AI 에이전트: 차세대 기업 지능을 구동하는 프로토콜 혁명

프로토콜 표준이 성숙해짐에 따라, 기업들은 에이전틱 AI를 맞이할 준비가 되어 있는가?

생성형 AI(GenAI), 에이전틱 AI, 그리고 물리적 AI에 대한 관심 증가 측면에서 AI 분야에 상당한 진전이 있었습니다. 하드웨어, 소프트웨어, 프레임워크, 그리고 AI 생태계가 빠르게 진화하는 동안, 혁신은 도입 속도를 명백히 앞지르고 있습니다. 이는 인터넷이 대중의식에 진입했던 1990년대 후반을 연상시킵니다. 기업의 도입은 초기에는 비용 절감, 효율성 증대, 새로운 시장 진출이라는 체감되는 이점에 의해 제한되었습니다.

인터넷이 가져온 혁신적 영향과 비슷하게, 에이전틱 AI는 기업이 인텔리전스를 도출하고 그 혜택을 고객에게 전달하는 방식을 바꿀 것입니다. 조직들은 AI가 효율성을 향상시킨다는 점을 명확히 이해하고 있지만, 도입 비용에 대해서는 여전히 우려하고 있습니다. 개발자들은 사용 가능한 다양한 프레임워크, 도구, 모델, 개념들로 인해 압도당하고 있으며, 동시에 엔터프라이즈 데이터 및 기존 인텔리전스와 애플리케이션을 조율하는 기본적인 방식에서 어려움을 겪고 있습니다. 핵심적인 과제는 여전히 남아 있습니다. 그것은 바로 도구, 데이터 소스, 에이전트를 효과적으로 연결하여 고객에게 인텔리전스를 제공하는 것입니다.

최근 개발자들이 에이전틱 AI와 멀티 에이전트 시스템을 채택하도록 돕는 프로토콜들에 상당한 관심이 집중되고 있습니다. 도입과 진화는 모델 컨텍스트 프로토콜(MCP), 에이전트 통신 프로토콜(ACP)과 에이전트 간 프로토콜(A2A)은 에이전트가 클라우드와 에지 환경 전반에 걸쳐 효과적으로 협업하고, 정보를 교환하며, 도구에 엑세스하고, 지능을 전달할 수 있는 새로운 시대를 알립니다.

MCP: 과장인가, 희망인가?

MCP는 상당한 논의를 불러일으켰습니다. 지난 몇 년 동안 우리는 AI 플랫폼과 인프라에서 주요한 혁신을 목격했습니다. RAG와 함수 호출이 AI 상호작용을 개선했지만, 개발자들에게 AI 앱이나 에이전트를 구축하는 일은 여전히 어렵습니다. 이것이 바로 MCP가 중대한 표준으로 부상하며, AI 개발자들에게 다운스트림 서비스와 상호작용하고 컨텍스트 구축을 단순화할 수 있는 원활한 방법을 제공하는 이유입니다. 관련 데이터로 컨텍스트를 구축하는 것은 고품질 에이전트를 만드는 핵심입니다. MCP는 이러한 요구를 해결하고 LLM과 서비스 간의 상호작용을 가능하게 합니다. 이는 다양한 목적을 위해 효율적인 통신을 가능하게 하는 썬더볼트, HDMI, 디스플레이포트 같은 프로토콜과 같습니다.

MCP는 개발자들의 에이전틱 AI 도입을 크게 단순화합니다. 이 로드맵 MCP 커뮤니티가 만든 이 문서는 우선순위와 방향성을 명확히 정의하고, 구현을 위한 유용한 지침을 제공합니다. 조직들은 또한 개발자가 포괄적인 에이전트 네트워크를 구축할 수 있게 해주는 MCP 레지스트리와 같이 로드맵에 명시된 주요 이니셔티브로부터 혜택을 얻을 것입니다. 상호 보완적인 표준 프로토콜로서 OAuth의 등장은 에이전트 생태계를 더욱 강화합니다.

