵습니다. 화면에 보이는 가격만 보면 안 됩니다. 1,000달러를 살 때 괜찮아 보이는 route가 10,000달러에서는 오더북이나 풀을 크게 밀 수 있고, 현물처럼 보이는 무기한 선물은 funding cost 때문에 장기 보유용 대체재가 아닐 수 있습니다. 또 xStocks, 대체 RWA 토큰, pre-market 토큰은 이름이 비슷해도 발행자, 환매, 권리 구조가 다릅니다.
그래서 이번 Mantle Research Challenge Track 2 제출물로 Onchain Equity Route Advisor를 만들었습니다.
GitHub: github.com/PKCrox/onchain-eq…
이 도구의 목적은 어떤 주식을 사라 가 아니라, 토큰화 주식이나 주식형 RWA를 살 때, route별 실행 가능성, 체결 비용, 보유 비용, 상품 구조, 데이터 신뢰도를 같은 기준으로 비교하는 리서치 에이전트입니다.
제가 잡은 문제의식은 맨틀 챌린지의 주제와 같습니다.
토큰화 자산을 발행하는 것은 시작일 뿐이고, 더 어려운 문제는 유통입니다. 사용자는 “토큰이 배포됐는가”가 아니라 “내가 지금 이 금액을 어떤 비용과 리스크로 살 수 있는가”를 알아야 합니다.
실제 비용 비교: SPCXx
2026년 7월 3일 실행 기준으로 SPCXx를 1k, 5k, 10k USD씩 산다고 가정하고 비교했습니다. 비용은 왕복 기준입니다.
결과를 route별로 하나씩 쓰면 이렇습니다.
Bybit spot
1k: 26.8 bps
5k: 31.5 bps
10k: 33.2 bps
5k에서는 LBank보다 0.6 bps 높았고, 10k에서는 Bybit가 더 낮았습니다.
LBank spot
1k: 26.0 bps
5k: 30.9 bps
10k: 35.6 bps
5k 기준 exact xStocks spot 중 가장 낮았습니다.
Gate spot
1k: 32.7 bps
5k: 37.6 bps
10k: 43.2 bps
LBank/Bybit보다 모든 size에서 비용이 높았습니다.
Bitget Pre
1k: 25.6 bps
5k: 25.9 bps
10k: 27.9 bps
숫자만 보면 낮지만, pre-market 성격의 대체 상품이라 exact xStocks 현물과 같은 후보로 묶지 않았습니다.
Bitget RWA
1k: 155.3 bps
5k: 163.0 bps
10k: 193.1 bps
xStocks와 다른 대체 RWA 상품이라 비용과 상품 구조를 분리했습니다.
MEXC ON
1k: 173.6 bps
5k: 532.0 bps
10k: 1080.6 bps
size가 커질수록 비용이 크게 튀었습니다.
Mantle SPCXx/USDT0
1k: 957.6 bps
5k: executable quote 없음
10k: executable quote 없음
Merchant Moe LBQuoter fallback으로 1k quote는 확인됐지만, 5k와 10k는 public onchain route에서 quote가 나오지 않았습니다.
Bybit Perp
1k: 30일 funding 포함 104.3 bps
5k: 30일 funding 포함 105.2 bps
10k: 30일 funding 포함 106.2 bps
순수 진입/청산 비용은 낮지만, 30일 funding을 더하면 장기 보유용 현물 대체재로 보기 어렵습니다.
Binance Perp
1k: 30일 funding 포함 126.6 bps
5k: 30일 funding 포함 127.1 bps
10k: 30일 funding 포함 127.5 bps
마찬가지로 token holding이 아니라 synthetic exposure입니다.
이 숫자에서 중요한 점은 “가장 낮은 가격 하나”만 고르면 안 된다는 것입니다.
5k 기준 exact spot만 보면 LBank가 30.9 bps, Bybit가 31.5 bps였습니다. 10k에서는 Bybit가 33.2 bps, LBank가 35.6 bps였습니다. 하지만 Bitget Pre처럼 숫자만 낮은 route는 상품 구조가 다르고, perp는 funding을 더하면 보유 비용이 달라집니다.
그리고 Mantle은 여기서 가장 중요한 리서치 포인트를 보여줍니다.
