AI 산업은 마치 ‘왕좌의 게임’ 속 복잡한 권력 투쟁을 연상시키는 고위험 드라마를 연출하고 있습니다. 전 세계의 관심이 모델 매개변수와 성능을 둘러싼 경쟁에 집중된 가운데, AI 및 에이전트 표준, 프로토콜 및 생태계에 대한 조용한 전투가 벌어지고 있습니다.
2024년 11월, Anthropic은 지능형 에이전트를 위한 개방형 표준인 Model Context Protocol (MCP)를 도입하여 대규모 언어 모델과 외부 데이터 소스 및 도구 간의 통신 프로토콜을 통합하고자 했습니다. 얼마 지나지 않아 OpenAI는 MCP에 대한 Agent SDK 지원을 발표했습니다. Google DeepMind CEO인 Demis Hassabis도 Google의 Gemini 모델 및 소프트웨어 개발 키트가 이 개방형 표준을 통합할 것이라고 확인하면서 MCP를 ‘AI 에이전트 시대를 위한 빠른 개방형 표준’이라고 불렀습니다.
동시에 Google은 Google Cloud Next 2025 컨퍼런스에서 오픈 소스 Agent2Agent Protocol (A2A)을 발표했습니다. 이 프로토콜은 기존 프레임워크와 공급업체 간의 장벽을 허물어 다양한 생태계에서 에이전트 간의 안전하고 효율적인 협업을 가능하게 하는 것을 목표로 합니다.
이러한 기술 대기업의 움직임은 연결 표준, 인터페이스 프로토콜 및 생태계 측면에서 AI 및 지능형 에이전트 전반에 걸친 경쟁을 드러냈습니다. ‘프로토콜은 권력과 같다’는 원칙이 분명합니다. 글로벌 AI 환경이 형성됨에 따라 AI 시대의 기본 프로토콜 표준 정의를 제어하는 사람은 글로벌 AI 산업 체인의 권력 구조와 가치 분배 질서를 재편할 기회를 갖게 됩니다.
미래 AI 생태계의 ‘USB-C 포트’
AI 기술의 급속한 발전으로 GPT 및 Claude와 같은 대규모 언어 모델은 인상적인 기능을 보여주었습니다. 이러한 모델의 진정한 가치는 외부 세계의 데이터 및 도구와 상호 작용하여 실제 문제를 해결하는 능력에 있습니다.
그러나 이러한 상호 작용 기능은 오랫동안 파편화 문제와 표준 부족 문제에 직면해 왔으며, 개발자는 다양한 AI 모델 및 플랫폼에 대해 특정 통합 논리를 구현해야 했습니다.
이 문제를 해결하기 위해 MCP가 등장했습니다. AI 모델과 외부 세계를 연결하는 다리 역할을 하는 MCP는 AI 상호 작용 중에 직면하는 몇 가지 주요 문제를 해결합니다.
MCP 이전에는 AI 모델이 로컬 데이터베이스 (예: SQLite)에 연결하여 데이터를 가져오거나 원격 도구 (예: 팀 통신을 위한 Slack, 코드 관리를 위한 GitHub API)를 호출해야 하는 경우 개발자는 각 데이터 소스 또는 도구에 대해 특정 연결 코드를 작성해야 했습니다. 이 프로세스는 번거롭고 오류가 발생하기 쉬울 뿐만 아니라 개발 비용이 많이 들고 유지 관리가 어렵고 통합 표준이 부족하여 확장하기 어려웠습니다.
Anthropic은 MCP를 출시하면서 MCP를 AI 애플리케이션용 USB-C 포트에 비유했습니다. MCP는 공통 표준을 만들어 다양한 모델과 외부 시스템이 매번 별도의 통합 솔루션을 작성하는 대신 동일한 프로토콜을 사용하여 액세스할 수 있도록 하는 것을 목표로 합니다. 이를 통해 AI 애플리케이션의 개발 및 통합이 더 간단하고 통일됩니다.
예를 들어 소프트웨어 개발 프로젝트에서 MCP 기반 AI 도구는 프로젝트 코드 리포지토리를 직접 탐색하고 코드 구조를 분석하고 과거 커밋 기록을 이해한 다음 프로젝트의 실제 요구 사항에 더 부합하는 코드 제안을 개발자에게 제공하여 개발 효율성과 코드 품질을 크게 향상시킬 수 있습니다.