다른 프레임워크와 마찬가지로 MCP에도 과제가 있습니다. MCP는 LLM의 추론을 지원하는 다양한 도구를 제공하지만, 조율되고 고품질인 작업 실행을 우선시하지는 않습니다. 개발자는 도구 사용에 대한 통제력이 제한적일 수 있으며, LLM의 판단에 크게 의존하게 됩니다. MCP가 만능 해결책은 아니라는 점을 인식하는 것이 중요합니다. 고품질의 출력을 달성하려면 세심한 도구 통합과 사려 깊은 프롬프트 엔지니어링이 필수적입니다. 또 다른 우려 사항은 보안입니다. 지속되는 컨텍스트, 수명이 긴 세션 및 구조화된 프롬프트는 시스템 설계 초기 단계에서 반드시 해결해야 할 보안 문제를 잠재적으로 유발할 수 있습니다. 확장성 역시 우려 사항이지만, 기술이 발전함에 따라 벤더들은 확장을 더 쉽게 만들기 위한 점진적 지원을 추가할 것입니다.

ACP: 지역 협력 조력자

ACP는 내부 기술 및 구현 방식에 관계없이 AI 에이전트 간의 원활한 통신을 가능하게 하도록 설계된 개방형 표준입니다. 이 표준은 동기 및 비동기 상호 작용을 모두 지원하며, 에이전트 관리 및 실행을 위한 표준화된 RESTful API를 제공합니다. ACP는 상호 운용성에 초점을 맞추어 서로 다른 기술 스택의 에이전트들이 효과적으로 협업할 수 있도록 합니다. 이 프로토콜은 여러 협력 에이전트를 실행하는 클러스터나 노트북과 같은 로컬 우선(local-first) 설정에 최적화되어 자율 에이전트 간의 원활한 상호 작용을 가능하게 함으로써 다른 통신 프로토콜들 중에서 두각을 나타냅니다. 이 프로토콜은 개발자가 로컬에서 복잡한 시스템 상호 작용을 용이하게 할 수 있도록 돕는, 다른 앱과 상호 작용하기 위한 안드로이드의 인텐트(Intents)나 iOS의 유니버설 링크(Universal Links) 및 커스텀 URL 체계(Custom URL Schemes)와 유사합니다.

A2A: 크로스플랫폼 장벽 허물기

구글의 A2A 프로토콜은 서로 다른 프레임워크나 공급업체 간의 자율형 AI 에이전트 간 원활한 통신과 협업을 가능하게 하도록 설계된 개방형 표준입니다. 이는 다양한 엔터프라이즈 플랫폼과 애플리케이션 전반에서 정보 교환, 조정, 협업을 위한 상호 운용성에 초점을 맞춥니다. 에이전트 검색, 작업 관리, 보안 협업에 대한 포괄적인 접근 방식을 통해 A2A는 중요한 도약을 나타냅니다.

A2A는 개발자가 플랫폼과 기업을 넘어 작동하는 모듈식 AI 시스템을 구축할 수 있도록 해주는 큰 은혜와 같습니다. 이는 현재의 접근 방식에서 크게 벗어난 것으로, 공급업체 종속성을 줄이고 더 풍부하고 교차 도메인적인 솔루션을 가능하게 합니다. 예를 들어, 로깅 품질을 처리하는 기업용 AI 에이전트는 서로 다른 소프트웨어 스택을 사용하여 운영 분석을 구축하기 위해 별도의 에이전트와 조정할 수 있습니다. 본질적으로 A2A는 전 세계의 에이전트에 전력을 공급하는 HTTP와 유사한 기본 프로토콜이 될 잠재력을 가지고 있습니다.

이 모든 것이 개발자들에게 의미하는 바는 무엇인가?

개발자들에게는 이 모든 것이 흥미로운 소식입니다. 지금까지 그들은 에이전트를 처음부터 구축하는 부담을 짊어져 왔습니다. 이러한 새로운 프로토콜들은 그 부담을 덜어줍니다. 그러나 모든 AI 혁신의 결실은 여러 도메인에 걸쳐 데이터와 시스템을 통합하는 복잡한 사용 사례들이 더 쉬워질 때 비로소 현실이 됩니다.

MCP는 향후 기능을 공개하는 데 있어 원동력이 될 것입니다. 이는 개발자가 고품질의 에이전트를 구축할 수 있도록 구조화된 방식으로 도메인 및 비즈니스 데이터에 대한 대화형 액세스를 가능하게 할 것입니다. 또한 MCP는 영업 데이터, 지식 베이스, 위키백과, 과학 데이터 등 다양한 소스에서 데이터를 가져와 에이전트가 실제 세계의 문제를 해결할 수 있도록 지원합니다. 이와 함께 MCP는 프롬프트 엔지니어를 단순화하여 서버가 특정 도메인에 더 적합한 템플릿을 제공하고 개발자가 이전보다 더 쉽게 프롬프트를 구성할 수 있도록 지원합니다. 아마도 가장 중요한 것은 LLM이 오래된 학습 데이터에 얽매이지 않고 MCP 서버를 통해 최신 정보와 다양한 정보에 접근할 수 있게 된다는 점일 것입니다.

