Cloudflare Workflows: Durable Execution AI 에이전트 구축

자율형 AI 에이전트(Autonomous AI Agents)가 대세가 된 2026년, 엔터프라이즈 환경에서 AI 에이전트를 프로덕션에 도입할 때 마주치는 가장 큰 장벽은 **단기 서버리스 타임아웃(HTTP 30초/5분 제약)**과 외부 API 호출 실패 시 전체 워크플로우 복구 불가능 현상이다. LLM 추론, 웹 브라우징, 코드 실행, 사람의 승인(Human-in-the-loop) 과정이 수 분에서 수 시간 동안 이어질 때, 기존 비영속적(Ephemeral) 람다/워커 함수는 중간에 메모리가 날아가거나 재시도 시 첫 단계부터 무의미하게 재실행된다.

이 문제를 근본적으로 해결하기 위해 발표된 기술이 Cloudflare Workflows의 Durable Execution(내구성 있는 실행) 파이프라인이다.

이 글은 Cloudflare의 최신 에지 오케스트레이션 엔진인 Cloudflare Workflows를 활용하여, 네트워크 장애나 에이전트 중단에도 **각 스텝의 상태를 자동 체크포인팅(Checkpointing)**하고, 동시성 50,000건을 보장하며, Cloudflare Agents SDK 가이드 및 DeepSeek-R1 MLX 가이드와 연동되는 엔터프라이즈 멀티 에이전트 워크플로우를 완벽 구현한다.

핵심 요약

• Durable Execution (내구성 실행): 에이전트 워크플로우의 모든 step.do() 실행 결과가 자동 체크포인팅되어 서버다운이나 API 실패 시에도 이전 성공 지점에서 즉시 복구(Hydrate)된다.
• 서버리스 타임아웃 완전 해제: 단일 HTTP 요청 타임아웃 제약에서 벗어나 수 일, 수 주 동안 대기하는 장기 실행(Long-running) AI 에이전트 작업이 가능하다.
• Human-in-the-loop & 승인 대기: step.sleep() 및 외부 이벤트 대기를 통해 사람의 승인이 떨어질 때까지 컴퓨팅 비용 0원으로 대기 모드를 유지한다.
• 압도적 확장성: 초당 300개 인스턴스 생성 및 50,000개 동시 실행(Concurrent Instances)을 지원하여 AWS Step Functions 대비 비용 80% 이상 절감 효과를 발휘한다.

1. 비영속적 에이전트 vs Durable Execution 아키텍처

기존 함수형 에이전트와 Cloudflare Workflows의 결정적 차이다.

[기존 비영속적 에이전트 아키텍처] ❌
[Step 1: LLM 기획] ──► [Step 2: 웹 크롤링] ──► [Step 3: 코드 실행 중 타임아웃/오류!]
                                                          ▼
                                            전체 프로세스 멸실 & Step 1부터 재실행 (비용/시간 낭비)

[Cloudflare Workflows Durable Execution] ⭕️
[Step 1: LLM 기획] (Checkpointing)
         ▼
[Step 2: 웹 크롤링] (Checkpointing)
         ▼
[Step 3: 코드 실행 중 장애 발생] ──► 자동 복구(Hydrate) ──► Step 3만 재시도 및 완료!

2. Cloudflare Workflows 오케스트레이션 4대 요소

Cloudflare Workflows 공식 개발 문서 스펙에 따른 핵심 프리미티브 구성이다.

1. WorkflowEntry: 전체 워크플로우의 진입점 클래스 (Workflow 클래스 상속).
2. step.do(): 단일 트랜잭션 단위 스텝. 성공 시 결과가 영구 저장되며, 해당 스텝 재실행이 바이패스된다.
3. step.sleep(): 컴퓨팅 자원을 반납한 채 일정 시간 동안 멈춰있는 대기 스텝 (비용 $0).
4. step.sleepUntil(): 지정한 미래 시각이나 이벤트(Human Approval) 수신 시점까지 유휴 상태로 대기.

3. 실전 구현 코드: 자율형 연구 & 보고서 생성 에이전트

웹 리서치 ➔ 분석 ➔ 사람 승인 ➔ 최종 보고서 발송으로 이어지는 Durable AI Agent Workflow의 전체 TypeScript 구현 코드다.

import { WorkflowEntrypoint, WorkflowEvent, WorkflowStep } from 'cloudflare:workers';

interface Env {
  AI: any;
  MY_WORKFLOW: Workflow;
}

interface AgentParams {
  topic: string;
  requesterEmail: string;
}

export class ResearchAgentWorkflow extends WorkflowEntrypoint<Env, AgentParams> {
  async run(event: WorkflowEvent<AgentParams>, step: WorkflowStep) {
    const { topic, requesterEmail } = event.payload;

    // Step 1: LLM 기반 하위 리서치 계획 수립 (체크포인트 1)
    const researchPlan = await step.do('generate-research-plan', async () => {
      const response = await this.env.AI.run('@cf/meta/llama-3.3-70b-instruct', {
        messages: [
          { role: 'system', content: '당신은 수석 연구원 AI입니다. 조사할 하위 주제 3개를 추출하세요.' },
          { role: 'user', content: `주제: ${topic}` },
        ],
      });
      return response.response;
    });

