최근 몇 년 동안 인공지능 분야는 MoE, 강화 학습, 에이전트, 컴퓨터 사용, A2A 등 수많은 새로운 용어를 탄생시키며 빠른 기술 발전을 거듭해 왔습니다. 기술적 배경이 없는 일반 사용자에게 이러한 용어와 기술 개념은 압도적으로 느껴질 수 있으며 상당한 인지적 부담으로 이어질 수 있습니다. 결과적으로 AI와의 상호 작용은 채팅 상자 내에서 간단한 질문과 답변 교환으로 제한되는 경우가 많습니다.
MCP(모델 컨텍스트 프로토콜)는 이러한 기술 개념 중 하나입니다. 지난 한 해 동안 AI 에이전트가 빠르게 진화했으며 MCP 프로토콜은 복잡한 작업 자동화를 지원하는 중요한 기반 기능으로 부상했습니다. 그러나 현재 MCP 혁명은 여전히 개발자의 전유물인 것처럼 보입니다. 난해한 프로토콜 문서, 복잡한 도구 등록, 개인화된 구성에 대한 높은 장벽 때문입니다. 결과적으로 대부분의 일반 사용자는 멀리서 관찰만 할 뿐 실제로 직접 경험하기가 어렵습니다.
그러나 이러한 상황이 바뀌고 있습니다. 360의 자회사인 Nano AI는 4월 23일 개인 사용자를 위해 설계된 ‘MCP 툴박스’ 출시를 발표했습니다. 이 제품은 기술적 배경이 없는 일반 사용자를 위해 맞춤 제작되었으며 최소한의 학습 비용으로 모든 사람이 최첨단 AI 사용법을 마스터할 수 있도록 지원합니다.
이 제품은 MCP 프로토콜을 완벽하게 지원할 뿐만 아니라 다양한 대규모 모델 인프라를 기반으로 에이전트 작업을 실행할 수도 있습니다. 또한 외부 도구를 자동으로 호출하고, AI 지식 베이스에 액세스하고, 사용자 정의 작업 흐름을 지원하는 강력한 기능을 자랑합니다. 결정적으로 운영 문턱이 크게 낮아져 코딩 기술이 필요 없고 채팅 상자를 열기만 하면 사용할 수 있습니다.
현재 슈퍼 에이전트가 공개 테스트를 시작했습니다. 모델에서 프로토콜, 도구 생태계, 개인화된 작업 오케스트레이션에 이르기까지 Nano AI는 AI 에이전트를 모든 사람의 일상 생활에 진정으로 도입하는 제품 수준의 혁신을 목표로 하는 것으로 보입니다.
그렇다면 Nano AI의 ‘MCP 툴박스’는 얼마나 좋을까요? 이 질문에 답하기 위해 Machine Heart 팀은 내부 테스트 자격을 얻어 일련의 테스트를 수행했습니다.
툴박스 직접 사용 후기: MCP를 간단하게 만들기
Nano AI ‘MCP 툴박스’를 사용하는 것은 진입 장벽이 매우 낮습니다. 사용자는 추가 구성 없이 Nano AI 애플리케이션을 다운로드하여 설치한 다음 등록하고 로그인하기만 하면 됩니다.
업데이트된 ‘에이전트’ 페이지에 들어가면 Nano AI가 기존 에이전트를 심층 연구, 업무 및 효율성, 생활 도우미 등 여러 가지 광범위한 범주로 분류한 것을 볼 수 있습니다. 동시에 툴박스와 사례 연구 광장에 대한 액세스도 제공합니다.
툴박스에 들어가면 Nano AI가 이미 100개 이상의 MCP 서버를 구성한 것을 볼 수 있습니다(이 숫자는 이 기사를 작성하는 동안 120개에서 132개로 증가했습니다). 여기에는 Nano AI 자체에서 개발한 12개의 MCP 도구와 사무실 협업, 학술, 생활 서비스, 검색 엔진, 금융, 미디어 엔터테인먼트, 데이터 크롤링 등 다양한 시나리오를 다루는 수백 개의 타사 MCP 도구가 포함되어 있어 중국에서 가장 큰 MCP 생태계를 구축하고 있습니다. 또한 Nano AI는 사용자가 자신의 MCP 서버를 구성할 수 있도록 지원합니다. 다음에서는 ‘MCP 서버’ 대신 ‘도구’라는 용어를 사용하며 그 이유는 나중에 자세히 설명합니다.
