에이전틱 AI란 무엇인가? ETRI의 AAIF 가입이 중요한 이유

에이전틱 AI란 무엇인가?
ETRI의 AAIF 가입이 중요한 이유

최근 인공지능 시장의 경쟁 방식이 달라지고 있다.

과거에는 누가 더 뛰어난 AI 모델을 만드는지가 핵심이었다.

이제는 여기에 새로운 경쟁이 더해지고 있다.

AI가 다른 프로그램과 연결되고 실제 업무를 수행할 수 있도록 만드는 기술과 표준이다.

이런 변화 속에서 한국전자통신연구원인 ETRI가 에이전트형 인공지능 재단인 AAIF에 참여했다.

그렇다면 이 뉴스가 왜 중요할까?

ETRI가 무엇인지, AAIF가 무엇인지부터 알아야 한다.

그리고 최근 자주 등장하는 에이전틱 AI와 MCP가 무엇인지도 이해할 필요가 있다.

AI 경쟁은 이제 더 똑똑한 모델을 만드는 것만으로 끝나지 않는다.
AI가 다른 서비스와 연결되고 실제 행동할 수 있도록 만드는 표준과 생태계도 중요한 경쟁 영역이 되고 있다.

1. ETRI는 어떤 기관인가?

ETRI는 한국전자통신연구원의 약자이다.

영문 명칭은 Electronics and Telecommunications Research Institute이다.

이름 때문에 통신만 연구하는 기관이라고 생각하기 쉽다.

하지만 실제로는 인공지능을 비롯한 정보통신과 디지털 혁신기술을 연구개발하는 정부출연연구기관이다.

쉽게 말하면 한국의 미래 정보통신 기술을 연구하는 국가 연구기관이라고 이해하면 된다.

ETRI는 인공지능, 컴퓨팅, 사이버보안, 지능형 반도체 등 다양한 분야의 기술을 연구하고 있다.

따라서 이번 ETRI의 AAIF 참여도 단순히 해외 조직에 가입했다는 의미로만 볼 필요는 없다.

AI 기술과 국제 표준 논의에 한국의 연구기관이 직접 참여한다는 점이 중요하다.

특히 AI가 다양한 서비스와 연결되는 시대가 오면 기술 자체만큼이나 표준과 상호운용성이 중요해질 수 있다.

ETRI는 이런 국제적인 기술 논의에 참여할 수 있는 기반을 넓히게 된 것이다.

ETRI를 쉽게 이해하면	핵심 내용
무엇인가?	한국전자통신연구원
무엇을 하는가?	AI·ICT 등 미래 기술 연구개발
왜 중요한가?	국내 기술을 국제 기술·표준 논의와 연결할 수 있기 때문

즉, ETRI는 이번 뉴스에서 단순한 가입 주체가 아니다.

한국의 연구개발 성과를 국제 AI 생태계와 연결하는 역할을 할 수 있는 기관이다.

2. ETRI가 가입한 AAIF란 무엇인가?

AAIF는 Agentic AI Foundation의 약자이다.

리눅스재단 산하에서 에이전틱 AI와 관련된 오픈소스 프로젝트와 개방형 생태계를 발전시키는 조직이다.

여기서 중요한 단어가 바로 개방형이다.

특정 기업 하나가 모든 기술을 독점적으로 만드는 것이 아니다.

여러 기업과 개발자, 연구기관이 함께 기술 기반을 발전시키는 방향을 의미한다.

AAIF에는 AWS, 구글, 마이크로소프트, 앤트로픽, 오픈AI 등 글로벌 기술 기업들이 참여하고 있다.

여기에 국내 산학연도 참여하고 있다.

ETRI 역시 이번에 AAIF에 참여하게 됐다.

구분	내용
AAIF	Agentic AI Foundation
소속	리눅스재단 산하
핵심 분야	에이전틱 AI 오픈소스와 개방형 생태계
주요 참여 기업	AWS·구글·마이크로소프트·오픈AI·앤트로픽 등
ETRI 참여 의미	AI 기술과 표준 관련 국제 논의 참여

쉽게 말하면 AAIF는 AI 에이전트가 여러 도구와 서비스에서 잘 작동할 수 있도록 공통 기술 기반을 만드는 곳이라고 이해하면 된다.

