AI는 암호화폐의 에이전트다: AI 에이전트의 진화 역사
글: 조야
A work of art is never completed, only abandoned.
모두가 AI 에이전트(AI Agent)에 대해 이야기하지만, 각자가 말하는 바는 동일하지 않다. 이로 인해 우리가 관심을 갖는 AI 에이전트의 개념은 일반 대중이나 AI 전문가들의 관점과 차이를 보인다.
얼마 전 나는 크립토는 AI의 환각이다라는 글을 썼다. 그때부터 지금까지 크립토와 AI의 융합은 일방적인 열정에 가까웠다. AI 종사자들은 웹3/블록체인 같은 용어를 거의 언급하지 않는 반면, 크립토 업계는 AI에 대해 끊임없는 애정을 드러내고 있다. 그런데 이제는 AI 에이전트 프레임워크조차 토큰화되는 기이한 광경을 목도한 이후, 과연 진정으로 AI 종사자들을 우리의 세계로 끌어들일 수 있을지 의문스럽다.
AI는 크립토의 대리인(agent)이다. 이 문장은 암호화폐의 관점에서 이번 AI 열풍을 해석하는 가장 적절한 설명이다. 다른 산업과 달리, 크립토 업계는 금융 자산의 발행 및 운영 체계를 AI와 결합하려는 강한 열망을 가지고 있다.
에이전트의 진화, 기술 마케팅 속 본질
근본적으로 AI 에이전트는 최소한 세 가지 기원을 지닌다. OpenAI의 AGI(범용 인공지능)는 이를 중요한 단계로 설정하면서 ‘에이전트’라는 용어를 기술적 범주를 넘어서는 유행어로 만들었지만, 사실상 에이전트 자체는 새로운 개념이 아니다. AI 기술이 더해졌다 해도 혁명적인 기술 트렌드라 부르기엔 무리가 있다.
첫째, OpenAI가 말하는 AI 에이전트는 자율주행 등급 중 L3 수준과 유사하다. 즉 어느 정도 고도의 보조 운전 능력을 갖추었지만, 여전히 인간을 완전히 대체할 수 없는 상태다.
이미지 설명: OpenAI가 계획한 AGI 단계, 출처: https://www.bloomberg.com/
둘째, 이름에서도 알 수 있듯 AI 에이전트는 AI가 강화된 'Agent'다. 컴퓨터 분야에서 에이전트 메커니즘과 패턴은 낯설지 않다. OpenAI의 비전 아래, 에이전트는 대화형(ChatGPT), 추론형(다양한 봇)에 이어 L3 단계로 자리매김한다. 그 특징은 "자율적으로 어떤 행동을 수행하는 것"이며, LangChain 창시자 해리슨 체이스(Harrison Chase)의 정의를 따르면 "LLM을 이용해 프로그램의 제어 흐름을 결정하는 시스템"이다.
여기서 핵심은, LLM 등장 이전의 에이전트는 사람이 미리 설정한 자동화 프로세스를 수행하는 데 그쳤다는 점이다. 예를 들어, 개발자가 크롤러 프로그램을 설계할 때 User-Agent를 설정하여 실제 사용자의 브라우저 버전, 운영체제 등을 모방한다. 그러나 AI 에이전트를 활용하면 인간의 행동을 훨씬 섬세하게 흉내 낼 수 있어, AI 에이전트 기반의 크롤러 프레임워크가 등장할 수 있으며, 이는 크롤러를 더욱 '자연스럽게' 만든다.
이러한 변화 속에서 AI 에이전트는 반드시 기존 시나리오와 결합되어야 하며, 완전히 독립적인 새로운 영역은 거의 존재하지 않는다. Cursor, GitHub Copilot 등의 코드 자동 완성 및 생성 기능조차 LSP(Language Server Protocol) 같은 기존 사고 방식 위에서 기능이 확장된 결과다. 이밖에도 다음과 같은 사례들이 있다:
-
Apple: AppleScript(스크립트 편집기) -- Alfred -- Siri -- 바로가기(Shortcuts) -- Apple Intelligence
-
터미널: Terminal(macOS)/PowerShell(Windows) -- iTerm 2 -- Warp(AI 네이티브)
-
사람-기계 상호작용: Web 1.0 CLI TCP/IP 넷스케이프 브라우저 -- Web 2.0 GUI/RestAPI/검색엔진/Google/Super App -- Web 3.0 AI 에이전트 + dapp?
