AI agent(사람 대신 목표를 받아 여러 단계의 작업을 스스로 수행하는 AI 프로그램)가 웹을 돌아다니며 가격을 조회하고, 양식을 채우고, 로그인이 필요한 화면까지 처리해 주는 인프라를 파는 회사가 있습니다. Meta에서 엔지니어링 조직을 이끌다 나온 Shuhao Zhang이 공동 창업한 TinyFish입니다. 이 회사는 $4,700만의 투자를 받았고, 서비스를 연 지 1년이 채 안 되어 사용자 40만 명을 모았습니다. 흥미로운 점은 성장의 계기입니다. 모델을 더 키운 것이 아니라, 제품의 고객을 '사람'에서 'AI agent'로 다시 정의한 것이 전환점이었다고 합니다. 이 글에서는 그 과정에서 제품 설계와 수익 모델이 어떻게 바뀌었는지, 창업자가 직접 겪은 경험을 중심으로 정리합니다.
주말 실험에서 시작한 웹 agent
Zhang이 웹 agent에 확신을 갖게 된 계기는 Meta 재직 시절의 주말 프로젝트였습니다. 초기 GPT 모델을 Playwright(브라우저를 코드로 조작하는 자동화 도구)에 연결하고, 웹 페이지의 DOM(브라우저가 페이지 구조를 표현하는 트리 데이터)을 당시의 좁은 context window(모델이 한 번에 읽을 수 있는 입력 범위)에 맞게 손질해 넣은 뒤, 항공권을 검색해 예약하라는 과제를 맡겼습니다. 초기 모델이 복잡한 예약 흐름을 상당히 깊이까지 진행하는 것을 보고, 그는 agent가 웹을 쓰는 미래를 한번 보고 나면 떨칠 수 없는 확신으로 받아들였다고 합니다.
다만 당시 모델에는 tool calling(모델이 외부 기능을 호출하는 능력)이 없었고 여러 단계를 안정적으로 추론하지도 못했습니다. 그래서 팀은 먼저 AgentQL이라는 기반 도구를 만들었습니다. 깨지기 쉬운 CSS 선택자나 XPath 대신 자연어 질의로 지저분한 HTML에서 구조화된 데이터를 뽑아내는 엔진입니다. 처음에는 OpenAI의 GPT를 썼지만, 원본 HTML과 복잡한 레이아웃을 더 잘 이해한다는 이유로 Google의 Gemini로 옮겼습니다.
AgentQL에는 첫날부터 '코드화(codification)'라는 비용 절감 기법이 들어갔습니다. 모델이 처음 요소를 찾을 때 여러 DOM 속성을 함께 기록해 두고, 같은 페이지를 다시 방문하면 그 경로를 재사용하는 방식입니다. 레이아웃이나 CSS 클래스가 바뀌어도 반복 실행에서 LLM 호출의 약 90%를 건너뛸 수 있었다고 합니다. 예상 밖의 사용자층도 생겼습니다. 프런트엔드 테스트가 사소한 UI 변경마다 깨지는 데 지친 QA 엔지니어들이 의미 기반 선택자를 테스트 자동화에 가져다 쓴 것입니다.
그러나 결정적 선택자 라이브러리에는 한계가 있었습니다. 사이트마다, 시점마다 결제 흐름 같은 비즈니스 논리가 달라지기 때문에, 예상 밖의 중간 상태를 인지하고 계획하고 실행하는 완전한 자율 agent가 필요했습니다. 이것이 오픈소스 AgentQL에서 TinyFish 플랫폼으로 넘어간 이유입니다.