과거에는 대규모 모델 및 기타 AI 애플리케이션에서 데이터를 사용하려면 일반적으로 복사하여 붙여넣거나 업로드 및 다운로드해야 했습니다. 가장 강력한 모델조차도 데이터 격리로 인해 제한되어 정보 사일로를 형성했습니다. 더욱 강력한 모델을 만들려면 각 새 데이터 소스를 사용자 정의하고 구현해야 했으므로 진정으로 상호 연결된 시스템을 확장하기 어려워 많은 제한 사항이 발생했습니다.
MCP는 통합 인터페이스를 제공하여 AI와 데이터 (로컬 및 인터넷 데이터 포함)를 직접 연결합니다. MCP 서버와 MCP 클라이언트를 통해 둘 다 이 프로토콜을 따르는 한 ‘모든 것을 연결할 수 있습니다’. 이를 통해 AI 애플리케이션은 로컬 및 원격 데이터에 안전하게 액세스하고 작동할 수 있어 AI 애플리케이션에 모든 것에 연결할 수 있는 인터페이스를 제공합니다.
아키텍처 관점에서 MCP는 주로 MCP 서버와 MCP 클라이언트의 두 가지 핵심 부분으로 구성됩니다. 개발자는 로컬 파일 시스템, 데이터베이스 또는 Slack 및 GitHub API와 같은 원격 서비스에서 가져올 수 있는 MCP 서버를 통해 데이터를 노출할 수 있습니다. 이러한 서버에 연결하기 위해 구축된 AI 애플리케이션을 MCP 클라이언트라고 합니다. 간단히 말해서 MCP 서버는 데이터 노출을 담당하고 MCP 클라이언트는 데이터 액세스를 담당합니다.
AI 모델이 외부 데이터 및 도구에 액세스할 때 보안은 중요한 고려 사항입니다. 표준화된 데이터 액세스 인터페이스를 제공함으로써 MCP는 민감한 데이터와의 직접 접촉 수를 크게 줄여 데이터 유출 위험을 줄입니다.
MCP에는 보안 메커니즘이 내장되어 있어 데이터 소스가 안전한 프레임워크 내에서 제어된 방식으로 AI와 데이터를 공유할 수 있습니다. 또한 AI는 처리 결과를 데이터 소스로 안전하게 다시 전송하여 검증된 요청만 특정 리소스에 액세스할 수 있도록 보장하며 이는 데이터 보안에 또 다른 계층의 방어를 추가하는 것과 같으며 데이터 보안에 대한 기업의 우려를 해소하고 엔터프라이즈 수준 시나리오에서 AI의 심층 적용을 위한 견고한 기반을 마련합니다.
예를 들어 MCP 서버는 자체 리소스를 제어하며 대규모 모델 기술 제공업체에 API 키와 같은 민감한 정보를 제공할 필요가 없습니다. 이렇게 하면 대규모 모델이 공격을 받더라도 공격자는 이 민감한 정보를 얻을 수 없어 위험을 효과적으로 격리할 수 있습니다.
MCP는 AI 기술 개발의 자연스러운 산물이자 중요한 이정표라고 할 수 있습니다. AI 애플리케이션의 개발 프로세스를 단순화할 뿐만 아니라 AI 생태계의 번영을 위한 조건을 만듭니다.
개방형 표준인 MCP는 개발자 커뮤니티의 활력을 크게 자극합니다. 글로벌 개발자는 MCP를 중심으로 코드를 기여하고 새로운 커넥터를 개발하여 애플리케이션 경계를 지속적으로 확장하고 유익한 생태학적 주기를 형성하며 다양한 산업에서 AI와 데이터의 심층 통합을 촉진할 수 있습니다. 이러한 개방성으로 인해 AI 애플리케이션이 다양한 서비스 및 도구에 더 쉽게 연결되어 풍부한 생태계를 형성하여 궁극적으로 사용자와 전체 산업에 이익이 됩니다.
MCP의 장점은 기술 수준에서만 반영되는 것이 아니라 더 중요하게는 다양한 분야에 가져다주는 실제 가치입니다. AI 시대에는 정보를 획득하고 처리하는 능력이 모든 것을 결정하며 MCP를 통해 여러 에이전트가 협업하여 서로의 강점을 극대화할 수 있습니다.
예를 들어 의료 분야에서 지능형 에이전트는 MCP를 통해 환자 전자 의료 기록 및 의료 데이터베이스에 연결할 수 있으며 의사의 전문적인 판단과 결합하여 초기 진단 제안을 더 빠르게 제공할 수 있습니다. 금융 산업에서 지능형 에이전트는 협력하여 금융 데이터를 분석하고 시장 변화를 추적하며 주식 거래를 자동으로 수행할 수도 있습니다. 이러한 지능형 에이전트 간의 분업 및 협력은 데이터 처리를 보다 효율적으로 만들고 의사 결정을 보다 정확하게 만듭니다.
