Support Hub/Learn & Insights/공급업체의 SDK가 Windows에서만 실행된다고요? 이 AI 시대에도?
Translated from the English article and reviewed by a person. Read the English original
Article

공급업체의 SDK가 Windows에서만 실행된다고요? 이 AI 시대에도?

공급업체의 SDK가 Windows에서만 실행된다고요? 이 AI 시대에도?

이 글을 읽고 계신다면, 귀사의 팀에서 이미 이런 말이 나왔을 가능성이 높습니다. 생체 인식 하드웨어는 제대로 작동합니다. 장치는 본래 기능을 정확히 수행합니다. 그러나 제조사가 장치와 통신하도록 배포한 SDK는 컴파일된 Windows DLL이고, 특정 Visual C++ 런타임이 필요하며, Docker 컨테이너에서는 실행되지 않고, 개발자들은 Mac 또는 Linux를 사용합니다. 문제는 장치가 아닙니다. 문제는 SDK입니다. 이 글에서는 이런 상황이 왜 발생하는지, 팀이 시도한 모든 우회 방법이 결국 실패하는 이유, 그리고 아키텍처상의 대안이 어떤 모습인지 자세히 설명합니다.

 

모든 엔지니어링 팀에서 공통적으로 나오는 불만 사항

세부 내용은 다르지만 패턴은 언제나 같습니다. 조직이 생체 인식 하드웨어를 연동하면서 프로세스 후반에 SDK의 제약을 발견하고, 본래 존재하지 않아야 할 문제를 우회하는 데 상당한 엔지니어링 시간을 씁니다. 실제로 이러한 불만이 어떻게 들리는지 아래에 정리했습니다.

엔지니어링 팀이 매번 하는 말
“SDK는 Windows DLL로만 제공됩니다. 저희 백엔드 전체는 Linux에서 실행됩니다. 생체 인식 연동만을 위해 전용 Windows VM을 따로 구축해야 했습니다.”
“컨테이너화할 수 없습니다. Docker는 사용할 수 없습니다. Kubernetes도 사용할 수 없습니다. 모든 배포는 SDK를 재설치하고 새 라이선스를 받지 않고서는 교체할 수 없는 장비에서 수동으로 진행됩니다.”
“개발자들은 모두 Mac 또는 Linux를 사용합니다. 아무도 로컬에서 연동을 실행할 수 없습니다. 테스트하려면 사무실에서 SDK가 설치된 유일한 Windows 장비에 원격으로 접속해야 합니다.”
“SDK는 Visual C++ Redistributable 2010을 필요로 합니다. 신규 개발자는 연동 코드를 한 줄도 작성하기 전에 환경을 설정하는 데 3일을 보냈습니다.”
“서버를 Windows Server 2022로 업데이트했더니 SDK가 작동을 멈췄습니다. 공급업체가 업데이트된 버전을 내놓는 데 2주가 걸렸고, 그 기간 동안 근태 데이터가 전혀 없었습니다.”
“저희 CI/CD 파이프라인에서는 생체 인식 연동을 전혀 테스트할 수 없습니다. 모든 테스트는 수동으로 진행됩니다. 연동을 릴리스할 때마다 누군가 Windows 장비 앞에 직접 앉아서 실행해야 합니다.”

생체 인식 SDK가 Windows 전용인 이유: 실제 원인

생체 인식 하드웨어 통신이 Windows 전용 시스템 API를 필요로 할 만큼 복잡하다고 생각하기 쉽습니다. 그렇지 않습니다. 생체 인식 SDK가 Windows 전용인 실제 이유는 훨씬 단순하고 더 답답합니다. 바로 SDK가 원래 작성된 환경이 Windows였고, 그 이후로 이를 바꾸는 데 투자한 곳이 없었기 때문입니다.

대부분의 생체 인식 장치 SDK는 2000년대 초반에 C 또는 C++로 작성되었으며, 당시 지배적인 기업용 데스크톱 운영체제였던 Windows를 대상으로 했습니다. 컴파일된 결과물은 Windows 전용 바이너리 형식인 동적 링크 라이브러리(Dynamic Link Library), 즉 DLL이었습니다. 장치에 TCP 연결을 열고, 바이너리 패킷 형식을 해독하고, 구조화된 데이터를 반환하는 통신 로직이 이 DLL에 컴파일되어 고객에게 배포되었습니다.