SPCXx는 Mantle deployment가 확인됩니다. xStocks 메타데이터상 atomic swap 지원도 확인되고, Merchant Moe 쪽 SPCXx/USDT0 pool telemetry도 잡힙니다. 하지만 “배포됐다”와 “5,000달러를 좋은 가격에 체결할 수 있다”는 같은 말이 아닙니다.
그래서 이 에이전트는 Mantle route를 다음 순서로 확인합니다.
xStocks metadata에서 Mantle deployment 확인
Fluxion public quote API로 1k/5k/10k exact-in quote 시도
Fluxion이 실패하면 Merchant Moe LBQuoter를 Mantle RPC로 직접 eth_call
DexScreener/Merchant Moe pool telemetry는 참고값으로 분리
xChange/RFQ는 API key가 필요한 authenticated layer로 표시
실행 가능한 size만 비용 랭킹에 올림
이번 SPCXx 실행에서는 Fluxion public quote가 1k/5k/10k 모두 NO_LIQUIDITY_POOL을 반환했습니다. 여기서 멈추면 그냥 “public API가 안 된다”는 얕은 결론이 됩니다.
그래서 Merchant Moe LBQuoter.findBestPathFromAmountIn을 Mantle RPC로 직접 호출했습니다. 그 결과 SPCXx/USDT0 route는 1k에서 executable quote가 나왔고, 왕복 비용은 약 957.6 bps였습니다. 5k와 10k는 NO_LB_ROUTE로 표시됐습니다.
이건 오히려 온체인 금융에서 다음으로 필요한 레이어를 보여줍니다. 배포, 풀 존재, quote 가능성, size별 depth, RFQ 인증 상태, bridge/settlement 비용을 분리해서 봐야 합니다. 사용자는 단순한 상장 목록이 아니라 execution-readiness를 봐야 합니다.
스킬을 사용 방식은
에이전트에게 이렇게 요청합니다.
“ github.com/PKCrox/onchain-eq… 이거 보고 스킬 받아서 SPCXx를 1k/5k/10k 기준으로 어디서 사는 게 유리한지 비교해줘. Mantle route, Fluxion quote, Merchant Moe LBQuoter fallback, perp funding까지 봐줘.”
그러면 스킬은 먼저 자산을 분류합니다. SPCXx가 exact xStocks인지, 대체 RWA 토큰인지, pre-market 토큰인지, perp인지 나눕니다. 그다음 CEX spot orderbook을 긁고, 1k/5k/10k 왕복 체결 비용을 계산합니다. Perp는 현재 funding rate 하나만 보지 않고 7일, 14일, 30일 funding history를 합산합니다.
Mantle route는 별도 단계로 들어갑니다. 스킬은 xStocks metadata에서 SPCXx Mantle deployment를 확인하고, Fluxion public quote를 시도한 뒤, 실패하면 Merchant Moe LBQuoter를 Mantle RPC로 직접 호출합니다. 마지막으로 xChange/RFQ가 API key가 필요한지 표시합니다.
이번 실행에서 스킬이 만든 결론은 이렇게 요약됩니다.
장기 보유용 exact spot 기준으로는 5k에서 LBank가 약 30.9 bps, Bybit가 약 31.5 bps로 가장 경쟁력 있는 후보였습니다.
10k 기준으로는 Bybit가 약 33.2 bps, LBank가 약 35.6 bps였습니다.
Bitget Pre는 비용만 보면 낮지만 pre-market 성격이라 exact xStocks 현물과 같은 추천군에 넣지 않았습니다.
Bybit/Binance perp는 처음에는 싸 보이지만 30일 funding을 더하면 장기 보유용 현물 대체재가 아니라고 분리했습니다.
Mantle SPCXx route는 deployment와 pool telemetry가 확인됐고, Merchant Moe LBQuoter fallback으로 1k quote는 실제 확인됐지만 왕복 비용은 약 957.6 bps였습니다.
그러나 5k/10k는 public onchain route에서 executable quote가 나오지 않아 depth 부족으로 표시했습니다.
따라서 Mantle route를 “실패”로 버리지 않고, “1k는 가능하지만 더 큰 size는 RFQ 또는 유동성 보강이 필요”한 상태로 분류했습니다.