그렇다면 여기서 말하는 에이전틱 AI는 기존 생성형 AI와 무엇이 다른 것일까?

AAIF의 역할을 흐름으로 보면 더 쉽다.

① AI 기업·연구기관	② 공통 기술 기반	③ AI 에이전트 생태계
오픈AI·구글·MS·ETRI 등	오픈소스·프로토콜·표준	다양한 서비스와 연결

즉 AAIF의 핵심은 특정 AI 하나를 만드는 것이 아니다.

여러 AI와 도구가 함께 움직일 수 있는 기반에 있다.

3. 에이전틱 AI란 무엇인가?

우리가 익숙하게 사용하는 생성형 AI는 질문을 받으면 답을 만들어준다.

글을 작성하거나 정보를 정리하고 이미지를 만들거나 코드를 작성하는 방식이다.

에이전틱 AI는 여기에서 한 단계 더 나아간 개념이다.

사용자가 하나의 목표를 제시하면 AI가 필요한 작업을 여러 단계로 나눈다.

그리고 외부 도구나 데이터, 애플리케이션을 활용하면서 목표를 달성하는 방향으로 작동한다.

그래서 에이전틱 AI를 흔히 “행동하는 AI”라는 관점에서 설명하기도 한다.

다만 현재 기술이 사람처럼 모든 업무를 완전히 자율적으로 처리한다는 의미는 아니다.

실제 서비스에서는 사람의 승인과 권한 관리, 보안 통제 등이 여전히 중요하다.

생성형 AI에서 에이전틱 AI로의 변화를 한눈에 보면 다음과 같다.

기존	에이전틱 AI
질문	목표
답변	계획
결과 제공	여러 작업 수행
하나의 AI	AI + 외부 도구

이 차이를 이해하면 에이전틱 AI가 왜 표준을 필요로 하는지도 자연스럽게 이해할 수 있다.

1). 생성형 AI와 에이전틱 AI의 차이

두 기술의 차이를 가장 간단하게 보면 다음과 같다.

구분	생성형 AI	에이전틱 AI
기본 역할	답변과 콘텐츠 생성	목표 달성을 위한 작업 수행
사용 방식	질문이나 명령 입력	목표를 제시하고 작업 수행
외부 도구	상대적으로 제한적	다양한 도구와 서비스 활용
작업 방식	결과 제공	여러 단계의 작업 수행

예를 들어 생성형 AI에게 “출장 일정을 짜줘”라고 요청하면 일정표를 만들어줄 수 있다.

에이전틱 AI는 여기에서 더 나아갈 수 있다.

필요한 정보를 찾고 여러 서비스를 활용하면서 하나의 목표를 달성하는 방향이다.

즉, 차이를 한 문장으로 정리하면 다음과 같다.

생성형 AI가 결과를 만들어주는 AI라면, 에이전틱 AI는 목표를 달성하기 위해 여러 작업을 수행하는 AI에 가깝다.

2). AI 에이전트는 무엇을 할 수 있는가?

AI 에이전트가 활용될 수 있는 분야는 생각보다 넓다.

특히 반복적인 업무나 여러 시스템을 동시에 사용하는 업무에서 활용 가능성이 높다.

• 기업의 반복 업무 자동화
• 여러 데이터베이스의 정보 수집
• 소프트웨어 개발 지원
• 고객 문의 분석과 업무 시스템 연계
• 여러 단계의 업무를 하나의 목표로 연결

이를 하나의 업무 흐름으로 표현하면 다음과 같다.

① 목표 입력	② 계획 수립	③ 외부 도구 활용	④ 결과 확인
“출장 준비해줘”	필요한 작업 분리	검색·데이터·서비스 활용	최종 결과 제공

그런데 여기서 중요한 문제가 생긴다.

AI가 실제 업무를 하려면 다른 프로그램과 연결되어야 한다.

그렇다면 AI와 외부 시스템은 어떤 방식으로 연결해야 할까?

바로 이 지점에서 표준과 프로토콜이 중요해진다.

4. 왜 AI 에이전트에 표준이 필요한가?

AI가 하나의 서비스 안에서만 작동한다면 연결 문제는 상대적으로 단순하다.

