선구적인 에이전트 거버넌스: MCP의 호환성 및 보안을 위한 기술 청사진
지능형 에이전트에 대한 사용자 그룹 간의 수요가 다양해짐에 따라 거버넌스는 다양한 우선순위를 해결해야 합니다. 개방형 협업과 인간의 감독으로 강화된 모델 컨텍스트 프로토콜(MCP)은 안전하고 신뢰할 수 있는 에이전트 생태계를 위한 기반을 제공합니다.
지능형 에이전트(AI 에이전트)는 대규모 언어 모델로 구동되는 시스템으로, 도구를 통해 외부 세계와 상호 작용하고 사용자를 대신하여 행동할 수 있습니다. 최근 Manus의 등장은 실용적인 에이전트 애플리케이션에 대한 시장의 기대를 강조합니다.
2024년 11월에 발표된 Anthropic의 오픈 소스 모델 컨텍스트 프로토콜(MCP)은 범용 에이전트의 효율성과 보안을 향상시키기 위한 기술적 솔루션을 제공합니다. MCP는 표준화된 인터페이스를 통해 통합을 간소화하여 데이터 및 도구 액세스 효율성을 높입니다. 또한 특정 데이터 소스에서 모델을 격리하고 명령 제어 투명성을 강화하여 보안을 강화합니다. 이 균형 잡힌 접근 방식은 제어된 권한 부여를 보장하면서 사용자 경험을 우선시합니다.
MCP는 에이전트 거버넌스의 기반을 구축하지만 모든 문제를 해결하지는 않습니다. 예를 들어 도구 선택의 근거 또는 실행 결과의 정확성을 검증하지 않으며 에이전트-애플리케이션 생태계 내에서경쟁과 협업을 효과적으로 해결하지 못합니다.
애플리케이션에서 범용 에이전트가 직면한 과제
에이전트는 메모리, 계획, 인식, 도구 호출 및 액션 기능을 갖추고 광범위한 언어 모델로 강화되어 도구를 통해 외부 환경과 상호 작용하여 사용자를 대신하여 행동하는 시스템입니다. 에이전트는 사용자의 의도를 인식하고 이해하고, 메모리 모듈을 통해 정보를 얻고 저장하고, 계획 모듈을 활용하여 전략을 공식화하고 최적화하고, 도구 모듈을 호출하여 특정 작업을 실행하고, 액션 모듈을 통해 계획을 구현하여 자율적으로 작업을 완료하는 목표를 달성해야 합니다.
Manus는 워크플로 중심 에이전트 제품과 달리 더 일반적인 목적의 에이전트입니다.
에이전트, 특히 범용 에이전트에 대한 업계의 기대는 그들이 해결하는 집단적 필요에서 비롯됩니다. 자본 시장에서 에이전트는 AI 가격 책정을 토큰 기반 계산에서 맞춤형 서비스에 대한 효과 기반 가격 책정으로 전환하여 수익성을 높이는 모델의 상업적 가치를 위한 업계의 예상되는 폐쇄 루프 경로를 나타냅니다. 사용자 측면에서 기업은 에이전트가 반복적이고 표준화되고 명확하게 정의된 프로세스를 정확한 자동화로 실행할 것으로 기대하고 대중은 에이전트가 ‘기술적 이점’을 가져와 모든 사람을 위한 개인화된 낮은 임계값의 ‘디지털 스튜어드’가 될 것으로 기대합니다.
그러나 범용 에이전트는 애플리케이션에서 호환성, 보안 및 경쟁 문제에 직면합니다. 호환성 측면에서 모델은 호출에서 서로 다른 도구 및 데이터 소스와 효율적으로 협업해야 합니다. 보안 측면에서 에이전트는 사용자 지침에 따라 명확하고 투명하게 작업을 실행하고 여러 당사자 데이터의 컨버전스 하에서 합리적으로 보안 책임을 할당해야 합니다. 경쟁 측면에서 에이전트는 새로운 비즈니스 생태계에서 경쟁 및 협력 관계를 해결해야 합니다.
따라서 모델이 서로 다른 도구 및 데이터 소스와 효율적으로 협업하고 여러 당사자 데이터의 컨버전스 하에서 합리적으로 보안 책임을 할당할 수 있도록 하는 MCP 프로토콜은 Manus 제품 자체와 비교하여 심층적으로 연구할 가치가 있습니다.