당시에는 합리적인 결정이었습니다. 기업용 소프트웨어는 Windows에서 실행되었고, 서버도 Windows였으며, 개발자들도 Windows를 사용했습니다. DLL 형식은 해당 생태계에서 재사용 가능한 컴파일된 코드를 배포하는 표준 방식이었습니다. 당시의 맥락에서 이 선택은 잘못된 것이 아니었습니다.

문제는 맥락은 완전히 바뀌었지만 SDK는 그대로라는 점입니다. Linux가 지배적인 서버 운영체제가 되었고, Mac이 지배적인 개발자 워크스테이션이 되었습니다. Docker 컨테이너는 표준 배포 단위가 되었고, 클라우드 네이티브 인프라가 온프레미스 Windows 서버를 대체했습니다. 그러나 생체 인식 SDK는 여전히 Windows DLL로 남아 있습니다. 크로스 플랫폼 배포를 위해 다시 작성하려면 하드웨어 제조사가 투자할 상업적 동기가 거의 없는 엔지니어링 투자가 필요하기 때문입니다.

“이 SDK는 Linux나 Mac에 적대적으로 설계된 것이 아닙니다. Linux와 Mac이 기업용 소프트웨어가 실행되는 곳이 아니었던 세상을 위해 설계되었습니다. 그 세상은 더 이상 존재하지 않습니다. SDK만 뒤에 남았습니다.”

Windows 전용 SDK가 최신 스택에서 막는 것들

Windows 전용 SDK의 영향은 현대적인 개발 및 배포 환경의 모든 계층에 파급됩니다. 아래의 각 장애 요소는 최신 세대 소프트웨어 스택에 생체 인식 하드웨어를 통합하려 할 때 엔지니어링 팀이 실제로 마주하는 제약을 나타냅니다.

Docker 및 컨테이너화
Docker 컨테이너는 Linux에서 실행됩니다. Windows DLL은 Linux 컨테이너 내부에 로드할 수 없습니다. SDK를 호출해야 하는 모든 서비스는 베어 메탈 Windows 장비나 Windows 컨테이너에서 실행되어야 하며, 이는 표준 Linux 컨테이너보다 무겁고, 이식성이 떨어지고, 실행 비용도 더 높습니다.
Linux 클라우드 서버
AWS, Google Cloud, Azure 모두 표준이자 가장 저렴한 서버 옵션으로 Linux 가상 머신을 제공합니다. 생체 인식 SDK 연동만을 호스팅하기 위해 Windows VM을 실행하면 비용이 더 많이 들고, 생체 인식 기능 자체와는 무관한 운영 부담이 추가됩니다.
Mac 개발자 환경
개발자는 로컬 장비에서 SDK를 로드, 실행 또는 테스트할 수 없습니다. 연동을 테스트할 때마다 SDK가 설치된 유일한 Windows 장비에 접근해야 합니다. 생산적인 엔지니어링의 기본 요건인 로컬 개발 피드백 루프가 스택의 이 부분에서는 사라집니다.
CI/CD 파이프라인
자동화된 테스트 파이프라인은 Linux 에이전트에서 실행됩니다. 단위 테스트, 통합 테스트, 자동 배포 검사에는 SDK를 호출하는 코드 경로를 포함할 수 없습니다. 생체 인식 연동은 자동화된 품질 보증 프로세스 밖에 완전히 존재합니다.
서버리스 함수
AWS Lambda, Google Cloud Functions, Azure Functions는 관리형 Linux 런타임에서 실행됩니다. Windows DLL로는 생체 인식 연동을 위한 서버리스 아키텍처가 불가능합니다. 전체 함수를 장기 실행 Windows 프로세스로 대체해야 하며, 이는 서버리스의 비용 및 운영 모델을 무력화합니다.
Kubernetes 오케스트레이션
Kubernetes는 클러스터 전반에서 컨테이너를 관리합니다. Windows SDK에 의존하는 서비스는 Windows 노드 풀 없이는 표준 Kubernetes 오케스트레이션에 참여할 수 없으며, Windows 노드 풀은 표준 Linux 노드 풀보다 구성이 훨씬 복잡하고 실행 비용도 더 높습니다.

팀이 만드는 우회 방법과 결국 모두 실패하는 이유

Windows 전용 SDK와 현대적인 스택에 직면하면 엔지니어링 팀은 우회 방법을 만듭니다. 각 우회 방법은 당면한 문제를 해결하지만, 나중에 다른 문제를 일으킬 새로운 구조적 의존성을 만들어냅니다.