이게 사람이 직접 API를 하나씩 보는 것과 다른 점입니다. 단순히 “가격이 낮은 곳”을 고르는 것이 아니라, route별로 왜 추천군에 들어가거나 빠지는지 설명합니다. 특히 Mantle 쪽에서는 public API 실패를 곧바로 결론으로 삼지 않고, direct onchain quoter까지 내려가서 확인합니다.
실행 산출물도 사람이 검토할 수 있게 나눴습니다.
Mantle AI Agent Skills를 어떻게 활용했나
공식 Mantle Agent Skills는 이 문제를 다루기에 좋은 출발점이었습니다.
mantle-defi-operator는 route discovery와 실행 계획의 경계를 잡아줍니다. mantle-risk-evaluator는 liquidity, slippage, funding, partial fill 같은 위험을 pass/warn/block 형태로 다루게 합니다. mantle-readonly-debugger는 quote 실패나 RPC read 실패를 진단 evidence로 남기게 합니다. mantle-data-indexer는 pool volume, swap history, time-windowed liquidity 같은 시계열 분석으로 확장할 수 있습니다.
하지만 실제 주식 RWA 비용 비교에는 한 가지 빈 레이어가 있었습니다.
public quote API가 실패했을 때, 에이전트가 바로 “안 됨”이라고 끝내면 안 됩니다. 온체인에서는 다른 router, RFQ, direct quoter, pool telemetry가 따로 존재할 수 있기 때문입니다.
그래서 이 스킬은 Mantle Skills의 역할 분리를 따르되, 그 위에 execution-readiness layer를 추가했습니다.
Fluxion public quote가 실패하면 Merchant Moe LBQuoter fallback을 실행합니다. pool telemetry와 executable quote를 분리합니다. xChange/RFQ처럼 API key가 필요한 route는 “없음”이 아니라 “authenticated layer 필요”로 표시합니다. 그리고 1k는 가능하지만 5k는 불가능한 식의 size-specific 결과를 그대로 보여줍니다.
토큰화 주식 시장에서 앞으로 중요한 경쟁은 ticker 수만이 아닙니다.
사용자가 실제로 묻는 질문은 이것입니다.
“내가 1,000달러, 5,000달러, 10,000달러를 넣으면 어디서 얼마에 체결되고, 장기 보유 비용은 얼마나 들며, 이 상품이 진짜 같은 노출인가?”
Onchain Equity Route Advisor는
- CEX spot orderbook depth
- 1k/5k/10k 왕복 체결 비용
- perp funding 7/14/30일 누적 비용
- exact xStocks와 대체 RWA/pre-market 상품 분리
-Mantle deployment 확인
- Fluxion quote preflight
- Merchant Moe LBQuoter fallback
- xChange/RFQ authenticated status
- pool telemetry와 executable quote 분리
- route별 데이터 신뢰도와 caveat
를 검증합니다
제가 보는 온체인 금융의 다음 움직임은 “더 많은 자산을 토큰화하는 것”만이 아닙니다.
다음 움직임은 실행 품질의 투명화입니다.
주식 RWA가 글로벌 시장에서 실제로 유통되려면, 사용자는 어느 체인에 배포됐는지뿐 아니라 어느 route에서 얼마의 비용으로 체결 가능한지, 어떤 규모부터 liquidity가 부족해지는지, RFQ가 필요한지, 장기 보유 비용이 얼마나 붙는지 알아야 합니다.
Mantle은 xStocks, Fluxion/xChange, Merchant Moe, Agent Skills를 통해 이 문제를 다룰 수 있는 좋은 실험장이 됩니다. 그리고 이 스킬은 그 위에서 “발행된 RWA”를 “실제로 비교 가능한 RWA route”로 바꾸기 위한 중간 레이어입니다.
