[아이티데일리] 인공지능(AI)의 최종 목적지는 어디일까. 아마 많은 사람들은 그 해답을 영화에 등장하는 AI 슈퍼컴퓨터 ‘스카이넷(SKYNET)’, 혹은 가상 인격을 갖춘 개인 AI 비서 ‘자비스(JARVIS)’에서 찾을지 모르겠다. 인간의 개입이 가장 완벽하게 배제되고 자율적 사고를 실행으로까지 옮길 수 있는 영역이 아닐까 싶다.

이처럼 완전한 자율성과 실행력을 갖춘 AI를 현실화하기 위해서는 단순히 데이터를 학습해 답을 내놓는 수준을 넘어, 외부 시스템과의 연결 그리고 여러 AI 간의 협업이 필수적이다. AI가 의미 있는 작업을 수행하기 위해선 다양한 도구와 데이터를 활용하고, 다른 에이전트와 유기적으로 소통할 수 있어야 한다.

AI 에이전트 초입에 들어선 현재, 이러한 요구에 부응하는 두 가지 핵심 기술이 부상하고 있다. 바로 앤트로픽이 출시한 MCP(Model Context Protocol)와 구글이 공개한 A2A(Agent-to-Agent)다. 두 기술은 AI 에이전트가 자율적으로 실행과 협업을 구현하는 근간이 되고 있다. 총 4회에 걸쳐 AI 에이전트 새 지평 여는 ‘MCP’와 ‘A2A’를 상세히 조명해본다.

5년 내 중견·중소기업으로 활용 확대 전망

1~2년 내 주요 대기업과 연구소를 중심으로 MCP와 A2A를 활용한 특정 업무 자동화 프로젝트가 진행될 것으로 예상된다. 실제로 앤트로픽, 구글, 오픈AI 등 글로벌 빅테크와 금융·헬스케어·IT 대기업, 주요 병원, 연구소에서 MCP-A2A 기반 시범 프로젝트와 PoC(개념검증)가 진행되고 있다. MS와 AWS, 오픈AI는 MCP를 공식적으로 지원하겠다고 발표했고, 구글은 A2A를 오픈소스화하며 대기업 중심의 초기 도입·확산을 주도하고 있다.

3~5년 후에는 상호운용성 표준과 보안·윤리 규제가 정비되면서 중견기업까지 도입이 본격화될 전망이다. 복수의 AI 에이전트가 협업하는 ‘AI 팀’ 개념이 자리 잡으며, IT 개발 자동화 파이프라인, 지식 노동 지원, 법률·금융 분석 분야에서 눈에 띄는 생산성 향상이 기대된다. 사용자 맞춤형 에이전트 UX 설계도 고도화되며, 에이전트 간 보안 프로토콜과 책임 추적 시스템이 정착된다.

스테티스타와 마켓앤마켓 등 글로벌 시장조사에 따르면, 2025년 AI 에이전트 도입이 서서히 시작돼 2028년에는 중견기업을 포함한 다양한 기업 내 조직 전반으로 확산될 것으로 예상된다. 스테티스타가 공개한 보고서에 따르면, 2025년 기준, 전 세계 기업의 48%가 3년 내 AI 에이전트 도입을 계획 중이며, 복잡한 자동화·분업·협업 업무로의 확장도 예측되고 있다. 가트너 역시 2028년에는 엔터프라이즈 SW의 33% 이상이 MCP-A2A 기반의 에이전트형 AI를 내장하고, 85%의 기업이 AI 에이전트를 실제 업무에 도입할 것으로 예상하고 있다.

다만 앞서 제시됐던 상호운용성 표준, 보안·윤리 규제, 책임 추적 시스템 등 불안 요소들이 정비돼야만 중견·중소기업의 도입 장벽이 크게 낮아질 것이라는 게 복수 관계자들의 중론이다.

5년 후에는 에이전트 기반 AI 컴퓨팅 생태계가 완성돼 AI가 인간과 자연스럽게 협업하는 업무 환경이 일반화될 것으로 보인다. 스마트 시티 인프라에서 교통, 환경, 긴급 대응 AI 에이전트가 MCP·A2A 기반으로 실시간 협력하고, 의료·교육·제조업 등 다방면에서 에이전트 팀이 상시 가동된다. 다만 글로벌 분산 에이전트 네트워크, 윤리·법적 체계 확립 등 장기적인 과제도 존재할 것으로 예상된다.

LLM 친화적 MCP 개선 및 오픈 API 환경 대체 예상

한편, 현재 주로 공개된 MCP의 상당수가 개인용인데, 점차 엔터프라이즈 환경에서 사용할 수 있도록 개선될 것이라는 예상도 나왔다. 지금까지 공개된 MCP들은 대부분 개인 사용자를 위한 것이다. 개인이 자신의 일정이나 간단한 업무를 자동화할 때 쓰는 MCP 서버들이 주로 공개되고 있다. 하지만 앞으로는 기업 환경에서 쓸 수 있도록, 보안·인증·대용량 데이터 처리 등 기업의 요구를 반영한 MCP들이 점점 더 많이 만들어지고, 공유될 것으로 보인다.

