mallo

Agent-Native Beta는 왜 에이전트와 앱을 한몸처럼 묶으려 할까?

요약 듣기

0:008:10

말로 앱 받기 원문 보기www.builder.io
요약 보기

이 글은 Agent-Native Beta를 소개하는 발표문이에요. 글쓴이들은 이것을 직관적인 UI를 갖춘 AI 에이전트를 만들기 위한 오픈소스 TypeScript 프레임워크라고 설명해요. 시작 방식도 두 갈래로 잡아 두었죠. 코드를 자기 환경에서 로컬로 다룰 수도 있고, Builder.io를 통해 온라인으로 만들 수도 있다고 해요. 그래서 출발점부터 '채팅 잘하는 모델' 자체보다, 에이전트가 실제 앱 형태로 작동하도록 둘러싼 개발 틀에 더 초점을 둔 글이라고 보면 이해가 쉬워요.

글의 핵심 문제의식은 아주 실무적인 데 있어요. 글쓴이들은 일이란 원래 화면 위에서 보이고, 손으로 고치고, 상태를 확인하는 과정이 함께 간다고 봐요. 발표 자료는 슬라이드 편집기에서 다듬고, 아이디어는 디자인 도구에서 시험하고, 진행 상황은 대시보드에서 보듯이 말이에요. 그런데 에이전트에게 결과만 말로 맡기는 방식은 편리해 보여도, 막상 사람이 결과를 확인하고 세부를 바로잡는 순간에는 답답해질 수 있다는 거죠. 색 하나 바꾸는 일조차 채팅으로 지시하고 기다리고 다시 검토해야 한다면, 프롬프트는 자유롭지만 손맛이 없는 셈이에요. 그래서 이 글은 '프롬프트의 자유'와 '앱의 통제력'이 같이 있어야 한다고 주장해요.

그래서 나온 말이 'agentic app'이에요. 낯선 표현이지만, 이 글의 뜻은 단순해요. 에이전트가 자기 전용 앱과 함께 오고, 둘이 따로 노는 게 아니라 하나의 작업 단위처럼 움직인다는 거예요. 단순히 기존 앱 옆에 채팅 사이드바를 붙인 구조가 아니라, UI와 에이전트가 동등한 파트너라는 설명이죠. 가상의 비유로 보면, 채팅만 있는 도구는 보이지 않는 작업실에 전화로 부탁을 넣는 느낌에 가깝고, agentic app은 같은 작업대 위에 결과물이 펼쳐져 있어서 한쪽이 초안을 만들면 다른 쪽이 바로 손으로 고치고, 다시 넘겨주는 식에 가까워요. 이 비유가 중요한 이유는, 글쓴이들이 사용자가 '무엇을 물어야 할지' 추측하지 않게 하고, 이미 앱 안에 있는 데이터와 작업 맥락 위에서 에이전트와 같이 결과를 다듬게 하려 하기 때문이에요.

그럼 이 한몸 구조가 기술적으로 어떻게 성립하느냐가 다음 질문이죠. 글은 세 가지를 공유한다고 설명해요. 첫째는 공유 액션이에요. 어떤 기능을 한 번 정의하면, 에이전트는 그것을 도구처럼 호출하고 UI는 코드에서 같은 기능을 써요. 둘 다 같은 검증과 권한, 같은 구현을 거친다고 해요. 둘째는 공유 데이터예요. 에이전트가 한 작업이 화면에 나타나고, 사람이 화면에서 바꾼 내용도 다시 에이전트가 볼 수 있어요. 셋째는 공유 애플리케이션 상태예요. 지금 어느 페이지를 보고 있는지, 무엇을 선택했는지, 어떤 뷰가 열려 있는지를 에이전트가 알아서, 사용자가 '이거'라고 말했을 때 무엇을 가리키는지 이해한다는 뜻이에요. 여기에 더해 처음 소개 부분에서는 한 번 정의한 기능을 UI, 에이전트, HTTP API, CLI, MCP, A2A까지 여섯 경로로 노출할 수 있다고도 말해요. 결국 이 프레임워크의 중심 발상은 에이전트와 앱이 서로 다른 세계를 번역해 가며 협업하는 게 아니라, 같은 기능과 같은 상태를 공유하도록 설계하겠다는 데 있어요.

