Anthropic가 이번 주(2026년 5월 18일) SDK(소프트웨어 개발 키트)와 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜) 서버 툴링 분야의 선두 기업인 Stainless를 인수했다. Stainless는 2022년 설립 이후 Anthropic API의 공식 SDK 생태계를 구축해 온 파트너로, 이번 인수를 통해 클로드가 외부 데이터와 도구에 연결되는 능력을 내부적으로 완전히 통합하게 됐다.

이번 결정의 핵심은 AI의 지향점을 '답변하는 모델'에서 '행동하는 에이전트'로 옮기겠다는 의지에 있다. 에이전트가 얼마나 유능한가는 결국 그 에이전트가 얼마나 많은 외부 시스템에 안정적으로 접근할 수 있느냐에 달려 있기 때문이다. Anthropic의 플랫폼 엔지니어링 책임자인 케이틀린 레세(Katelyn Lesse)는 에이전트의 유용성이 연결성에 달려 있음을 강조하며, Stainless 팀의 합류가 클로드의 도구 연결 능력을 진전시킬 것이라고 밝혔다.

동시에 Anthropic는 AI의 실제 현장 적용을 가속화하는 대규모 파트너십과 신규 상품을 공개했다. 글로벌 컨설팅 기업 PwC는 미국 팀을 시작으로 수십만 명의 전 세계 직원에게 Claude Code와 Cowork를 도입하며, 3만 명의 전문가를 대상으로 클로드 교육 및 인증을 진행해 공동 센터 오브 엑설런스(Center of Excellence)를 구축하기로 했다. 또한 소상공인이 일상적으로 사용하는 도구 내에서 클로드를 즉시 활용할 수 있도록 커넥터와 워크플로우 패키지를 담은 'Claude for Small Business'를 출시하며 기업 규모를 불문한 에이전트 생태계 확장에 나섰다.

Stainless 인수와 PwC의 3만 명 규모 클로드 도입

Anthropic이 2022년 설립된 스테인리스(Stainless)를 인수했다. 스테인리스는 타입스크립트(TypeScript), 파이썬(Python), 고(Go), 자바(Java), 코틀린(Kotlin) 등 다양한 프로그래밍 언어로 SDK(소프트웨어 개발 키트, 개발자가 특정 서비스를 쉽게 이용하도록 돕는 도구 모음)를 자동으로 생성해주는 기술을 보유한 기업이다. 쉽게 말하면 API라는 복잡한 설계도를 개발자가 사용하는 익숙한 언어로 번역해주는 고성능 자동 번역기 역할을 한다. 개발자가 일일이 통신 규약을 맞추는 고된 작업 없이, 자신의 언어로 된 도구 상자를 가져다 쓰기만 하면 클로드의 기능을 서비스에 빠르게 이식할 수 있게 된다.

비유하자면 지금까지의 AI가 정답을 알려주는 똑똑한 상담원이었다면, 이제는 직접 컴퓨터를 조작해 업무를 처리하는 실행원인 에이전트로 진화하고 있다. 에이전트가 실제로 능력을 발휘하려면 외부 데이터나 도구에 연결되는 통로가 필수적인데, 스테인리스의 기술은 이 통로를 만드는 시간을 획기적으로 줄여준다. 앤스로픽은 이미 MCP(모델 컨텍스트 프로토콜, AI 모델이 외부 데이터에 표준화된 방식으로 접근하게 돕는 규약)를 통해 연결성을 강조해왔다. 이번 인수로 개발자 경험을 개선하고 클로드가 더 많은 외부 도구와 매끄럽게 상호작용하는 환경을 구축하여 에이전트 생태계를 확장하려는 의도가 읽힌다.

기업 현장으로 눈을 돌리면 PwC의 대규모 도입 사례가 구체적인 지표로 나타난다. PwC는 미국 팀을 시작으로 전 세계 수십만 명 규모의 전문 인력에게 클로드 코드(Claude Code)와 코워크(Cowork)를 순차적으로 도입한다. 단순히 소프트웨어를 배포하는 수준을 넘어 전문가 3만 명을 대상으로 별도의 교육과 인증 과정을 실시한다는 점이 핵심이다. 이는 AI를 단순한 보조 도구가 아니라 기업의 핵심 업무 프로세스에 완전히 통합하려는 전략으로 풀이된다. 대규모 조직이 AI 에이전트를 실무에 적용할 때 발생하는 숙련도 격차라는 진입 장벽을 교육이라는 정공법으로 돌파하려는 시도다.

