프로토콜 표준이 성숙해짐에 따라 기업은 에이전트 AI에 대한 준비가 되어 있을까요?

AI는 제너레이티브 AI(GenAI), 에이전트 AI, 그리고 물리적 AI에 대한 관심 증가라는 측면에서 상당한 진전을 이루었습니다. 하드웨어, 소프트웨어, 프레임워크, AI 생태계가 빠르게 진화하고 있지만 혁신이 도입 속도를 앞지르고 있는 것은 분명합니다. 이는 마치 1990년대 후반 인터넷이 주류 의식에 진입했을 때를 연상시킵니다. 처음에는 비용 절감, 효율성 향상, 새로운 시장에 대한 접근성이라는 인식된 이점으로 인해 기업의 도입이 제한적이었습니다.

인터넷의 혁신적 효과와 마찬가지로 에이전트 AI는 기업이 인텔리전스를 도출하고 고객에게 혜택을 전달하는 방식을 변화시킬 것입니다. 기업들은 AI가 효율성을 향상시킨다는 사실을 분명히 알고 있지만 도입 비용에 대해서는 여전히 우려하고 있습니다. 개발자는 사용 가능한 다양한 프레임워크, 도구, 모델 및 개념에 압도당하는 동시에 엔터프라이즈 데이터와 기존 인텔리전스를 사용하여 애플리케이션을 조율하는 근본적인 방법에 대해 고민하고 있습니다. 도구, 데이터 소스 및 에이전트를 효과적으로 연결하여 고객에게 인텔리전스를 제공하는 방법이 핵심 과제로 남아 있습니다.

최근 개발자들이 에이전트 AI와 멀티 에이전트 시스템을 도입하는 데 도움이 되는 프로토콜에 대한 논의가 활발하게 이루어지고 있습니다. 프로토콜의 도입과 진화 모델 컨텍스트 프로토콜(MCP)에이전트 통신 프로토콜(ACP) 및 에이전트 간 프로토콜(A2A)은 에이전트가 클라우드 및 엣지 환경에서 효과적으로 협업하고 정보를 교환하며 툴에 액세스하고 인텔리전스를 제공할 수 있는 새로운 시대를 알립니다.

MCP: 과대광고인가, 희망인가?

MCP는 상당한 논의를 불러일으켰습니다. 지난 몇 년 동안 AI 플랫폼과 인프라에 큰 혁신이 있었습니다. RAG와 함수 호출을 통해 AI 상호 작용이 개선되었지만, 개발자에게는 여전히 AI 앱이나 에이전트를 구축하는 것이 어려운 과제입니다. 그렇기 때문에 MCP는 AI 개발자가 다운스트림 서비스와 원활하게 상호 작용하고 컨텍스트 구축을 간소화할 수 있는 방법을 제공하는 중요한 표준으로 부상하고 있습니다. 관련 데이터로 컨텍스트를 구축하는 것은 고품질 에이전트를 만드는 데 있어 핵심입니다. MCP는 이러한 요구 사항을 해결하고 LLM과 서비스 간의 상호 작용을 가능하게 합니다. 이는 다양한 목적을 위한 효율적인 통신을 가능하게 하는 Thunderbolt, HDMI 및 DisplayPort 유형의 프로토콜과 같습니다.

MCP는 개발자를 위한 에이전트 AI 도입을 크게 간소화합니다. 이 로드맵 는 우선순위와 방향을 명확하게 정의하여 구현에 유용한 지침을 제공합니다. 또한 개발자가 포괄적인 에이전트 네트워크를 구축할 수 있도록 지원하는 MCP 레지스트리와 같이 로드맵에 명시된 주요 이니셔티브의 혜택을 받을 수 있습니다. 상호 보완적인 표준 프로토콜로서 OAuth의 등장은 에이전트 생태계를 더욱 강화합니다.

다른 프레임워크와 마찬가지로 MCP에도 문제점이 있습니다. MCP는 LLM 추론을 지원하는 다양한 도구를 제공하지만, 조율된 고품질 작업 실행을 우선시하지는 않습니다. 개발자는 도구 사용을 제한적으로 제어할 수 있으며, LLM의 재량에 크게 의존할 수 있습니다. 고품질의 결과물을 얻기 위해서는 신중한 도구 통합과 사려 깊은 신속한 엔지니어링이 필수적이며, MCP가 모든 것에 적용 가능한 솔루션이 아니라는 점을 인식하는 것이 중요합니다. 또 다른 우려 사항은 보안입니다. 지속적인 컨텍스트, 오래 지속되는 세션, 구조화된 프롬프트는 시스템 설계 초기에 해결해야 하는 보안 문제를 야기할 수 있습니다. 확장성도 우려되는 부분이지만, 기술이 발전함에 따라 공급업체는 더 쉽게 확장할 수 있도록 점진적인 지원을 추가할 것입니다.

