04 2026년 클라우드 솔루션 리포트: AI 에이전트 플랫폼

│정채상 이음테크

들어가며: 에이전트를 만드는 시대는 끝났고, 이제 통제하는 시대다

2026년 상반기, AI 에이전트 플랫폼 시장의 무게중심이 어느새 이동했다. 지난 2년 동안 업계의 질문은 "어떻게 하면 에이전트를 만들 수 있는가"였다. 로우코드·노코드 빌더가 성숙하고, 관리형 런타임이 등장하고, 오픈소스 프레임워크가 쏟아지면서 에이전트를 만드는 일의 진입 장벽은 급격히 낮아졌다. 그리고 진입 장벽이 낮아진 바로 그 지점에서, 전혀 다른 성격의 질문이 시장의 중심으로 올라왔는데, "이렇게 만든 에이전트를 어떻게 믿고, 운영하고, 통제할 것인가." 코드를 생성하는 에이전트보다 그 에이전트를 관리하는 거버넌스 레이어가 더 뜨거운 화두가 된 것이다.

이 전환은 가트너가 내놓은 두 개의 신호에서 선명하게 드러난다. 가트너는 2026년 4월 이 시장에 처음으로 독립적인 하이프 사이클을 발행하며 '에이전트 개발 플랫폼'을 기대의 정점(Peak of Inflated Expectations)에 올려놓았다. 그에 앞서 에이전트 프로젝트의 40% 이상이 2027년 말까지 취소될 것이라고 경고한 터였는데¹⁾, 원인으로 지목된 것은 모델의 성능이 아니라 급증하는 비용, 불분명한 비즈니스 가치, 그리고 불충분한 리스크 통제였다. 한 시장이 기대의 정점과 대량 실패 경고를 동시에 받는 것, 그것이 2026년 에이전트 플랫폼의 모습이다.

'빌드는 쉬워졌다'는 이야기는 곧 통제가 오히려 어려워졌다는 역설로 이어진다. 실제로 프로덕션 환경에서 에이전트를 운영하는 상당수 기업이 관련 보안 사고를 겪었고, 적지 않은 기업이 에이전트에 목적 제한이라는 가장 기초적인 통제조차 강제하지 못하고 있다는 조사가 잇따른다. 에이전트는 이미 스스로 도구를 호출하고 데이터에 접근하며 작업을 수행하는데, 그 행동을 관측하고 제약하는 체계는 그 속도를 따라가지 못하고 있는 것이다. 만들기의 편의와 통제의 부재 사이에 벌어진 이 간극이 이번 리포트의 출발점이다.

지난 두 달의 보고서를 돌아보면, 6월호에서 "AI 에이전트가 API의 새로운 소비자가 되었다"는 점을, 7월호에서 "그 에이전트에게 고유한 신원(ID)을 부여하고 생애주기를 관리해야 한다"는 점을 다뤘다면, 이번 달 보고서는 그 위 계층을 다룬다. 에이전트를 실제로 만들고, 실행하고, 평가하고, 통제하는 플랫폼 혹은 그것을 운영하는 방법을 정리한다.

본 리포트는 벤더를 기능 목록으로 나열하는 대신, CIO와 CTO가 실제로 마주하는 하나의 질문에서 출발한다. "우리는 어떤 경로로 에이전트를 도입할 것이며, 그 과정에서 거버넌스의 통제권을 누가 쥐게 되는가." 이 관점에서 글로벌 6개 벤더—마이크로소프트, AWS, 구글, 랭체인(LangChain), 크루AI(CrewAI), 세일즈포스—를 심층 분석하고, 마지막으로 이들과는 전혀 다른 노선을 걷는 한국 플레이어들의 전략을 대비한다. 다만 이 영역은 이제 막 문을 열었고, 어느 한 벤더도 홀로 완결된 답을 주지 못하고 있는데, 제품과 파트너, 모델과 구축이 매달 새롭게 조합되는 유동적 국면이며, 그래서 이 글이 끝에서 도달하는 결론은 '무엇을 살 것인가'가 아니라 '무엇을 고정하고 무엇을 유동적으로 둘 것인가'를 향한다.

