Gamma는 사용자가 단 하나의 문장만으로 레이아웃과 계층 구조가 살아있는 완성도 높은 프레젠테이션을 생성할 수 있게 하는 아이디어에서 시작했습니다. 초기에는 단순한 '생성(generation)'에 초점을 맞췄지만, 서비스가 성장하며 팀들은 반복적인 편집(iteration)의 중요성을 깨달았습니다.

이러한 필요성에 따라 2025년 10월 Gamma Agent를 출시하며 대화형 편집 기능을 도입했고, 이는 사용자-제품 간의 관계를 근본적으로 변화시켰습니다. 하지만 에이전트가 더욱 강력해지면서 단순한 요청-응답(request-response) 루프로는 한계에 부딪혔습니다. 팀들은 워크플로우 초기에 사용자가 내린 결정이나 구조적 추론, 확정된 톤앤매너 등 중요한 컨텍스트를 유지하고 여러 에이전트 간에 전달할 필요성을 느꼈습니다.

이에 Gamma는 커스텀 오케스트레이션 코드 대신 Vercel AI SDK와 같은 표준화된 방식을 채택하여, 백엔드를 재설계하지 않고도 에이전트의 동작을 진화시킬 수 있는 컴포저블(composable)하고 모델-불가지론적인(model-agnostic) 아키텍처를 구축했습니다. 이러한 철학은 텍스트 영역을 넘어 이미지 파이프라인에도 적용되었습니다.

Gamma는 60개 모델과 20개 제공업체를 거쳐 15억 개 이상의 이미지를 생성해왔습니다. 새로운 모델 통합의 어려움을 해결하기 위해 Vercel AI SDK가 도입한 ImageModelV3와 같은 표준 인터페이스를 활용했습니다. 이제 Gamma에 새 이미지 모델을 추가하는 것은 단지 모델 ID, 비용 공식, 지원 크기 등 몇 가지 설정만 하는 수준으로 간소화되었습니다. 트레이싱(tracing)이나 비용 추적은 공유 미들웨어(shared middleware)가 자동으로 처리하여 엔지니어들이 복잡한 인프라를 신경 쓸 필요가 없습니다.

이러한 아키텍처의 유연성은 제품 기능에도 직접적인 영향을 미칩니다. 예를 들어, Gemini 모델은 멀티모달 스타일 레퍼런스(실제 이미지)가 필요한 반면, Flux는 텍스트 전용 프롬프트에 최적화되어 있습니다. 모델 계층이 단순한 설정으로 분리되자, 이러한 모델별 전략들이 인프라 깊숙이에 묻히지 않고 기능 코드 내에서 독립적으로 관리될 수 있게 되었습니다.

또한, AI가 생성하는 콘텐츠는 단순히 마크업(markup)된 HTML을 넘어선 구조화된 문서입니다. 따라서 Gamma는 모든 생성 카드가 실시간으로 변환되는 전용 계층을 구축했습니다. 이 과정은 Vercel Functions라는 서버리스 엔드포인트에서 실행되며, LLM의 HTML 출력을 Tiptap 에디터 스키마 내부로 파싱하고 비동기 자산을 해결합니다. 이는 프레젠테이션 로딩 속도를 높이고 AI 기반 편집 경험을 전 세계 사용자에게 빠르고 반응성 있게 유지하는 핵심 요소입니다.

궁극적으로 Gamma가 지향하는 것은 단순한 인텔리전스(intelligence)를 넘어선 '컨텍스트'의 힘입니다. 브랜드 가이드라인, 이전 프레젠테이션 기록, 회사 톤앤매너 등 세 가지 레벨의 컨텍스트(즉각적인 세션, 사용자 히스토리, 조직적 레이어)를 효율적으로 모델에 주입하는 것이 현재 에이전트 개발의 가장 큰 아키텍처적 과제입니다. Gamma는 이러한 복잡한 요구사항을 충족시키기 위해 '올바른 추상화(abstractions)'를 선택하고, '모델-불가지론적인' 접근 방식을 유지하며 지속적으로 확장 가능한 시스템을 구축하는 데 집중하고 있습니다.