ACP: 로컬 협업 인에이블러

ACP는 내부 기술 및 구현에 관계없이 AI 에이전트 간에 원활한 커뮤니케이션이 가능하도록 설계된 개방형 표준입니다. 에이전트 관리 및 실행을 위한 표준화된 RESTful API를 제공하여 동기식 및 비동기식 상호 작용을 모두 지원합니다. ACP는 상호 운용성에 중점을 두어 서로 다른 기술 스택의 에이전트가 효과적으로 협업할 수 있도록 합니다. 여러 협력 에이전트를 실행하는 클러스터나 랩톱과 같은 로컬 우선 설정에 최적화된 자율 에이전트 간의 원활한 상호 작용을 지원하여 다른 통신 프로토콜 중에서도 특히 돋보입니다. 이 프로토콜은 다른 앱과 상호 작용하기 위한 Android의 인텐트 또는 개발자가 로컬에서 복잡한 시스템 상호 작용을 용이하게 하는 데 도움이 되는 iOS의 유니버설 링크 및 사용자 지정 URL 체계와 유사합니다.

A2A: 플랫폼 간 장벽 허물기

Google의 A2A 프로토콜은 서로 다른 프레임워크 또는 공급업체에 걸쳐 자율 AI 에이전트 간의 원활한 커뮤니케이션과 협업을 가능하게 하도록 설계된 개방형 표준입니다. 다양한 엔터프라이즈 플랫폼과 애플리케이션에서 정보 교환, 조정 및 협업을 위한 상호 운용성에 중점을 두고 있습니다. 에이전트 검색, 작업 관리 및 안전한 협업에 대한 포괄적인 접근 방식을 통해 A2A는 중요한 도약을 의미합니다.

A2A는 개발자가 여러 플랫폼과 기업에서 작동하는 모듈식 AI 시스템을 구축하는 데 큰 도움이 됩니다. 이는 현재 접근 방식에서 크게 변화한 것으로, 공급업체 종속성을 줄이고 더욱 풍부한 교차 도메인 솔루션을 구현할 수 있게 해줍니다. 예를 들어 로깅 품질을 처리하는 엔터프라이즈 AI 에이전트는 서로 다른 소프트웨어 스택을 사용하여 운영 분석을 구축하기 위해 별도의 에이전트와 협력할 수 있습니다. 본질적으로 A2A는 전 세계 에이전트를 지원하는 HTTP와 유사한 기본 프로토콜이 될 수 있는 잠재력을 가지고 있습니다.

이 모든 것이 개발자에게 무엇을 의미할까요?

개발자에게는 반가운 소식입니다. 지금까지는 에이전트 구축에 대한 부담을 처음부터 짊어져야 했습니다. 이 새로운 프로토콜은 이러한 부담을 덜어줍니다. 하지만 모든 AI 혁신의 결실은 여러 도메인에 걸쳐 데이터와 시스템을 통합하는 복잡한 사용 사례가 더 쉬워질 때 비로소 현실화됩니다.

MCP는 향후 기능 노출의 원동력이 될 것입니다. 개발자가 고품질의 에이전트를 구축할 수 있도록 도메인 및 비즈니스 데이터에 구조화된 방식으로 대화형 액세스를 가능하게 할 것입니다. 또한 MCP는 영업 데이터, 지식 기반, Wikipedia, 과학 데이터 등 다양한 소스에서 데이터를 가져와 상담원이 실제 문제를 해결하는 데 도움을 줄 것입니다. 또한 MCP는 프롬프트 엔지니어링을 간소화하여 서버가 특정 도메인에 더 적합한 템플릿을 제공하고 개발자가 이전보다 더 쉽게 프롬프트를 구성할 수 있도록 도와줍니다. 가장 중요한 것은 LLM이 더 이상 오래된 훈련 데이터의 제약을 받지 않고 MCP 서버를 통해 새롭고 다양한 정보에 액세스할 수 있다는 점입니다.