2026년 에이전트 플랫폼의 핵심 패러다임

개별 벤더를 논하기에 앞서, 2026년 에이전트 플랫폼 시장을 지배하는 세 가지 흐름을 짚을 필요가 있다. 2026년 상반기에만 주요 기능의 정식 출시(GA) 전환이 수십 건 쏟아지는 등 어떤 기능을 제공하는가의 비교표는 반년이면 낡는다. 그러나 도입의 구조, 생명주기의 단계, 그리고 통신의 표준이라는 세 축은 그보다 훨씬 느리게 움직이며 선택을 좌우한다.

도입의 네 갈래 길: '거버넌스를 누가 쥐나'

기업이 에이전트 플랫폼을 도입하는 길은 거버넌스의 통제권이 어디에 놓이는가에 따라 크게 넷으로 나뉜다.

첫 번째는 이미 쓰고 있는 클라우드와 생산성 스택 위에 에이전트를 얹는 길이다. 마이크로소프트 코파일럿 스튜디오, AWS 베드록 에이전트코어(AgentCore), 구글 제미나이 엔터프라이즈가 여기에 속한다. 이 경로에서 거버넌스는 해당 벤더의 신원·정책·컴플라이언스 인프라에 자연스럽게 위임된다.

두 번째는 특정 클라우드나 모델에 종속되지 않는 중립적 프레임워크로 직접 만드는 길이다. 랭체인, 랭그래프와 크루AI가 대표적이며, 이 경우 통제권은 조직이 온전히 쥐지만 그만큼 직접 구현하고 운영해야 하는 부담이 커진다.

세 번째는 업무용 SaaS 안에 이미 통합된 완제품 에이전트를 구독하는 길이다. 세일즈포스 에이전트포스처럼, 거버넌스가 데이터와 업무 프로세스와 함께 통째로 제공된다.

네 번째는 이 셋을 조합하는 하이브리드다. 예컨대 관리형 런타임(AWS 에이전트코어) 위에 중립 프레임워크(랭그래프)를 올리고, SaaS 에이전트(에이전트포스)를 표준 프로토콜로 연동하는 식이다. 2026년 현실의 다수는 결국 이 네 번째로 수렴한다.

이 프레임이 유효한 이유는 분명한데, 기능 비교표는 반년이면 낡지만, "거버넌스의 통제권을 누구에게 위임할 것인가"는 조직의 클라우드 전략과 규제 환경, 그리고 내부 역량에서 비롯되는 구조적 선택이라 쉽게 바뀌지 않기 때문이다. CIO와 CTO에게 실질적으로 유효한 잣대는 '무엇을 할 수 있는가'가 아니라 '통제의 무게중심을 어디에 둘 것인가'다.

표 1 에이전트 도입 4경로와 통제권의 위치

에이전트의 생명주기: 빌드에서 거버넌스까지

어느 경로를 택하든, 에이전트는 1) 만들고(빌드), 2) 실행하고(런타임), 3) 평가하고, 4) 통제하는(거버넌스) 동일한 네 단계를 거친다. 벤더를 비교하는 실질적 잣대는 이 네 단계를 각각 얼마나 채우는가에 있다.

빌드 단계는 2026년 기준 가장 성숙했으며, 사실상 상향 평준화됐다. 로우코드 빌더, 프레임워크, 그리고 도구를 연결하는 모델 콘텍스트 프로토콜(MCP)이 두루 갖춰지면서 '만들 수 있는가'는 더 이상 변별력이 없다. 런타임 단계는 급격히 성숙하는 중이다. 수 시간에서 길게는 7일에 이르는 장시간 실행, 세션과 메모리의 관리, 그리고 마이크로VM 수준의 격리가 AWS 에이전트코어 하네스와 구글 에이전트 런타임의 잇단 정식 출시를 통해 관리형으로 빠르게 채워지고 있다. 문제는 나머지 두 단계다.

한편 평가 단계에서 시장은 "벤치마크 통과가 곧 프로덕션 안전은 아니다"라는 뼈아픈 교훈을 마주하고 있다. 벤치마크가 역량은 측정하지만 거버넌스는 측정하지 못한다는 인식이 퍼지면서, '평가 엔지니어링'이 별도의 직군으로 부상했다. 프로덕션에서 발생하는 신뢰성 문제의 상당수가 벤치마크에서는 전혀 예측되지 않았던 것들이다. 마지막 거버넌스 단계가 2026년의 진짜 격전지인데, 에이전트의 인벤토리를 파악하고, 신원을 부여하고, 감사 로그를 남기고, 이상 행동을 탐지하고, 정책으로 행동을 사전에 차단하는 이 영역은 가장 덜 성숙했으며 벤더 간 격차가 가장 크다.