동시에 앤스로픽은 대기업뿐 아니라 소상공인을 겨냥한 클로드 포 스몰 비즈니스(Claude for Small Business)를 출시하며 사용자 층을 넓혔다. 소상공인이 매일 사용하는 도구들에 클로드를 바로 연결할 수 있는 커넥터와 즉시 실행 가능한 워크플로우 패키지를 제공하는 구성이다. 복잡한 코딩이나 설정 과정 없이도 AI를 업무에 즉시 활용할 수 있게 하여, 기술적 전문성이 부족한 소규모 사업자들도 AI 에이전트의 효율성을 누리게 하겠다는 계산이다. 거대 기업부터 1인 기업까지 아우르는 연결망을 구축해 클로드의 영향력을 전방위로 확대하고 있다.

API 명세를 SDK로 바꾸는 Stainless의 자동화 구조

예전에는 개발자가 API 명세를 보고 각 언어별 라이브러리를 일일이 손으로 직접 작성했다. API 명세(API Spec)는 시스템이 제공하는 기능의 목록과 데이터 형식을 정의한 일종의 설계도다. Stainless(스테인리스, API 명세를 기반으로 SDK를 자동 생성하는 도구)는 이 설계도를 입력값으로 받아 SDK(소프트웨어 개발 키트)와 CLI(명령줄 인터페이스)를 자동으로 생성하는 구조를 가진다. 비유하자면 전 세계 공용어로 작성된 표준 설계도를 넣으면 각 나라의 언어와 문화에 맞춘 상세 조립 설명서가 자동으로 쏟아져 나오는 자동화 공장과 같다. 사람이 직접 코드를 짤 때 발생하는 오타나 누락 같은 실수를 원천적으로 차단하며 설계도가 조금이라도 바뀌면 수십 개의 언어 라이브러리를 동시에 업데이트해야 하는 유지보수의 고통을 해결한다.

단순히 기능을 옮기는 수준을 넘어 각 언어의 특성을 극대화한 네이티브 경험을 제공한다는 점이 기술적 핵심이다. 쉽게 말하면 파이썬 개발자는 파이썬의 간결한 문법을 살려 코딩하고 자바 개발자는 자바의 엄격한 타입 시스템을 그대로 활용할 수 있도록 최적화된 라이브러리를 생성한다는 뜻이다. TypeScript, Python, Go, Java, Kotlin 등 다양한 언어 환경에서 해당 언어의 표준 라이브러리를 쓰는 것처럼 느껴지게끔 고속의 신뢰성 높은 코드를 구축한다. 개발자가 API의 복잡한 HTTP 요청 구조나 인증 헤더 설정을 일일이 고민하지 않고 해당 언어의 익숙한 함수 호출만으로 기능을 구현하게 만드는 방식이다. 이는 언어별로 다른 비동기 처리 방식이나 메모리 관리 특성까지 고려하여 생성된다.

최근에는 여기서 한 단계 더 나아가 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜) 서버까지 자동으로 변환하는 체계를 구축했다. MCP는 AI 에이전트가 외부 데이터나 도구에 표준화된 방식으로 접근할 수 있게 돕는 연결 규격이다. 기존의 SDK가 사람이 코드를 작성하기 위해 사용하는 도구였다면 MCP 서버는 AI 에이전트가 스스로 데이터를 읽고 쓰기 위해 사용하는 전용 통로가 된다. Stainless의 자동화 구조를 활용하면 단 하나의 API 명세만으로 개발자용 라이브러리와 AI 에이전트용 연결 장치를 동시에 확보하게 된다. 이는 클로드(Claude) 같은 AI 모델이 단순한 답변을 넘어 외부 시스템의 데이터를 실시간으로 활용하고 제어하는 에이전트로 진화하는 데 필수적인 기술적 연결 고리가 된다.

