피드로 돌아가기
Dev.toInfrastructure
원문 읽기
ERTH 스택 도입을 통한 128MB 규모의 고효율 Local-First AI 에이전트 구현
Why I Abandoned Electron & SPAs to Build a 128MB Local-First Desktop AI Agent
AI 요약
Context
Electron의 과도한 Chromium 커널 및 Node.js 런타임으로 인한 리소스 낭비와 Tauri의 가파른 Rust 학습 곡선 사이의 트레이드오프 발생. Python 기반 AI 오케스트레이션의 배포 복잡성과 의존성 관리 문제로 인한 시스템 경량화 필요성 증대.
Technical Solution
- OS-native WebKit 엔진과 Bun 런타임을 결합한 ElectroBun 기반의 초경량 UI Shell 설계
- Rust 기반 런타임을 가진 Robyn 프레임워크를 Sidecar 프로세스로 운용하여 Python AI 로직의 고성능 비동기 처리 구현
- libSQL(Turso)을 통한 로컬 파일 기반 데이터 저장 및 백그라운드 클라우드 동기화로 0.1ms 수준의 초저지연 CRUD 달성
- HTMX를 이용한 서버 사이드 HTML 프래그먼트 렌더링 방식으로 클라이언트 JS 상태 관리 오버헤드 제거
- UUIDv7 Opaque Token 기반의 프로세스 간 통신 보안 강화 및 Watchdog 파이프라인을 통한 백엔드 자동 복구 체계 구축
- 포트 충돌 방지를 위한 Port 0 기반의 동적 포트 할당 및 재협상 메커니즘 적용
Impact
- 전체 앱 번들 사이즈를 128MB로 최적화
- 로컬 데이터베이스 CRUD 레이턴시 0.1ms 달성
실천 포인트
1. 무거운 SPA 프레임워크 대신 HTMX와 서버 사이드 렌더링을 통한 클라이언트 복잡도 제거 검토
2. 언어별 강점을 결합한 Heterogeneous Architecture(Bun-Rust-Python) 설계 고려
3. Local-First DB 전략을 통한 오프라인 내성과 응답 속도 최적화 적용
4. Sidecar 패턴 도입 시 Watchdog 기반의 Self-healing 파이프라인 구축 필수