이 대목에서 글쓴이들은 기존의 컴퓨터-사용형 에이전트와도 대비해요. 그런 에이전트는 사람처럼 화면을 보고, 어디를 누를지 정하고, 입력하고, 결과를 다시 확인하는 식으로 한 단계씩 움직인다고 설명하죠. 글쓴이들의 평가는 '작동은 하지만 느리고 토큰을 많이 쓴다'예요. 반대로 Agent-Native에서는 에이전트가 화면을 우회해서, UI가 원래 쓰던 같은 액션을 직접 호출한다고 주장해요. 그래서 가능한 일을 더 정확히 알고, 더 빨리 끝내며, 토큰도 덜 쓸 수 있다는 논리예요. 다만 이 장점은 아무 환경에서나 자동으로 생긴다고 읽으면 곤란해요. 액션이 미리 정의되어 있고, UI와 에이전트가 그것을 함께 쓰는 구조가 갖춰져 있어야 가능한 이야기이기 때문이에요. 또 이 글은 성능 수치나 비교 실험을 제시하지는 않아서, 얼마나 빨라지는지는 여기만으로 판단할 수 없어요.

연결성도 큰 축이에요. 글은 이 프레임워크가 두 방향으로 열린다고 말해요. 한 방향으로는 내 에이전트가 Slack, Microsoft Teams, Discord, 이메일, Telegram, WhatsApp 같은 곳에서 메시지를 받고, Notion이나 Linear, GitHub 같은 도구와 연결돼 일을 할 수 있다고 해요. 다른 방향으로는, 내가 만든 앱이 다른 AI 도구나 다른 에이전트에게도 열려요. 여기서 MCP와 A2A라는 용어가 나오는데, 이 글의 맥락에서 풀면 MCP는 앱의 액션을 바깥 도구가 호출할 수 있게 하는 연결 방식이고, A2A는 한 에이전트가 다른 에이전트에게 일을 넘기고 결과를 돌려받는 방식이에요. 또 모든 Agent-Native 앱이 MCP 서버이기도 하다고 해서, Claude, ChatGPT, Cursor, Codex 같은 도구가 앱의 액션을 직접 부를 수 있다고 설명해요. 다만 이런 연결 표준의 세부 작동 원리까지는 이 글만으로 알 수 없고, 대화 안에 UI가 바로 렌더링되는 것도 MCP Apps를 지원하는 호스트에서만 가능하다고 조건을 달고 있어요.

사람이 에이전트를 믿고 넘겨도 되는가 하는 문제에 대해서도 장치를 많이 넣었다고 설명해요. 글쓴이들은 좋은 에이전트가 되려면 일반적인 모델 능력만으로는 부족하고, 내 업무에 맞는 지시문, 스킬, 메모리, 파일 같은 맥락이 필요하다고 봐요. 그래서 팀이 함께 쓰는 지침과 스킬을 공유하면서도, 개인별 선호와 메모리는 따로 둘 수 있다고 해요. 누군가 공유 스킬을 개선하면 모두가 그 혜택을 본다는 식이죠. 더 전문적인 작업은 서브에이전트로 쪼갤 수 있고, 일정이나 이벤트에 따라 실행되게 만들 수도 있다고 하고요. 동시에 인증, 권한, 팀과 조직, 저장소, 멀티테넌시, 실시간 동기화 같은 앱 운영 요소를 기본 제공하며, 민감한 작업은 승인 절차를 걸 수 있고, 변경이 나에게서 왔는지 팀원에게서 왔는지 에이전트에게서 왔는지도 구분해 보여 준다고 해요. 요컨대 이 글은 '자동화'만이 아니라 '가시성과 통제'를 함께 팔고 있어요.

모델과 개발 방식은 비교적 열어 둔 편으로 소개돼요. 여러 AI 제공자의 API 키를 가져와 쓸 수 있고, Ollama로 로컬 모델을 돌리거나 관리형 연결을 쓸 수도 있다고 해요. 글쓴이들은 모델을 바꿔도 액션, 데이터, UI는 그대로 유지된다고 주장하죠. 개발 방식도 자기 저장소에서 로컬로 시작해 원하는 곳에 배포할 수 있고, 기존 React 앱에 에이전트 패널만 덧붙일 수도 있으며, 온라인에서 바로 만들 수도 있다고 설명해요. 다만 여기에도 조건이 보여요. 어떤 모델은 직접 API 키를 준비해야 하고, 로컬 개발을 하려면 PostgreSQL 계열 데이터베이스와 배포 환경을 챙겨야 해요. 또 Codex를 ChatGPT 구독으로 돌려보는 건 실험적 옵션이라고 적어 두었죠. 마지막에 Clips, Slides, Design 같은 예시를 보여 주는 이유도 추상적인 구호를 실제 화면 작업으로 바꾸려는 데 있어요. 화면 녹화를 바탕으로 버그를 다루거나, 슬라이드를 함께 고치거나, 디자인을 시각적으로 다듬는 식이죠. 그래서 이 글의 실제 제안은 '모든 업무를 에이전트에게 넘겨라'라기보다, 내가 잘 아는 작업 흐름 하나를 골라 사람이 보고, 수정하고, 방향을 잡아 줄 수 있는 UI까지 함께 설계하라는 쪽에 더 가까워요.