아침 브리핑 · 08:00
에이전트의 무대, 앱과 전문 도구
AI 에이전트가 일하는 곳이 별도의 채팅 창에서 사람들이 이미 쓰는 앱과 전문 작업 도구 안으로 옮겨 가고 있다. 오늘 여러 회사가 신약 개발, 하드웨어 설계, 게임 엔진처럼 전문 도구 안에서 일하는 에이전트 사례를 함께 내놓았다. 운영체제의 음성 비서도 외부 앱을 직접 조작하기 시작했다. 동시에 에이전트를 앱에 잇는 연결 장치를 따로 관리하려는 움직임도 나타났다.
전문 도구 속으로 들어간 에이전트
오늘 가장 분명한 신호는 에이전트가 분야별 전문 소프트웨어 안에서 일하기 시작했다는 점이다. Google DeepMind는 Google Antigravity에 화학정보학 전용 Skills(특정 작업에 필요한 지침과 도구 묶음)를 더했다. 이를 이용해 신약 개발 작업을 에이전트로 처리하는 방법도 소개했다10. 소개된 예는 화합물 검색에 그치지 않았다. 구조를 더 단단하게 만든 새로운 거대고리(macrocycle) 화합물 후보를 제안하는 예도 담겼다. OpenAI는 엔지니어들이 ChatGPT와 Codex로 하드웨어 개발 업무를 빠르게 처리하는 방식을 글로 정리했다. 다룬 업무는 CAD, PCB 설계, 시뮬레이션 등이다9.
중국에서도 같은 방향의 발표가 나왔다. Kimi는 K3.1 모델과 Kimi Code·Kimi Work 에이전트를 묶은 게임 개발 솔루션을 내놨다. 이 에이전트는 Unity, Unreal Engine, Blender 프로젝트를 직접 편집한다. 사람 개입 없이 20시간 동안 이어서 실행한 사례도 함께 소개됐다6. 세 사례는 분야가 다르지만 공통점이 있다. 새 도구를 따로 만들지 않고, 현업자가 이미 쓰는 프로그램과 작업 파일에 에이전트를 붙인다. 분야 지식은 Skills나 전용 구성으로 덧입힌다. 코딩 에이전트에서 다듬어진 방식이 화학, 기계·전자 설계, 게임 제작으로 넓어지고 있다고 볼 수 있다.
일상 앱과 기업 연결부로 번진 흐름
전문 도구에서 보인 흐름은 일반 사용자의 스마트폰과 기업 시스템에서도 확인된다. The Verge에 따르면 Apple은 화요일 배포를 시작한 iOS 27.3 업데이트에서 개발자가 Siri AI의 새 기능을 모든 앱에 통합할 수 있게 했다1. Siri는 사용자의 개인 맥락과 화면 내용을 파악한다. 그리고 자연어 요청에 따라 서드파티 앱 안의 동작을 실행한다. 이제 앱 개발사는 사용자가 앱을 직접 여는 경로만 설계해서는 부족하다. 운영체제 비서를 거쳐 들어오는 경로도 함께 설계해야 한다. DeepSeek Harness 팀의 'Creator Mode'는 다른 방향에서 같은 일을 한다. 보도에 따르면 사용자가 원하는 기능을 말하면 AI가 플러그인 코드를 작성하고 설치와 작동 확인까지 맡는다13.
에이전트가 여러 앱과 시스템에 붙을수록 그 연결부가 관리 대상이 된다. GitHub Dependabot은 Agent Package Manager(APM)를 지원하기 시작했다. 저장소가 쓰는 에이전트 Skills·프롬프트·지침 패키지에 새 버전이 나오면 업데이트 PR을 자동으로 연다11. 에이전트 설정 파일도 코드 의존성처럼 버전과 공급망 관리의 틀 안에 들어온 셈이다. AWS는 Amazon Bedrock AgentCore Gateway에서 Microsoft Entra ID와 on-behalf-of(OBO, 사용자를 대신하는 권한 위임) 토큰 교환을 설정하는 방법을 공개했다22. 이 방식에서 에이전트는 서비스 계정이 아니라 호출한 사용자의 신원을 그대로 유지한 채 ServiceNow API를 부른다. 버전 관리와 사용자 단위 권한은 에이전트가 실제 업무 시스템을 건드리기 전에 기업이 먼저 따지는 요건이다.
오래 일하는 것과 믿을 수 있는 것의 거리
다만 에이전트가 더 많은 도구에서 더 오래 일한다고 해서 그 결과를 믿을 수 있는 것은 아니다. 칭화대 저우훙위 교수 연구팀은 실제 환자의 전자의무기록으로 대형 추론 모델의 진단 성능을 분석했다. 연구팀은 추론이 길어질수록 정확도는 나아졌지만, 잘못된 진단을 덧붙이거나 같은 환자에게 다른 진단을 내리는 위험도 함께 커졌다고 보고했다12. 연구 대상은 의료 분야 하나다. 그래도 장시간 무인 실행처럼 작업 길이를 앞세우는 사례를 볼 때 정확도와 일관성을 따로 따져야 한다는 근거가 된다.
이를 평가하고 검증할 도구는 이제 막 보강되고 있다. Ai2는 긴 문서에서 언어 모델이 상태 변화를 얼마나 잘 따라가는지 시험하는 'StateBench'를 소개했다. 같은 날 보안 취약점 유형(CWE) 기반의 'CWE-bench v2'도 범위와 품질, 투명성을 높인 판으로 나왔다18. 두 벤치마크가 다루는 장문 맥락 추적과 보안 코드 평가는 에이전트 실무에서 약점으로 꼽히는 영역이다. TechCrunch는 Anthropic이 'FlashProve'라는 시스템을 만들고 있다고 보도했다2. 어떤 AI 응답이 실제로 그 모델에서 나왔는지 누구나 확인할 수 있게 하는 시스템이다. 기술 방식과 공개 일정은 아직 알려지지 않았다. 다만 에이전트가 앱과 도구를 넘나들수록, 어느 모델이 무슨 일을 했는지 확인하는 장치의 필요성도 커진다.
오늘 소식이 실무자에게 주는 시사점은 에이전트 도입을 판단할 때 모델 성능만 봐서는 부족해졌다는 점이다. 어느 도구에 에이전트를 붙일지 정해야 한다. Skills와 지침의 버전 관리 방법, 에이전트가 누구의 권한으로 움직일지, 결과의 일관성을 무엇으로 잴지도 함께 따져야 한다. 앞으로 확인할 지점은 세 가지다. 먼저 Siri 연동에 실제로 참여하는 앱이 어디까지 늘어나는지 지켜봐야 한다. FlashProve가 어떤 검증 방식을 쓰는지, 타사 모델에도 적용되는지도 아직 알려지지 않았다. 마지막으로 장시간 실행 사례가 앞으로 정확도와 일관성 지표와 함께 공개되는지 확인할 필요가 있다.