MCP의 개발 역사를 살펴보면 성장 속도가 놀랍다는 것을 알 수 있습니다. 2023년 초 MCP는 기본 지능형 에이전트 등록 및 메시지 전송 기능을 구현하는 핵심 통신 프로토콜 설계를 완료했습니다. 이는 지능형 에이전트가 자신의 언어를 사용하는 대신 서로 통신할 수 있도록 보편적인 언어를 만드는 것과 같습니다.
2023년 말 MCP는 지능형 에이전트가 외부 API를 호출하고 데이터를 공유할 수 있도록 기능을 더욱 확장했으며, 이는 지능형 에이전트가 채팅할 뿐만 아니라 정보를 교환하고 공동으로 작업을 처리할 수 있도록 하는 것과 같습니다.
2024년 초 MCP 생태계는 새로운 수준에 도달했습니다. 개발자 도구 키트와 샘플 프로젝트가 출시되었고 커뮤니티에서 제공하는 지능형 에이전트 플러그인 수가 100개를 넘어 ‘번성’하는 상황이 되었습니다.
최근 Microsoft는 MCP를 Azure OpenAI 서비스에 통합했으며 Google DeepMind는 MCP 지원을 제공하고 Gemini 모델 및 SDK에 통합할 것이라고 발표했습니다. 대규모 기술 회사뿐만 아니라 AI 스타트업과 개발 도구 제공업체도 Block, Apollo, Zed, Replit, Codeium 및 Sourcegraph와 같은 MCP에 참여했습니다.
MCP의 부상은 Tencent 및 Alibaba와 같은 중국 기술 회사의 빠른 후속 조치와 경쟁을 불러일으키고 AI 생태계 전략에서 중요한 단계로 간주합니다. 예를 들어 최근 Alibaba Cloud의 Bailian 플랫폼은 사용자가 리소스를 관리하고, 개발 및 배포하고, 엔지니어링 운영 및 유지 관리를 수행할 필요가 없도록 하는 전체 수명 주기 MCP 서비스를 출시하여 지능형 에이전트 개발 주기를 몇 분으로 단축했습니다. Tencent Cloud는 개발자가 비즈니스 지향적인 지능형 에이전트를 빠르게 구축할 수 있도록 MCP 플러그인 호스팅 서비스를 지원하는 ‘AI 개발 키트’를 출시했습니다.
다중 에이전트 협업을 위한 ‘보이지 않는 다리’
MCP 프로토콜이 지능형 에이전트를 채팅 도구에서 작업 지원으로 변환함에 따라 기술 대기업은 이 새로운 전장에서 표준 및 생태계의 ‘작은 마당과 높은 벽’을 구축하기 시작했습니다.
AI 모델과 외부 도구 및 데이터 연결에 중점을 둔 MCP와 비교하여 A2A는 한 걸음 더 나아가 지능형 에이전트 간의 효율적인 협업에 중점을 둡니다.
A2A 프로토콜의 원래 의도는 간단합니다. 다양한 소스와 제조업체의 지능형 에이전트가 서로 이해하고 협력하여 여러 지능형 에이전트의 협업에 더 큰 자율성을 부여할 수 있도록 하는 것입니다.
이는 국가 간 관세 장벽을 줄이는 것을 목표로 하는 WTO와 같습니다. 다양한 공급업체와 프레임워크의 지능형 에이전트는 독립 국가와 같습니다. A2A가 채택되면 자유 무역 지대에 가입하는 것과 같으며 공통 언어로 통신하고 원활하게 협업하며 단일 지능형 에이전트가 독립적으로 완료할 수 없는 복잡한 워크플로를 공동으로 완료할 수 있습니다.
A2A 프로토콜의 특정 상호 운용성 형태는 클라이언트 에이전트와 원격 에이전트 간의 통신을 촉진함으로써 달성됩니다. 클라이언트 에이전트는 작업 공식화 및 통신을 담당하고 원격 에이전트는 이러한 작업을 기반으로 올바른 정보를 제공하거나 해당 작업을 수행합니다.
이 과정에서 A2A 프로토콜에는 다음과 같은 주요 기능이 있습니다.