먼저 Machine Heart 독자들이 가장 좋아할 만한 애플리케이션인 특정 연구 주제와 관련된 arXiv의 최근 연구 결과를 검색하고 정리하는 기능을 테스트해 보겠습니다.
먼저 툴박스를 검색하여 Nano AI의 사전 설정 도구에 이미 ‘arXiv 검색’이 포함되어 있으므로 직접 구성할 필요가 없습니다. 되돌아보면 Nano AI에는 이미 arXiv 논문 검색을 지원하는 많은 에이전트가 있습니다. 첫 번째 단계로 ‘전문 논문 검색’을 선택합니다. 이 에이전트에는 Nano AI 슈퍼 검색, arXiv 검색, Google Scholar, 학술 검색이라는 네 가지 도구가 구성되어 있으며 우리의 요구 사항을 완벽하게 충족합니다. 프롬프트를 작성하고 실행합니다.
지난달 arXiv에서 강화 학습과 관련된 연구 결과를 검색하고, 이론 연구, 기술 개선, 응용 프로그램에 따라 분류하고, 중요한 진행 상황에 대한 간단한 해석을 제공합니다.
‘전문 논문 검색’의 작동 과정은 다음과 같습니다.
이 작업은 매우 간단합니다. 에이전트는 ‘arXiv 검색’ 도구를 한 번만 호출했으므로 30분 이내에 작업을 완료하고 세 가지 범주 각각에서 두 가지 대표적인 연구 결과를 선택했습니다.
다음으로 ‘충칭의 관인교 근처에 좋은 자전거 경로가 있습니까?’라는 명령어를 사용하여 자전거 계획 에이전트를 사용해 봅니다.
이 에이전트는 날씨를 쿼리하기 위한 amapmcpserver-cloud의 maps_weather, 경로를 설정하기 위한 maps_direction_bicycling, 웹 페이지를 생성하기 위한 gen_html의 세 가지 도구를 사용했으며 총 362초 동안 실행되어 위에 표시된 동적 웹 페이지를 얻었습니다. 이 링크를 통해 액세스할 수도 있습니다. 예, 생성된 웹 페이지를 공개적으로 공유할 수 있습니다!
다음으로 난이도를 높여 보겠습니다. 이번에는 ‘네트워크를 검색하고 현재 여성 패션 트렌드를 분석하고 여성 패션 요소 분석 보고서를 발행하십시오.’라는 요구 사항입니다. 이번에는 Nano AI의 ‘심층 연구 에이전트’를 직접 사용합니다. 사용자의 특정 요구 사항에 따라 MCP 서버 및 내장 브라우저를 포함하여 적절한 도구를 사용하여 다양한 컴퓨터 사용 작업을 완료할 수 있습니다. 물론 따라서 심층 연구 에이전트는 작업을 실행하는 데 최대 수십 분이 걸리는 경우가 많습니다.
작업을 실행할 때 심층 연구 에이전트는 먼저 작업 요구 사항에 따라 실행할 단계를 계획한 다음 계획에 따라 단계를 단계별로 실행합니다.
이 특정 작업에 대해 심층 연구 에이전트에서 생성한 실행 단계는 아래 그림에 나와 있습니다.
먼저 여러 웹 사이트에서 현재 여성 패션 트렌드와 관련된 콘텐츠를 검색한 다음 검색된 콘텐츠를 분석하고 결과를 시각화했습니다. 마지막으로 최종 보고서를 제공했습니다.
이 과정에서 로컬 검색 도구 aiso_do_search를 세 번, 데이터 크롤링 도구 360_crawl을 한 번, 클라우드 코드 샌드박스 도구 cloud-sandbox를 9번, 요약 도구 summary를 한 번, 웹 페이지 생성 도구 gen_html을 한 번 호출했습니다.
결국 30페이지 분량의 심층 보고서를 얻었습니다. 여기에는 인기 스타일 테마 분석, 인기 색상 트렌드, 인기 스타일 및 요소 분석, 인기 요소에 대한 종합 평가, 패브릭 및 기술 트렌드, 매칭 제안 및 응용 프로그램의 6가지 주요 섹션이 포함되어 있어 초기 한 문장 작업보다 훨씬 뛰어넘습니다.
