Arquitectura para mitigar el Cold Start sin servidor y reducir costes en agentes Vercel Eve
TuBrief 편집팀
2026년 7월 23일
0
Computing/Software원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
커뮤니티의 다른 글
댓글 (0)
Log in to leave a comment
아직 작성된 글이 없습니다
원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
Log in to leave a comment
아직 작성된 글이 없습니다
Al desplegar agentes basados en Vercel Eve en producción, uno se enfrenta de inmediato a la naturaleza sin estado (Statelessness) propia de los entornos serverless. Cuando la solicitud finaliza, la instancia se cierra y el estado de ejecución se pierde. Sin embargo, consultar una base de datos como PostgreSQL cada vez para restaurar la sesión genera latencias superiores a los 100 ms y dispara los costes de la base de datos.
Para superar las limitaciones de serverless, he resumido tres arquitecturas utilizadas en entornos de producción reales.
En un entorno serverless, abrir una nueva conexión a la base de datos en cada petición es el camino más rápido para arruinar tanto los costes de infraestructura como la velocidad de respuesta. Situar Upstash Redis, que se comunica mediante HTTP REST API, como capa de caché de sesión permite resolver este problema.
`
[User Request]
│
▼
┌──────────────┐ < 50ms (HTTP REST) ┌────────────────────────┐
│ Vercel Eve │ ────────────────────────> │ Upstash Redis │
│ Agent │ <──────────────────────── │ (Session State Storage)│
└──────────────┘ Session Context Restored└────────────────────────┘
│
│ Compress History (Sliding Window + Summary)
▼
┌──────────────┐
│ LLM Provider │
└──────────────┘
`
Los datos de la sesión se obtienen en menos de 50 ms a través de la REST API. Reemplazar las consultas directas a la RDB por una caché reduce drásticamente el consumo de Read Capacity.
| Criterio de evaluación | RDB tradicional (PostgreSQL) | DynamoDB (On-Demand) | Upstash Redis (HTTP REST) |
|---|---|---|---|
| Método de conexión | Socket TCP | AWS SDK | HTTP/REST API |
| Latencia media de lectura | 50ms - 200ms | 10ms - 20ms | 1ms - 5ms (Edge < 50ms) |
| Idoneidad Serverless | Baja (Exhaustión de conexiones) | Media (Existe latencia de conexión) | Muy alta (Soporta Scale-to-Zero) |
| Estructura de costes | Facturación por hora de instancia aprovisionada | Facturación por unidad de petición RCU/WCU | Facturación por unidad de petición de comandos ($0.20/100k) |
| Propósito principal de uso | Transacciones ACID, almacenamiento original | Almacenamiento y búsqueda de datos permanentes | Caché de sesión, Rate Limit, memoria de agente |
El código para guardar y restaurar la sesión se mantiene simple.
`typescript
import { Redis } from "@upstash/redis";
const redis = Redis.fromEnv();
interface AgentSessionContext {
userId: string;
currentStep: string;
intermediateThoughts: Record<string, unknown>[];
lastActiveTimestamp: number;
}
export async function restoreSessionContext(sessionId: string): Promise<AgentSessionContext | null> {
const cacheKey = session:context:${sessionId};
const cachedContext = await redis.get(cacheKey);
return cachedContext ?? null;
}
export async function saveSessionContext(
sessionId: string,
context: AgentSessionContext,
ttlSeconds: number = 3600
): Promise {
const cacheKey = session:context:${sessionId};
await redis.set(cacheKey, JSON.stringify(context), { ex: ttlSeconds });
}
`
A medida que la conversación se alarga, los costes de tokens siguen aumentando. Se utiliza un enfoque en el que solo se conservan como originales los últimos 6 turnos, y la conversación anterior se resume mediante un modelo ligero y se coloca en la parte superior del prompt.