따라서 플랫폼을 고를 때 던져야 할 질문은 "이것으로 에이전트를 만들 수 있는가"가 아니라 "만든 뒤에 평가하고 통제할 수 있는가"여야 한다.

표 2 에이전트 생명주기 4단계와 6개 벤더의 성숙도

프로토콜 표준화: MCP와 A2A라는 공용어

에이전트들이 서로 대화하고 외부 도구를 다루기 시작하면서, 그 대화의 문법을 정하는 표준 경쟁도 2026년 상반기에 사실상 결판이 나서 두 개의 프로토콜이 공용어로 자리 잡았다.

하나는 에이전트 간 통신을 규정하는 A2A(Agent-to-Agent)다. 구글이 제안하고 AWS와 마이크로소프트가 지원한 이 프로토콜은 2026년 기준 150개 이상 조직에서 프로덕션에 적용됐으며, 5개 언어의 SDK를 갖췄으며²⁾, 코파일럿 스튜디오, 애저 AI 파운드리, 베드록 에이전트코어가 모두 A2A를 정식 기능으로 내장했다. 다른 하나는 도구 연결을 규정하는 MCP로, 앤트로픽이 공개한 이 표준은 도구와 데이터를 연결하는 사실상의 공용어가 됐다. 주요 플랫폼이 모두 MCP를 기본으로 채택하면서, 이 표준 경쟁은 사실상 종결 국면에 들어섰다.

다만 표준화는 양날의 검이다. 에이전트 사이의 상호운용이 쉬워진 만큼, "누가 누구를 호출했는가"를 추적하고 통제하는 일은 오히려 더 중요해졌다. 2026년 6월의 MCP 명세는 서버 자체가 하나의 에이전트로 작동하는 재귀적 구성을 추가했는데, 연결이 깊어질수록 감사와 정책 강제의 난도도 함께 올라간다. 따라서 CIO와 CTO에게 필요한 처방은, 새로운 에이전트 시스템을 설계할 때 A2A와 MCP 호환성을 아키텍처 요구사항으로 명시하되, 이미 운영 중인 시스템을 당장 전환할 필요는 없다는 것이다. 이 표준들이 자리 잡았다는 사실은 단순한 호환성 이상의 의미를 갖는다. 어떤 모델을, 어떤 파트너를, 어떤 제품을 얹을지를 나중에 갈아 끼울 수 있는 기술적 토대가 마련됐다는 뜻이기 때문이다. 통제권은 고정하되 그 위의 조합은 유동적으로 두는 설계는 바로 여기서 비로소 가능해진다.

주요 벤더별 솔루션 심층 분석

이제 앞서 제시한 4가지 경로의 순서를 따라 글로벌 6개 벤더를 살펴본다. 스택 위에 얹는 클라우드 통합형(마이크로소프트·AWS·구글), 직접 만드는 중립 프레임워크(랭체인·크루AI), 통째로 구독하는 완제품(세일즈포스)의 순이다. 각 벤더가 빌드·런타임·평가·거버넌스의 네 단계를 어떻게 채우는지, 그리고 통제권을 어디에 두는지에 초점을 맞춘다.

마이크로소프트 코파일럿 스튜디오와 에이전트 365: M365 위에 거버넌스를 얹다

마이크로소프트의 로우코드 에이전트 빌더인 코파일럿 스튜디오는 2026년 상반기, '로우코드 챗봇 빌더'에서 '거버넌스된 엔터프라이즈 에이전트 플랫폼'으로의 전환을 사실상 완성했다. 강점은 M365 생태계와의 깊은 통합에 있는데, 엔트라 ID의 권한, 퍼뷰(Purview)의 민감도 레이블, 조건부 접근 정책이 에이전트에 자동으로 적용되므로, 이미 M365를 쓰는 조직은 거버넌스 인프라를 새로 구축하지 않고도 통제 체계를 사용할 수 있다. 포춘 500의 90%를 포함해 23만 개가 넘는 조직이 코파일럿 스튜디오로 에이전트를 만들어 왔다는 사실은 그 자체로 하나의 거대한 생태계다.

