샘 알트만은 2025년이 agent 의 해가 될 것이라고 했다.
즉, AI 가 사람 대신 특정한 일을 수행하는 것이다. (문제 풀이, 영상 제작 등)
그런데 agent 와 관련한 용어로 AI Agent 와 Agentic AI 가 있다.
얼핏 비슷해보이지만, 이 둘은 엄밀하게는 다르다.
올해 5월에 이와 관련하여 논문이 하나 나왔다. (https://arxiv.org/pdf/2505.10468)
AI Agent 는 하나의 개별 Agent 를 말한다.
위 그림으로 보면, 온도를 자동으로 세팅하는 한가지 일만 수행하는 AI 가 AI Agent 이다.
반면, Agentic AI 는 여러 Agent 가 모여서 각자의 역할을 수행하며 하나의 큰 작업을 처리하는 것을 말한다.
위 그림으로 보면, 전기 사용량을 체크하는 AI, 사용자 일정 패턴을 체크하는 AI, 날씨를 예측하는 AI, 에너지 비용을 예측하는 AI 등이 모여서 스마트 홈이라는 커다란 시스템을 구성하는 것이다.
물론 이렇게 여러 AI들의 동작을 제어하려면 지휘자 역할의 존재가 필요하며, 각각의 AI 동작을 제어하는 (planning) 것은 그 자체로 인공지능의 한 분야이기도 하다.
올해의 키워드 중 하나는 Actionable AI 이라고 한다.
자신의 의견을 말하기만 하는 AI가 아니라 실제로 행동을 취하는 AI 이다.
내가 필요한 호텔을 예약한다거나, 물건을 사다준다거나 하는, 정말로 돈이 오가는 일까지 AI가 수행하는 것이다.
그리고 이렇게 AI 가 발전하면서 분산 시스템은 다시 주목을 받고 있다.
각각의 AI 에이전트가 분산되어 있기 때문에 이들간의 소통을 제어하려고 하면 분산 시스템의 연구 내용과 관련되기 때문이다.
현재 멀티 에이전트 시스템에서 논의하고 있는 이야기들은 분산 시스템에서 다루던 개념들이 이름만 살짝 바뀌어서 그대로 논의되고 있다고 한다.
그리고 이와 관련하여 SOA (Service-Oriented Architecture) 라는 과거의 개념이 다시 조명받고 있다.
어떤 비즈니스를 수행하려고 할 때, 그 비즈니스를 수행하기 위한 여러 단계가 있을 것이다.
그리고 그 단계 하나하나를 '서비스' 로 실현을 한다.
이 서비스는 사람이 수행하는 human service 일 수도, 일반적인 web service 일 수 도 있다.
이렇게 여러 서비스로 구성된 비즈니스를 수행할 때, 매 단계마다 어떤 서비스를 사용하는 것이 가장 적합할 지 결정해야 한다.
이를 위해서 먼저 어떤 서비스들이 있는지 찾아야 하는데 (Service Discovery), 이와 관련된 개념이 UDDI (Universal Descrtiption Discovery Integration) 이다.
그리고 서비스를 찾은 뒤에는 서비스를 선택하고 (Service Selection)
선택한 서비스들을 모아서 하나의 전체 비즈니스를 구성한다. (Service Composition / Mashup)
서비스를 구성할 때는 BPM (Business Process Management) 에서는 직접 워크플로우를 정의할 수도 있고, 자동으로 계획을 세우도록 Auto Planning 기법을 사용할 수도 있다.
이때 각각의 서비스가 메세지를 주고받을 때는 ESB (Enterprise Service Bus) 채널을 통해서 통신을 한다. (Service Communication)
여기에서 말하는 Bus 는 네트워크에서 나오는 Bus 와 동일한 개념이다.
그리고 서비스간 의사소통을 할 때는 SOAP 또는 REST 방식으로 소통을 할 수 있다.
아직은 각각의 Agent 가 자신들만의 언어로 이런 개념을 표현하고 있지만, 용어와 기술들이 서로 소통할 수 있게 잘 통일되면 Agentic AI 가 등장할 수 있다.
Agentic AI 위로는 다시 IoT (Internet of Things) 가 중요한 개념으로 등장한다.
이제는 Internet of Agents 라고 표현하기도 하는데, 이들을 구성할 때 클라우드를 중심으로 중앙집중형으로 구성하느냐, 각자가 자신만의 에이전트를 갖고 있으면 이 에이전트들이 협업해서 P2P 로 협업하느냐의 분기점에 놓여있다.
다만 이 과정에서 아직 풀리지 않은 숙제는 Semantic Interoperability 문제가 있다. (M2M Translation, machiine to machine translation)
아직 에이전트가 사용하고 표현하는 수단들이 서로 통일되어 있지 않아서, 서로 다른 에이전트가 소통하도록 할 때, 표현 방식을 리시버 입장으로 번역해주는 과정을 거쳐야 한다.
그래서 앞으로는 에이전트를 만들더라도 에이전트들이 생태계를 이루어서 새로운 어플리케이션을 만들 때, 이들이 소통하기 위한 표준적인 언어가 필요하다.
이런 다양한 문제들이 현재 세계적으로 활발히 논의중이고, 이제 막 생겨나기 시작한 분야라서 절대적인 승자는 없다고 한다.
그리고 그렇기에, agentic ai 를 활용하기 위해서는 다시 분산 시스템의 기본적인 개념으로 돌아가야 한다는 이야기도 나오고 있다.
지금도 AI 를 사용할 때, 여러 AI 모델들을 다양하게 조합해서 사용하듯이, 앞으로도 여러 AI 에이전트를 조합해서 문제를 해결하게 될 것이고, 단순히 오케스트레이션을 통해 이를 해결하기보다 이들을 분산 시스템으로 만들어서 서로가 서로를 강화시켜주도록 만들 수 있다.
그리고 그렇게 AI 들이 협업하다보면 AGI 의 형태가 나올지도 모른다는 이야기도 나오고 있다.
실제로도 LLM 같은 거대 모델 하나를 발전시키기보다, 작은 모델 여러 개가 협업하여 답을 내는 것이 더 효율적이고 적합한 접근이라는 쪽으로 방향이 흐르고 있다고 한다.
그래서 오픈 AI 도 여러 AI 모델 간 소통을 위해 MCP 라는 것을 만들었고, 구글은 A2A 라는 것을 만들었다.
'CS > 분산시스템특론' 카테고리의 다른 글
| [분산시스템특론] 2. 두 장군 이야기 (3) | 2025.10.20 |
|---|