약간 설명을 덧붙이자면, 사람-기계 상호작용 과정에서 Web 1.0의 GUI와 브라우저 조합은 일반인이 장벽 없이 컴퓨터를 사용할 수 있게 했다. 대표적인 예가 Windows+IE 조합이다. API는 인터넷 시대 데이터의 추상화 및 전송 표준이며, Web 2.0에서는 크롬 브라우저 시대를 맞이했고, 모바일 중심으로의 전환은 인터넷 사용 습관을 바꾸었다. 위챗, 메타 등 슈퍼앱은 사람들의 생활 전반을 아우르게 되었다.
셋째, 크립토 분야의 '의도(Intent)' 개념은 AI 에이전트가 폭발적으로 주목받는 선구자 역할을 했다. 다만 이는 크립토 내부에서만 통용되는 이야기다. 기능이 제한된 비트코인 스크립트에서 이더리움 스마트 계약에 이르기까지, 이 모든 것이 본질적으로 에이전트 개념의 확장이라 할 수 있다. 이후 등장한 크로스체인 브릿지, 체인 추상화, EOA에서 AA 지갑으로의 전환도 모두 이러한 사고의 자연스러운 연장선상에 있다. 따라서 AI 에이전트가 크립토 세계에 '침입'한 후 DeFi 시나리오로 연결되는 것은 어쩌면 당연한 귀결이다.
이처럼 AI 에이전트라는 개념은 혼란스럽다. 크립토 맥락에서 우리가 진정 원하는 것은 '자동 재테크, 자동 밈코인 참여' 같은 에이전트이지만, OpenAI의 정의에 따르면 이런 위험한 시나리오는 L4/L5 수준에서야 비로소 실현 가능하다. 반면 일반 대중은 코드 자동 생성, AI 요약, 대필 등 간단한 기능을 즐기고 있다. 서로 다른 차원에서 이야기를 나누고 있는 셈이다.
우리가 진정 원하는 것이 무엇인지 이해했다면, 다음으로는 AI 에이전트의 조직 논리를 살펴보자. 기술적 디테일은 그 뒤에 숨겨져야 한다. 왜냐하면 AI 에이전트의 '대리' 개념은 기술을 대중 보급의 장벽 앞에서 제거하는 것이 목적이고, 이는 브라우저가 개인용 PC 산업에 불을 지폈던 것과 같다. 따라서 우리는 두 가지에 집중할 것이다: 사람-기계 상호작용 관점에서 본 AI 에이전트, 그리고 AI 에이전트와 LLM의 차이와 연관성. 이를 통해 마지막 파트인 '크립토와 AI 에이전트의 융합이 결국 무엇을 남길 것인가'를 논의하게 될 것이다.
let AI_Agent = LLM+API;
ChatGPT와 같은 대화형 인간-컴퓨터 상호작용 이전, 인간과 컴퓨터의 상호작용은 주로 GUI(그래픽 사용자 인터페이스)와 CLI(명령줄 인터페이스, Command-Line Interface) 두 가지 형태였다. GUI 사고는 브라우저, 앱 등 다양한 구체적 형태로 파생되었으며, CLI와 Shell 조합은 거의 변하지 않았다.
그러나 이것은 단지 '프론트엔드'의 표면적인 상호작용일 뿐이다. 인터넷의 발전과 함께 데이터 양과 유형이 증가함에 따라 데이터 간, 앱 간의 '백엔드' 상호작용도 늘어났으며, 전자는 후자를 필요로 하고 후자는 전자를 지원한다. 단순한 웹 브라우징 행위조차도 이 두 가지의 협력이 필수적이다.