보고서에서 추출한 몇 페이지의 내용
다음 비디오는 Nano AI의 심층 연구 에이전트가 작업을 완료하는 전체 프로세스를 보여줍니다.
4배속으로 재생
뿐만 아니라 Nano AI는 얻은 분석 결과를 더욱 생생하게 표시할 수 있는 동적 웹 페이지도 생성했습니다.
또한 Google이 최근 1분기 재무 보고서를 발표한 것을 고려하여 Nano AI의 ‘최고 산업 통찰력 책임자’ 에이전트가 이를 해석하도록 할 수도 있습니다.
웹 페이지 버전은 에서 액세스할 수 있으며 전체 작업 프로세스는 다음 비디오에서 확인할 수 있습니다.
최근 인기 TV 시리즈 ‘더 굿 라이프’에 대한 샤오훙슈에 게시하기에 적합한 영화 리뷰를 Nano AI를 사용하여 작성해 보겠습니다. 사전 설정된 샤오훙슈 검색 로봇이 작업을 잘 수행할 수 있습니다.
주의! 콘텐츠에는 스포일러가 포함됩니다.
다음 비디오는 Nano AI가 작업하는 전체 프로세스를 보여줍니다.
이 과정에서 Nano AI는 샤오훙슈에 대한 정보를 수집하기 위한 collect_relate_info_redbook와 샤오훙슈 콘텐츠를 생성하기 위한 red_book_generate를 포함하여 샤오훙슈와 관련된 두 가지 도구를 사용했습니다. 또한 Nano AI 애플리케이션에서 내장 브라우저를 열어 작업을 수행할 수 있는 도구인 browser_automation_task도 사용했습니다. 적절한 지침을 통해 이 도구를 사용하여 기차표 예약, 웨이보에 게시, 한 문장으로 메모 작성과 같은 작업을 완료할 수도 있습니다.
마지막으로 Nano AI에서 사용자는 자신의 MCP를 쉽게 구성할 수도 있습니다. 예를 들어 여기서는 몇 가지 매개변수 설정만으로 Obsidian 메모를 쿼리하고 분석하는 도구를 성공적으로 구성했습니다.
그런 다음 도구를 호출하는 에이전트를 구성하기만 하면 Nano AI에서 수집된 메모를 지능적으로 검색하고 분석할 수 있습니다. 다음 비디오는 그 예를 보여줍니다.
위의 경우는 Nano AI의 기능 중 빙산의 일각에 불과합니다. MCP 툴박스를 사용하면 정보를 크롤링하고 검색하고, 이미지와 비디오 콘텐츠를 생성하고, AI가 플로모 조각 메모를 정리하고 결과를 Notion 작업 공간에 넣고, 주식을 분석하고, 포르투갈 여행에 가장 비용 효율적인 항공편 경로를 찾고, 여행 또는 피트니스 계획을 지정하고, 회사 보고서를 작성하고, 클라우드 스토리지 리포지토리 또는 로컬 파일을 관리하는 등 사용자가 할 수 있는 다른 많은 작업이 있습니다. 상상력만이 한계입니다!
툴박스에 MCP 숨기기: Nano AI가 하는 방법
MCP(모델 컨텍스트 프로토콜)는 Anthropic에서 2024년 11월에 처음 출시했습니다. 이는 대규모 모델과 실제 세계를 연결하는 중요한 ‘다리’라고 할 수 있습니다. 모델이 질문에 답변할 뿐만 아니라 도구를 호출하고, 데이터를 얻고, 인간처럼 작업을 실행할 수 있도록 합니다. 올해 더 많은 기업이 이 프로토콜을 채택함에 따라 LLM의 도구 사용에 있어 사실상의 표준이 되었으며 AI 에이전트의 잠재력을 더욱 해방하고 있습니다.
그러나 대부분의 사용자에게 MCP 프로토콜의 일반적인 레이블은 ‘복잡성’, ‘높은 기술 문턱’, ‘개발자 전용’입니다. 원래 전문 엔지니어의 것이었던 이 능력을 모든 일반인에게 넘겨주는 방법은 무엇일까요?