Built for the Mantle Research Challenge Track 2
@Mantle_Official
AI 포켓몬 배틀 챌린지가 나와서 화제인데요,
kaggle에서 진행되는 대회라 진입장벽이 높다고 생각될텐데,
@CreaoAI 를 활용하면 아무런 장비 없이도 클라우드 환경에서 대회를 진행해볼 수 있습니다
저는 creaoai + fugu ultra 로 맛보고 있습니다
kaggle.com/competitions/poke…
2
2
230
며칠 전 과학자 AI로 유명한 일본의 Sakana AI가 Fugu라는 제품을 내놓았는데,
'자사 모델+ 타사 모델 잘 하네싱한 멀티에이전트 오케스트레이션 제품' 인데,
자사 피셜 fugu ultra가 fable과 mythos보다 좋다는데,
이걸 따로 결제해서 써보기엔 뭔가 애매했는데,
그것마저 @CreaoAI 에서 사용가능
Lee Kuan Yew was a genius
Lee Kuan Yew:
“Air conditioning was a most important invention for us, perhaps one of the signal inventions of history. It changed the nature of civilization by making development possible in the tropics. Without air conditioning you can work only in the cool early-morning hours or at dusk. The first thing I did upon becoming prime minister was to install air conditioners in buildings where the civil service worked. This was key to public efficiency."
[우리가 @CreaoAI 로 할 수 있는 일]
0. 아직 AI에 '접근 가능성'이 굉장히 중요하다 생각합니다. 단순히 챗봇과 대화하는 건 다들 익숙하지만, claude 구독자는 이미지와 영상을 만들지 못하고, 말로만 들어본 veo3는 따로 결제하긴 부담스럽고 seedance는 어디서 쓰는지도 모르죠. comfyui로 어떤 업무를 해보기엔 노드 세팅이 너무 어렵고, 클로드코드를 써보지 않으면 알 수 없는 오케스트레이션과 하네싱이 너무 많거든요.
1. 괜찮은 AI wrapper 하나를 구독해보는건 마치 호텔 뷔페에 가는 것과 같습니다. 한 재료의 극한을 뽑아내는 경험까진 다다르진 못하지만, 5~10종의 맛을 보고 그 차이와 잠재력을 느낀다는 건 그것만으로도 가치가 있습니다.
2. 아무런 사전지식 없이(zero-learn) 같은 작업을 여러 모델을 제공된 프롬프트로 실행해 직관적인 차이를 겪어보는 것은, 웬만한 AI 강의를 듣는 것보다 의미 있고 또 AI-native함을 뽐내기 좋은 재료입니다.
- "grok 써보고 seedance 써봤는데 grok 영상도 나쁘지 않더라"
- "어제 새로 나온 glm5.2 써봤는데 가격은 절반수준인데 성능은 비슷한 것 같더라"
- "workflow 기능 써봤는데 토큰은 좀 더 드는데 orchestration하니 확실히 똑똑하고 편하더라"
같은 이야기는 실제 경험 해야만 얘기할 수 있는 값진 아비투스입니다
3. 문제는 AI는 비싸다는 겁니다. 위에 얘기한 모델들을 한달씩만 최대로 구독한다고 쳐도 월에 100만원 이상 나갑니다(필자는 월 150 이상 씀). 클라우드 환경에서 제공되는 AI wrapper는 편의/온보딩/경험의비용 의 측면에서 확실히 이점이 있는 포지션입니다
4. 그런 맥락으로 제가 앰버서더로 활동중인 @CreaoAI 의 최대 장점은, 비슷한 서비스인 manus 보다 더 싸고, 처음에 아무 지식 없이 써보기에 더 직관적이고 쉽다는 겁니다. 한달 20달러짜리 플랜으로도 모든 기능을 써볼 수 있다는 점에서 포지션이 있습니다
5. 제가 세달간 결제하며 써보며 만족한 점은, 새로운 모델이 나왔을때 수시간 내로 빠르게 반영하여 출시해준다는 겁니다. 지금은 사라졌지만 fable이 나왔을때 새벽에 바로 출시해준 것과, glm5.2를 바로 출시 해줬을때 감다살을 느끼며 야르했습니다
같이 한번 써봐용
2
1
321
크레오AI: 클라우드 기반 AI 에이전트 인프라 구축기: 기존 시스템과 달랐던 점, 그리고 얻은 교훈
@CreaoAI 의 코파운더인 @intuitiveml 의 아티클을 번역하고 요약한 글입니다
로컬 환경의 cli가 아닌 클라우드 기반의 에이전틱 시스템을 활용하시는 분들이 읽어볼만한 글 같습니다
오늘날 대부분의 에이전트 프레임워크는 데스크톱 환경을 전제로 설계되어 있습니다. 사용자 한 명, 컴퓨터 한 대, 프로세스 하나라는 가정입니다. 에이전트는 노트북이 켜져 있는 동안만 실행되고, 로컬 파일 시스템에 데이터를 기록하며, API 키는 환경 변수에 저장됩니다. 터미널을 닫으면 에이전트도 함께 종료됩니다. 문제가 발생하면 사용자가 직접 다시 실행하면 됩니다. 에이전트가 새로운 패키지를 필요로 하면 pip install을 통해 사용자의 파이썬 환경에 설치됩니다. 상태, 비밀 정보, 그리고 생명주기 모두 하나의 신뢰된 경계 안에 존재합니다.