사용자와 브라우저, 앱의 상호작용이 사용자 입장이라면, API 간의 연결과 전환은 인터넷의 실제 작동을 떠받치는 기반이다. 사실 이 또한 에이전트의 일부라고 볼 수 있다. 일반 사용자는 명령줄이나 API 같은 용어를 몰라도 자신의 목적을 달성할 수 있다.
LLM도 마찬가지다. 이제 사용자는 검색조차 필요 없게 되었다. 전체 과정은 다음과 같이 설명할 수 있다:
-
사용자가 채팅 창을 연다.
-
사용자는 자연어(텍스트 또는 음성)로 자신의 요구를 설명한다.
-
LLM이 이를 단계적인 작업 흐름으로 해석한다.
-
LLM이 결과를 사용자에게 반환한다.
이 과정에서 가장 큰 타격을 받는 것은 구글이다. 사용자가 검색 엔진을 열 필요 없이 GPT류의 대화 창을 통해 정보를 얻기 때문이다. 트래픽 입구가 조용히 이동하고 있는 것이다. 그래서 이번 LLM의 등장이 검색 엔진의 종말을 의미한다는 주장이 나오는 것이다.
그렇다면 AI 에이전트는 여기서 어떤 역할을 하는가?
한마디로 요약하자면, AI 에이전트는 LLM의 특수화된 형태다.
현재의 LLM은 AGI가 아니다. 즉 OpenAI가 꿈꾸는 L5 수준의 조직자가 아니다. 능력에는 큰 제약이 있으며, 예를 들어 입력 정보가 많아지면 쉽게 환각(hallucination)을 일으킨다. 그 이유 중 하나는 학습 메커니즘에 있다. 만약 당신이 반복적으로 GPT에게 1+1=3이라고 말한다면, 이후 1+1+1=?를 물었을 때 답으로 4를 말할 가능성도 있다.
왜냐하면 이때 GPT의 피드백은 오직 사용자 개인에게서만 오기 때문이다. 해당 모델이 인터넷에 연결되지 않았다면, 당신의 정보에 의해 동작 방식이 완전히 바뀔 수 있으며, 이후 1+1=3만 아는 멍청한 GPT가 될 수도 있다. 그러나 모델이 인터넷에 연결되어 있다면, GPT의 피드백 메커니즘은 훨씬 다양해진다. 왜냐하면 인터넷에서는 1+1=2라고 생각하는 사람들이 압도적으로 많기 때문이다.
난이도를 더 높여보자. 만약 로컬 환경에서 반드시 LLM을 사용해야 한다면, 어떻게 이러한 문제를 피할 수 있을까?
간단하고 직접적인 방법은 두 개의 LLM을 동시에 사용하고, 매번 답변을 서로 검증하도록 규정하는 것이다. 이렇게 하면 오류 확률을 줄일 수 있다. 또 다른 방법은 두 명의 사용자 역할을 나누는 것으로, 한 명은 질문하고, 다른 한 명은 질문을 미세 조정하여 언어를 더 규칙적이고 이성적으로 만드는 것이다.
물론 때로는 인터넷 연결도 문제를 완전히 회피하지 못한다. 예를 들어 LLM이 '멍청이 게시판'의 답변을 검색해온다면 오히려 더 나쁠 수 있다. 그러나 이러한 자료를 배제하면 사용 가능한 데이터 양이 줄어들기 때문에, 기존 데이터를 분할·재구성하거나 심지어 옛 데이터를 기반으로 새 데이터를 스스로 생성하여 답변의 신뢰성을 높일 수 있다. 사실 이것이 RAG(Retrieval-Augmented Generation, 검색 강화 생성)의 자연어 이해 방식이다.
사람과 기계는 서로를 이해해야 한다. 여러 개의 LLM이 서로 이해하고 협력하게 만든다면, 본질적으로 이미 AI 에이전트의 동작 방식에 다가서고 있는 것이다. 즉, 인간의 대리인이 다른 자원, 심지어 대규모 모델이나 다른 에이전트를 호출하는 것이다.
이를 통해 우리는 LLM과 AI 에이전트의 관계를 이해할 수 있다. LLM은 일련의 지식의 집합이며, 인간은 대화 창을 통해 이를 활용할 수 있다. 그러나 실무에서 특정 작업 흐름은 소규모 프로그램, 봇, 명령어 집합으로 정리될 수 있는데, 바로 이것을 에이전트라고 정의하는 것이다.