'답변하는 챗봇'과 '행동하는 에이전트'의 결정적 차이

사용자가 여행 계획을 물었을 때 추천 일정표를 짜주는 것과 실제로 항공권을 예약하는 것은 완전히 다른 차원의 작업이다. 기존의 AI 챗봇은 질문에 대해 학습된 데이터를 바탕으로 가장 확률 높은 답변을 생성하는 답변 중심(Answer-centric) 구조였다. 비유하자면 도서관에서 원하는 정보가 담긴 책을 찾아 내용을 요약해 주는 유능한 사서와 같다. 사서는 지식이 풍부하지만 정작 사용자를 대신해 외부 세상의 물리적인 버튼을 누르거나 결제를 진행하는 권한은 없었다. 하지만 최근의 흐름은 모델이 직접 시스템에 접근해 특정 과업을 수행하는 행동 중심(Action-centric) 구조로 빠르게 전환되고 있다. 이제 AI는 단순히 정보를 알려주는 수준을 넘어 사용자의 요청을 실행하기 위해 외부 도구를 직접 제어하는 에이전트의 역할을 수행한다. 이는 AI가 생각하는 단계에서 멈추지 않고 실제로 움직이는 단계로 진화했음을 의미한다.

이러한 패러다임의 전환을 가능하게 만드는 핵심은 AI가 외부 시스템과 어떻게 연결되느냐에 달려 있다. 대부분의 시스템은 API(Application Programming Interface: 응용 프로그램 인터페이스)라는 규약을 통해 데이터를 주고받는다. 쉽게 말하면 API는 식당의 메뉴판과 같다. 손님이 메뉴판을 보고 정확한 이름으로 주문을 해야 주방에서 음식을 내어주는 방식이다. 하지만 AI 에이전트가 복잡한 작업을 수행하려면 매번 메뉴판을 확인하고 정확한 형식으로 요청을 보내는 과정에서 많은 리소스가 소모된다. 여기서 등장하는 것이 SDK(Software Development Kit: 소프트웨어 개발 키트) 기반의 연결 방식이다. SDK는 단순한 메뉴판을 넘어 요리 도구와 레시피가 모두 포함된 밀키트와 같다. 개발자가 사용하는 언어인 TypeScript(타입스크립트)나 Python(파이썬) 등에 최적화된 형태로 제공되기에 AI가 시스템의 기능을 훨씬 더 빠르고 정확하게 호출할 수 있다.

단순한 API 호출과 최적화된 SDK 연결의 차이는 에이전트의 실행 효율성에서 극명하게 갈린다. API 방식은 요청을 보낼 때마다 규격에 맞는지 확인하는 절차가 필요하고 오류가 발생했을 때 대응하는 과정이 복잡하다. 반면 SDK는 해당 언어의 특성에 맞게 최적화되어 있어 AI가 마치 시스템의 일부인 것처럼 자연스럽게 동작하게 만든다. 비유하자면 API가 외국인과 통역사를 통해 대화하는 것이라면, SDK는 현지어를 완벽하게 구사하며 현지 문화까지 이해하고 소통하는 것과 비슷하다. 이러한 연결성의 강화는 AI가 텍스트 생성이라는 좁은 틀을 벗어나 데이터베이스를 수정하거나 소프트웨어를 조작하는 실질적인 행동을 가능하게 한다. 에이전트의 실제 수행 능력은 모델의 지능뿐만 아니라 그 모델이 얼마나 효율적인 도구 세트를 통해 외부 세계와 연결되어 있는가에 의해 결정된다. 특히 다양한 프로그래밍 언어에서 네이티브하게 작동하는 연결 도구는 AI가 복잡한 엔터프라이즈 환경에서도 끊김 없이 과업을 완수하게 돕는 결정적인 장치가 된다.