    // Step 2: 외부 API 크롤링 및 데이터 수집 (체크포인트 2)
    // 이 단계에서 외부 API 타임아웃이 발생해도 Step 1을 다시 실행하지 않음
    const collectedData = await step.do('crawl-web-sources', async () => {
      const searchResults = await fetch(`https://api.search-provider.com/v1/search?q=${encodeURIComponent(topic)}`);
      return await searchResults.json();
    });

    // Step 3: AI 종합 보고서 1차 초안 작성 (체크포인트 3)
    const draftReport = await step.do('synthesize-report-draft', async () => {
      const summary = await this.env.AI.run('@cf/meta/llama-3.3-70b-instruct', {
        messages: [
          { role: 'system', content: `수집된 자료를 통합하여 3,000자 기술 보고서를 작성하세요.` },
          { role: 'user', content: `계획: ${researchPlan}\n자료: ${JSON.stringify(collectedData)}` },
        ],
      });
      return summary.response;
    });

    // Step 4: 사람의 검토 및 승인을 위해 24시간 동안 유휴 대기 (비용 0원)
    // 이 대기 시간 동안 서버 메모리를 점유하지 않음
    await step.sleep('wait-for-human-approval', '24 hours');

    // Step 5: 최종 보고서 이메일 발송 (체크포인트 4)
    await step.do('send-final-email', async () => {
      await fetch('https://api.email-service.com/v1/send', {
        method: 'POST',
        headers: { 'Content-Type': 'application/json' },
        body: JSON.stringify({
          to: requesterEmail,
          subject: `[완료] ${topic} AI 종합 리서치 보고서`,
          body: draftReport,
        }),
      });
    });

    return { status: 'completed', topic, timestamp: new Date().toISOString() };
  }
}

export default {
  async fetch(request: Request, env: Env): Promise<Response> {
    const url = new URL(request.url);
    if (url.pathname === '/start-agent') {
      const { topic, email } = await request.json<{ topic: string; email: string }>();

      // Durable Workflow 인스턴스 생성 및 실행 트리거
      const instance = await env.MY_WORKFLOW.create({
        params: { topic, requesterEmail: email },
      });

      return Response.json({ instanceId: instance.id, status: 'started' });
    }
    return new Response('Not Found', { status: 404 });
  },
};

4. 성능 및 비용 벤치마크: Cloudflare Workflows vs AWS Step Functions

월 100만 건의 장기 실행 AI 에이전트 워크플로우 처리 시 벤치마크 결과다.

AWS Lambda에서 Cloudflare Workers로 이그레스 절감 마이그레이션 가이드 및 Cloudflare AI Gateway 비용 제어 가이드와 연동 시 전체 인프라 운영 비용을 80% 이상 획기적으로 낮출 수 있다.

5. Dynamic Workflows: 멀티테넌트 AI 에이전트 동적 격리

2026년 업데이트된 Dynamic Workflows를 적용하면 SaaS 플랫폼에서 고객(Tenant)마다 서로 다른 LLM 프롬프트 규칙이나 에이전트 파이프라인 코드를 안전하게 주입할 수 있다.

// 테넌트별 동적 에이전트 워크플로우 인스턴스 생성 예시
const tenantWorkflow = await env.DYNAMIC_WORKFLOWS.get(tenantId);
const instance = await tenantWorkflow.create({
  params: { customPrompt: tenantConfig.prompt, payload },
});

이 패턴을 통해 멀티테넌트 환경에서도 각 테넌트의 에이전트 실행 상태가 완전 격리(Isolated)되며, 개별 에이전트의 오작동이 전체 시스템에 영향을 주지 않는다.

6. 엔터프라이즈 도입 시 모범 사례 체크리스트

자주 묻는 질문

step.do() 내부에서 에러가 발생하면 전체 워크플로우가 멈추나요?

기본적으로 해당 스텝만 재시도(Retry)를 수행합니다. 지정한 최대 재시도 횟수를 초과하면 try-catch 블록을 통해 대체(Fallback) 스텝으로 우회하거나 워크플로우 실패 상태로 안전하게 전환할 수 있습니다.

대기(Sleep) 상태일 때 정말 서버 비용이 전혀 청구되지 않나요?

네, 100% 무료입니다. step.sleep()이 실행되면 해당 워크플로우 인스턴스는 에지 서버 메모리에서 완전히 내려가며(Dehydrate), 지정한 시간이 되었을 때만 에지 엔진이 상태를 복원(Hydrate)하여 다음 스텝을 계속 수행합니다.

Cloudflare Agents SDK와 Cloudflare Workflows는 어떻게 함께 쓰나요?

사용자와의 실시간 웹소켓(WebSocket) 대화 및 단기 메모리 관리는 **Agents SDK(Durable Objects)**가 담당하고, 리서치, 외부 API 배치 처리, 결제 승인 등 장기 실행 프로세스는 Workflows로 위임하는 양방향 하이브리드 아키텍처가 2026년 모범 사례입니다.

기존 Temporal 또는 AWS Step Functions 코드에서 이전하기 쉽나요?

개념적 구조(Step, Sleep, Retry)가 동일하므로 매우 쉽습니다. 기존 JSON 정의나 복잡한 YAML 파일 대신 익숙한 TypeScript 코드 직관성 그대로 사용할 수 있어 개발자 생산성이 2배 이상 향상됩니다.