이 전환의 핵심은 2026년 5월 정식 출시된 에이전트 365로, 조직 전체의 에이전트를 등록하고 통제하는 거버넌스 컨트롤 플레인이다. 커스텀 에이전트를 여러 개 운영하는 조직을 정면으로 겨냥하며, 디펜더·퍼뷰와의 심층 보안 연동은 프리뷰 단계로 확장하고 있다.³⁾ 여기에 6월 말에는 엔진 수준의 전면 재설계가 더해져, 구조적 단계와 AI 추론을 한 캔버스에서 설계하는 워크플로 디자이너, MCP 서버 연결, 그리고 A2A의 정식 지원이 자리 잡았다. 마이크로소프트는 새 오케스트레이터로 평가 성능을 약 20% 높이고 토큰 소비를 절반으로 줄였다고 밝혔다.⁴⁾

그림 1 구조적 단계와 AI 추론을 단일 캔버스에서 설계하는 마이크로소프트 코파일럿 스튜디오 워크플로 디자이너 (출처: 마이크로소프트)

한계도 분명하다. 우선 라이선스 장벽이 높아졌다. 에이전트 365의 신규 구매에 마이크로소프트 365의 상위 라이선스 등급인 E5가 필수로 요구되면서(2026년 6월부터, 그 아래 등급인 E3만으로는 자격 미달), 중견기업의 진입 문턱이 더 올라갔다. 또한 강점인 M365 생태계가 곧 한계가 되기도 하는데, 세일즈포스나 SAP 같은 외부 시스템을 연동하려면 뮬소프트(MuleSoft) 같은 미들레이어가 필요하고, 복잡한 에이전트 워크플로는 여전히 개발자의 개입을 요구한다.

AWS 베드록 에이전트코어: 프레임워크에 종속되지 않는 실행 인프라 

AWS의 생성형 AI 플랫폼인 베드록에서 에이전트 실행을 전담하는 서버리스 인프라인 에이전트코어는, 특정 프레임워크의 편을 들지 않고 모두의 실행 인프라가 되겠다는 전략을 택했다. 스트랜즈(Strands), 랭그래프, 오픈AI 에이전트 SDK, 구글 ADK, 클로드 에이전트 SDK가 모두 에이전트코어 위에서 돌아가며, IAM·VPC·클라우드트레일(CloudTrail) 같은 AWS의 보안·컴플라이언스 인프라를 그대로 이용한다. 이 프레임워크 중립성 때문에 에이전트코어는 앞서 말한 네 번째 경로, 곧 하이브리드의 토대가 되기에 적합하다.

특히 2026년에 진전이 두드러지는데, 지난 6월 정식 출시된 관리형 하네스는 모델·도구·스킬·지시라는 선언형 구성만으로 프로덕션 에이전트를 구동하며,⁵⁾ 자연어 정책으로 에이전트의 행동을 사전에 가로채는 정책 기능은 "환급액이 일정 금액을 넘으면 승인을 막아라"는 식의 규칙을 에이전트의 추론 루프 밖에서 강제한다.⁶⁾ 7월에는 추적과 로그를 단일 로그 그룹으로 묶는 통합 관측성이 정식 출시되어, 평가와 거버넌스 단계까지 관리형으로 다루기 시작했다.⁷⁾

다만 국내 도입 관점에서 볼 때 2026년 7월 기준 에이전트코어는 방콕·말레이시아·밀라노·스페인으로 리전을 넓혔으나 한국 리전은 아직 포함되지 않아, 지연시간과 데이터 레지던시를 고려해야 한다. 에이전트코어 브라우저와 결제 기능은 여전히 프리뷰 단계이며, 자연어 정책이 어떻게 정확하게 해석될지에 대한 예측 불가능성도 남아 있다.

구글 제미나이 엔터프라이즈: 에이전트를 최상위 개념으로

구글은 2026년 4월 클라우드 넥스트에서 버텍스 AI라는 브랜드를 폐기하고 제미나이 엔터프라이즈 에이전트 플랫폼으로 통합·재편했다.⁸⁾ 에이전트를 아키텍처의 최상위 개념으로 끌어올린 이 재구성은 빌드·스케일·거버넌스·최적화의 4계층으로 생명주기 전 단계를 커버한다. 빌드 계층에서는 파이썬과 고(Go)까지 정식 출시된 ADK 2.0이 그래프 기반 엔진과 인간 개입을 내장하고,⁹⁾ 스케일 계층에서는 최대 7일간 실행되는 에이전트 런타임이, 거버넌스 계층에서는 CNCF 스파이프(SPIFFE) 기반의 에이전트 신원이 각각 정식 출시됐다. 인프라 측면에서는 TPU 8세대와 200개가 넘는 파운데이션 모델(클로드 포함)을 직접 연결할 수 있다는 점을 내세운다.