이러한 실제 문제에 대한 360의 해답은 더 이상 MCP를 이해하도록 가르치는 것이 아니라 ‘보이는, 클릭 가능한, 결과 예측 가능한’ 툴박스 세트로 직접 캡슐화하는 것입니다.
1. 개념 단순화에서 상호 작용 차원 축소로
Nano AI 팀은 먼저 개념 번역을 수행했습니다. 사용자는 MCP 서버 또는 API 키가 무엇인지 이해할 필요가 없습니다. 이것이 사용 가능한 ‘도구’ 또는 ‘기술’이라는 것만 알면 됩니다. 이것이 바로 우리가 앞서 ‘도구’라는 용어를 사용한 이유입니다. 원래 모호한 프로토콜 인터페이스를 ‘검색’, ‘쓰기’, ‘데이터 분석’과 같은 이해하기 쉬운 도구 레이블로 패키징하면 사용자의 인지 문턱이 크게 줄어들고 사용자는 AI 대규모 모델에 대한 소위 MCP 서버의 의미를 보다 직관적으로 이해할 수 있습니다. 이것이 Nano AI 툴박스의 설계 철학입니다. 그 뒤에는 MCP 프로토콜의 Nano AI 재캡슐화와 인터페이스 레이어의 엔지니어링 재구성이 있습니다.
인터페이스에서 사용자가 보는 것은 간단한 선택 및 끌기이지만 실제로는 Nano AI 자체에서 개발하거나 신중하게 선택한 통합된 100개 이상의 MCP 서버를 예약하는 것입니다. 이러한 도구는 사무실, 학술, 금융, 검색 엔진, 웹 크롤링, 이미지 처리와 같은 시나리오를 다룹니다. 사용자는 코드를 한 줄도 작성하지 않고도 대규모 모델이 이러한 ‘외부 두뇌’를 자동으로 호출하여 복잡한 작업 체인을 완료하도록 할 수 있습니다.
Nano AI에는 Firecrawl, Brava Search, AutoNavi Maps와 같은 여러 MCP 도구에 대한 내장 API 키도 있습니다.
2. 모델과 도구 사이의 ‘마지막 마일’ 돌파
과거에는 대규모 모델이 강력한 언어 이해 능력을 가지고 있더라도 여전히 ‘도구 호출’ 섬 효과에 갇혀 있었습니다. Nano AI의 접근 방식은 MCP 프로토콜을 중개 언어로 사용하여 ‘대규모 모델 + 도구’의 협업 메커니즘을 근본적으로 돌파하는 것입니다.
이는 호출 문제를 해결할 뿐만 아니라 모델의 실제 능력 경계를 크게 확장합니다. 예를 들어 사용자는 에이전트에게 ‘NVIDIA 주가 분석 보고서를 생성해 주세요’라고만 말하면 에이전트는 작업 단계를 자동으로 분해하고 검색 엔진을 동원하고 페이지 콘텐츠를 크롤링하고 분석 차트를 생성하고 명확하게 구조화된 보고서를 출력할 수 있습니다. 그 기간 동안 5~7개의 도구가 호출될 수 있지만 사용자는 하나의 결과 페이지만 봅니다.
이것이 바로 MCP의 ‘도구 조합’ 능력의 구현입니다. 에이전트가 리소스를 독립적으로 예약하고, 프로세스를 계획하고, 운영 중에 시행착오 피드백 및 자체 최적화를 수행하여 매우 의인화된 작업 해결 경로를 형성할 수 있도록 합니다.
3. 로컬 운영, 안전하고 안정적: 기술 스택의 심층적인 연마
많은 ‘클라우드 지능형 본체’와 달리 Nano AI는 더 어렵지만 더 유망한 경로를 선택했습니다. MCP 클라이언트를 로컬로 배포하여 사용자에게 더 큰 제어 권한을 부여했습니다.
이는 적어도 세 가지 주요 이점을 제공합니다.
- 호출 자유: 로컬 지능형 본체는 사용자의 파일 시스템에 액세스하고, 브라우저를 호출하고, 데이터베이스를 검색하여 진정한 개인화된 작업 처리를 달성할 수 있습니다.