첫째, 지능형 에이전트는 ‘지능형 에이전트 카드’를 통해 자신의 기능을 광고할 수 있습니다. 이러한 ‘지능형 에이전트 카드’는 JSON 형식으로 존재하므로 클라이언트 에이전트는 특정 작업을 수행하는 데 가장 적합한 원격 에이전트를 식별할 수 있습니다.
적절한 원격 에이전트가 식별되면 클라이언트 에이전트는 A2A 프로토콜을 사용하여 해당 에이전트와 통신하고 작업을 할당할 수 있습니다.
작업 관리는 A2A 프로토콜의 중요한 부분입니다. 클라이언트와 원격 에이전트 간의 통신은 작업 완료를 중심으로 이루어집니다. 프로토콜은 ‘작업’ 객체를 정의합니다. 간단한 작업의 경우 즉시 완료할 수 있습니다. 복잡하고 장기적인 작업의 경우 지능형 에이전트가 서로 통신하여 작업 완료 상태에 대한 동기화를 유지할 수 있습니다.
또한 A2A는 지능형 에이전트 간의 협업도 지원합니다. 여러 지능형 에이전트가 서로 메시지를 보낼 수 있으며, 여기에는 상황 정보, 응답 또는 사용자 지침이 포함될 수 있습니다. 이러한 방식으로 여러 지능형 에이전트가 함께 더 잘 협력하여 복잡한 작업을 함께 완료할 수 있습니다.
Google은 이 프로토콜을 설계할 때 다섯 가지 주요 원칙을 따랐습니다. 첫째, A2A는 지능형 에이전트가 메모리, 도구 및 컨텍스트를 공유하지 않더라도 자연스럽고 구조화되지 않은 모드에서 협업할 수 있도록 하는 데 중점을 둡니다.
둘째, 이 프로토콜은 HTTP, Server-Sent Events (SSE) 및 JSON-RPC를 포함하여 기존의 널리 사용되는 표준을 기반으로 구축되었으므로 기업이 매일 사용하는 기존 IT 스택과 더 쉽게 통합할 수 있습니다.
예를 들어 전자 상거래 회사는 웹 데이터 전송을 처리하기 위해 매일 HTTP 프로토콜을 사용하고 JSON-RPC를 사용하여 프런트 엔드와 백엔드 간에 데이터 지침을 전송합니다. A2A 프로토콜을 도입한 후 회사의 주문 관리 시스템은 HTTP 및 A2A 프로토콜 도킹을 통해 관련 지능형 에이전트가 제공하는 물류 데이터 업데이트를 빠르게 얻을 수 있으며 복잡한 데이터 전송 채널을 재구축할 필요가 없어 기존 IT 아키텍처에 쉽게 통합하고 다양한 시스템의 협업을 보다 원활하게 만들 수 있습니다.
셋째, A2A는 엔터프라이즈 수준의 인증 및 권한 부여를 지원하도록 설계되었습니다. A2A 프로토콜을 사용하면 데이터를 빠르게 인증하고 안전하게 얻을 수 있어 데이터 전송의 보안 및 규정 준수를 보장하고 데이터 유출 위험을 방지할 수 있습니다.
넷째, A2A는 빠른 작업부터 몇 시간 또는 며칠이 걸릴 수 있는 심층 연구 (사람이 관련된 경우)에 이르기까지 다양한 시나리오를 지원할 수 있을 만큼 유연합니다. 프로세스 전반에 걸쳐 A2A는 사용자에게 실시간 피드백, 알림 및 상태 업데이트를 제공할 수 있습니다.
예를 들어 연구 기관을 예로 들어 보겠습니다. 연구원들은 A2A 프로토콜에 따라 지능형 에이전트를 사용하여 신약 개발과 관련된 연구를 수행합니다. 데이터베이스에서 기존 약물 분자 구조 정보를 빠르게 검색하는 것과 같은 간단한 작업은 몇 초 안에 완료되어 연구원에게 다시 피드백할 수 있습니다. 그러나 인체 환경에서 신약 분자의 반응을 시뮬레이션하는 것과 같은 복잡한 작업의 경우 며칠이 걸릴 수 있습니다.
이 기간 동안 A2A 프로토콜은 완료된 단계 수, 현재 발생한 문제 등과 같은 시뮬레이션 진행 상황을 연구원에게 지속적으로 푸시하여 연구원이 항상 상황을 파악할 수 있도록 합니다. 마치 비서가 항상 작업 진행 상황을 보고하는 것과 같습니다.
