AI 에이전트 토큰의 하락세, MCP의 과도한 인기가 원인일까?
저자: Haotian
어떤 지인은 #ai16z, arc 등 web3 AI 에이전트 관련 프로젝트들의 지속적인 하락은 최근 돌풍을 일으킨 MCP 프로토콜 때문이라고 말한다. 처음 들었을 땐 전혀 무슨 상관인지 몰라 당황했지만, 자세히 생각해보니 어느 정도 논리가 있다. 기존의 web3 AI 에이전트 평가 방식이 바뀌었고, 스토리텔링 방향과 제품 론칭 전략도 조정이 시급하다는 점이다. 아래에 개인적인 견해를 정리해 본다.
1) MCP(Model Context Protocol)는 다양한 AI LLM/에이전트가 각종 데이터 소스와 도구에 매끄럽게 연결될 수 있도록 설계된 오픈소스 표준화 프로토콜이다. 마치 USB의 '범용' 인터페이스처럼 플러그 앤 플레이가 가능하게 하며, 과거의 엔드투엔드(end-to-end) '특화형' 캡슐화 방식을 대체한다.
간단히 말해, 기존의 AI 애플리케이션들은 명확한 데이터 사일로(data silo)를 형성하고 있었고, 에이전트나 LLM 간 정보 공유를 위해서는 각자가 별도의 API 인터페이스를 개발해야 했다. 이는 작업 절차가 복잡할 뿐 아니라 양방향 상호작용 기능이 부족했으며, 모델 접근성과 권한 제어도 제한적이었다.
MCP의 등장은 통합된 프레임워크를 제공함으로써 AI 애플리케이션이 데이터 사일로 상태에서 벗어나 외부 데이터 및 도구에 '동적'으로 접근할 수 있는 가능성을 열어주었고, 개발 복잡성과 통합 효율성을 크게 낮췄다. 특히 자동화된 작업 수행, 실시간 데이터 조회, 크로스플랫폼 협업 분야에서 강력한 지원 역할을 한다.
여기서 많은 사람들이 바로 떠올리는 것은, 다중 에이전트 협업(Multi-Agent Collaboration) 개념을 앞세운 Manus에 이런 MCP 오픈소스 프레임워크를 결합하면 정말 무적일 것 같다는 점이다.
맞다. 바로 Manus + MCP 조합이 현재 web3 AI 에이전트들이 충격을 받는 핵심 요인이다.
2) 하지만 의외인 점은, Manus든 MCP든 모두 web2 기반의 LLM/에이전트를 위한 프레임워크 및 프로토콜 표준이라는 사실이다. 이들은 중앙집중형 서버 간 데이터 상호작용과 협업 문제를 해결하며, 접근 권한과 제어는 각 서버 노드의 '자발적' 공개에 의존한다. 즉, 순수하게 '오픈소스 도구' 성격을 띤 것이다.
논리적으로 보면, 이러한 중앙집중형 솔루션은 web3 AI 에이전트가 추구하는 '분산형 서버, 분산형 협업, 분산형 보상' 등의 핵심 철학과 정면으로 배치된다. 중앙집중형의 '이탈리아 포대'가 어떻게 탈중앙화된 요새를 무너뜨릴 수 있겠는가?
하지만 그 이유를 살펴보면, 초기 단계의 web3 AI 에이전트들이 너무 'web2화(web2-ized)'되어 있기 때문이다. 많은 팀들이 web2 배경에서 왔기 때문에 web3 네이티브 고유의 요구사항을 충분히 이해하지 못했다. 예를 들어 ElizaOS 프레임워크는 원래 개발자들이 쉽게 AI 에이전트 애플리케이션을 배포할 수 있도록 돕는 캡슐화 프레임워크였다. Twitter, Discord 같은 플랫폼과 OpenAI, Claude, DeepSeek 등의 'API 인터페이스'를 통합하고, Memory, Character 등의 일반 프레임워크를 적절히 패키징하여 개발자가 신속하게 AI 에이전트 앱을 구축하도록 돕는 것이 목적이다. 하지만 깊이 있게 따져보면, 이 서비스 프레임워크가 web2의 오픈소스 도구와 본질적으로 어떤 차이가 있으며, 무엇이 진정한 차별화된 장점인가?
음...难道 장점이라곤 토큰 경제(Tokenomics) 인센티브 하나뿐인가? 그리고 web2 환경에서도 완전히 대체 가능한 프레임워크 위에, 새 토큰 발행을 목적으로 존재하는 더 많은 AI 에이전트들을 유도하는가? 무서운 일이다. 이 논리를 따라가다 보면, 왜 Manus + MCP가 web3 AI 에이전트에게 충격을 줄 수 있는지 자연스럽게 이해하게 된다.
즉, 기존의 web3 AI 에이전트 프레임워크와 서비스는 web2 AI 에이전트와 유사한 신속한 개발 및 앱 배포 수요만을 해결했을 뿐, 기술 서비스와 표준, 차별화된 우위 면에서는 web2의 혁신 속도를 따라잡지 못했다. 그래서 시장과 자본은 기존의 web3 AI 에이전트들에 대해 재평가 및 재가격(re-pricing)을 진행한 것이다.
3) 이쯤 되면 문제의 핵심을 어림잡아 알 수 있다. 그렇다면 돌파구는 어디에 있는가? 오직 한 가지 길뿐이다. web3 네이티브 솔루션에 집중하는 것이다. 왜냐하면 분산 시스템의 운용 및 인센티브 구조야말로 web3가 가진 절대적인 차별화된 강점이기 때문이다.