고객이 agent로 바뀌자 달라진 것들
TinyFish가 지난 1년 사이 급성장한 이유로 Zhang이 첫손에 꼽는 것은 'Agent Experience(AX)'로의 전환입니다. 사용자 경험(UX)이 사람을 위한 것이라면, AX는 agent 자체를 사람과 나란한 최종 사용자로 보고 제품을 설계하는 관점입니다. 이 관점을 적용하자 세 가지가 바뀌었습니다.
| 영역 | 사람이 고객일 때 | agent가 고객일 때(TinyFish의 선택) |
|---|---|---|
| 과금 | 월 $20 정액 구독 | 선불 지갑에서 건당 약 $0.40 소액 결제 |
| 가입 | 사람이 계정 만들고 API 키 발급 | Agent ID와 Agent Mail로 agent가 스스로 가입과 키 발급 |
| 기능 노출 | 사람이 읽는 문서와 화면 | MCP 도구로 agent가 발견하고 평가하고 호출 |
첫째는 과금입니다. 사람에게 익숙한 월 $20 구독은 agent에게 맞지 않습니다. agent는 어떤 작업 하나를 끝내기 위해 그 순간 필요한 만큼만 쓰고 싶어 하기 때문입니다. TinyFish는 구독을 없애고 선불 지갑을 도입해, agent가 사람의 개입 없이 약 $0.40짜리 작업 하나를 스스로 승인하고 결제할 수 있게 했습니다. 지갑 모델이 8월 말에 출시된 뒤 성장세가 크게 올라갔다고 합니다.
둘째는 가입 절차입니다. TinyFish는 Agent ID 체계를 만들어 agent가 사람 도움 없이 계정을 열 수 있게 했습니다. agent는 Agent Mail로 계정을 만들고, API 키를 자동으로 발급받아 꺼내고, MCP(Model Context Protocol, AI 모델이 외부 도구와 연결되는 표준 규약) 연동까지 혼자 설정합니다. 소프트웨어 agent가 독립된 주체로서 자기 몫의 도구를 조달하는 다중 agent 작업 흐름을 염두에 둔 설계입니다.
셋째는 기능을 어떻게 드러내느냐입니다. TinyFish는 웹 전용 agent 능력을 MCP 도구로 묶어 외부 agent가 쉽게 찾고 평가하고 호출하게 했습니다. 가격 정보와 독립 benchmark(성능 비교 시험) 결과를 명확히 공개하는 것도 중요하지만, 그 뒤의 실제 실행 품질은 속일 수 없는 경쟁이라는 것이 Zhang의 생각입니다.
사용자 입장에서 가장 쉬운 진입점은 ChatGPT나 Claude 같은 대화형 agent에 TinyFish를 연결하는 것입니다. 가상의 회사 'ACME corp' 명의로 ChatGPT에 TinyFish 가격을 찾아 영업 문의 양식까지 제출하라고 요청한 시연 사례를 보면 흐름이 드러납니다. ChatGPT는 먼저 Fetch API로 현재 가격 등급과 사용 한도, 기업용 패키지를 가져온 뒤, Web Agent 도구를 호출해 원격 브라우저에서 입력란을 찾고 이름과 회사 이메일을 넣고 드롭다운을 열고 체크박스를 켜고 제출했습니다. 10단계, 60.8초가 걸렸습니다. 내부적으로는 Cloud Browser가 DOM을 잡아 전처리하고, 추론 모델이 DOM 상태를 평가해 브라우저 명령을 내보내며, 레이아웃이 바뀌면 그에 맞춰 반복 대응하는 구조입니다.

▲ 구독에서 건당 지갑 결제로
비용을 10분의 1로 낮춘 모델 전략
agent가 고객이 되면 건당 가격이 핵심 경쟁력이 되므로 실행 비용을 낮추는 일이 곧 사업 모델이 됩니다. TinyFish의 모델 전략은 몇 단계를 거쳤습니다.
- 기본 웹 탐색에는 가장 크고 비싼 frontier 모델이 필요 없다고 판단해, 빠른 token 처리량과 저렴한 가격, 견고한 HTML 해석을 갖춘 Gemini Flash로 핵심 추론 백엔드를 옮겼습니다.