그림 2 구글 제미나이 엔터프라이즈 에이전트 플랫폼 (출처: 구글 클라우드)

반면, 리브랜딩으로 인해 기존 버텍스 AI 문서와 API에 혼선이 생겼고, 코드베이스를 업데이트해야 하는 부담이 남았다. 거버넌스 계층의 핵심인 에이전트 게이트웨이와 레지스트리가 아직 프리뷰라는 점, 그리고 엔터프라이즈 거버넌스의 복잡성 자체가 중소기업에게는 진입 장벽이 된다는 점도 지적된다.

랭체인·랭그래프와 랭스미스: 클라우드에 종속되지 않는 사실상 표준 

오픈소스에서 출발한 랭체인은 2026년 현재 엔터프라이즈 에이전트 개발 스택의 사실상 기본값으로 자리 잡았다. 특정 클라우드나 모델에 종속되지 않는 유연성이 최대 강점이며, 거버넌스의 통제권을 벤더에 넘기지 않고 조직이 직접 쥐고자 할 때의 선택지가 된다. 셋은 같은 회사의 한 스택으로, 범용 프레임워크인 랭체인 위에서 상태 기반으로 복잡한 제어 흐름을 다루는 랭그래프가 오케스트레이션을, 추적·평가·비용 관리를 통합한 랭스미스가 운영을 담당하는 구조다. 

2025년 10월의 랭그래프 1.0은 "오픈소스는 언제 깨질지 모른다"는 엔터프라이즈의 오랜 불신에 대한 응답이었다. 상태 자동 복원, 인간 개입 내장, 그리고 2.0이 나오기 전까지는 기존 코드를 깨뜨리지 않겠다는 호환성 보장이 그 내용이다.¹⁰⁾ 원클릭으로 에이전트를 운영하는 랭스미스 플릿(Fleet)은 속성 기반 접근 제어(ABAC)와 변조 방지 감사 로그를 갖췄고, 2026년 3월 발표된 엔비디아 파트너십으로 온프레미스 배포 경로까지 확보했다.¹¹⁾

약점은 유연성의 이면에 있는데, 그래프 추상화의 학습 곡선이 초보자에게는 진입 장벽이 되고, 오픈소스와 유료 엔터프라이즈 기능의 경계가 불명확해 어디서부터 비용이 발생하는지 혼란스럽다는 지적이 있다. 갈릴레오(Galileo)나 애리즈(Arize) 같은 전문 관측성 도구와 견줄 때 랭스미스의 심층 평가 기능이 충분한가에 대한 논란도 한창 진행 중이다.

크루AI: 역할 기반 멀티에이전트의 직관적 오케스트레이션

크루AI는 역할과 목표, 배경을 가진 에이전트를 하나의 '크루' 멤버로 정의해 협업을 직관적으로 모델링하는 오픈소스 프레임워크다. 파이썬 기반의 낮은 진입 장벽 덕에 저변이 넓어, 직전 12개월 동안 누적 약 20억 건의 에이전트 실행을 보고했다.¹²⁾ 서버리스 실행과 중앙 대시보드를 갖춘 크루AI 엔터프라이즈로 SaaS 전환을 진행 중이다.

우려는 엔터프라이즈 성숙도에 있다. RBAC·감사 로그·SSO 같은 거버넌스 기능은 랭스미스에 비해 후발이고, "포춘 500 기업의 60%가 사용한다"는 수치도 정식 계약인지 개인 사용인지 불명확해 인용에는 주의가 필요하다.

