틴포일 vs book-to-skill

틴포일 장단점

• 클라우드 제공업체는 물론 Tinfoil 운영자조차 사용자 데이터에 접근할 수 없는 'Zero Trust' 환경을 하드웨어 수준에서 보장합니다. 최신 NVIDIA GPU의 TEE 기능을 활용하기 때문에 보안을 위해 연산 성능을 크게 희생할 필요가 없으며, Docker 이미지를 그대로 사용할 수 있어 도입 장벽이 매우 낮습니다. 또한 사용자가 브라우저나 SDK에서 직접 하드웨어 상태를 검증(Attestation)할 수 있는 오픈소스 스택을 제공하여 '우리 믿어달라'는 말 대신 기술적 증거를 제시한다는 점에서 전문가들의 신뢰도가 높습니다.

• 기밀 컴퓨팅 기능이 탑재된 H100, B200 등 고성능 GPU 인스턴스에서만 작동하므로 인프라 비용이 일반 AI 호스팅에 비해 상당히 높을 수 있습니다. 현재는 Llama, DeepSeek와 같은 오픈소스 모델에 최적화되어 있어, 모델 가중치가 공개되지 않는 GPT-4나 Claude 같은 폐쇄형 모델을 엔클레이브 내부에서 직접 구동하는 것은 불가능합니다. 또한 Y Combinator(S24) 출신의 초기 스타트업 단계여서 대규모 엔터프라이즈를 위한 지원 체계나 커뮤니티 생태계가 Fortanix와 같은 기존 강자에 비해 아직은 덜 성숙한 편입니다.

book-to-skill 장단점

• 긴 문서를 매번 전체 컨텍스트에 넣지 않아 토큰 사용량을 줄일 수 있음
• 여러 AI 코딩 에이전트 환경에서 동일한 스킬 형식을 사용 가능
• 문서 처리가 로컬에서 이루어져 데이터 업로드를 피할 수 있음
• 다양한 문서 형식과 여러 입력 소스를 지원

• AI 에이전트와 호스트 환경이 별도로 필요함
• 일부 PDF 및 문서 형식은 추가 추출기 설치가 필요함
• 스캔 PDF는 변환 전에 OCR 처리가 필요함

틴포일 주요 기능

• NVIDIA H100·B200 GPU 신뢰 실행 환경(TEE) 기반 기밀 컴퓨팅
• 코드 변경 없는 OpenAI 호환 드롭인 API
• SDK 및 브라우저 기반 하드웨어 원격 증명(Attestation)
• 오픈소스 보안 스택으로 검증 가능한 투명성
• 멀티-GPU 기밀 컴퓨팅 지원 (시장 유일)

book-to-skill 주요 기능

• 기술 서적과 문서 폴더를 구조화된 에이전트 스킬로 변환
• 장별 문서, 용어집, 패턴, 치트시트 자동 생성
• 필요한 장만 불러오는 온디맨드 로딩
• PDF, EPUB, DOCX, HTML, RTF, Markdown 등 지원
• GitHub Copilot CLI, Amp, Claude Code 호환
• 문서와 추출 과정을 로컬에서 처리