- 수십에서 수백 단계로 이어지는 작업을 관리하는 병목은 ADK(Agent Development Kit)라는 agent harness(agent의 사고 기록, 추론 루프, 관측, 도구 실행 전후 훅을 제공하는 뼈대)를 도입해 풀었습니다. 모델 가중치를 바꾸지 않고도 공개 agent benchmark에서 작업 완료율이 20% 넘게 올랐다고 합니다. 뼈대를 외부에 맡기면서 팀은 DOM 트리 가지치기, feature engineering(모델에 넣을 입력을 가공하는 일), 봇 차단 대응 같은 웹 고유의 문제에 집중할 수 있었습니다.
- 운영 트래픽이 늘면서 실제 사이트에서 agent가 작업을 수행한 궤적(trajectory)이 쌓였고, 이것이 독자적인 데이터 flywheel(데이터가 모일수록 모델이 좋아지고 다시 데이터가 늘어나는 선순환)이 됐습니다. 이를 바탕으로 open-weight(가중치가 공개된) 350억 parameter 모델을 fine-tuning(이미 학습한 모델을 특정 작업에 맞게 더 학습시키는 방법)한 자체 웹 전용 모델을 만들었고, 현재 대부분의 agent 작업을 이 모델로 돌립니다.
자체 모델은 지갑 출시와 같은 시기에 배포됐으며 운영 비용을 10분의 1로 줄이고 작업 속도와 성공률도 크게 높였다고 합니다. 평가는 별도의 과제였습니다. 웹은 계속 바뀌는 비결정적 환경이어서, TinyFish는 agent의 브라우징 세션을 기록하고 똑같이 재생하는 내부 인프라를 만들고, 사람 주석 팀이 요소 선택 범위와 중간 추론이 타당했는지 채점해 그 결과를 다시 학습 파이프라인에 넣습니다.
TinyFish는 화면 픽셀을 보는 computer-use 방식 대신 DOM을 읽는 웹 전용 방식을 택했습니다. Adobe Photoshop 같은 데스크톱 앱에는 시각 기반이 맞지만, 웹에서는 DOM이 더 풍부한 의미 구조를 제공해 정밀한 동작 선택이 가능하다는 판단입니다.
가장 큰 해자는 신뢰
Zhang은 모델 성능이나 연구소와의 경쟁보다 사용자 신뢰가 가장 중요한 경쟁 전선이라고 말합니다. 자율주행차에 비유하면, 사람은 차가 분명한 안전 기준을 넘어섰다고 느껴야 핸들에서 손을 뗍니다. 웹 agent에서 그 기준은 세금 신고나 온라인 뱅킹 계정 접근을 기꺼이 맡기는 수준입니다. 이미 수십만 명의 사용자가 로그인 뒤 작업을 위해 자격 증명을 TinyFish의 보안 금고에 맡기고 있습니다.
신뢰를 위해 TinyFish가 갖춘 장치는 다음과 같습니다.
- 안전장치 모델: 첫날부터 별도의 safeguard 모델을 아키텍처에 넣었습니다. 주 추론 모델이 스스로를 단속하게 두지 않고, 독립된 모델이 실행 직전의 모든 동작을 가로채 대상 요소와 계획된 상호작용, 맥락을 보고 악의적이거나 권한 밖이거나 금전적으로 위험한지 판단합니다. 단계마다 돌지만 지연은 거의 없게 설계했습니다. 위험하거나 모호한 동작을 만나면 세션을 즉시 중단하고, 사용자가 단계별 스크린샷 재생을 보고 승인하거나 지시를 고칠 수 있습니다. 위험 기준은 기업마다 다르므로 실제 사용을 바탕으로 계속 조정하되 기본값은 보수적으로 둡니다.
- TinyFish Passport: agent의 동작을 플랫폼과 사람 소유자 모두에 암호학적으로 귀속시키는 신원 체계입니다. 외부 사이트는 방문자가 TinyFish agent이며 특정 사용자를 대신해 움직인다는 사실을 확인할 수 있고, 사고가 나면 책임 소재를 추적할 수 있습니다. agent의 실수로 $100만 손실이 날 수도 있는 고위험 작업에서 사용자를 탓하면 안 되고 플랫폼이 책임을 져야 한다는 것이 그의 입장이며, 이 문제는 Stripe와 Visa 같은 결제 인프라, Cloudflare 같은 보안 관문, 제3의 agent 개발자가 함께하는 생태계 차원의 연합으로만 풀 수 있다고 봅니다.
