Natural-Language 기반 Browser Automation의 Skill Reuse를 통한 비용 90% 절감

Context

전통적인 Browser Automation은 사이트 구조 변경 시 매번 코드를 수정해야 하는 유지보수 부하가 발생함. 자연어 지시를 코드로 변환하는 과정에서 반복되는 AI 추론 비용과 실행 시간이 주요 병목 지점으로 작용함.

Technical Solution

• Natural-Language Task를 분석하여 실행 가능한 Browser Automation 코드로 자동 변환하는 Agentic Workflow 설계
• reuseKey 기반의 Skill Caching 메커니즘을 도입하여 동일/유사 태스크의 중복 생성 방지
• outputSchema 정의를 통한 LLM 추출 데이터의 Type Safety 및 정형 데이터 보장
• TypeScript 및 Python SDK 제공으로 기존 Backend Pipeline과의 유연한 통합 구조 구축
• parameters 분리를 통해 정적 로직(Skill)과 동적 입력값을 격리하여 재사용성 극대화

Impact

• 최초 실행 대비 재사용 실행 시 처리 시간 6m 12s에서 58s로 약 92% 단축
• AI 추론 비용 $0.84에서 $0.12로 약 85% 절감
• Compute Hour 소모량 0.10h에서 0.02h로 약 80% 감소