01
전용 Windows VM
SDK만 실행하기 위해 Windows 가상 머신을 별도로 프로비저닝합니다. 생체 인식 연동 서비스는 이 VM에서 실행되며, 나머지 스택이 호출하는 내부 API를 노출합니다. 이는 중단되어도 자동으로 교체할 수 없고, 수평적으로 확장할 수 없으며, 별도의 인프라 책임으로 패치와 유지보수를 해야 하는 영구적인 단일 장애 지점을 만듭니다.
실패 시점: VM이 폐기, 패치 또는 이전되어 SDK가 작동하지 않을 때.
02
COM 상호 운용 래퍼
C#으로 얇은 래퍼를 작성하여 DLL을 로드하고, 이를 COM 객체 또는 다른 프로세스가 호출할 수 있는 로컬 HTTP 서비스로 노출합니다. 이는 언어 경계, 프로세스 경계, 그리고 유지보수해야 하는 새로운 코드베이스를 추가합니다. 이를 작성한 개발자는 보통 이를 이해하는 유일한 사람이며, 결국 팀을 떠납니다.
실패 시점: SDK가 업데이트되어 래퍼가 깨지거나, 원래 개발자가 팀을 떠날 때.
03
Linux에서의 Wine
Wine은 일부 Windows 바이너리를 Linux에서 실행할 수 있게 해주는 호환성 계층입니다. 일부 팀은 Wine에서 생체 인식 SDK DLL을 실행하려고 시도합니다. 이는 단순한 SDK에서는 간헐적으로 작동하고, Windows 전용 시스템 호출에 의존하는 복잡한 SDK에서는 예측 불가능하게 실패합니다. Wine 기반 배포에 대한 SDK 공급업체의 지원은 존재하지 않습니다.
실패 시점: SDK가 Wine이 구현하지 않은 Windows API를 호출할 때, 이는 흔한 경우입니다.
04
Windows Subsystem for Linux
WSL2는 Linux 프로세스를 Windows에서, 그리고 그 반대로도 실행할 수 있게 합니다. 일부 팀은 Windows 장비에 SDK를 설치하고 WSL2 브리지를 통해 노출합니다. 이는 개발자 편의 도구를 운영 연동 방식으로 전용한 것입니다. 운영 워크로드를 위해 설계되지 않았으며, 지속적인 부하 상황에서 WSL 경계에서 불안정성을 초래합니다.
실패 시점: WSL 업데이트로 브리지가 깨지거나, 부하로 경계 계층에서 불안정이 발생할 때.
05
Python ctypes 또는 cffi
Python의 ctypes 라이브러리는 Python 코드에서 컴파일된 DLL의 C 함수를 직접 호출할 수 있게 합니다. 단순한 DLL 인터페이스에서는 Windows에서 작동할 수 있습니다. 하지만 수동 메모리 관리, 세심한 타입 매핑, 그리고 DLL의 호출 규약에 대한 깊은 지식이 필요합니다. 대부분의 경우 취약하고 문서화되어 있지 않으며, Windows가 아닌 플랫폼으로는 전혀 이식할 수 없습니다.
실패 시점: 업데이트에서 DLL 인터페이스가 변경될 때, 버전 보장이 없으므로 반드시 변경됩니다.
모든 우회 방법이 공유하는 패턴

모든 우회 방법은 Windows DLL을 고정된 제약으로 받아들이고 그 주변에 구축합니다. 어느 것도 제약을 제거하지 않습니다. 모두 복잡성을 더하고, 유지보수 범위를 넓히며, 새로운 장애 모드를 추가합니다. 올바른 해결책은 더 나은 우회 방법을 만드는 것이 아니라 DLL 의존성을 완전히 제거하는 것입니다.

대안 아키텍처의 모습

Windows DLL은 장치 제조사가 독점 바이너리 프로토콜 자체를 노출하지 않고도 개발자가 장치와 통신할 수 있는 방법을 제공해야 했기 때문에 존재합니다. DLL은 바이너리 와이어 형식과 개발자 코드 사이의 추상화 계층입니다.