하지만 실제 업무 환경은 다르다.

검색 서비스부터 기업 데이터, 클라우드, 업무용 프로그램, 외부 API까지 다양한 시스템이 연결되어야 한다.

문제는 각 서비스의 연결 방식이 모두 다를 수 있다는 것이다.

연결 방식이 제각각이라면 개발자는 서비스마다 다른 방식으로 AI를 연결해야 한다.

그만큼 개발과 운영이 복잡해질 수 있다.

AI 에이전트가 많아질수록 중요한 것은 AI 하나의 능력뿐 아니라 여러 시스템이 얼마나 잘 연결되는가이다.

그래서 표준이 필요하다.

서로 다른 시스템이 공통된 규칙을 사용하면 연결과 확장이 쉬워질 수 있기 때문이다.

이때 자주 등장하는 개념이 상호운용성이다.

상호운용성이란 서로 다른 시스템이나 서비스가 정해진 규칙에 따라 정보를 주고받으며 함께 작동할 수 있는 능력을 의미한다.

에이전틱 AI가 확산될수록 이 상호운용성이 중요해질 가능성이 높다.

표준이 없다면 각각의 서비스가 서로 다른 연결 방식을 사용하게 된다.

표준이 있다면 공통된 규칙을 활용해 연결을 설계할 수 있다.

표준이 없는 경우	표준을 활용하는 경우
서비스마다 다른 연결 방식	공통 규칙 활용
개발 복잡성 증가	연결 구조 단순화 가능
확장 과정이 어려울 수 있음	새로운 도구 연결이 쉬워질 수 있음

AAIF가 오픈소스와 개방형 생태계를 중요하게 보는 이유도 여기에 있다.

여러 기업과 개발자가 공통 기술 기반을 함께 발전시키면 AI 에이전트 생태계가 확장되기 쉬워질 수 있다.

5. MCP란 무엇인가?

이번 뉴스에서 함께 알아야 할 기술이 바로 MCP이다.

MCP는 Model Context Protocol의 약자이다.

쉽게 설명하면 AI 모델이 외부 도구와 데이터, 애플리케이션 등에 연결될 수 있도록 만든 개방형 프로토콜이다.

에이전틱 AI가 실제 업무를 하려면 AI 모델 바깥에 있는 여러 자원을 활용해야 한다.

MCP는 이 연결을 일정한 규칙으로 다룰 수 있도록 돕는 역할을 한다.

그래서 MCP를 이해할 때는 다음과 같이 생각하면 쉽다.

MCP는 AI와 외부 세계를 연결하기 위한 공통 규칙에 가깝다.

MCP의 역할을 구조로 보면 더 간단하다.

① AI	② MCP	③ 외부 세계
AI 모델·에이전트	연결을 위한 공통 규칙	데이터·도구·애플리케이션

즉 MCP는 AI 자체가 아니다.

AI가 다른 시스템과 연결될 수 있도록 돕는 연결 규칙이라는 점이 핵심이다.

1). MCP가 필요한 이유

AI가 일정 정보를 확인한다고 생각해보자.

일정 데이터에 접근해야 한다.

또 다른 업무를 처리하려면 업무용 애플리케이션을 사용해야 할 수도 있다.

문제는 서비스마다 AI와 연결되는 방식이 다를 수 있다는 점이다.

이 경우 개발자는 서비스별로 다른 연결 방식을 구현해야 한다.

MCP와 같은 공통 프로토콜은 이런 연결을 보다 체계적으로 설계하는 데 도움을 줄 수 있다.

다만 MCP 하나로 모든 문제가 해결되는 것은 아니다.

인증, 보안, 권한 관리, 데이터 보호 같은 문제는 별도로 해결해야 한다.

2). AI 에이전트와 MCP의 관계

둘의 관계를 간단하게 정리하면 다음과 같다.

요소	역할
AI 모델	정보 이해와 추론
AI 에이전트	목표에 따라 여러 작업 수행
외부 도구·데이터	AI가 활용하는 실제 자원
MCP	AI와 외부 도구·데이터의 연결 지원

이를 하나의 그림처럼 생각하면 쉽다.

