AI 모델이 너무 많아진 시대, 기업들은 ‘멀티 AI 에이전트’로 묶어 쓰기 시작했다

AI 모델이 너무 많아지자, 이제는 ‘묶어서 쓰는’ 쪽으로 가는 중

• 국내외 IT 기업들이 멀티 AI 에이전트 개발에 본격적으로 뛰어들고 있음

  • 챗GPT, 클로드, 제미나이, 오픈클로 같은 모델이 계속 늘어나면서 사용자는 “그래서 이걸 업무에서 어떻게 한 번에 쓰냐”는 문제에 부딪힘
  • 그래서 여러 모델과 업무 도구를 한 인터페이스에서 연결하는 AI 오케스트레이션이 주목받는 중임
  • 단순 챗봇이 아니라 실제 시스템 안에서 사용자의 행동을 만들어내는 레벨로 올라가는 흐름임

• 카카오는 MCP 기반 플랫폼 PlayMCP에 오픈소스 AI 에이전트 오픈클로 연동을 지원하기 시작함

  • PlayMCP는 개발자가 다양한 MCP 서버, 즉 도구를 등록하고 실험할 수 있게 만든 AI 활용 플랫폼임
  • 챗GPT, 클로드 연동을 제공하고, 카카오톡 나와의 채팅방, 톡캘린더, 카카오맵, 선물하기, 멜론 같은 카카오 서비스도 붙어 있음
  • 외부 MCP 서버도 약 200개 연결돼 있다는 점이 꽤 큼

• 사용 방식은 “자연어로 시키면 에이전트가 MCP 서버를 실행하고 결과를 보내주는” 구조임

  • 예를 들어 “매일 아침 9시에 특정 초등학교 점심 메뉴 알려줘”라고 지시할 수 있음
  • “판교 주변 5년차 이하 주니어 서버 개발자 채용공고를 하루 한 번 찾아서 알려줘” 같은 반복 작업도 가능함
  • 결과는 카카오톡 같은 채널로 받을 수 있어, 개발자용 자동화와 일반 사용자용 알림 사이 어딘가에 걸친 느낌임

sequenceDiagram
    participant 사용자
    participant 오픈클로
    participant 플레이엠시피
    participant 외부도구
    participant 카카오톡
    사용자->>오픈클로: 자연어로 반복 작업 지시
    오픈클로->>플레이엠시피: 필요한 도구 실행 요청
    플레이엠시피->>외부도구: MCP 서버 호출
    외부도구-->>플레이엠시피: 결과 반환
    플레이엠시피-->>오픈클로: 실행 결과 전달
    오픈클로-->>카카오톡: 사용자에게 알림 전송

국내 업체들도 ‘AI 포털’과 업무 도구 통합으로 움직임

• 제논은 AI 에이전트 포털 제나 베타 서비스를 공개함

  • 챗봇, 슬라이드 제작, 번역, 이미지 생성처럼 흩어진 AI 서비스를 하나의 포털에서 쓰게 하는 방식임
  • 텍스트뿐 아니라 이미지, PDF, 문서 같은 고용량 데이터까지 인식하는 멀티모달 지능을 탑재했다고 설명함
  • 이전 대화 맥락을 기억하고 세션 제목을 자동 생성하는 맥락 인식 기술도 적용함

• 제논의 방향은 기존 기업 간 거래 중심에서 개인 사용자까지 넓히는 쪽임

  • 고석태 제논 대표는 기업뿐 아니라 개인 사용자도 제논의 AI 기술을 일상적으로 쓰게 설계했다고 말함
  • 결국 “회사 내부용 AI 솔루션”에서 “일반 사용자가 매일 여는 AI 작업 포털”로 확장하려는 그림임

• NHN 두레이도 업무용 협업도구 안에서 다양한 AI 모델을 활용할 수 있게 지원하고 있음

  • 일부 국가기관 등에는 폐쇄망 환경 기능도 제공함
  • 기업이나 공공기관 입장에서는 데이터 유출 우려 때문에 외부 AI 서비스 연결이 쉽지 않은데, 폐쇄형 지원은 이 지점에서 꽤 현실적인 카드임