- 인증과 프라이버시: 기업 사용 사례의 약 절반은 로그인 뒤에서 일어납니다. 1Password 같은 비밀번호 관리자와 연동해 평문 자격 증명이 LLM에 노출되지 않게 하는 Vault 방식과, 세션 상태와 쿠키를 저장해 2단계 인증을 거친 계정을 재로그인 없이 다루는 Browser Profile 방식을 제공합니다. TinyFish 자체는 사용자 이력을 쌓지 않는 무상태(stateless) 구조로 GDPR을 지키며, 기억과 선호는 ChatGPT나 Claude 같은 호스트 agent가 지시에 담아 보냅니다.
곧 나올 'agent-in-the-loop' 설계에서는 TinyFish의 하위 agent가 작업 도중 상위 agent나 사람 감독자에게 직접 질문하고 답을 받은 뒤 다시 진행할 수 있게 됩니다.
창업자가 그은 선과 피한 함정
Zhang이 초기 창업자에게 건네는 조언은 고객 요청과 장기 비전 사이의 긴장을 다루는 방법입니다. 고객 요청은 수요, 지불 의사, 유용성을 보여 주는 대체 불가능한 신호이고, 단 $1이라도 초기 결제를 받는 것이 핵심 아이디어의 가치를 입증한다고 말합니다. 그러나 모든 요청을 핵심 기술 인프라와 비전, 자원 제약에 비추어 평가해야 하며, 황금률은 없지만 핵심 인프라와의 정렬이 가장 중요하다고 봅니다. 그가 가장 경계하는 함정은 엔지니어 시간을 팔거나 클라우드 모델 token을 되파는 서비스 회사로 미끄러지는 것입니다. 소프트웨어의 지렛대 없이 맞춤 서비스만 만들면 확장되지 않는 사업 모델에 갇힌다는 경고입니다.
고객이 강하게 요구했지만 일부러 만들지 않은 기능도 있습니다. CAPTCHA 자동 해제와 봇 감지 우회입니다. TinyFish의 agent는 CAPTCHA를 만나면 사이트 이용 약관을 지키기 위해 일부러 멈춥니다. 믿을 만한 agent 인프라는 웹 발행자를 존중해야 하고, 적대적 스크래핑 없이도 기회는 충분하다는 판단입니다.
제품 운영 방식도 agent 시대에 맞춰져 있습니다. 매주 새 기본 모델이 나오는 환경에서는 기획한 아이디어가 2주 안에 모델에 흡수돼 무의미해질 수 있으므로, 2~3개월 앞의 모델 역량을 내다보며 제품과 엔지니어링이 밀착해 움직여야 한다고 합니다. TinyFish는 매달 최소 하나의 주요 기능이나 신제품을 내놓습니다. Zhang 자신은 출장 중에도 스마트폰 음성 입력으로 원격 개발 서버에 지시를 내리고, 약 12개의 병렬 코딩 세션이 진행 상황과 질문을 보내오는 방식으로 일합니다. 세션 일부는 밤새 혼자 복잡한 작업을 끝내며, 실험 전부가 출시되지는 않지만 한 달에 두세 개 기능이 production에 도달하면 작은 팀으로는 훌륭한 성과라고 말합니다. 다만 제품 책임자가 코드를 너무 많이 직접 만들면 엔지니어링 조직에 마찰이 생길 수 있다는 점도 인정합니다.