호환성 문제
AI의 세계는 빠르게 진화하고 있으며 새로운 모델과 도구가 끊임없이 등장하고 있습니다. 범용 에이전트가 진정으로 유용하려면 광범위한 리소스와 원활하게 통합할 수 있어야 합니다. 이는 각 도구 또는 데이터 소스가 고유한 인터페이스와 데이터 형식을 가질 수 있으므로 상당한 과제를 제시합니다. 표준화된 접근 방식이 없으면 개발자는 각 통합에 대한 사용자 지정 코드를 작성해야 하는데 이는 시간이 많이 걸리고 비효율적입니다. 이러한 호환성 부족은 AI 에이전트의 광범위한 채택을 방해할 수 있습니다. 사용자는 기존 시스템과 쉽게 작동하지 않는 기술에 투자하기를 꺼릴 수 있습니다.
보안 위험
AI 에이전트는 사용자를 대신하여 행동하도록 설계되었으므로 종종 민감한 데이터와 시스템에 액세스할 수 있습니다. 이는 중요한 보안 문제를 야기합니다. 손상된 에이전트를 사용하여 데이터를 훔치거나 작업을 방해하거나 심지어 신체적 피해를 입힐 수도 있습니다. 에이전트가 보안을 염두에 두고 설계되었는지 확인하고 취약점을 방지하기 위해 엄격한 테스트와 모니터링을 받아야 합니다. 또한 특히 여러 당사자가 에이전트의 개발 및 배포에 관여하는 경우 보안에 대한 명확한 책임 라인을 설정하는 것이 중요합니다.
경쟁 환경
AI 에이전트가 더욱 보편화됨에 따라 기존 비즈니스 모델을 파괴하고 새로운 형태의 경쟁을 창출할 가능성이 높습니다. 예를 들어 공급업체와 자동으로 가격을 협상할 수 있는 에이전트는 회사에 상당한 경쟁 우위를 제공할 수 있습니다. 그러나 이는 기업이 최저 가격을 제공하기 위해 경쟁함에 따라 바닥을 향한 경쟁으로 이어질 수도 있습니다. AI 에이전트가 경쟁 환경에 미치는 잠재적 영향을 고려하고 이 새로운 환경을 탐색하기 위한 전략을 개발하는 것이 중요합니다. 여기에는 데이터 소유권, 지적 재산 및 반경쟁적 행위의 가능성과 같은 문제 해결이 포함됩니다.
MCP: 에이전트 애플리케이션의 호환성 및 보안을 위한 기술 솔루션
2024년 11월에 Anthropic은 MCP(모델 컨텍스트 프로토콜) 오픈 프로토콜을 오픈 소스로 공개하여 시스템이 AI 모델에 컨텍스트를 제공할 수 있으며 다양한 통합 시나리오에서 보편화될 수 있습니다. MCP는 계층화된 아키텍처를 사용하여 에이전트 애플리케이션의 표준화 및 보안 문제를 해결합니다. 호스트 애플리케이션(예: Manus)은 MCP 클라이언트를 통해 여러 서비스 프로그램(MCP 서버)에 동시에 연결하고 각 서버는 자체 의무를 수행하여 데이터 소스 또는 애플리케이션에 대한 표준화된 액세스를 제공합니다.
첫째, MCP는 표준 합의를 통해 에이전트 데이터/도구 호출에서 호환성 문제를 해결합니다. MCP는 조각화된 통합을 통합된 인터페이스로 대체하고 AI는 사양을 충족하는 모든 도구와 상호 작용하기 위해 계약을 이해하고 준수하기만 하면 되므로 중복 통합을 크게 줄입니다. 둘째, MCP는 보안 측면에서 세 가지 고려 사항이 있습니다. 첫째, 모델과 특정 데이터 소스는 데이터 링크에서 격리되고 둘은 MCP 서버 프로토콜을 통해 상호 작용합니다. 모델은 데이터 소스의 내부 세부 정보에 직접적으로 의존하지 않고 다자간 데이터 혼합의 소스를 명확히 합니다. 두 번째는 통신 프로토콜을 통해 명령 및 제어 링크의 투명성과 감사 가능성을 개선하고 사용자-모델 데이터 상호 작용의 정보 비대칭 및 블랙 박스 문제를 해결하는 것입니다. 세 번째는 권한에 따라 응답하여 권한 부여 링크의 제어 가능성을 보장하고 도구/데이터 사용 시 에이전트에 대한 사용자의 제어를 보장하는 것입니다.