하지만 클라우드 에이전트 인프라에는 이런 편의가 없습니다.
에이전트는 매번 새롭게 부팅되는 샌드박스 환경에서 실행되며, 그 하드웨어는 모르는 사람들과 공유됩니다. 실행을 시작하는 주체도 사용자가 아닐 수 있습니다. 예약 작업일 수도 있고, HTTP 요청일 수도 있으며, 또 다른 에이전트일 수도 있습니다. 대부분의 경우 에이전트가 실행될 때 사용자는 잠들어 있습니다. 샌드박스 내부에서 실행되는 코드는 악의적일 가능성도 고려해야 합니다. 파일 시스템은 배포가 이루어진 뒤에도 데이터를 유지해야 합니다. 자격 증명(credentials)은 에이전트가 실행되는 환경에 저장될 수 없습니다. 데스크톱 환경에서는 당연하게 제공되던 모든 보장, 즉 영속성, 신원, 네트워크 신뢰, 재시도같은 기능들을 클라우드에서는 별도의 시스템으로 직접 구축해야 합니다.
다음은 Creao를 만들며 깨달은 점입니다
교훈 1: 자주 바뀌는 것과 자주 바뀌지 않는 것을 분리하라
데스크톱 환경에서는 사용자의 작업 환경과 에이전트의 실행 환경이 사실상 같은 것입니다. 둘 다 같은 사람이 관리하고, 같은 주기로 업데이트됩니다. 하지만 클라우드에서는 그렇지 않습니다.
에이전트 애플리케이션은 플랫폼 측에 상태(state)를 축적합니다. 예를 들어 주식 분석 에이전트는 matplotlib을 설치하고, 시장 데이터를 다운로드하고, 차트 생성 스크립트를 작성합니다. 이러한 환경은 에이전트의 일종의 머슬 메모리가 됩니다.
우리는 사용자가 해당 환경에 만족하는 순간, 그 상태를 샌드박스 스냅샷으로 고정(freeze)합니다. 그리고 사용자가 다시 환경을 수정하기 전까지 그 스냅샷을 그대로 유지합니다. 모든 실행은 동일한 이미지에서 시작됩니다. 같은 패키지, 같은 파일, 같은 버전입니다. 월요일의 실행은 금요일의 실행과 동일하게 동작합니다. 그 사이에 아무것도 변하지 않았기 때문입니다.
이것이 바로 데스크톱 기반 프레임워크가 기본적으로 제공하지 못하는 특성입니다.
6개월 전에 실행한 pip install은 오늘 실행하면 다른 버전의 패키지를 가져올 수 있습니다. 하지만 클라우드 스냅샷은 영원히 동일한 바이트를 가리킵니다. 재현성(reproducibility)은 사용자가 플랫폼에 기대하는 중요한 보장 중 하나이며, 고정된 스냅샷은 이를 가장 저렴하고 확실하게 제공하는 방법입니다.
하지만 여기서 새로운 문제가 등장합니다.
사용자 환경을 고정하는 동일한 이미지 안에는 러너(runner) 코드도 함께 들어 있습니다. 러너는 에이전트 실행을 관리하는 역할을 합니다.
문제는 요구사항이 정반대라는 점입니다.
사용자는 자신의 환경이 변하지 않기를 원합니다.
하지만 예약 실행(unattended run)이 이 방식의 문제를 드러냈습니다.
예를 들어 매주 월요일 오전 9시에 실행되는 크론 작업이 있다고 가정해 보겠습니다.
우리가 오전 8시 55분에 배포를 했다는 이유만으로 사용자의 환경이 초기화되어서는 안 됩니다.