이 추상화 계층이 반드시 DLL일 필요는 없습니다. JSON을 사용하는 HTTP 서버가 될 수 있습니다. 서버는 한쪽에서 바이너리 프로토콜을 처리하고, 다른 쪽에서는 API를 노출합니다. 개발자는 모든 플랫폼, 모든 언어, 모든 컨테이너, 모든 CI/CD 파이프라인, 운영체제와 관계없이 모든 개발자 노트북에서 실행되는 표준 HTTP 클라이언트 라이브러리를 사용해 API를 호출합니다.

SDK 방식

특정 장비에 설치된 Windows DLL. 언어별 FFI 또는 래퍼를 통해 호출. 운영체제 및 런타임 버전에 종속. 컨테이너화 불가. CI에서 테스트 불가. OS 업데이트 시 중단. 장비 브랜드마다 SDK 하나.

Biometric Gateway 방식

각기 다른 역할을 수행하는 두 가지 API 유형. Callback API는 장비에서 서버로 실시간 이벤트를 지연 없이 푸시합니다. RESTful API는 서버에서 장비로 보내는 명령을 받으며 실행 시간은 약 15초입니다. 둘 다 선택적 AES-256 암호화를 적용한 JSON over HTTP/HTTPS를 사용합니다. 모든 언어, 모든 OS, 완전한 컨테이너화 가능, 모든 CI 환경에서 테스트 가능.

두 API 유형 모두 장치의 변경을 요구하지 않습니다. 장치는 여전히 독점 바이너리 프로토콜을 사용합니다. Biometric Gateway는 장치와 애플리케이션 사이에 위치하며, 모든 프로토콜 변환을 내부에서 처리합니다. 프로토콜 엔진은 보안 인증 처리, 데이터 트랜잭션 로깅, 프로토콜 변환, 그리고 장치에 일시적으로 연결할 수 없을 때를 위한 오프라인 캐시 및 큐를 관리합니다. 표준화된 API 계층은 지원되는 모든 장치 브랜드에 걸쳐 ID 관리, AI 및 MCP 연동, 콜백 디스패치, REST 명령 라우팅, 데이터 정규화를 처리합니다.

개발팀에 달라지는 점

SDK가 API로 대체되면 개발 워크플로우의 실질적인 변화는 상당합니다. 점진적인 개선이 아닙니다. 귀사의 팀이 익숙해진 여러 범주의 마찰이 완전히 사라지는 것입니다.

개발 작업 Windows SDK 사용 시 API 사용 시
신규 개발자 환경 설정 몇 시간에서 며칠, Windows VM + SDK 설치 + 라이선스 + 런타임 종속성 몇 분, 환경 변수에 API 기본 URL과 인증 토큰만 추가
로컬 개발 및 테스트 SDK가 설치된 Windows 장비에 원격 접속 필요 모든 노트북, 모든 OS에서 어떤 HTTP 클라이언트 도구로든 작동
CI/CD 파이프라인 통합 표준 Linux 에이전트에서는 불가능 표준 HTTP 호출, 모든 CI 환경에서 작동
컨테이너화 배포 Windows 컨테이너 또는 전용 VM 필요 모든 Linux 컨테이너, 크기 제한 없음, 완전한 오케스트레이션 가능
두 번째 장치 브랜드 추가 새 SDK, 새 DLL, 새 래퍼, 새 문서 브랜드와 관계없이 동일한 Callback 및 RESTful API 인터페이스
실패한 작업 디버깅 바이너리 프로토콜 로그, 대개 문서화되지 않음 표준 HTTP 응답 코드와 JSON 오류 본문
OS 또는 런타임 업데이트 영향 SDK 호환성이 깨질 수 있으며 공급업체 업데이트 필요 클라이언트 코드에 영향 없음

두 가지 API 유형: 개발자가 실제로 작성하는 코드

대비를 구체적으로 보여주기 위해, 두 API 유형이 실제로 어떻게 작동하는지 설명합니다. RESTful API는 서버가 장치에 명령을 보낼 때 호출합니다. Callback API는 그 반대입니다. Gateway가 실시간 이벤트를 전송하기 위해 서버를 호출합니다. 개발자는 하나에 대해서는 수신기를, 다른 하나에 대해서는 호출기를 작성합니다. 둘 다 JSON over HTTP/HTTPS를 사용합니다. DLL, Windows 장비, 또는 SDK 설치가 필요하지 않습니다.

