본문으로 건너뛰기
피드

에이전트 2,000개를 동시에 돌려서 브라우저를 만들어버린 Cursor의 FastRender 프로젝트

ai-ml 약 6분
vote
0
댓글
북마크

Cursor의 엔지니어 Wilson Lin이 AI 에이전트 수천 개를 병렬로 돌려 3주 만에 Rust 100만 줄 이상의 웹 브라우저를 만든 실험 프로젝트. 플래닝 에이전트가 작업을 겹치지 않게 분할하는 것이 핵심이며, 간헐적 에러를 허용하고 처리량을 최적화하는 전략을 채택함. 생산용이 아닌 멀티 에이전트 코디네이션의 가능성을 보여주는 연구 사례임.

  • 1

    피크 시 2,000개 에이전트 동시 가동, 시간당 수천 커밋, 총 30,000 커밋

  • 2

    플래닝 에이전트가 작업을 비중첩 청크로 분할해 머지 충돌 최소화

  • 3

    GPT-5.1/5.2 범용 모델이 코딩 특화 모델보다 자율 운영에 더 적합

  • 4

    최장 1주일 자율 운영, Rust 컴파일러와 스크린샷 비교로 피드백 루프 구축

  • 5

    에이전트가 직접 의존성 선택 — QuickJS를 답답해서 끌어온 에피소드가 인상적

  • Cursor 리서치 프로젝트에서 에이전트 수천 개를 동시에 돌려서 웹 브라우저를 통째로 만들어버린 실험 결과가 공개됨
  • 프로젝트명은 FastRender. 엔지니어 한 명 + AI 에이전트 떼가 3주 만에 Rust 100만 줄 이상을 작성해 실제 웹페이지를 렌더링하는 수준까지 도달함

프로젝트 배경

  • Wilson Lin이라는 엔지니어가 11월에 개인 사이드 프로젝트로 시작함. Claude Opus 4.5, GPT-5.1, GPT-5.2 같은 최신 모델이 복잡한 태스크를 얼마나 잘 처리하는지 실험하려는 목적이었음
  • 브라우저 렌더링 엔진을 선택한 이유가 꽤 영리함: 극도로 복잡하면서도 스펙이 잘 정의되어 있고, 결과를 눈으로 바로 확인할 수 있기 때문
  • 단일 에이전트가 의외로 잘 해내자 "그럼 여러 개 돌리면?" 으로 발전했고, 결국 Cursor 공식 리서치 프로젝트로 승격됨
  • 목표는 Chrome과 경쟁하는 브라우저가 아님. 멀티 에이전트 협업의 "hello world" 같은 것

2,000개 에이전트 동시 운영

  • 피크 시 약 2,000개 에이전트가 동시에 가동, 시간당 수천 건의 커밋 발생. 총 커밋 수는 약 30,000개
  • 인프라는 단순무식한 접근: 거대한 머신에 각각 ~300개의 에이전트를 올려서 돌림. 에이전트가 "생각하는" 시간이 길어서 CPU 경합이 크지 않았다고
  • 에이전트는 트리 구조로 조직됨. 플래닝 에이전트가 작업을 분배하고, 워커 에이전트가 실제 코딩을 수행
graph TD
    A[Planning Agent] --> B[Worker Agent 1
CSS 파싱] A --> C[Worker Agent 2
셀렉터 엔진] A --> D[Worker Agent 3
레이아웃] B --> E[커밋 → 머지] C --> E D --> E E --> F[메인 브랜치] F --> G[스크린샷 피드백] G --> A

머지 충돌이 거의 없는 비결

  • 핵심 트릭: 플래닝 에이전트가 작업을 겹치지 않는 청크로 충분히 잘 나누면, 수백~수천 개의 에이전트를 동시에 투입해도 머지 충돌이 거의 발생하지 않음
  • 이게 바로 병렬 에이전트 스케일링의 핵심 인사이트임. 분할만 잘 하면 된다는 것

피드백 루프와 자율성

  • CSS/JS/HTML 스펙을 git submodule로 포함시켜 에이전트가 직접 참조하게 함. 코드 내 주석에서 스펙을 인용하는 부분이 많이 발견됨
  • GPT-5.2의 비전 기능을 활용해 렌더링 결과 스크린샷을 찍고 골든 샘플과 비교하는 시각적 피드백 루프 구축
  • Rust를 선택한 이유 중 하나: 컴파일러가 강력한 피드백 루프 역할을 해줌. 다른 언어에서는 얻기 어려운 수준의 검증을 컴파일 단계에서 받을 수 있음
  • 최장 자율 운영 시간은 약 1주일. 한번 시작하면 방향 수정이 불가능하고, 멈추는 것만 가능

에이전트가 직접 고른 의존성

  • Skia(2D 그래픽), HarfBuzz(텍스트 셰이핑) 같은 당연한 선택도 있었지만, Taffy(CSS flexbox/grid 구현체)처럼 "그건 직접 구현했어야 하는 거 아닌가?" 싶은 것도 끌어옴
  • 의존성 수준에 대한 가이드라인을 명시하지 않은 게 원인. 지시사항 설계가 그만큼 중요하다는 교훈