다섯째, 지능형 에이전트의 세계는 텍스트에 국한되지 않으므로 A2A는 오디오, 이미지 및 비디오 스트림을 포함한 다양한 양식을 지원합니다.
미래에는 지능형 비서, 회사의 CRM 시스템, 공급망 관리 AI, 심지어 다른 클라우드 플랫폼의 지능형 에이전트까지 간단한 쿼리에서 복잡한 프로세스에 이르기까지 다양한 요구 사항을 효율적으로 완료하여 마치 오랜 친구처럼 ‘작업에 대해 이야기하고 작업을 분담’할 수 있다고 상상해 보십시오. 따라서 기계 지능 시대를 열 수 있습니다.
현재 이 프로토콜은 Atlassian, Box, Cohere, Intuit, MongoDB, PayPal, Salesforce 및 SAP를 포함하여 50개 이상의 주류 기술 회사의 애플리케이션 플랫폼을 이미 지원합니다.
이들은 모두 Google 생태계와 미묘한 관계를 맺고 있는 회사라는 점에 주목할 가치가 있습니다. 예를 들어 독립 AI 스타트업인 Cohere는 이전에 Google Brain에서 근무한 세 명의 연구원이 2019년에 설립했습니다. 이들은 Google Cloud와 장기적인 기술 파트너십을 맺고 있으며 Google Cloud는 Cohere에 모델 교육에 필요한 컴퓨팅 성능을 제공합니다.
Jira 및 Confluence와 같은 팀 협업 도구를 제공하는 회사인 Atlassian은 많은 사람들이 사용합니다. 이들은 Google과 파트너십을 맺고 있으며 일부 애플리케이션은 Google 제품에서 사용할 수 있습니다.
Google은 A2A가 Anthropic이 제안한 MCP 모델 컨텍스트 프로토콜을 보완한다고 말했지만 이는 과거에 Google이 80개 이상의 회사와 함께 Android 시스템을 개발하는 데 앞장선 것과 약간 비슷합니다. 점점 더 많은 회사가 참여함에 따라 A2A의 상업적 가치는 크게 향상될 것이며 전체 지능형 에이전트 생태계의 빠른 개발을 촉진할 것입니다.
‘도구 연결’에서 ‘생태계 지배’로
MCP와 A2A는 AI 상호 연결을 위한 두 가지 다른 경로를 나타냅니다. MCP는 기본 모델 상호 작용 프로토콜로서 애플리케이션과 다양한 모델 간의 원활한 도킹을 보장합니다. A2A는 이 기반 위에 지능형 에이전트 간의 협업 프레임워크를 제공하여 지능형 에이전트 간의 자율적인 검색과 유연한 협업을 강조합니다. 이 계층화된 구조는 모델 표준화와 지능형 에이전트 협업의 요구 사항을 동시에 충족할 수 있습니다.
동시에 둘 다 각 하위 분야에서 지배적인 위치를 차지했습니다. MCP는 엔터프라이즈 수준의 애플리케이션, 교차 모델 서비스 및 표준화 시나리오에서 장점을 가지고 있습니다. A2A는 오픈 소스 커뮤니티, 연구 프로젝트 및 혁신적인 애플리케이션에서 더 많은 지원을 얻었습니다.
거시적 관점에서 MCP와 A2A의 부상은 향후 AI 기술 표준과 관련될 뿐만 아니라 AI 산업 환경의 주요 변화를 예고합니다. 우리는 AI가 ‘독립형 지능’에서 ‘협업 네트워크’로 전환되는 역사적인 전환점을 목격하고 있습니다. 인터넷의 개발 역사가 보여주듯이 개방형 표준 프로토콜의 확립은 산업 발전을 촉진하는 데 중요한 힘이 될 것입니다.
그러나 더 깊은 수준에서 MCP와 A2A는 막대한 상업적 이익과 미래 AI 기술 담론 권력에 대한 경쟁을 숨기고 있습니다.
비즈니스 모델 측면에서 둘 다 서로 다른 수익 경로를 열고 있습니다. Anthropic은 MCP를 기반으로 엔터프라이즈 버전 서비스를 출시하여 API 호출량에 따라 회사에 요금을 부과할 계획입니다. 기업은 MCP를 사용하여 내부 데이터를 AI와 깊이 통합하고 비즈니스 효율성을 개선하며 이러한 편리한 서비스에 대해 비용을 지불해야 합니다.