▲ 병렬 agent 세션으로 일하는 방식
agent가 주 고객이 되는 웹의 모습
Zhang은 지금의 웹이 CAPTCHA와 봇 차단, prompt injection(agent에 숨은 지시를 심는 공격)으로 agent에 적대적이지만, 머지않아 사이트가 방어에서 벗어나 스스로 'agent 인증'과 'agent 안전'을 갖추는 쪽으로 돌아설 것이라고 전망합니다. 정원사 같은 지역 서비스를 사람 대신 agent가 찾아 비교하고 고용하는 일이 흔해지면, 상업 사이트는 검증된 agent 트래픽을 안전하게 끌어들이도록 구조를 바꿀 것이라는 논리입니다.
웹 디자인은 둘로 갈린다고 봅니다. 스트리밍 영상이나 패션처럼 사람의 감각적 경험이 핵심인 사이트는 풍부한 화면을 유지하지만, 거래와 기능 중심의 서비스는 장식적인 프런트엔드를 걷어내고 구조화된 데이터와 거래 API를 agent에 최대 속도로 전달하는 headless(화면 없이 데이터와 기능만 제공하는) 구조로 바뀐다는 것입니다. 기계가 읽을 수 있는 인터페이스를 제공하지 않는 거래형 사이트는 앞으로 상당한 트래픽을 잃을 것이라고 그는 예측합니다.
TinyFish라는 이름에는 이 생태계에 대한 가설이 담겨 있습니다. 한쪽에는 Muse, Gemini, ChatGPT처럼 넓은 소비자 접점을 가진 소수의 거대 super agent가 있고, 다른 쪽에는 개인과 기업이 자기 데이터와 작업 흐름에 맞춰 만든 수십억 개의 '작은 물고기' agent가 있다는 구도입니다. TinyFish는 후자가 웹과 매끄럽고 안전하게 상호작용하도록 돕는 연결 인프라를 자처합니다. 한발 더 나아가 그는 엔지니어 둘과 30일이 주어진다면 병렬 agent로 인력을 12배, 100배로 불리겠다고 농담 섞어 말하면서, 사람의 지시를 따르기만 하는 agent가 아니라 주인의 목표에 맞춰 스스로 도구를 찾고, SaaS에 가입하고, 필요한 자격 증명을 관리하는 자기 구성형 agent를 만들겠다고 말합니다.
정리: agent 고객을 맞을 준비
TinyFish의 경험에서 읽을 수 있는 메시지는 분명합니다. agent가 고객이 되면 구독보다 건당 소액 결제가, 사람 손을 거치는 가입보다 agent 스스로 하는 온보딩이, 화면보다 MCP 같은 기계가 읽는 접점이 제품의 기본값이 됩니다. 그리고 건당 가격 경쟁에서 살아남으려면 자체 모델과 평가 인프라로 비용을 낮춰야 하며, 그 모든 것의 바탕에는 안전장치와 신원, 책임 체계로 쌓는 신뢰가 있습니다. 물론 이는 한 회사의 사례이고, 40만 명이나 10분의 1 같은 수치는 TinyFish가 밝힌 자사 결과이므로 누구나 같은 결과를 얻는다고 보기는 어렵습니다.
독자가 할 수 있는 일을 정리하면 다음과 같습니다.
- AI 서비스를 만들고 있다면, 내 제품을 사람이 아닌 agent가 쓴다고 가정하고 과금, 가입, 기능 노출을 다시 점검해 봅니다.
- 웹 agent를 직접 구축한다면, 고정 선택자 대신 의미 기반 추출과 캐싱으로 모델 호출을 줄이고, 검증된 agent harness를 활용해 웹 고유 문제에 집중합니다.
- 운영 중인 agent의 궤적을 기록하고 사람이 채점하는 평가 루프를 갖추면 자체 모델로 가는 길이 열립니다.
- 로그인 뒤 작업에는 비밀번호 관리자 연동이나 Browser Profile처럼 평문 자격 증명을 모델에 노출하지 않는 방식을 택하고, 고위험 동작은 멈추고 확인하는 안전장치를 둡니다.
- 거래형 웹 서비스를 운영한다면, 검증된 agent 트래픽을 받아들일 기계 친화적 인터페이스를 언제 준비할지 생각해 볼 때입니다.