AI 에이전트는 여전히 LLM의 일부이며, 두 개념을 동일시할 수는 없다. 다만 AI 에이전트는 LLM 기반에서 외부 프로그램, 다른 LLM, 다른 에이전트와의 협업을 특히 강조하기 때문에, "AI 에이전트 = LLM + API"라는 표현이 공감을 얻는 것이다.
LLM의 워크플로우에 AI 에이전트의 역할을 추가해보자. X의 API 데이터를 호출하는 경우를 예로 들면:
-
사용자가 채팅 창을 연다.
-
사용자는 자연어(문자 또는 음성)로 자신의 요구를 설명한다.
-
LLM이 이를 API 호출형 AI 에이전트 작업으로 해석하고, 대화 권한을 해당 에이전트에게 이전한다.
-
AI 에이전트가 사용자의 X 계정과 API 비밀번호를 묻고, 사용자의 설명에 따라 X와 인터넷을 통해 통신한다.
-
AI 에이전트가 최종 결과를 사용자에게 반환한다.
사람-기계 상호작용의 진화사를 기억하는가? Web 1.0과 Web 2.0 시대의 브라우저, API 등은 여전히 존재하지만, 사용자는 그 존재를 완전히 무시한 채 AI 에이전트와만 상호작용할 수 있다. API 호출 과정조차 대화 방식으로 처리되며, 이러한 API 서비스는 로컬 데이터, 인터넷 정보, 외부 앱 데이터 등 어떤 형태든 가능하다. 상대방이 인터페이스를 개방하고 사용자가 접근 권한을 보유하기만 하면 된다.
완전한 AI 에이전트 사용 프로세스는 위 그림과 같다. LLM은 AI 에이전트와 분리된 부분으로 볼 수도 있고, 하나의 과정 내 두 하위 단계로 볼 수도 있지만, 어느 쪽이든 사용자의 요구를 충족시키는 데 기여한다.
사람-기계 상호작용 측면에서 보면, 사용자가 마치 자기 자신과 대화하는 것과도 같다. 당신은 자유롭게 생각을 표현하면 되고, AI/LLM/AI 에이전트가 그 필요를 계속 추측하며 피드백을 제공한다. 컨텍스트(Context) 기억 기능이 더해져, AI 에이전트가 갑자기 현재 작업을 잊어버리는 일은 없다.
요컨대, AI 에이전트는 보다 인격화된 제품이다. 이것이 기존 스크립트나 자동화 도구와 본질적으로 다른 점이다. 마치 개인 비서처럼 사용자의 실제 요구를 고려하지만, 반드시 알아둬야 할 것은, 이러한 인격 역시 확률 기반의 추측 결과일 뿐이라는 점이다. L3 수준의 AI 에이전트는 인간의 이해력과 표현력을 갖추지 못했기 때문에 외부 API와의 연동에는 위험이 따를 수밖에 없다.
AI 프레임워크의 화폐화
AI 프레임워크가 화폐화될 수 있다는 사실은 내가 크립토에 계속 관심을 갖는 중요한 이유다. 전통적인 AI 기술 스택에서 프레임워크는 그리 중요하지 않다. 데이터와 컴퓨팅 파워에 비하면 말이다. 또한 AI 제품의 수익화도 프레임워크로부터 시작하기 어렵다. 대부분의 AI 알고리즘과 모델 프레임워크는 오픈소스이며, 실제로 폐쇄적인 것은 데이터 같은 민감 정보뿐이기 때문이다.
본질적으로 AI 프레임워크나 모델은 일련의 알고리즘을 담고 조합한 '용기'에 불과하다. 마치 철솥에 오리를 넣고 끓이는 철솥 오리 요리에서 철솥과 같은 존재다. 그러나 요리의 맛을 좌우하는 것은 오리의 품종과 불 조절이다. 팔아야 할 제품은 오리인데, 지금 웹3 고객들은 보석은 돌려주고 상자만 사가는 '매부진주' 식 거래를 하고 있는 셈이다.