Callback API, 요청, Gateway가 서버로 전송
{
  "RealTime": {
    "OperationID": "9nu1wak5616p",
    "LabelName": "Burj Khalifa",
    "SerialNumber": "ZHM11xxxxxxxx",
    "PunchLog": {
      "Type": "CheckOut",
      "Temperature": "36.8",
      "FaceMask": false,
      "InputType": "Fingerprint",
      "UserId": "2",
      "LogTime": "2020-09-17 07:48:22 GMT +0530"
    },
    "AuthToken": "COJJ7eiIPBGUfmIQPvh2PJWWDLX7OuKs",
    "Time": "2020-09-17 04:19:03 GMT +0000"
  }
}
Callback API, 응답, 서버는 이 값을 Gateway에 반환해야 함
{ "status": "done" }

API 호출은 모든 언어의 HTTP 라이브러리로 이루어집니다. Python의 requests, Node의 fetch, Go의 net/http, 셸 스크립트의 cURL 등이 있습니다. Mac 노트북, Linux CI 러너, Kubernetes의 Docker 컨테이너, 서버리스 함수 어디서나 동일하게 작동합니다. Callback API 페이로드는 어떤 장치 브랜드나 입력 유형에서 이벤트가 발생했는지와 관계없이 같은 JSON 형식으로, 서버가 노출한 웹훅 엔드포인트에 도착합니다. 지문, 얼굴 인식, 손바닥 정맥, RFID 카드, PIN, QR 코드, 바코드 중 무엇이든 서버가 받는 구조는 항상 같습니다. DLL도, 런타임 종속성도, Windows 요구사항도, 관리할 라이선스 파일도 없습니다.

이것이 귀사의 팀에게 특별히 의미하는 바

다음 주에 팀에 합류하는 개발자는 저장소를 클론하고, 환경 파일에 Gateway 자격 증명을 추가한 뒤, 자리에 앉은 지 몇 분 안에 생체 인식 장치로 첫 번째 성공적인 호출을 할 수 있습니다. RESTful API에는 표준 HTTP POST를 작성하고, Callback API에는 표준 HTTP 수신기를 작성합니다. Windows 장비, SDK 설치 프로그램, 공급업체 라이선스 키, 또는 바이너리 장치 프로토콜에 대한 지식이 필요 없습니다. 스택 내의 다른 JSON 서비스와 연동하는 것과 정확히 같은 방식으로 Gateway와 연동합니다.

자주 묻는 질문

SDK를 API로 교체하면 장치 기능을 잃게 되나요?
Cams Biometrics Gateway는 두 API 유형에 걸쳐 38가지 생체 인식 작업을 노출합니다. RESTful API는 사용자 추가, 기록 삭제, 로그 불러오기, 생체 정보 등록 등 서버가 장치로 보내는 명령을 처리합니다. Callback API는 지문, 얼굴 인식, 손바닥 정맥, RFID 카드, PIN, QR 코드, 바코드 입력에서 발생한 근태 기록을 포함하여 장치에서 서버로 실시간 이벤트를 전달합니다. 대부분의 경우 Gateway는 장치 프로토콜과 직접 작동하기 때문에 특정 제조사 SDK 버전보다 더 많은 기능을 노출합니다. 이전하기 전에 Cams 지원팀과 함께 귀사의 특정 장치 모델에 대한 호환성을 확인하시기 바랍니다.
이미 SDK 주변에 상당한 래퍼를 구축했습니다. 그중 얼마나 버려야 하나요?
래퍼 내의 비즈니스 로직, 즉 어떤 직원이 어떤 출입 권한을 갖는지에 대한 규칙, HRMS ID와 장치 사용자 ID 간의 매핑, 오류 처리 및 재시도 로직은 모두 재사용할 수 있습니다. 교체하는 것은 DLL 함수를 호출하는 계층입니다. SDK 함수를 호출하는 대신 HTTP 요청을 보냅니다. 그 계층 위의 로직은 그대로 유지됩니다. 대부분의 경우 SDK 교체는 외부에서 보이는 것보다 작은 변경입니다.
API는 기존 SDK 직접 연결보다 신뢰성이 떨어지나요?
본질적으로는 그렇지 않습니다. Gateway는 장치와 지속적인 연결을 유지하고, 장치에 일시적으로 연결할 수 없을 때 작업을 버퍼링하는 오프라인 캐시 및 큐를 포함합니다. 연결 중단 중에도 이벤트는 유실되지 않으며, 연결이 복구되면 Callback 엔드포인트로 전달됩니다. 장치 연결의 신뢰성은 애플리케이션이 HTTP로 통신하는지 DLL 호출로 통신하는지가 아니라 Gateway 인프라에 의해 결정됩니다. 잘 운영되는 Gateway는 단일 Windows VM에 자체 관리 SDK를 설치하여 대부분의 팀이 달성하는 것보다 더 높은 가용성을 가집니다.
지연 시간은 어떤가요? 추가 네트워크 홉이 의미 있는 지연을 추가하나요?
대부분의 생체 인식 작업에서 추가 네트워크 홉은 한 자릿수 밀리초를 추가합니다. 근태 콜백은 Gateway가 귀사의 웹훅 엔드포인트로 푸시하여 실시간으로 전달되므로, 지연 모델은 이벤트를 받는 직접 SDK 연결과 유사합니다. 사용자 추가와 같은 쓰기 작업의 경우, 전체 왕복 시간은 명령이 어떻게 도착했는지와 관계없이 장치 자체의 처리 시간이 지배적이며, 이는 1~3초입니다. HTTP 홉은 병목이 아닙니다.
별도의 클라이언트 라이브러리 없이 기존 Python 또는 Node.js 백엔드에서 API를 사용할 수 있나요?
네. API는 JSON 본문을 사용하는 표준 HTTP를 사용합니다. 어떤 언어의 HTTP 클라이언트 라이브러리든 수정 없이 작동합니다. 특별한 SDK, Gateway 공급업체가 배포한 클라이언트 라이브러리, 또는 언어별 패키지가 필요하지 않습니다. JSON 본문을 포함한 HTTP POST 요청을 할 수 있다면 API를 호출할 수 있습니다. 애플리케이션 관점에서 이것이 전체 연동 범위입니다.