글로벌 빅테크도 같은 문제를 보고 있음

• 마이크로소프트는 Agent365를 전체 이용자에게 공식 출시한다고 발표함

  • 지난해 11월 공개 뒤 베타 서비스 형태로 운영되던 서비스임
  • 마이크로소프트 서비스뿐 아니라 외부 소프트웨어형 서비스(SaaS), 로컬 환경까지 지원하는 형태를 내세움
  • 자체 보안 서비스와 연계해 생산성과 보안성을 같이 잡겠다는 설명임

• 구글도 워크스페이스에 AI 컨트롤센터를 도입해 제미나이 기반 업무 AI 적용을 넓히고 있음

  • 다만 외부 AI 서비스 연동에는 아직 신중한 태도임
  • 이 차이가 흥미로운데, 마이크로소프트는 넓게 붙이는 쪽이고 구글은 통제된 업무 환경 안에서 단계적으로 가는 모양새임

왜 개발자들이 이 흐름을 봐야 하냐면

• 기업 현장에서는 단일 모델이 완벽한 답을 주지 못한다는 전제가 깔리고 있음

  • 여러 모델의 결과를 종합해 교차검증하는 방식이 장점으로 꼽힘
  • 내부 시스템의 자원과 데이터를 활용한 자체 AI 모델까지 늘어나면, 통합 인터페이스 수요는 더 커질 수밖에 없음

• 보안과 운영 관점에서도 멀티 AI 에이전트는 꽤 중요한 주제임

  • 로컬 환경, 외부 SaaS, 사내 데이터, 폐쇄망을 어디까지 연결할지 결정해야 함
  • 인증 토큰 수명, 도구 권한, 데이터 반출 범위 같은 설계가 실제 리스크를 좌우함
  • 최고정보책임자와 최고정보보호책임자 입장에서는 이제 AI가 챗봇이 아니라 업무 시스템의 실행 주체가 되는 상황을 관리해야 함

• 한국 개발자에게도 이건 먼 얘기가 아님

  • 카카오톡, 톡캘린더, 카카오맵 같은 생활형 서비스와 MCP가 붙으면 개인 자동화 영역에서도 바로 체감될 수 있음
  • 기업 환경에서는 두레이, 폐쇄망, 사내 데이터 연동 같은 요구가 이미 현실적인 조건임
  • 앞으로는 “어떤 모델을 쓰냐”보다 “어떤 도구를 어떤 권한으로 연결하냐”가 아키텍처 리뷰의 핵심 질문이 될 가능성이 큼

기술 맥락

• 멀티 AI 에이전트가 필요한 이유는 모델이 많아졌기 때문이에요. 예전에는 챗봇 하나를 잘 쓰면 됐지만, 이제는 챗GPT, 클로드, 제미나이, 사내 모델, 로컬 에이전트가 같이 존재하니까 업무마다 어떤 모델과 도구를 연결할지 정해야 하거든요.

• MCP가 여기서 중요한 건 연결 방식을 표준화하려는 시도라서예요. 카카오 PlayMCP처럼 여러 MCP 서버를 붙여두면, 에이전트는 카카오톡이나 지도 같은 서비스부터 외부 도구까지 같은 흐름 안에서 호출할 수 있어요.

• 보안 설계가 같이 따라오는 이유도 분명해요. 오픈클로처럼 로컬에서 도는 에이전트는 사용자의 파일이나 내부 데이터에 가까이 갈 수 있어서 편하지만, 인증 정보가 새면 피해가 커져요. 그래서 카카오는 10분짜리 원타임 토큰으로 노출 시간을 줄이는 방식을 쓴 거예요.

• 기업 입장에서는 폐쇄망 지원과 외부 서비스 연동 사이에서 균형을 잡아야 해요. 생산성만 보면 많이 붙일수록 좋지만, 실제 운영에서는 권한, 감사 로그, 데이터 반출 범위가 같이 설계되지 않으면 AI 자동화가 바로 보안 리스크가 되거든요.

• 그래서 이 흐름은 단순히 새 AI 서비스가 나왔다는 뉴스가 아니에요. 개발팀과 보안팀이 앞으로 에이전트를 하나의 실행 주체로 보고, 어떤 도구를 어떤 조건에서 호출하게 할지 아키텍처로 관리해야 한다는 신호에 가까워요.