이유는 간단하다. 웹3의 AI 제품 대부분은 기존 AI 프레임워크, 알고리즘, 제품 위에서 파생된 개량형 제품일 뿐이며, 서로 다른 크립토 AI 프레임워크의 기술 원리조차 크게 다르지 않다. 기술적으로 차별화가 불가능하니 이름이나 사용 사례 등을 부각시키는 수밖에 없다. 그래서 AI 프레임워크의 미세한 조정조차 서로 다른 토큰의 근거가 되며, 크립토 AI 에이전트 프레임워크의 거품이 형성된다.
자신이 막대한 비용을 들여 데이터와 알고리즘을 훈련시킬 필요가 없다면, 이름 차이 전략이 특히 중요해진다. DeepSeek V3가 아무리 저렴해도, 박사급 인력과 GPU, 전력 소비는 막대하다.
어떤 의미에서, 이는 최근 웹3의 일관된 경향이기도 하다. 즉, 토큰 발행 플랫폼이 토큰 자체보다 더 가치 있다는 것이다. Pump.Fun, Hyperliquid 모두 그러하다. 본래 에이전트는 애플리케이션이나 자산이어야 하지만, 지금은 에이전트 발행 프레임워크가 가장 인기 있는 제품이 되고 있다.
이 또한 일종의 가치 앵커링 전략이다. 각종 에이전트들 간 차이가 없다면, 오히려 에이전트 프레임워크가 더 안정적이며 자산 발행의 가치 흡인 효과를 낼 수 있다. 이것이 현재 크립토와 AI 에이전트 결합의 1.0 버전이다.
그리고 2.0 버전이 서서히 모습을 드러내고 있다. 대표적인 것이 DeFi와 AI 에이전트의 결합이다. DeFAI라는 개념의 등장은 물론 열기 속에서 만들어진 마켓 행위이지만, 다음 상황들을 고려하면 단순한 유행을 넘어선 의미를 지닐 수 있다:
-
Morpho가 기존 대출 제품인 Aave를 도전하고 있다.
-
Hyperliquid가 dYdX의 체인 상 파생상품 거래를 대체하며, 나아가 바이낸스의 CEX 상장 효과까지 도전하고 있다.
-
스테이블코인이 오프체인(off-chain) 시나리오의 결제 수단으로 자리잡고 있다.
바로 이러한 DeFi의 변혁적 배경 속에서 AI는 DeFi의 기본 논리를 개선하고 있다. 과거 DeFi의 핵심 논리가 스마트 계약의 실현 가능성을 검증하는 데 있었다면, AI 에이전트는 DeFi의 제조 논리를 바꾼다. 즉, DeFi를 이해하지 못해도 DeFi 제품을 만들 수 있게 된 것이다. 체인 추상화(chain abstraction)보다 더 깊은 수준의 기반 강화다.
프로그래머의 시대가 곧 도래할 것이다. 복잡한 계산은 AI 에이전트 뒤에 있는 LLM과 API에 아웃소싱할 수 있으며, 개인은 자신의 아이디어에만 집중하면 된다. 자연어는 효율적으로 프로그래밍 로직으로 전환될 수 있다.
맺음말
본문에서는 어떠한 크립토 AI 에이전트 토큰이나 프레임워크도 언급하지 않았다. Cookie.Fun이 이미 충분히 잘하고 있기 때문이다. AI 에이전트 정보 집약 및 토큰 발견 플랫폼 → AI 에이전트 프레임워크 → 순간적으로 등장하고 사라지는 에이전트 토큰 순서로, 이제 문서 내 정보 나열은 더 이상 가치가 없다.
그러나 최근 관찰을 통해 느낀 것은, 시장에는 여전히 '크립토 AI 에이전트가 궁극적으로 무엇을 지향하는가'에 대한 진정한 논의가 부족하다는 점이다. 우리는 항상 포인터만 이야기할 뿐, 메모리의 변화가 본질임을 잊고 있다.
다양한 대상을 자산화하는 끊임없는 능력이야말로 크립토의 매력이다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@zuoyeweb3