결론: SDK 문제에는 깔끔한 해결책이 있습니다

Windows 전용 생체 인식 SDK는 엔지니어링 팀이 영원히 우회해야 하는 불가피한 현실이 아닙니다. 20년 전 다른 인프라 환경에서 내려진 배포 결정의 결과입니다. 그 결정은 바이너리 프로토콜의 복잡성을 흡수하고 표준 API를 통해 장치를 노출하는 Gateway로 대체될 수 있습니다.

그 전환이 일어나면 전용 Windows VM은 폐기됩니다. CI/CD 파이프라인은 생체 인식 연동을 다시 테스트할 수 있게 됩니다. 신규 개발자는 몇 분 안에 로컬 환경을 설정합니다. Docker 컨테이너는 특별한 구성 없이 실행됩니다. Mac 개발자들은 SDK 라이선스가 설치된 사무실의 유일한 장비에 원격 접속하는 일을 멈춥니다. 이는 사소한 편의 개선이 아닙니다. 수년간 귀사의 엔지니어링 팀의 시간과 인내심을 소모해 온 구조적 제약을 제거하는 것입니다.

Cams Biometrics Gateway는 Windows SDK를 완전히 대체합니다. Cams, ZKTeco, Suprema, Hikvision, Anviz, Morpho/IDEMIA, Virdi, Mantra, Nitgen, Realtime, Biomax, Secugen, eSSL, Matrix 등의 생체 인식 장치에 각 장치의 고유 프로토콜을 사용하여 연결하며, 인프라 어디에도 SDK 설치가 필요하지 않습니다. 두 가지 API 유형에 걸쳐 38가지 작업을 노출합니다. 실시간 장치 이벤트를 지연 없이 서버로 푸시하는 Callback API, 그리고 서버에서 장치로 보내는 명령을 받는 RESTful API입니다. 모든 통신은 선택적 AES-256 암호화를 적용한 JSON over HTTP/HTTPS를 사용합니다. 네이티브 MCP 연동을 통해 Claude, Gemini, ChatGPT가 생체 인식 작업을 직접 호출할 수 있습니다. 오프라인 캐시 및 큐가 연결 중단을 자동으로 처리합니다. Gateway는 귀사의 스택이 Linux, Mac, Windows, Docker, Kubernetes, 서버리스 함수 중 무엇에서 실행되든 동일하게 작동합니다. DLL도, Visual C++ Redistributable도, 전용 Windows 장비도, 라이선스 파일도 필요하지 않습니다. 전체 API는 CamsBiometrics.com에서 확인하실 수 있으며, 기존 SDK 연동을 마이그레이션하는 방법도 안내해 드립니다.

 

Was this article helpful?