ACP를 사용하면 엣지 및 로컬 디바이스에 AI 에이전트를 더 쉽게 구현할 수 있습니다. 의사결정의 대부분이 연결이 끊긴 환경에서 “이동 중에” 이루어지는 경우, 이 프로토콜이 유용할 것입니다. 이제 개발자는 표준 프로토콜과 협력하여 엣지 AI를 더 쉽게 만드는 모듈식 시스템을 구축할 수 있습니다.

A2A는 추진력을 얻어 크로스 플랫폼 에이전트들이 협력하여 고객에게 뛰어난 지능을 제공할 수 있도록 할 것입니다. A2A는 공통 표준을 사용하여 다양한 프레임워크로 구축된 에이전트들을 조율하는 데 도움을 줄 것입니다. 이를 위한 주요 요구 사항은 에이전트가 다른 에이전트에 의해 사용되고 소비될 수 있도록 하는 에이전트 카드를 구축하는 것입니다.

이 세 프로토콜은 서로 상호 보완적인 역할을 할 것입니다. 아래 다이어그램에 설명된 대로, MCP를 사용하여 에이전트를 구축하고, ACP를 사용하여 로컬에서 확장하며, A2A를 사용하여 네트워크 경계를 넘어 확장합니다.

이 모든 것은 소프트웨어 공급업체에게 어떤 의미가 있을까요?

인공지능(AI) 분야는 엄청나게 진화하고 있으며 소프트웨어 공급업체들은 혁신 속도를 따라잡기 위해 고군분투하고 있습니다. 표준 프로토콜의 부재로 인해 투자 대비 수익률(ROI)에 대한 의문이 제기되었고, 고객을 위한 정확한 비즈니스 사례를 구축하기가 어려웠습니다. 아마존(Amazon)과 마이크로소프트(Microsoft) 같은 대형 공급업체들은 혁신 속도에 맞출 수 있는 자원을 보유해 온 반면, 중견 소프트웨어 공급업체들은 “관망'하는 태도를 취해왔습니다. 신생 스타트업들은 대개 자사의 정체성을 알리기 위해 틈새 사용 사례에 집중했으나, 그들의 솔루션이 지속될 것인지에 대해서는 보장이 없었습니다. 이러한 신흥 프로토콜들은 마침내 위험을 줄이고 도입을 가속화하는 데 필요한 표준화를 제공합니다.

MCP의 도입이 크게 늘어나면서 여러 공급업체가 MCP 서버를 제공하게 되었습니다. Couchbase 출시된 구조화된 도구 세트를 사용하여 LLM이 Couchbase 클러스터에서 작업을 수행할 수 있도록 지원함으로써 AI 에이전트 워크플로우와 애플리케이션을 지원하도록 설계된 MCP 버전입니다. 앞으로 이 분야에서 더 많은 혁신이 있을 것으로 예상됩니다. 업계에서는 또한 탈중앙화된 LLM, 에이전트 및 처리 노드 네트워크가 정보를 교환할 수 있도록 MCP 메시의 구현을 목격했습니다.

Amazon, OpenAI, Microsoft 등의 벤더사들로부터 Agent Network Protocol(ANP) 및 Agent Discovery Protocol(ADP)을 포함한 A2A형 표준들이 등장했습니다. 조직들은 자연스럽게 자신들의 서비스를 사용하도록 프로토콜에 영향을 미치기를 원합니다. 그러나 이는 잠재적으로 프로토콜을 단편화하고 채택을 늦출 수 있습니다. 이러한 단편화는 격차를 메우기 위해 나서는 스타트업들과 함께 새로운 미들웨어 생태계로 이어질 가능성이 높습니다. 빠르게 움직이는 소프트웨어 벤더들은 고객에게 자신들의 서비스를 제공하는 데 있어 더 큰 성공을 거둘 것입니다.

조직이 AI를 효과적으로 사용할 수 있도록 지원하는 개발자 데이터 Platform인 Couchbase는 이러한 프로토콜과 표준의 지속적인 발전에 대해 기대하고 있습니다. 당사는 고객이 지능형 AI 시스템을 구축할 수 있도록 데이터 저장소를 이러한 프로토콜과 원활하게 통합하여 이러한 혁신의 물결을 탈 준비가 되어 있습니다.