ℹ️참고

> QuickJS 에피소드가 압권임: 한 에이전트가 다른 에이전트들이 JS 엔진 만드는 걸 기다리다 답답해서 QuickJS를 그냥 끌어와 버림. "나중에 자체 엔진 완성되면 교체하자"는 메모까지 남김. 대규모 엔지니어링 팀에서 흔히 보는 패턴과 똑같음

간헐적 에러는 허용

  • 모든 커밋이 100% 컴파일 가능해야 한다는 제약을 걸면 동기화 병목이 됨
  • 대신 "작은 에러는 몇 커밋 안에 곧 수정된다"는 전제하에 처리량 최적화 전략을 채택함
  • 에러가 누적되는 게 아니라 일정한 비율로 유지되므로 합리적인 트레이드오프라는 판단

중요

> GPT-5.1/5.2 범용 모델이 코딩 특화 모델(GPT-5.1-Codex)보다 더 잘 작동했다는 점이 흥미로움. 하네스 내에서의 자율적 행동, 사용자 피드백 없는 환경에서의 운영 같은 "코딩 이외의 지시사항"이 범용 모델에서 더 잘 먹힌다는 것

시사점

  • 2026년 1월 기준, 엔지니어 한 명이 에이전트 떼와 함께 3주 만에 100만 줄 이상의 Rust 코드로 실제 웹페이지를 렌더링하는 브라우저를 만들 수 있게 됨
  • 생산용 소프트웨어는 아니지만, 멀티 에이전트 코디네이션의 가능성을 극적으로 보여주는 사례
  • 브라우저라는 거대한 스코프 덕에 JS → WebAssembly → WebGPU 등 앞으로 수년간 실험을 이어갈 수 있는 테스트베드가 됨

멀티 에이전트 병렬 코딩의 핵심은 '작업 분할의 질'이며, 처리량 최적화를 위해 간헐적 에러를 허용하는 전략이 유효함을 실증한 사례.

댓글

댓글

댓글을 불러오는 중...

ai-ml

유튜브, AI 생성 영상에 자동 라벨 붙인다

유튜브가 사실적으로 보이거나 의미 있게 AI로 변경·생성된 콘텐츠에 더 눈에 띄는 라벨을 적용하고, 제작자가 AI 사용 여부를 밝히지 않아도 내부 신호로 감지되면 자동 라벨을 붙이겠다고 밝혔다. 다만 라벨만으로 추천 노출이나 수익화 자격이 바뀌지는 않으며, 제작자는 YouTube Studio에서 잘못된 판정을 수정할 수 있다.

ai-ml

테크 CEO들의 'AI 만능론', 숫자는 아직 그렇게 말하지 않는다

테크 업계에서 AI를 이유로 한 대규모 감원과 조직 재편이 이어지는 가운데, Box 창업자 애런 레비는 CEO들이 실제 업무의 마지막 1마일을 모른 채 AI 에이전트의 능력을 과대평가하고 있다고 지적했다. 2026년 첫 5개월 동안 이미 11만5430명이 해고됐고, 여러 연구는 AI 도입이 체감 생산성만큼 실제 생산성을 끌어올렸다는 근거가 아직 약하다고 말한다.

ai-ml

오픈AI와 앤트로픽, 코딩 에이전트로 드디어 돈 되는 시장을 찾은 듯

사이먼 윌리슨은 오픈AI와 앤트로픽이 코딩 에이전트와 기업용 과금으로 진짜 제품-시장 적합성을 찾았다고 봐. 개인 구독자에게는 월 100달러 플랜이 싸게 느껴지지만, 기업 고객은 이제 사용량 기준 토큰 가격을 그대로 내기 시작했고 이게 대형 고객 예산을 빠르게 흔들고 있다는 얘기야.

ai-ml

컴팔과 GMI 클라우드, 대규모 추론용 AI 인프라 구축 협력

컴팔이 실리콘밸리 기반 AI 인프라 기업 GMI 클라우드와 협력해 대규모 추론과 에이전틱 AI 워크로드에 맞춘 GPU 서버 인프라를 구축한다고 발표했어. COMPUTEX 2026에서는 NVIDIA HGX B300을 지원하는 Compal SGX30-2 같은 고성능 AI 서버 플랫폼도 선보일 예정이야.

ai-ml

AI 쓰면 편해진다더니, 직장인들은 ‘AI 과부하’에 지쳐가는 중

국내 직장인들이 AI 전환 압박, AI 답변 검증 부담, 대체 불안 때문에 피로감을 호소하고 있어. 중앙일보 설문에서는 5284명 중 31.6%가 ‘AI 답변 검증에 시간이 더 걸릴 때’를 가장 지치는 순간으로 꼽았고, 기업들은 무작정 AI 사용량을 밀어붙이는 방식에서 업무 방식 재설계로 넘어가야 한다는 지적이 나와.