MCP는 계층화된 아키텍처를 통해 표준화된 인터페이스와 보안 보호 메커니즘을 구축하여 데이터 및 도구 호출에서 상호 운용성과 보안 간의 균형을 달성합니다. 사용자 가치 수준에서 MCP는 지능형 본체와 더 많은 도구 간의 강력한 협업 및 상호 작용을 제공하고 더 많은 지능형 본체를 제공합니다. 다음 단계에서 MCP는 원격 연결 지원 개발에 집중할 것입니다.
향상된 호환성을 위한 표준화된 인터페이스
MCP의 주요 기능 중 하나는 표준화된 인터페이스를 사용하는 것입니다. 즉, AI 에이전트는 각 통합에 대한 사용자 지정 코드를 요구하지 않고도 서로 다른 도구 및 데이터 소스와 상호 작용할 수 있습니다. 대신 에이전트는 공통 명령 및 데이터 형식 집합을 정의하는 MCP 프로토콜을 이해하기만 하면 됩니다. 이는 통합 프로세스를 크게 단순화하고 필요한 개발 작업을 줄입니다. 또한 에이전트를 매번 재구성할 필요가 없으므로 서로 다른 도구와 데이터 소스 간에 쉽게 전환할 수 있습니다.
표준화된 인터페이스를 사용하면 서로 다른 AI 에이전트 간의 상호 운용성이 촉진됩니다. 여러 에이전트가 모두 MCP 프로토콜을 지원하는 경우 서로 쉽게 통신하고 데이터를 공유할 수 있습니다. 이는 여러 에이전트가 함께 문제를 해결하는 더 복잡하고 정교한 AI 시스템 개발로 이어질 수 있습니다.
데이터 보호를 위한 강력한 보안 메커니즘
보안은 MCP 설계에서 최우선 순위입니다. 이 프로토콜에는 데이터를 보호하고 무단 액세스를 방지하기 위한 여러 메커니즘이 포함되어 있습니다. 한 가지 주요 기능은 특정 데이터 소스에서 모델을 격리하는 것입니다. 즉, 에이전트는 기본 데이터에 직접 액세스할 수 없지만 대신 MCP 서버 프로토콜을 통해 데이터와 상호 작용합니다. 이는 공격자가 데이터를 손상시키기 어렵게 만드는 간접 계층을 추가합니다.
MCP에는 명령 및 제어 링크의 투명성과 감사 가능성을 개선하기 위한 메커니즘도 포함되어 있습니다. 이를 통해 사용자는 에이전트에 전송되는 명령을 정확하게 확인하고 에이전트가 자신의 지시에 따라 행동하고 있는지 확인할 수 있습니다. 이는 AI 시스템에 대한 신뢰를 구축하는 데 중요합니다. 사용자가 에이전트가 결정을 내리는 방법을 이해할 수 있기 때문입니다.
마지막으로 MCP는 에이전트의 권한 부여를 제어하기 위한 메커니즘을 제공합니다. 이를 통해 사용자는 에이전트가 액세스할 수 있는 도구와 데이터 소스를 지정할 수 있습니다. 이는 에이전트가 민감한 데이터에 액세스하거나 권한이 없는 작업을 수행하지 못하도록 하는 데 중요합니다.
MCP: 에이전트 거버넌스를 위한 기반 마련
MCP는 데이터 및 도구 호출에 대한 호환성 및 보안 보증을 제공하여 에이전트 거버넌스의 기반을 마련하지만 거버넌스에서 직면한 모든 문제를 해결할 수는 없습니다.
첫째, 신뢰성 측면에서 MCP는 호출 데이터 소스 및 도구 선택에 대한 규범적 표준을 형성하지 않았으며 실행 결과를 평가하고 검증하지도 않았습니다. 둘째, MCP는 에이전트가 가져온 새로운 유형의 상업적 경쟁 협력 관계를 일시적으로 조정할 수 없습니다.