세일즈포스 에이전트포스: CRM에 통째로 내장된 완제품 에이전트

세일즈포스 에이전트포스는 CRM 데이터와 업무 프로세스, 그리고 에이전트가 하나의 플랫폼 안에서 통합된다는 점을 최대 무기로 삼는다. 18만 곳이 넘는 기존 고객은 추가 통합 없이 곧바로 에이전트를 배포할 수 있으며, 이 결합은 경쟁사가 복제하기 어려운 해자다. 거버넌스를 데이터·프로세스와 함께 통째로 제공하는 완제품 구독 모델의 대표 격이다. 실적이 이 모델의 설득력을 뒷받침한다. 2026년 5월 발표된 최신 분기 실적 기준, 에이전트포스의 연간 반복 매출(ARR)은 12억 달러로 전년 대비 205% 성장했고, 한 분기 만에 4억 달러가 더해졌다. 에이전트 작업 단위는 38억 건, 처리 토큰은 28조 6,000억 건에 이른다.¹³⁾ 백오피스의 수동 프로세스를 에이전트가 담당하는 에이전트포스 오퍼레이션스가 더해졌고, 플랫폼 전체 지연시간을 70% 낮추는 성능 개선이 이어졌다.

그림 3 세일즈포스 에이전트포스 빌더 — 대화형 빌드·테스트·배포 단일 워크스페이스 (출처: 세일즈포스)

한계는 CRM이라는 중심축 자체에서 비롯된다. 세일즈포스 생태계 밖의 시스템을 통합하려면 여전히 뮬소프트에 의존해야 해 복잡성과 비용이 추가되고, 제조·물류·연구개발처럼 CRM에서 먼 도메인에서는 적용 범위가 좁다. 고객 데이터를 통합하는 데이터 플랫폼인 데이터 360과 에이전트포스를 묶은 번들의 비용이 중견기업에게 부담이라는 점도 지적된다.

한국의 현실: 사는 솔루션이 아니라, 함께 일할 파트너

국내 CIO·CTO에게는 계층이 다른 고민이 있는데, 한국 시장에는 아직 바로 집어 도입할 국산 에이전트 플랫폼 제품이 뚜렷하지 않다는 점이다. 국내 IT 서비스 기업들이 실제로 내놓는 주된 형태는 완제품이 아니라 고객 현장에 밀착해 그 조직의 문제를 함께 푸는 구축이다. 전통적으로 SI 프로젝트라 불리던 이 영역은, 팔란티어가 대중화한 현장 배치 엔지니어(Forward Deployed Engineer, FDE) 모델로 성격이 진화하고 있다. 그래서 국내에서의 선택지는 "어느 국산 제품을 살까"가 아니라 "글로벌 제품을 도입해 우리가 운영할 것인가, 아니면 국내 파트너와 함께 밀착 구축을 진행할 것인가"로 정리된다. 망분리나 데이터 레지던시가 연관되어 글로벌 관리형 플랫폼—한국 리전이 없는 AWS 에이전트코어 등—이 제약되는 조직일수록 후자의 무게가 커진다. 그리고 업체들은 글로벌 제품을 국내 파트너가 현장에 이식하는 형태로 자주 결합한다.

맺으며: CIO와 CTO를 위한 제언

에이전트 플랫폼 시장은 이제 막 열렸고, 그 위에서 B2B 혹은 엔터프라이즈의 판이 새로 만들어지고 있다. 글로벌 제품과 국내 밀착 파트너, CSP와 MSP, 모델을 만드는 쪽과 그것을 현장에 이식하는 쪽이 합종연횡하며 조합을 계속 바꿔내는데, 이런 국면에서 핵심은 무엇을 고정하고 무엇을 유동적으로 둘 것인가를 나누는 데 있다. 거버넌스의 통제권은 어떤 선택을 하더라도 변하지 않는 축이므로 먼저 고정하고, 그 위아래에 놓이는 제품과 파트너, 모델의 조합은 원하는 기준에 맞춰 갈아끼울 수 있도록 유동적으로 설계하는 것이다. 그래서 '어떤 벤더가 이길 것인가'를 맞히는 눈보다, 통제권을 쥔 채 필요한 조합을 설계하는 아키텍트의 시각이 그 어느 때보다 중요해졌고, 이 관점에서 다음 네 가지를 제언한다.

1. 빌드가 아니라 평가와 거버넌스로 벤더를 검증하라

빌드는 상향 평준화되었기에 "이 플랫폼으로 에이전트를 만들 수 있는가"는 더 이상 변별력이 없다. 물어야 할 것은 "만든 뒤에 평가하고 통제할 수 있는가"다. 에이전트의 인벤토리가 있는가, 각 에이전트에 신원이 부여되는가, 감사 로그가 남는가, 이상 행동을 탐지하고 정책으로 사전에 차단할 수 있는가를 점검할 것을 권한다. 평가 엔지니어링은 아키텍처 설계 단계에서부터 포함하기를 특히 권한다.

