AI에 실제 비즈니스 기능에 대한 관리형 액세스 권한 부여

에이전트는 안전하게 호출할 수 있는 기능만큼만 유용합니다.

추론은 가능하지만 행동은 할 수 없는 에이전트는 데모에 불과합니다. 잠재 고객을 확보하거나, 바우처를 발행하거나, 메시지를 보내야 하는 순간, 실제 비즈니스 기능을 활용해야 하며, 그 활용 방식에 따라 기업의 안전성이 결정됩니다. 하드코딩된 API 연결 방식은 누가 무엇을 할 수 있는지, 어떤 범위 내에서 할 수 있는지, 오류 발생 시 어떻게 처리해야 하는지 등을 명확히 정의할 수 없습니다. 이러한 방식은 모든 통합을 맞춤형으로 만들어진, 관리되지 않는 배관처럼 만들어 버립니다. 따라서 에이전트 기반 AI에서 가장 어려운 부분은 모델 자체가 아니라, 실행과 관련된 통합 및 관리 체계입니다.

업계는 바로 이 부분을 표준화하고 있습니다. MCP(모델 컨텍스트 프로토콜)과 같은 개방형 프로토콜은 기능의 입력, 출력, 제약 조건 및 오류 동작을 기계가 읽을 수 있는 형태로 설명하므로 에이전트는 취약하고 수동으로 연결된 호출 대신 안전하게 기능을 검색하고 호출할 수 있습니다. 따라서 어떤 에이전트(사용자 에이전트 또는 공급업체 에이전트)가 해당 기능을 호출하더라도 동일한 기능을 관리할 수 있습니다.

• 2027년까지 기업 AI 에이전트의 50% 이상이 안전한 상호 운용성을 위해 MCP 또는 A2A와 같은 표준화된 프레임워크에 의존하게 될 것입니다. — Gartner, K2view 제공(2025) ↗
• 2030년까지 초기 에이전트 기반 AI 오케스트레이션 노력의 60% 이상이 성능 또는 비용 목표를 달성하지 못할 것으로 예상됩니다. 그 원인은 모델이 아니라 통합입니다. — Gartner, StackOne을 통해 (2025) ↗
• 2026년 말까지 기업 애플리케이션의 40%가 특정 작업에 특화된 AI 에이전트를 탑재할 것으로 예상되며, 이는 현재 5% 미만에서 크게 증가한 수치입니다. — Gartner, 2025년 8월 ↗

MCP 네이티브 도구 및 구성 가능하고 버전 관리가 가능한 CLI 스킬

호출 가능한 모든 기능은 입력, 출력, 제약 조건, 오류 동작 및 관리 경계를 포함하여 기계 판독 가능한 형태로 4개 영역(신원 및 권한, 경제적 인센티브, 콘텐츠 및 도달 범위, 서비스 및 책임)에 걸쳐 설명됩니다. 에이전트는 MCP을 통해 기능을 검색하고 호출하므로 오용이 제한되고 모든 호출이 관리 가능하며, 취약한 하드코딩된 API 통합에 의존하지 않습니다.

CLI 스킬은 이러한 기능을 패키지화하여 소프트웨어처럼 워크플로우로 구성하고 버전 관리할 수 있도록 합니다. 잠재고객과 캠페인은 관리되는 도구 호출을 통해 실시간 행동 데이터를 기반으로 구축되며, 외부 데이터 공급업체를 거치지 않습니다. 또한, 이 플랫폼은 블랙박스가 아닌 관리되는 실행 노드로서 Microsoft Copilot부터 맞춤형 에이전트에 이르기까지 광범위한 엔터프라이즈 AI 생태계에 연결됩니다.