`typescript
import { generateText } from "ai";
import { openai } from "@ai-sdk/openai";
interface Message {
role: "user" | "assistant" | "system";
content: string;
}
export async function compressConversationHistory(
messages: Message[],
recentWindowSize: number = 6
): Promise<Message[]> {
if (messages.length <= recentWindowSize) return messages;
const systemMessage = messages.find((m) => m.role === "system");
const nonSystemMessages = messages.filter((m) => m.role !== "system");
const olderMessages = nonSystemMessages.slice(0, nonSystemMessages.length - recentWindowSize);
const recentMessages = nonSystemMessages.slice(nonSystemMessages.length - recentWindowSize);
const summaryResponse = await generateText({
model: openai("gpt-4o-mini"),
prompt: 다음 대화의 핵심 사실과 결정 사항만 200자 이내로 요약하세요:\n\n${JSON.stringify(olderMessages)},
});
const compressedHistory: Message[] = [];
if (systemMessage) compressedHistory.push(systemMessage);
compressedHistory.push({
role: "system",
content: [이전 대화 요약]: ${summaryResponse.text},
});
compressedHistory.push(...recentMessages);
return compressedHistory;
}
`
Si se encuentra un error 429 (Rate Limit) o 5xx al llamar a herramientas externas, toda la inferencia del agente se interrumpe. Se debe implementar una estrategia de backoff exponencial combinada con Full Jitter y un Circuit Breaker.
La fórmula de backoff exponencial evita los cuellos de botella al incorporar números aleatorios en lugar de incrementar el tiempo de espera de forma estrictamente proporcional.
`typescript
export interface RetryConfig {
maxRetries: number;
baseDelayMs: number;
maxDelayMs: number;
}
export async function executeWithExponentialBackoff(
fn: () => Promise,
config: RetryConfig = { maxRetries: 3, baseDelayMs: 200, maxDelayMs: 8000 }
): Promise {
let attempt = 0;
while (true) {
try {
return await fn();
} catch (error: any) {
attempt++;
const statusCode = error?.status || error?.response?.status;
const isUnretryable = statusCode && statusCode >= 400 && statusCode < 500 && statusCode !== 429;
if (attempt > config.maxRetries || isUnretryable) throw error;
const calculatedDelay = Math.min(
config.maxDelayMs,
config.baseDelayMs * Math.pow(2, attempt)
);
const jitteredDelay = calculatedDelay * (0.5 + Math.random());
await new Promise((resolve) => setTimeout(resolve, jitteredDelay));
}
}
}
`
Si el fallo se prolonga, el Circuit Breaker bloquea las peticiones inmediatamente (Fail-Fast) y ejecuta la lógica de Fallback.
| Estado de respuesta de API externa | Estado del Circuit Breaker | Mecanismo de funcionamiento | Resultado de procesamiento del agente |
|---|---|---|---|
| HTTP 200 OK | Closed | Paso normal e incremento del contador de éxitos | Suministra datos externos al agente con normalidad |
| HTTP 429 / 503 | Closed $ | ||
| ightarrow$ Open | Ejecución de backoff exponencial y cambio a Open al alcanzar el umbral de tasa de fallos | Apertura del circuito tras los reintentos | |
| Estado Circuit OPEN | Open | Bloqueo de peticiones de red a la API externa (Fail-Fast) | Uso de herramienta alternativa o emisión de mensaje de Fallback |
| Tras expirar Cooldown | Half-Open | Verificación de recuperación del servicio externo con una única petición de sondeo (Probing) | Normalización del circuito si tiene éxito; rebloqueo si falla |
`typescript
export class CircuitBreaker {
private state: 'CLOSED' | 'OPEN' | 'HALF_OPEN' = 'CLOSED';
private failureCount = 0;
private lastStateChange = Date.now();
constructor(
private failureThreshold: number = 5,
private cooldownPeriodMs: number = 30000
) {}
async execute(requestFn: () => Promise, fallbackFn: () => Promise): Promise {
const now = Date.now();
if (this.state === 'OPEN') {
if (now - this.lastStateChange > this.cooldownPeriodMs) {
this.state = 'HALF_OPEN';
this.lastStateChange = now;
} else {
return await fallbackFn();
}
}
try {
const result = await requestFn();
if (this.state === 'HALF_OPEN') {
this.state = 'CLOSED';
this.failureCount = 0;
this.lastStateChange = now;
}
return result;
} catch (error) {
this.failureCount++;
if (this.failureCount >= this.failureThreshold || this.state === 'HALF_OPEN') {
this.state = 'OPEN';
this.lastStateChange = now;
}
return await fallbackFn();
}
}
}
`
Las funciones serverless tienen un límite de tiempo de ejecución. Mantener la petición abierta a la espera de la aprobación de un pago o de la eliminación de una base de datos provocará un error de timeout.