전반적으로 MCP는 사용자가 에이전트를 사용할 때 직면하는 핵심 보안 문제에 대한 초기 기술적 대응을 제공했으며 에이전트 거버넌스의 시작점이 되었습니다. 에이전트 및 기타 AI 애플리케이션의 대중화와 함께 다양한 사용자의 차별화된 요구를 충족하기 위해 분산된 방법이 필요합니다. 거버넌스의 초점은 모델의 보안뿐만 아니라 사용자 요구를 충족시키는 핵심 요구 사항이기도 합니다. MCP 프로토콜은 사용자 요구에 응답하고 기술적 공동 거버넌스를 촉진하는 첫 번째 단계를 수행했습니다. 또한 MCP를 기반으로 에이전트는 다양한 도구와 리소스의 효율적인 분업과 협업을 달성합니다. 일주일 전 Google은 서로 다른 플랫폼에 구축된 에이전트가 작업을 협상하고 안전한 협업을 수행하고 다중 지능형 본체 생태계의 개발을 촉진할 수 있도록 에이전트 간 통신을 위한 Agent2Agent(A2A) 프로토콜을 오픈 소스로 공개했습니다.
신뢰 및 안정성 문제 해결
MCP는 에이전트 거버넌스를 위한 견고한 기반을 제공하지만 모든 문제를 해결하지는 않습니다. 더 많은 주의가 필요한 주요 영역 중 하나는 신뢰 및 안정성 문제입니다. MCP에는 현재 실행 결과의 정확성을 확인하거나 에이전트가 적절한 데이터 소스 및 도구를 선택하는지 확인하기 위한 메커니즘이 포함되어 있지 않습니다. 즉, 사용자는 특히 위험도가 높은 상황에서 에이전트가 내린 결정을 완전히 신뢰하지 못할 수 있습니다.
이러한 문제를 해결하려면 에이전트 개발 및 배포에 대한 새로운 표준과 모범 사례를 개발해야 합니다. 여기에는 에이전트가 항상 예측 가능하고 안전한 방식으로 작동함을 증명하는 데 사용할 수 있는 공식 검증 방법과 같은 것이 포함될 수 있습니다. 또한 사용자가 에이전트가 결정을 내리는 방법을 이해하는 데 도움이 될 수 있는 설명 가능한 AI 기술을 사용할 수도 있습니다.
새로운 경쟁 환경 탐색
MCP가 완전히 해결하지 못하는 또 다른 과제는 에이전트가 경쟁 환경에 미치는 영향입니다. 에이전트가 더욱 보편화됨에 따라 기존 비즈니스 모델을 파괴하고 새로운 형태의 경쟁을 창출할 가능성이 높습니다. AI 에이전트가 경쟁 환경에 미치는 잠재적 영향을 고려하고 이 새로운 환경을 탐색하기 위한 전략을 개발하는 것이 중요합니다. 여기에는 데이터 소유권, 지적 재산 및 반경쟁적 행위의 가능성과 같은 문제 해결이 포함됩니다.
한 가지 잠재적 접근 방식은 AI 에이전트에 맞게 특별히 조정된 새로운 규제 프레임워크를 개발하는 것입니다. 이러한 프레임워크는 데이터 개인 정보 보호, 알고리즘 편향 및 시장 조작의 가능성과 같은 문제를 해결할 수 있습니다. 또한 경쟁을 촉진하고 독점을 방지하기 위한 메커니즘을 포함할 수도 있습니다.
앞으로 나아갈 길: 협업 및 혁신
MCP 개발은 에이전트 거버넌스 분야에서 중요한 진전입니다. 그러나 이것은 시작에 불과하다는 것을 인식하는 것이 중요합니다. 여전히 극복해야 할 많은 과제가 있으며 AI 에이전트가 안전하고 책임감 있게 사용되도록 연구자, 개발자, 정책 입안자 및 사용자의 공동 노력이 필요합니다.
유망한 개발 중 하나는 최근 Google의 Agent2Agent(A2A) 프로토콜 출시입니다. 이 프로토콜을 사용하면 서로 다른 플랫폼에 구축된 에이전트가 서로 통신하고 협업할 수 있습니다. 이는 여러 에이전트가 함께 문제를 해결하는 더 복잡하고 정교한 AI 시스템 개발로 이어질 수 있습니다. 또한 개발자가 다른 에이전트와 원활하게 통합할 수 있는 에이전트를 구축할 수 있으므로 보다 경쟁력 있고 혁신적인 AI 생태계를 조성하는 데 도움이 될 수 있습니다.
AI 기술이 계속 진화함에 따라 시대를 앞서 나가고 미래의 과제를 해결할 수 있는 새로운 거버넌스 메커니즘을 개발하는 것이 중요합니다. 이를 위해서는 협업, 혁신 및 끊임없이 변화하는 AI 환경에 적응하려는 의지가 필요합니다.