ACP를 사용하면 엣지 및 로컬 디바이스에서 AI 에이전트를 더 쉽게 구현할 수 있습니다. 대부분의 의사 결정이 연결되지 않은 환경에서 '이동 중'에 이루어지는 경우 이 프로토콜이 유용할 것입니다. 이제 개발자는 표준 프로토콜과 조율할 수 있는 모듈식 시스템을 구축하여 엣지 AI를 더 쉽게 구현할 수 있습니다.

A2A는 추진력을 얻고 크로스 플랫폼 에이전트가 협력하여 고객에게 우수한 인텔리전스를 제공할 수 있도록 지원합니다. A2A는 다양한 프레임워크를 사용하여 구축된 에이전트를 공통의 표준으로 조정하는 데 도움이 될 것입니다. 이를 위한 주요 요구 사항은 에이전트를 다른 사람이 사용하고 소비할 수 있는 에이전트 카드를 구축하는 것입니다.

이 세 가지 프로토콜은 아래 다이어그램에 설명된 대로 에이전트를 구축할 때는 MCP를, 로컬로 확장할 때는 ACP를, 네트워크 경계를 넘어 확장할 때는 A2A를 사용하여 서로를 보완합니다.

multi-agent agentic AI architecture

이 모든 것이 소프트웨어 공급업체에게 의미하는 바는 무엇일까요?

AI 분야는 크게 발전하고 있으며 소프트웨어 공급업체들은 혁신을 따라잡기 위해 고군분투하고 있습니다. 표준 프로토콜의 부재로 인해 ROI가 의심스럽고 고객을 위한 정확한 비즈니스 사례를 구축하기가 어려웠습니다. Amazon이나 Microsoft와 같은 대형 벤더는 혁신 속도에 맞춰 리소스를 확보한 반면, 중간 규모의 소프트웨어 벤더는 '관망하는' 접근 방식을 취해왔습니다. 신생 스타트업은 일반적으로 틈새 사용 사례에 집중하여 자신의 정체성을 알리는 데 주력했지만, 솔루션의 지속 가능성에 대한 보장은 없었습니다. 이러한 새로운 프로토콜은 마침내 위험을 줄이고 채택을 가속화하는 데 필요한 표준화를 제공합니다.

MCP의 채택이 크게 증가하여 여러 공급업체에서 MCP 서버를 제공하고 있습니다. Couchbase 출시 LLM이 구조화된 도구 세트를 사용하여 카우치베이스 클러스터에서 작업을 수행할 수 있도록 함으로써 AI 에이전트 워크플로 및 애플리케이션을 지원하도록 설계된 MCP의 버전입니다. 앞으로 이 분야에서 더 많은 혁신을 기대하세요. 또한 업계에서는 분산형 LLM, 에이전트 및 처리 노드 네트워크가 정보를 교환할 수 있도록 MCP 메시를 구현하는 사례도 있었습니다.

아마존, OpenAI, 마이크로소프트와 같은 공급업체에서 에이전트 네트워크 프로토콜(ANP)과 에이전트 검색 프로토콜(ADP)을 포함한 A2A 유형의 표준이 등장했습니다. 조직은 당연히 자체 서비스를 사용하기 위해 프로토콜에 영향을 미치기를 원합니다. 그러나 이는 잠재적으로 프로토콜을 파편화하여 채택을 늦출 수 있습니다. 이러한 파편화는 새로운 미들웨어 생태계로 이어질 가능성이 높으며, 스타트업이 그 격차를 해소하기 위해 뛰어들 것입니다. 빠르게 움직이는 소프트웨어 공급업체는 고객에게 서비스를 제공하는 데 더 큰 성공을 거둘 것입니다.

조직이 AI를 효과적으로 사용할 수 있도록 지원하는 개발자 데이터 플랫폼으로서, 카우치베이스는 이러한 프로토콜과 표준이 지속적으로 개발되고 있는 것에 대해 매우 기쁘게 생각합니다. 저희는 데이터 저장소를 이러한 프로토콜과 원활하게 통합하여 고객이 지능형 AI 시스템을 구축할 수 있도록 지원함으로써 이러한 혁신의 물결에 편승할 준비가 되어 있습니다.

 

작성자

게시자 Mohan Varthakavi - 소프트웨어 개발 부사장

댓글 남기기