해결책은 생각보다 단순했습니다.
사용자 환경과 러너 코드는 완전히 다른 속도로 변화합니다.
사용자는 원할 때만 환경을 수정합니다.
플랫폼은 하루에도 수십 번 배포될 수 있습니다.
그런데 둘을 하나의 아티팩트로 취급했기 때문에 매 배포마다 선택을 강요받았습니다.
오래된 러너를 유지할 것인가?
아니면 사용자가 보존하기를 원한 환경을 파괴할 것인가?
결국 우리는 운영체제의 업데이트 방식에서 해답을 찾았습니다.
운영체제에서 커널은 업데이트됩니다.
하지만 사용자의 홈 디렉터리는 그대로 유지됩니다.
보안 패치를 적용한다고 해서 디스크 전체를 포맷하지는 않습니다.
우리는 동일한 경계를 클라우드 에이전트에도 적용했습니다.
샌드박스는 사용자의 고정된 스냅샷 그대로 부팅합니다.
그리고 러너만 별도로 교체(hot-swap)합니다.
이 교훈에서 단 하나만 가져가야 한다면, 다음 질문입니다.
“이 아티팩트의 변경 주기를 누가 통제하는가?”
클라우드 플랫폼에서 어떤 것을 영속적으로 저장할 때마다 이 질문을 해보세요.
만약 사용자와 플랫폼이 동일한 아티팩트를 함께 소유하고 있다면, 언젠가는 그 결합(coupling)의 대가를 치르게 됩니다.
해결책은 소유권 경계(ownership boundary)를 기준으로 아티팩트를 분리하는 것입니다.
그리고 각자가 자신의 시계에 맞춰 독립적으로 업데이트할 수 있게 만드는 것입니다.
교훈 2: 비밀 정보(Secrets)를 실행 경계 밖에 두어라
이것이 바로 클라우드 에이전트 인프라를 다른 모든 시스템과 구분 짓는 핵심 교훈입니다.
데스크톱 에이전트는 사용자의 권한으로 실행됩니다. 사용자의 API 키를 사용하고, 사용자의 컴퓨터에서 동작하며, 사용자의 네트워크를 통해 외부 서비스와 통신합니다.
반면 클라우드 에이전트는 그렇지 않습니다.
클라우드 에이전트는 특정 사용자가 아닌 “아무도 아닌” 상태로 실행됩니다. 공유 하드웨어 위에서 동작하고, 인터넷과 연결되며, 심지어 적대적인 프롬프트로부터 생성된 LLM 코드까지 실행합니다.
따라서 보안 모델은 “샌드박스 내부 코드를 신뢰한다”는 가정 위에 세워질 수 없습니다.
오히려 샌드박스 내부 코드는 이미 침해되었다(compromised)고 가정해야 합니다.
우리가 지키는 원칙은 단순합니다.
장기 자격 증명(long-lived credential)은 절대로 샌드박스 내부에 존재해서는 안 된다.
에이전트가 Slack, GitHub 또는 사용자의 자체 API 같은 인증이 필요한 서비스에 접근해야 할 때도 토큰을 직접 보유하지 않습니다.
대신 샌드박스는 외부에서 동작하는 API 브리지(API Bridge)로 로컬 HTTP 요청을 보냅니다.
브리지는 호스트 측에서 OAuth 토큰을 붙여 실제 API 요청을 전달합니다.
응답은 다시 샌드박스로 돌아오지만, 토큰 자체는 단 한 번도 샌드박스의 메모리나 환경 변수 안으로 들어가지 않습니다.
그렇다면 브리지는 어떻게 특정 샌드박스가 해당 요청을 할 권한이 있다는 것을 알 수 있을까요?
우리는 의도적으로 두 단계의 검증을 사용합니다.
1. IP 허용 목록(IP Allowlist)
2. 실행 단위 단기 JWT
이 특성이야말로 공유 인프라 위에서 신뢰할 수 없는 사용자 코드를 실행하면서도 안심할 수 있는 이유입니다.
이 설계의 핵심 패턴
1. 상태(State)는 샌드박스에 존재한다
2. 코드(Code)는 핫스왑 가능하다
3. 자격 증명(Credentials)은 호스트 측에 존재한다
4. 모든 실행은 하나의 파이프라인을 통한다: 사용자 클릭이든, 스케줄러든, 다른 소프트웨어든 동일한 실행 경로를 사용한다.