① 사용자	② AI 에이전트	③ MCP	④ 외부 도구
목표 제시	계획·작업 수행	공통 연결 규칙	데이터·서비스 활용

즉 AI 에이전트가 일하려면 외부 도구가 필요하다.

그리고 AI와 외부 도구가 연결될 때 공통된 규칙이 필요해진다.

MCP는 바로 이 연결 문제를 해결하기 위한 기술 가운데 하나이다.

MCP를 둘러싼 기술도 계속 발전하고 있다.

에이전틱 AI가 실제 서비스 환경으로 확대될수록 단순한 연결뿐이 아니다.

권한 관리와 보안, 운영 방식도 중요해지고 있기 때문이다.

6. 오픈AI·구글·MS가 AI 에이전트 표준에 관심을 가지는 이유

여기서 하나의 의문이 생긴다.

왜 글로벌 AI 기업들은 자신의 AI 모델만 개발하지 않고 표준과 오픈소스 생태계에도 참여하는 것일까?

AI 에이전트 시장이 커지면 경쟁 범위 자체가 넓어지기 때문이다.

예전에는 AI 모델의 성능이 가장 중요한 경쟁 요소였다.

앞으로는 AI가 얼마나 많은 서비스와 연결되는지도 중요해질 수 있다.

또한 개발자와 기업이 AI를 얼마나 쉽게 활용할 수 있는지도 중요하다.

예를 들어 어떤 AI가 다양한 외부 서비스와 쉽게 연결된다면 더 많은 개발자와 기업이 해당 생태계를 활용할 가능성이 있다.

반대로 AI마다 연결 방식이 모두 다르면 개발과 관리가 복잡해질 수 있다.

그래서 공통 표준과 오픈소스 생태계가 중요해진다.

과거 AI 경쟁	확장되는 AI 경쟁
모델 성능	모델 성능
답변 품질	연결성
모델 자체	오픈소스·표준
개별 서비스	전체 생태계

이런 경쟁에는 다음과 같은 요소가 포함될 수 있다.

• AI와 외부 서비스의 연결성 확대
• 개발자와 기업의 활용 편의성 향상
• 오픈소스 생태계 확장
• AI 에이전트 시장의 생태계 경쟁

물론 기업들이 경쟁을 멈춘다는 의미는 아니다.

오히려 공통 기술 기반에서는 협력하고, 그 위에서 각자의 AI 모델과 플랫폼으로 경쟁하는 구조가 만들어질 수 있다.

결국 미래의 AI 경쟁은 다음처럼 확대될 가능성이 있다.

AI 모델 성능 + 연결성 + 생태계이다.

7. ETRI의 AAIF 가입이 한국에 중요한 이유

이번 ETRI의 AAIF 참여에서 가장 주목해야 할 부분은 국제 기술 논의에 참여할 수 있는 통로가 넓어진다는 점이다.

특히 에이전틱 AI의 국제 표준과 오픈소스 기술 논의에 국내 연구기관이 참여하는 것은 의미가 있다.

왜냐하면 AI는 하나의 기업이나 하나의 국가 안에서만 사용하는 기술이 아니기 때문이다.

글로벌 서비스로 확산될수록 국제적인 기술 규칙과 표준이 중요해질 수 있다.

이번 ETRI의 참여를 간단하게 정리하면 다음과 같다.

단계	의미
1단계	국내 AI 기술 연구개발
2단계	국제 기술 논의 참여
3단계	표준화·오픈소스 생태계 참여
4단계	국내 연구성과의 글로벌 확산 기반 확대

국내 연구 → 국제 논의 → 표준 → 글로벌 확산

ETRI의 AAIF 참여를 이해하는 핵심 흐름이다.

중요한 것은 단순히 “한국도 AI를 한다”가 아니다.

AI 생태계의 규칙이 만들어지는 과정에 얼마나 참여할 수 있느냐가 중요하다.

이런 관점에서 ETRI의 AAIF 참여를 바라볼 필요가 있다.

앞으로 한국 AI 산업의 경쟁력도 모델 개발에만 머물지 않을 가능성이 크다.

표준화, 오픈소스, 보안, 국제협력까지 함께 바라봐야 한다.

