하루 0.23달러에 1,000개 OS 복제 구동하는 'OSGym'
MIT, UC 버클리 등의 연구진이 컴퓨터 사용 에이전트(Computer Use Agent) 학습을 위한 새로운 인프라 프레임워크인 'OSGym'을 발표했습니다. 이 프레임워크는 1,000개 이상의 독립적인 OS 환경을 복제하여 동시에 구동해야 하는 막대한 컴퓨팅 자원과 비용 문제를 해결합니다. 분산형 상태 관리와 하드웨어 최적화 오케스트레이션을 통해 안정성을 높이고 비용을 획기적으로 절감하여, 학계와 산업계의 에이전트 연구에 큰 전환점을 제공할 수 있습니다.
실제로 앱을 열고, 버튼을 클릭하고, 웹을 탐색하고, 코드를 작성하는 등 컴퓨터를 직접 사용할 수 있는 AI 에이전트를 구축하는 것은 현대 AI에서 가장 어려운 인프라 문제 중 하나입니다. 이는 데이터 문제도, 모델 문제도 아닙니다. 바로 인프라(배관 작업) 문제입니다. 실제 그래픽 사용자 인터페이스(GUI)를 갖춘 수백 개, 잠재적으로 수천 개의 완전한 운영체제(OS) 환경을 구동해야 합니다. 각 환경은 실제 소프트웨어를 실행해야 하고, 예기치 않은 충돌을 처리할 수 있어야 하며, 대학 연구실의 예산을 파산시키지 않는 비용으로 모두 동시에 실행되어야 합니다. 바로 이 문제를 해결하기 위해 MIT, UIUC, CMU, USC, UVA, UC 버클리의 연구진이 설계한 새로운 연구 결과인 'OSGym'이 등장했습니다.
컴퓨터 사용 에이전트(Computer Use Agent)란 무엇일까요? 인프라를 자세히 살펴보기 전에 컴퓨터 사용 에이전트가 실제로 무엇인지 이해하는 것이 좋습니다. 텍스트 프롬프트에 응답하는 챗봇과 달리, 컴퓨터 사용 에이전트는 데스크탑의 스크린샷을 관찰하고 어떤 동작을 취할지(버튼 클릭, 텍스트 입력, 파일 열기 등) 결정한 다음 키보드 및 마우스 입력을 통해 해당 동작을 실행합니다. 즉, 인간이 하는 방식과 똑같이 소프트웨어를 조작할 수 있는 AI라고 생각하면 됩니다. Anthropic의 Claude Computer Use와 OpenAI의 Operator는 초기 상용 사례입니다. UI-TARS, Agent-S2, CogAgent 같은 연구 모델들은 그 한계를 더욱 확장하고 있습니다. 하지만 이러한 시스템을 학습시키려면 실제 OS 환경 내에서 생성된 대량의 상호작용 데이터가 필요하며, 바로 이 지점에서 비용과 복잡성이 급격히 증가하게 됩니다.
핵심 문제: 대규모 OS 샌드박스 환경 코딩 환경이나 웹 브라우저 샌드박스는 실행하는 데 상대적으로 가볍습니다. 하지만 GUI가 있는 완전한 OS 샌드박스는 그렇지 않습니다. 각 가상 머신(VM)에는 자체 부팅 가능한 디스크(약 24GB), 자체 CPU 및 RAM 할당, 그리고 자체 디스플레이 스택이 필요합니다. 이를 수백 또는 수천 개의 병렬 인스턴스로 확장하면 일반적인 학술 연산 예산으로는 감당할 수 없는 리소스 소모 문제가 발생합니다. 리소스 비용 외에도 안정성 문제가 있습니다. 소프트웨어는 충돌하고, 브라우저 세션은 시간이 초과되며, 애플리케이션은 멈춥니다. 학습 파이프라인이 이러한 장애를 원활하게 처리하지 못하면, 단 하나의 불량 VM이 전체 학습 배치 작업을 지연시킬 수 있습니다. OSGym은 4가지 독특한 아키텍처 최적화를 통해 이 두 가지 문제를 모두 해결합니다.
분산형 OS 상태 관리 첫 번째 설계 선택은 시스템이 각 OS 복제본의 상태를 어떻게 관리하는지에 관한 것입니다. 즉, 정상적으로 실행 중인지, 어떤 작업을 실행 중인지, 그리고 문제가 발생할 경우 어떻게 복구할지 추적합니다. 단순한 접근 방식은 모든 복제본에 대해 단일 중앙 관리자를 사용하는 것입니다. 이는 전형적인 단일 장애점(Single Point of Failure)이 됩니다. 복제본 수가 수천 개로 증가하면 중앙 관리자에 과부하가 걸리고 대기 시간이 증가하며, 한 번의 충돌로 전체 시스템이 중단될 수 있습니다. 대신 OSGym은 모든 OS 복제본에 자체 전용 상태 관리자를 부여합니다. 각 상태 관리자는 OpenAI Gym API를 모델로 한 퍼블릭 메서드(reset, step, shutdown)를 노출하지만, 자체적인 상태 모니터링 및 충돌 복구를 내부적으로 처리합니다. 한 복제본의 장애가 다른 복제본으로 전파되지 않습니다.
하드웨어 인식 OS 복제본 오케스트레이션 이 연구가 밝혀낸 덜 명확한 통찰이 있습니다. 단일 서버에서 많은 OS 복제본을 실행할 때, 병목 현상은 머신당 얼마나 많은 복제본을 packed(배치)하는지에 따라 달라집니다. 서버당 복제본 수가 적은 경우(낮은 K) 시스템은 CPU 병목 현상을 겪습니다. 대부분의 복제본이 프로세서 시간을 두고 경쟁하기 때문입니다. 하지만 서버당 복제본을 더 많이 packed(높은 K)할수록 병목 현상은 RAM으로 이동합니다. 그리고 RAM은 CPU보다 훨씬 저렴합니다. 일반적으로 32GB DDR4 RAM 모듈은 16코어 CPU 비용의 10~20% 수준입니다. OSGym은 복제본당 오버헤드를 줄이기 위해 전체 가상 머신 대신 Docker 컨테이너(OSWorld의 Docker 이미지를 기반으로 사용)로 복제본을 실행합니다. 더 높은 RAM 용량을 갖춘 서버를 선택하고 머신당 더 많은 복제본을 실행함으로써 비용 효율성을 극대화합니다.