특히 마지막 원칙이 이 전체 설계의 핵심입니다.
하나의 executeAgent() 함수가 모든 실행을 처리합니다.
과금 시스템도 동일하고, 크레딧 차감도 동일하며, 로그와 모니터링도 동일합니다.
사람이 버튼을 눌렀는지, 크론 작업이 실행됐는지, 스크립트가 API를 호출했는지에 따라 달라지는 것은 없습니다.
새로운 실행 방법(trigger)을 추가하는 것은 단순한 라우팅 변경일 뿐, 아키텍처 변경이 아닙니다.
에이전트는 누가 자신을 실행시켰는지 알 필요도 없고 관심도 없습니다.
이것이 데스크톱 프레임워크가 제공하기 어려운 부분이며, 클라우드 버전을 구축할 가치가 있는 이유입니다.
노트북 위의 에이전트는 노트북에 묶여 있습니다. 클라우드 위의 에이전트는 스택 전체에서 호출 가능한 함수(function)가 됩니다.
결국 에이전트는 “자연어 인터페이스를 가진 함수(function)” 라고 볼 수 있습니다. 그 구현은 사용자에게 속합니다.
하지만
실행 환경(Runtime)
보안 경계(Security Boundary)
실행 트리거(Trigger Surface)
는 플랫폼의 책임입니다.
좋은 클라우드 에이전트 인프라란 각 계층이 서로 독립적으로 진화할 수 있도록 설계하는 것입니다.
그리고 누군가 그 틈을 악용하기 전에, 시스템 사이에 존재하는 균열(crack)을 먼저 찾아내는 것입니다.
그것이 다음 기능을 빠르게 출시할 수 있게 만들고,
동시에 안전하게 출시할 수 있게 만드는 이유입니다.
8
774
CREAO AI AGENT 트레이딩 대회가 내일부터 시작되는데요,
@CreaoAI 에도 오푸스4.8이 바로 도입되어 있어서 전혀 포모 없이 편하게 써볼 수가 있었습니다
개념적인 증명만을 하면서 논리적으로 전략을 써보는게 아니라, 정말 대충 말하기만 해도 백테스팅을 하고 여러가지 하이퍼 파라미터 추출을 해볼 수 있어서 정말 쉽게 따라해볼 수 있네요
hft를 해보려 했으니 거래 주기가 2시간단위로 이뤄진다고 해서, 정말 간단한 3가지 전략을 만들어달라해서 내일 첫 대회 시작에 활용해볼까 합니다
제 초기 전략 3개는
전략① BTC-ETH 이벤트 스프레드
거시 뉴스(CPI·FOMC·ETF) 터지면 BTC가 ETH보다 먼저 세게 반응한다. 그래서 롱BTC/숏ETH로 방향 리스크 없이 그 격차만 먹는다. 백테스트 승률 70%, 15x에서 주간 +43% (델타중립이라 MaxDD 거의 0).
전략② BTC 추세 롱
EMA50 위 추세에서 EMA20 눌림목만 골라 롱. 손절 1.0ATR로 짧게 끊고 익절 4.0ATR로 길게 먹는 비대칭 손익비. 백테스트 10x에서 추세 살아있을 때 복리가 터진다, 단 추세 끝나면 손절 빠르게.
전략③ BTC 오버나이트 롱
BTC 수익은 아시아 새벽 세션(21~13 UTC)에 몰린다. CME 갭은 24/7 전환으로 죽었으니 세션 바이어스로 갈아탔다. 백테스트 5x에서 주간 +18%, MaxDD 23%, Calmar 4.9로 위험조정 수익 최고.
인데 저는 그냥 대화만 몇번 했을 뿐인데 익/손절 타이밍까지 잡아주긴 했네요 이제 제 눈으로 백테스팅 결과 보면서 수정해보려합니다 여러분들도 같이 해요~~
1
3
303
참여 방법
1. CREAO 가입 (creao.ai/@chanbob)
2. 대회 신청링크 (community.creao.ai/campaigns…)




