8. 앞으로 에이전틱 AI 시장은 어떻게 변할까?

에이전틱 AI가 확산되면 우리가 AI를 사용하는 방식도 달라질 수 있다.

지금까지는 사람이 여러 프로그램을 직접 실행하면서 필요한 부분마다 AI에게 질문했다.

앞으로는 하나의 목표를 제시하고 AI가 여러 시스템을 활용하는 방식이 확대될 가능성이 있다.

특히 기업 환경에서 변화가 클 수 있다.

현재	향후 가능성
사람이 프로그램을 직접 조작	AI가 여러 도구를 연결
업무별로 AI에 질문	하나의 목표를 AI에게 전달
반복 작업 직접 수행	AI 에이전트가 일부 자동화

활용될 수 있는 분야도 다양하다.

• 문서 처리
• 데이터 분석
• 고객 지원
• 소프트웨어 개발
• 반복 업무 자동화

하지만 AI가 더 많은 일을 할수록 새로운 문제가 생긴다.

바로 통제와 보안이다.

확인해야 할 문제	핵심 질문
데이터	AI는 어떤 데이터까지 접근할 수 있는가?
권한	AI에게 어느 정도의 권한을 줄 것인가?
승인	AI의 행동을 누가 승인할 것인가?
통제	잘못된 판단이 발생하면 어떻게 중단할 것인가?
보안	외부 시스템과 연결할 때 어떻게 안전을 확보할 것인가?

이 문제는 단순한 기술 성능과는 다른 문제이다.

AI가 더 똑똑해질수록 얼마나 안전하게 행동할 수 있는가도 중요해진다.

따라서 에이전틱 AI 시대에는 성능만큼 보안과 권한 관리, 통제 기술도 중요해질 가능성이 높다.

결국 미래의 AI는 다음 네 가지를 동시에 만족해야 한다.

성능	연결성	안전성	생태계
똑똑한 AI	다양한 서비스 연결	권한·보안·통제	표준·오픈소스·개발자

결론 - AI 경쟁의 다음 무대는 에이전트와 표준이다

ETRI는 한국전자통신연구원이다.

이번 AAIF 참여는 단순한 회원 가입 뉴스로만 볼 필요가 없다.

AI 산업의 경쟁 방식이 바뀌고 있다는 점과 연결해서 볼 필요가 있다.

생성형 AI 시대에는 누가 더 좋은 AI 모델을 만드는가가 중요했다.

하지만 에이전틱 AI 시대에는 여기에 새로운 질문이 추가된다.

누가 더 많은 서비스와 연결할 수 있는가?

누가 더 안전하게 AI를 행동하게 만들 수 있는가?

누가 더 넓은 생태계를 만들 수 있는가?

앞으로의 AI 경쟁은 모델 성능만의 경쟁이 아니다.
연결성, 표준, 오픈소스, 보안, 생태계의 경쟁으로 확대될 가능성이 있다.

이런 의미에서 ETRI의 AAIF 참여는 한국이 에이전틱 AI의 기술·표준·국제협력 논의에 참여하기 시작했다는 점에서 주목할 필요가 있다.

물론 AAIF에 가입했다고 한국이 AI 표준 경쟁의 주도권을 확보한 것은 아니다.

진짜 중요한 것은 앞으로다.

국내 연구성과를 국제 표준과 오픈소스 생태계에 연결하고, 실제 기업과 개발자가 활용할 수 있는 기술로 확산시키는 과정이 필요하다.

결국 에이전틱 AI 시대의 경쟁력은 단순히 “AI가 얼마나 똑똑한가”에서 끝나지 않는다.

“AI가 얼마나 잘 연결되고, 안전하게 행동하며, 얼마나 넓은 생태계에서 활용될 수 있는가”가 더욱 중요한 질문이 될 수 있다.

지금까지	앞으로
AI 모델 성능	AI 모델 + 연결성
개별 서비스	AI 생태계
답변 생성	목표 수행
기술 경쟁	표준·생태계 경쟁

그래서 앞으로 AI 뉴스를 볼 때는 모델 성능만 볼 것이 아니라 표준, 오픈소스, 연결성, 보안, 국제협력까지 함께 살펴볼 필요가 있다.

그럼 끝