2. 네 경로 중 우리 조직의 통제권 위치를 먼저 정하라

기능이 아니라 통제권으로 경로를 정해야 한다. M365 기반이고 거버넌스를 벤더 인프라에 위임해도 좋다면 코파일럿 스튜디오와 에이전트 365가, 멀티프레임워크 유연성과 자체 통제가 중요하다면 에이전트코어 위의 랭그래프가, CRM이 핵심 데이터 소스라면 에이전트포스가, 클라우드 종속을 피하고 온프레미스를 병행해야 한다면 랭그래프와 랭스미스가 적합하다. 다만 현실의 다수는 하이브리드로 수렴하므로, 처음부터 A2A와 MCP 호환성을 아키텍처 요구사항에 넣을 것을 권한다.

3. 국내 파트너를 택한다면, 제품이 아니라 관여를 평가하라

앞서 짚었듯 규제·소버린 요건으로 글로벌 관리형 플랫폼이 제약되는 환경에서 특히 국내 파트너의 밀착 구축은 현실적 대안이 되는데, 이는 완제품 구매가 아니라 FDE식으로 함께 진행하는 프로젝트다. 따라서 제품 사양이 아니라 그 팀의 도메인 이해도, 개념 검증을 프로덕션으로 넘길 역량, 운영 보장(SLA·장애 대응·모델 라이프사이클), 동종 규모 레퍼런스를 기준으로 평가하고, 국내 스택 역시 MCP를 채택하는 만큼 글로벌 스택과의 상호운용 경로를 면밀히 고려할 것을 권한다.

4. 멀티에이전트는 목적이 아니라 수단이다

단일 에이전트 대비 '멀티에이전트가 곧 더 낫다'는 명제는 성립하지 않는다. 명확한 입력과 출력, 단일 도메인, 10분 이내 실행이라면 단일 에이전트로 충분하다. 병렬 처리가 필요하거나 역할 분리가 품질을 높이는 복잡한 워크플로, 수 시간 이상의 장시간 실행일 때 비로소 멀티에이전트가 정당화된다. 멀티에이전트는 복잡성과 디버깅 비용, 장애 전파의 위험을 함께 키우기 때문인데, A2A가 표준으로 굳어지는 지금도, 오케스트레이션의 정당성은 "그 문제가 정말로 여러 에이전트를 요구하는가"라는 물음에서 나온다는 점을 잊지 말아야 한다.

AI 시대, 에이전트의 시대에 합종연횡은 계속될 것이다. 그러나 통제권을 쥔 조직에게 흔들리는 판은 위협이 아니라 훌륭한 선택지가 될 것이다. 이 복잡한 시대, 배울 것이 더 많아진 이 시대를 살아 내는 리더들을 다시 한번 응원한다.

참고문헌

1) Gartner. Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027. Gartner Newsroom, 2025.06.25. 

2) Alex Merced. The State of Agentic AI Standards in 2026: MCP, A2A, WebMCP, OSI, and the Protocol Stack. dev.to, 2026. 

3) Context Studios. Microsoft 365 AI Agents: The Complete Guide to Building and Running Agents with Copilot, Copilot Studio and Agent 365 in 2026. contextstudios.ai, 2026. 

4) Microsoft. Meet the New Copilot Studio: Rebuilt for More Complex, Multi-Step Work. Microsoft Community Hub, 2026. 

5) AWS. AWS Summit New York 2026: AI Agents. aboutamazon.com, 2026.06.

6) AWS. Amazon Bedrock AgentCore Adds Quality Evaluations and Policy Controls for Deploying Trusted AI Agents.AWS News Blog, 2026.03.

7) AWS. Amazon Bedrock AgentCore Now Delivers Unified Observability in a Single Log Group. AWS What's New, 2026.07.20. 

8) TWIML. Google Cloud Next '26 Recap. twimlai.com, 2026

9) Google. Agent Development Kit (ADK) 2.0. adk.dev, 2026.

10) LangChain. LangChain and LangGraph 1.0. LangChain Blog, 2025.10.22.

11) LangChain. Building Enterprise Agents with NVIDIA. LangChain Blog, 2026.03

12) Panto. CrewAI Platform Statistics getpanto.ai, 2026

13) Salesforce. Salesforce Delivers Record First Quarter Fiscal 2027 Results. Salesforce Investor Relations, 2026.05.27