에이전트 자원 탐색 표준(ARD)의 등장
AI 에이전트가 활용할 수 있는 외부 도구와 API, 워크플로우 같은 '자원'이 폭증함에 따라, AI가 필요한 기능을 스스로 찾지 못하는 '탐색' 문제가 새로운 병목으로 떠올랐습니다. 이를 해결하기 위해 AI가 작업에 적합한 자원을 검색하고 정보를 얻을 수 있도록 돕는 표준 규격인 ARD(Agentic Resource Discovery)가 소개되었습니다. 이는 기업 내부망이나 퍼블릭 환경에서 AI가 사용 가능한 수많은 도구를 쉽게 발견하고 연동할 수 있는 핵심 인프라가 될 것입니다.
AI 클라이언트는 더 이상 모델이 아는 지식에만 국한되지 않습니다. 이제 도구, 스킬, MCP 서버, API, 워크플로우 및 다른 에이전트와 같은 외부 기능을 사용할 수 있습니다. 우리는 이러한 기능들을 '에이전트 자원(Agentic Resources)'이라고 부릅니다.
에이전트 자원의 수는 이미 빠르게 증가하고 있습니다. 일부는 공개되어 있고, 일부는 공급업체에서 제공하며, 일부는 기업 내부에 구축되어 있습니다. 단일 작업을 위한 좁은 범위의 도구도 있고, 어떻게 일을 처리해야 할지 아는 에이전트나 워크플로우도 있습니다. 이는 하나의 단순한 문제를 만들어냅니다. AI 클라이언트는 어떻게 사용 가능한 자원을 알 수 있을까요?
오늘날 그 대답은 대부분 수동입니다. 사용자, 개발자 또는 IT 관리자는 에이전트 자원을 직접 찾고, 유용하고 신뢰할 수 있는지 판단하며, 이를 클라이언트에 연결한 다음 해당 연결을 최신 상태로 유지해야 합니다. 이 방식은 소수의 잘 알려진 도구만 있을 때는 잘 작동합니다. 하지만 모든 제품, 팀, 공급업체 및 조직이 각자의 에이전트 자원을 배포할 때 이 방식은 실패합니다.
더 이상 병목은 '실행(invocation)'이 아닙니다. 바로 '탐색(discovery)'입니다. 클라이언트는 존재한다는 사실조차 모르는 기능을 사용할 수 없고, 사용자는 들어본 적 없는 에이전트 자원을 요청할 수 없으며, 기업은 모든 직원이 각 작업에 어떤 내부 도구, 승인된 공급업체 서비스 및 사설 워크플로우를 적용해야 하는지 알기를 기대할 수 없습니다. 이것이 바로 에이전트 자원 탐색 사양(ARD, Agentic Resource Discovery Specification)이 해결하고자 하는 문제입니다.
ARD를 사용하면 클라이언트는 하나의 질문만 던지면 됩니다. "이 작업에 도움이 될 수 있는 에이전트 자원은 무엇인가?" 그리고 그 대답으로 일치하는 기능들의 모음을 얻습니다. 즉, 각 기능이 무엇을 하는지, 누가 제공하는지, 어디에 있는지, 클라이언트가 어떻게 접근할 수 있는지에 대한 정보입니다. ARD는 오직 '탐색' 기능만 담당합니다. 클라이언트는 자신이 선택한 에이전트 자원을 해당 자원만의 고유한 메커니즘(MCP, API, 에이전트 프레임워크, 워크플로우 시스템 또는 기타 방식)을 통해 직접 실행합니다. ARD는 실행 이전의 단계에 위치하며, 클라이언트가 어떤 기능을 사용할지 결정하도록 돕습니다. 무엇을 검색할지, 언제 검색할지, 반환된 결과로 무엇을 할지는 모두 시스템 설계자의 몫으로 남겨집니다.
ARD는 특정 제품이 아닙니다. GitHub의 Agent Finder 및 Hugging Face의 Discover와 같이 원하는 수의 탐색 서비스가 이를 구현할 수 있습니다. 핵심은 한 번 게시된 에이전트 자원은 많은 클라이언트가 검색할 수 있어야 하며, 클라이언트는 이미 알고 있는 소수의 자원을 넘어 유용한 에이전트 자원을 폭넓게 찾을 수 있어야 한다는 것입니다. 실제로 어떻게 작동하는지 알아보려면 'How ARD works(ARD 작동 방식)'를 읽어보십시오.