Vision LLM 비용 95% 절감 및 정밀도 향상을 위한 x402 기반 Stateless Crop API 설계

Context

전체 스크린샷을 Vision LLM에 전송 시 발생하는 과도한 Token 비용과 모델 내부 Downscaling으로 인한 텍스트 가독성 저하 문제 발생. Playwright 등의 도구가 제공하는 정밀한 좌표 정보가 있음에도 전체 이미지를 처리하는 비효율적 구조의 한계점 노출.

Technical Solution

• getBoundingClientRect()를 활용한 타겟 요소 좌표 기반의 정밀 Crop 로직 구현
• Sharp 라이브러리를 통한 In-RAM 이미지 처리로 Disk I/O 제거 및 처리 속도 최적화
• Fastify 기반의 Stateless 아키텍처 설계를 통한 DB 및 세션 관리 오버헤드 제거
• HTTP 402 상태 코드를 활용한 x402 Payment Protocol 도입으로 계정/인증 계층 없는 즉시 결제 구조 설계
• Base L2 네트워크를 통한 0.0005 USDC 소액 결제 및 Tx-Hash 검증 기반의 API 접근 제어
• 512MB 단일 CPU 컨테이너 내에서 작동하는 최소 지향적 인프라 구성

Impact

• Vision LLM Token 소비량 95% 감소
• 이미지 크기를 2MB에서 4KB 수준으로 축소하여 데이터 전송 효율 극대화
• Base L2 네트워크 활용으로 약 2초 내의 빠른 결제 정산 완료

Key Takeaway

데이터 보관이 필요 없는 처리 중심 서비스에서 Stateless 설계를 통해 보안 리스크(GDPR 등)와 관리 비용을 완전히 제거한 사례. 특히 Agent-to-Agent 경제 모델을 위한 x402 프로토콜의 실효성을 입증함.