또한 MCP가 LLM 친화적이지 않은 가운데, 이 부분 역시 개선될 것이라는 목소리도 존재한다. 지금까지 나온 MCP 서버들은 기존에 있던 슬랙, 구글 캘린더 등 API를 감싸서(Layer, wrapper) LLM이 쓸 수 있게 해주는 방식이 많았다. 하지만 이런 방식은 LLM에 맞게 설계되지 않은 경우가 많다. 가령 슬랙용 MCP 서버가 있는데, 이 MCP는 데이터를 ‘검색(search)’하는 기능이 없다. 오직 ‘리스트(list)’로만 보여준다. 이처럼 리스트로만 데이터를 보여주면, LLM은 필요한 정보를 찾기 위해 전체 데이터를 모두 읽어야 한다. 이 과정에서 문맥 용량을 많이 소모하고, 성능이 저하되며 원하는 정보를 찾기 어려워진다.

앞으로는 LLM이 필요한 정보만 똑똑하게 골라서 쓸 수 있게 검색 등 효율적인 기능이 포함된 LLM 친화적(LLM-friendly)인 MCP 서버들이 만들어져서 공개될 것으로 예상된다.

오픈 API 생태계를 대체하는 환경이 될 것이라는 예상도 있다. 디노티시아 한병전 상무는 “MCP와 A2A는 지금의 애플리케이션 스토어와 같이 서비스를 판매하는 앱스토어 및 서비스 개발자들을 주축으로 한 서비스 레지스트리, 서비스에 대한 인증 시스템이 강화되는 방향으로 발전할 것으로 전망된다. 최종적으로 두 개의 기술을 토대로 지금의 오픈 API 생태계가 대체될 수 있을 것으로 보인다”고 강조했다.

MCP와 A2A, AI 에이전트 생태계 조성의 핵심

MCP와 A2A는 각각 AI 에이전트 구현의 중요한 축을 담당하며, AI가 단순한 ‘도구’가 아닌 ‘협력하는 동료’로 자리매김하는 데 필수적인 역할을 한다. MCP는 AI를 외부 시스템과 유기적으로 연결해 실제 문제 해결을 위한 실행력을 갖추게 한다. 단일 AI 모델이 외부 API나 레거시 시스템, DB 등과 자유롭게 소통하며 자율적으로 작업 계획을 수립하고 실행하는 능력을 제공한다는 점에서, MCP는 ‘실행 프레임워크’로서 AI의 독립적 작업 수행을 가능하게 한다.

반면 A2A는 다중 AI 에이전트가 각기 다른 역할을 맡아 팀처럼 협업하는 ‘조율자’ 역할을 한다. 이를 통해 복잡하고 다층적인 문제에 대해 분업과 피드백을 반복하며 점진적으로 해답에 접근한다. 각 에이전트가 특화된 역할을 하고, 서로 정보를 교환하며, 집단적 의사결정을 내리는 과정은 인간 조직의 협업 모델과 매우 유사하다.

이 두 기술의 결합은 AI 에이전트가 현실 업무 환경에 자연스럽게 녹아들도록 하는 생태계를 조성하는 데 있어서 필요한 요소들이다. MCP가 각 역할 에이전트의 실행 기반을 제공하면, A2A가 이들 에이전트를 조율해 시너지를 극대화한다.

[인터뷰] “MCP 결합된 씨홀스 클라우드로 국내 AI 산업 선도하겠다”

디노티시아는 MCP가 결합된 벡터 DB 제품인 씨홀스 클라우드(Seahorse Cloud)를 개발·공급하며 국내 AI 산업을 선도하고 있다. 씨홀스 클라우드는 웹 환경에서 벡터 DB 설치, 데이터 업로드, AI 모델 연결, 추론 서버 연동까지 원스톱으로 처리할 수 있는 완전 관리형 SaaS다. 기존 오픈소스 벡터DB가 설치와 연동이 까다롭고, 기능이 제한적이었던 반면 씨홀스는 클라우드 네이티브 아키텍처로 설계돼 몇 번의 클릭만으로 벡터DB를 구축하고 사용할 수 있다.

MCP를 기반으로 시맨틱 검색을 지원한다. 이를 통해 의미 기반 검색과 LLM 응답 생성을 하나의 환경에서 실시간 테스트가 가능하다. 구체적으로 AI 모델이 외부 데이터와 유연하게 상호작용할 수 있도록 설계된 표준 프로토콜인 MCP를 적용했기에 LLM 프롬프트의 맥락에 맞춰 유연하게 응답할 수 있다. 아울러 다양한 AI 모델과 손쉽게 연동할 수 있고, 검색과 생성 파이프라인이 경량화됐다. 실제로 MCP 기반 시맨틱 검색은 기존 상용·오픈소스 대비 2배 이상 빠른 성능을 보인다.

디노티시아의 씨홀스 클라우드는 MCP가 통합돼 AI 검색과 생성의 경계를 허물며, AI 산업의 새로운 기준을 제시하고 있다. 씨홀스 클라우드는 기술과 비즈니스 현실의 간극을 메우는 혁신 플랫폼이다.