Google은 A2A 프로토콜을 사용하여 클라우드 서비스 구독을 홍보하고 있습니다. 기업이 A2A를 사용하여 지능형 에이전트 협업 네트워크를 구축할 때 Google Cloud의 강력한 컴퓨팅 성능 및 관련 서비스를 사용하도록 유도하여 Google Cloud 비즈니스 수익을 늘립니다.
데이터 독점 측면에서 프로토콜 표준을 마스터한다는 것은 AI 데이터 흐름을 제어한다는 의미입니다. A2A 프로토콜을 통해 Google은 많은 엔터프라이즈 지능형 에이전트의 협업 중에 막대한 양의 데이터를 수집합니다. 이 데이터는 핵심 광고 알고리즘에 다시 피드백되어 광고 시장에서 지배력을 더욱 강화합니다. Anthropic은 MCP를 사용하여 AI가 엔터프라이즈 데이터의 핵심에 침투하도록 하려고 합니다. 규모의 이점을 형성하면 대량의 산업 데이터를 축적하여 비즈니스 확장을 지원하고 엔터프라이즈 요구 사항에 더 부합하는 AI 제품을 개발하기 위한 데이터 지원을 제공합니다.
오픈 소스 전략 측면에서 둘 다 오픈 소스를 주장하지만 자체 계획이 있습니다. MCP 핵심 프로토콜은 오픈 소스이므로 개발자가 생태계 구축에 참여하도록 유도하지만 엔터프라이즈 수준의 주요 기능 (예: 원격 연결 고급 기능 및 다중 모드 데이터의 심층 처리)은 유료로 잠금 해제해야 하므로 오픈 소스와 상업적 이익의 균형을 맞춥니다. A2A 프로토콜은 오픈 소스이지만 50개 이상의 엔터프라이즈 파트너가 Google Cloud 서비스를 우선적으로 사용하도록 유도하여 오픈 소스 생태계를 자체 상업 시스템과 긴밀하게 연결하고 사용자 고착도와 플랫폼 경쟁력을 향상시킵니다.
기술 자체에는 선악이 없지만 이해관계 체인에 내장되면 권력과 통제의 매개체가 됩니다. 모든 기술 혁명은 세계의 이해관계 체인을 재편하고 있습니다. 산업 혁명은 이해관계 체인을 토지와 노동에서 자본과 기계로 옮겼고 디지털 혁명은 데이터와 알고리즘으로 옮겼습니다.
오픈 소스 도구는 확실히 혁신적인 경로를 탐색할 수 있지만 데이터 및 알고리즘 키를 사용하여 모든 문을 열 것이라고 기대하지 마십시오. 각 키 문자열에는 플랫폼의 이해관계 암호가 새겨져 있기 때문입니다.
기술 회사가 AI 생태계를 개방하는 것처럼 보이지만 실제로는 자신에게 더 유리한 애플리케이션 시나리오를 중심으로 높고 두꺼운 생태학적 벽을 구축하여 데이터 금광이 유출되는 것을 방지하고 있으며 결국 AI 시대의 궁극적인 경쟁력은 여전히 데이터입니다.
MCP와 A2A가 결국 병합될 수 있을지는 여전히 불확실합니다. 각각 독립적으로 행동하면 기술 대기업은 ‘AI 소규모 마당 벽’을 구축할 가능성이 매우 높습니다. 결과적으로 데이터 아일랜드 현상이 더욱 심각해지고 프로토콜 캠프가 다른 회사의 데이터 순환이 차단되어 AI 혁신 애플리케이션 범위가 제한됩니다. 개발자는 여러 프로토콜 개발 기술을 마스터해야 하므로 학습 비용과 개발 작업량이 증가하여 혁신 활력이 억제됩니다. 산업 혁신의 방향은 거대 프로토콜에 의해 쉽게 인도될 것이며 스타트업은 여러 프로토콜을 지원하기가 어렵기 때문에 경쟁에서 불리한 위치에 놓여 산업의 전반적인 혁신 속도를 저해합니다.
우리는 MCP와 A2A의 부상이 글로벌 AI 산업을 대결이 아닌 협업 방향으로 발전시키는 데 기여하기를 바랍니다.
마치 19세기의 철도 게이지 분쟁과 20세기의 모바일 통신 표준 전쟁과 같이 모든 기술 분할에는 막대한 사회적 비용이 수반됩니다. AI 표준 및 프로토콜 분쟁의 결과는 더 광범위할 수 있습니다. 그것은 우리가 ‘만물의 인터넷’ 별 연합으로 나아가고 있는지 아니면 ‘의심의 사슬’이 만연한 암흑 숲으로 떨어지고 있는지를 결정할 것입니다.