`
[Agent Action] ──> Eve Tool (needsApproval: true)
│
▼
[Checkpoint Saved & Instance Terminated]
│
├─> Slack Notification (Interactive Card)
│
[Human Approve] ───────>│ (Webhook POST Callback)
│
▼
[Resume Agent & Proceed Transaction]
`
Se asigna needsApproval: true a la herramienta de Eve, se detiene la ejecución y únicamente se guarda un punto de control (checkpoint).
`typescript
import { defineTool } from "@vercel/eve";
import { z } from "zod";
export const deleteDatabaseTool = defineTool({
name: "delete_database",
description: "특정 테넌트의 영구 데이터베이스 레코드를 삭제합니다.",
needsApproval: true,
input: z.object({
tenantId: z.string(),
reason: z.string(),
}),
execute: async ({ tenantId }) => {
return await db.tenant.delete({ where: { id: tenantId } });
},
});
`
La aprobación humana se recibe mediante un callback de webhook para reanudar el proceso.
`typescript
import { createWebhook } from "@vercel/workflows";
export async function handleApprovalWorkflow(event: { approvalId: string; payload: any }) {
const webhook = createWebhook();
await sendSlackApprovalCard({
approvalId: event.approvalId,
callbackUrl: webhook.url,
payload: event.payload,
});
try {
const { approved, userReason } = await webhook.timeout("12h");
if (!approved) {
await rollbackPreviousSteps(event.payload);
return { status: "REJECTED", reason: userReason };
}
return await proceedAction(event.payload);
} catch (error) {
await rollbackPreviousSteps(event.payload);
return { status: "TIMEOUT_CANCELLED" };
}
}
`
Las alucinaciones que ocurren tras modificar un prompt son difíciles de detectar mediante pruebas manuales. Se diseña el pipeline para que los PR solo se fusionen si superan las métricas de DeepEval.
| Métrica de evaluación | Umbral de aceptación | Criterio de evaluación |
|---|---|---|
| Faithfulness | Presencia o ausencia de distorsión de hechos con respecto al contexto proporcionado | |
| Answer Relevancy | Grado de coincidencia con el propósito de la pregunta del usuario | |
| Hallucination Rate | Proporción de apariciones de alucinaciones dentro del conjunto de pruebas | |
| Tool Calling Accuracy | Selección correcta de herramientas con especificación OpenAPI y cumplimiento de tipos |
Se ejecuta Pytest en GitHub Actions para bloquear la compilación si no se alcanza el umbral.
`yaml
name: Eve Agent Prompt Evaluation Pipeline
on:
pull_request:
branches: [ main ]
jobs:
evaluate-agent:
runs-on: ubuntu-latest
steps:
- uses: actions/checkout@v4
- name: Set up Python
uses: actions/setup-python@v5
with:
python-version: '3.11'
- name: Install Evaluation Dependencies
run: |
pip install deepeval pytest
- name: Run DeepEval Regression Suite
env:
OPENAI_API_KEY: ${{ secrets.OPENAI_API_KEY }}
ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }}
run: |
pytest test_agent_evals.py --deepeval-metric-threshold=0.85
`
Durante el despliegue, se integran Edge Config y un Middleware para aplicar el nuevo prompt inicialmente solo al 10% del tráfico.
`typescript
import { NextResponse } from 'next/server';
import type { NextRequest } from 'next/server';
import { get } from '@vercel/edge-config';
export async function middleware(req: NextRequest) {
const res = NextResponse.next();
let variant = req.cookies.get('agent_canary_variant')?.value;
if (!variant) {
const canaryRate = (await get('canary_traffic_rate')) || 0.10;
variant = Math.random() < canaryRate ? 'canary' : 'control';
res.cookies.set('agent_canary_variant', variant, { path: '/', httpOnly: true });
}
res.headers.set('x-agent-prompt-version', variant === 'canary' ? 'v2-canary' : 'v1-stable');
return res;
}
export const config = {
matcher: '/api/agent/:path*',
};
`