분산형 클라우드 컴퓨팅 파워, 데이터, 알고리즘 등의 서비스 플랫폼을 예로 들어보자. 일각에서는 유휴 자원을 모은다는 명목 아래 구성된 컴퓨팅 파워와 데이터가 단기적으로는 공학적 혁신 실현에 필요한 수준에 도달하기 어렵다고 본다. 그러나 많은 AI LLM들이 중앙집중형 컴퓨팅 파워를 동원해 성능 극대화를 위한 군비경쟁을 벌이고 있는 지금, '유휴 자원', '저비용'을 강조하는 서비스 모델은 당연히 web2 개발자들과 VC 컨소시엄의 무시를 받을 수밖에 없다.
하지만 web2 AI 에이전트들이 성능 중심의 혁신 단계를 지나고 나면, 수직적 응용 시나리오 확장과 세분화된 마이크로 튜닝, 모델 최적화 등을 반드시 추구하게 될 것이다. 그때 비로소 web3 기반 AI 리소스 서비스의 장점이 진정으로 드러날 것이다.
사실, 자원 독점을 통해 거대 기업의 자리에 오른 web2 AI 플레이어들은 어느 순간부터는 다시 '농촌에서 도시를 포위하는' 전략으로 돌아가, 세부 시나리오 하나하나를 공략하기란 매우 어렵다. 그때가 바로 잉여의 web2 AI 개발자들과 web3 AI 리소스가 손을 잡고 힘을 발휘할 시기다.
사실, web3 AI 에이전트는 web2에서 제공하는 신속 배포 + 다중 에이전트 협업 커뮤니케이션 프레임워크 + 토큰 이코노믹스 발행 스토리 이상으로 탐구할 가치가 있는 많은 web3 네이티브 혁신 방향이 있다.
예를 들어, LLM 대규모 모델의 오프체인 계산과 온체인 상태 저장 특성을 고려해, 이를 위한 분산형 컨센서스 협업 프레임워크를 마련할 수 있다.
1. 분산형 DID(분산 신원 확인) 시스템: 에이전트가 검증 가능한 온체인 신원을 가질 수 있도록 해야 한다. 이는 스마트 컨트랙트를 위한 가상 머신이 생성하는 고유 주소와 유사하며, 이후 상태의 지속적 추적과 기록을 위해 필요하다.
2. 분산형 오라클(Oracle) 시스템: 주로 오프체인 데이터의 신뢰성 있는 획득과 검증을 담당한다. 기존 오라클과의 차이점은, AI 에이전트에 특화된 오라클은 데이터 수집 계층, 의사결정 컨센서스 계층, 실행 피드백 계층 등 여러 에이전트로 구성된 아키텍처를 필요로 할 수 있다는 점이다. 이를 통해 에이전트가 온체인에서 요구되는 데이터와 오프체인의 계산·판단을 실시간으로 연결할 수 있다.
3. 분산형 저장소(DA, Decentralized Storage) 시스템: AI 에이전트 운영 중 지식베이스의 상태가 불확실하고 추론 과정도 일시적인 경우가 많기 때문에, LLM 뒷단의 핵심 상태 데이터베이스와 추론 경로를 분산 저장소에 기록하고, 비용 통제 가능한 데이터 증명 메커니즘을 제공하여 공개 블록체인 검증 시 데이터 이용 가능성을 보장해야 한다.
4. 제로 난스 증명(ZKP) 기반 프라이버시 컴퓨팅 레이어: TEE, FHE 등의 프라이버시 컴퓨팅 솔루션과 연동하여 실시간 프라이버시 컴퓨팅과 데이터 증명 검증을 실현함으로써, 에이전트가 의료, 금융 등 민감한 수직 데이터 소스에 접근할 수 있게 하고, 그 위에 더욱 전문화되고 맞춤형 서비스를 제공하는 전문 에이전트들이 등장할 수 있도록 한다.
5. 크로스체인 상호운용성 프로토콜: MCP 오픈소스 프로토콜과 유사한 개념이지만, 이 인터오퍼러빌리티(Interoperability) 솔루션은 에이전트의 실행, 전달, 검증을 위한 리레이 및 통신 스케줄링 메커니즘이 필요하다. 이를 통해 서로 다른 블록체인 간 에이전트의 자산 이전과 상태 동기화를 완료할 수 있으며, 특히 에이전트의 컨텍스트, 프롬프트(Prompt), 지식베이스, 메모리 등 복잡한 상태 정보까지 포함할 수 있어야 한다.
...
내가 보기에 진정한 web3 AI 에이전트의 핵심 과제는 AI 에이전트의 '복잡한 워크플로우'와 블록체인의 '신뢰 검증 프로세스'를 얼마나 잘 결합할 수 있느냐에 있다. 이러한 추가적인 솔루션들이 기존의 오래된 스토리 프로젝트에서 진화해 나올 수도 있고, 혹은 새로운 AI 에이전트 스토리 라인에 속한 프로젝트들에 의해 새로 구축될 수도 있다. 가능성은 열려 있다.
이것이 바로 web3 AI 에이전트가 진정으로 구축(Build)해야 할 방향이며, AI + Crypto라는 거시적 스토리 아래에서 지속 가능한 혁신 생태계의 기본이다. 만약 이와 관련된 혁신과 차별화된 경쟁 벽을 구축하지 못한다면, web2 AI 분야의 작은 변화마다 web3 AI 생태계는 또 한 번의 큰 충격을 받게 될 것이다.
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
Haotian | CryptoInsight