- 장벽 돌파: AI의 고유한 요구 사항에 대응하여 360은 Nano AI를 위한 전용 AI 브라우저를 만들고 중국의 주류 플랫폼에 맞게 조정했습니다. 로그인 벽, 인간-기계 검증, 정보 흐름 간섭을 돌파하고 로그인 및 슬라이딩 검증과 같은 작업을 자동으로 완료할 수 있습니다.
- 샌드박스 보증: 360의 보안 기술 축적을 기반으로 Nano AI는 향후 로컬 런타임 샌드박스도 도입하여 대규모 모델이 로컬 파일을 잘못 작동할 가능성을 실시간으로 모니터링하고, 조기에 경고하고, 제한하여 데이터 보안을 보장할 수 있습니다.
이 전체 시스템을 통해 사용자는 ‘사용’할 뿐만 아니라 ‘안전하고, 효율적이며, 확장 가능하게 사용할 수 있습니다’.
4. 대규모 사용자를 위한 진정으로 개방적인 MCP 생태계 구축
Nano AI는 MCP 도구를 캡슐화할 뿐만 아니라 개방형 기술 생태계를 선도적으로 개방했습니다. 현재 월간 방문량이 4억 회가 넘는 이 플랫폼에는 100개 이상의 고품질 MCP 도구가 온라인에 있으며 더 많은 타사 MCP 서버가 입력되고 있습니다. 사용자는 도구 기술을 자유롭게 업로드, 재사용 및 결합하여 자신만의 AI 에이전트를 만들 수 있습니다.
일반 사용자의 경우 이는 더 이상 ‘다른 사람이 설정한 AI를 사용하는 것’이 아니라 자신의 요구 사항에 따라 개인화된 AI 도우미를 구축할 수 있음을 의미합니다. 논문 분석, 데이터 생성, 추세 모니터링, 웹 페이지 구축, 주식 예측… 요구 사항이 있는 한 함께 사용할 수 있는 도구가 있고 자동으로 실행할 수 있는 작업이 있습니다.
전체 산업의 경우 이는 에이전트 기술이 ‘폐쇄 시스템’에서 ‘생태 네트워크’ 단계로 이동하고 있음을 의미합니다. 도구, 모델 및 작업은 더 이상 격리되지 않고 공통 언어인 MCP로 연결되어 전례 없는 지능형 협업 패턴을 만듭니다.
기술 장벽이 무너졌습니다. 지능형 본체가 C 단말기로 침투합니다.
한때 지능형 본체를 사용하는 문턱은 여전히 개발자의 문틀에 높았습니다. 이제 Nano AI ‘MCP 툴박스’ 출시로 AI 자동화 인프라로 알려진 MCP 프로토콜은 거의 ‘바보 같은’ 형태로 처음으로 일반 사용자의 시야에 들어왔습니다. 360 그룹의 Zhou Hongyi 회장이 출시 전 공유 회의에서 말했듯이 ‘에이전트에서 MCP 서버가 자동으로 호출되는 것은 사용자가 알 필요가 없습니다.’ 툴박스를 통해 Nano AI는 MCP의 기술 장벽을 허물고 지능형 본체가 C 단말기로 더욱 침투하도록 지원하고 있습니다.
MCP를 ‘툴박스’로 만드는 것은 쉬워 보이지만 하기 어렵습니다. 이는 기술 통합 능력을 테스트할 뿐만 아니라 제품 사고와 사용자 이해의 ‘공감’을 테스트합니다. Nano AI가 하는 일은 복잡성을 핵심에 캡슐화하고 사용자에게 자유를 제공하는 것입니다. 따라서 모든 일반인이 개발자처럼 ‘AI 세계를 호출’할 수 있는 권한을 가질 수 있습니다.
이 프로세스는 단순한 시각적 인터페이스 구성이 아니라 심층적인 AI 응용 프로그램 패러다임 변경입니다. 지능형 본체는 더 이상 말하고 답변할 수 있는 모델이 아니라 기능을 예약하고, 도구를 호출하고, 작업을 완료할 수 있는 실제 파트너입니다.
그 이후로 MCP는 진정으로 C 단말기 사용자를 향해 나아가기 시작했으며 이는 기억할 가치가 있는 역사적인 시작점이 될 수 있습니다.