개발자 경험(DX) 개선과 소상공인 워크플로우의 변화

개발자가 새로운 AI 기능을 연동할 때 가장 먼저 마주하는 벽은 보일러플레이트(Boilerplate, 반복적으로 작성해야 하는 기본 설정 코드) 작업이다. API(응용 프로그램 인터페이스, 서로 다른 소프트웨어가 통신하는 방식)를 연결하려면 매번 비슷하지만 필수적인 기초 코드를 수동으로 짜야 했다. 쉽게 말하면 새 가구를 살 때마다 나사와 드라이버를 직접 깎아서 만드는 격이다. 이번 Stainless 인수로 도입되는 SDK(소프트웨어 개발 키트, 소프트웨어를 만들기 위한 도구 모음) 자동화는 이 과정을 완전히 바꾼다. Stainless는 API 명세서를 기반으로 TypeScript, Python, Go, Java, Kotlin 등 다양한 언어에 맞는 SDK를 자동으로 생성한다. 비유하자면 모든 부품이 규격화되어 있고 설명서까지 동봉된 레고 세트를 받는 것과 같다. 개발자는 이제 기초 공사에 시간을 쏟는 대신 AI가 실제로 어떤 동작을 수행할지 설계하는 핵심 로직에만 집중할 수 있으며, 각 언어의 특성에 맞는 최적화된 코드를 즉시 사용할 수 있다.

이런 기술적 효율은 개발자뿐 아니라 소상공인의 업무 환경으로 이어진다. 그동안 소상공인이 AI를 도입하려면 전문 개발자를 고용해 맞춤형 시스템을 구축해야 했기에 진입 장벽이 매우 높았다. 하지만 이번에 공개된 Claude for Small Business는 복잡한 설정 과정이 생략된 레디 투 런(Ready-to-run, 즉시 실행 가능한) 워크플로우를 제공한다. 쉽게 말하면 재료 손질부터 조리법까지 다 갖춰진 밀키트처럼, 이미 완성된 연결 도구들을 가져다 쓰기만 하면 되는 구조다. 소상공인은 이제 코딩 한 줄 몰라도 자신이 매일 사용하는 도구 안에 AI를 심어 고객 응대나 재고 관리를 자동화할 수 있다. 전용 패키지에 포함된 커넥터들이 복잡한 데이터 연결 과정을 대신 처리해주기 때문이다. 이는 기존에 수개월이 걸리던 시스템 통합 기간을 며칠 수준으로 단축시키는 실질적인 변화를 가져온다. 기술적 숙련도가 아니라 비즈니스 아이디어만 있다면 누구나 AI 에이전트를 실무에 배치하는 환경이 조성된 셈이다.

기업 단위의 도입 방식 역시 개인의 역량에 의존하던 과거에서 표준화된 시스템으로 진화한다. PwC는 미국 팀을 시작으로 전 세계 수십만 명의 전문가에게 Claude Code와 Cowork를 보급하며 센터 오브 엑설런스(Center of Excellence, 특정 분야의 전문 지식을 공유하고 표준을 만드는 조직) 모델을 구축한다. 이는 개별 직원이 각자 AI를 공부해서 쓰는 것이 아니라, 기업 차원에서 검증된 최적의 사용법을 매뉴얼화해 전파하는 방식이다. 비유하자면 각자 공부하던 학원에서 전 과목 1등의 공부법을 공식 교과서로 만들어 전교생에게 가르치는 것과 비슷하다. 실제로 3만 명의 전문가를 대상으로 교육과 인증 과정을 진행해 AI 활용 능력을 상향 평준화하려는 전략이다. 이러한 표준화는 AI 도입 과정에서 발생하는 시행착오를 획기적으로 줄이고 조직 전체의 생산성을 빠르게 끌어올리는 핵심 동력이 된다. 기업 내 AI 도입이 개인의 선택이 아닌 시스템의 일부로 자리 잡는 과정이다.

한국 AI 실무자가 주목해야 할 MCP 생태계와 에이전트 전략

지금까지의 AI 활용은 사용자가 데이터를 복사해 채팅창에 붙여넣는 방식이 주를 이뤘다. 하지만 이제는 모델이 직접 기업 내부 데이터베이스나 툴에 접근해 작업을 수행하는 에이전트 시대로 넘어가고 있다. 여기서 핵심은 모델의 지능 그 자체보다 모델이 외부 세상과 어떻게 연결되느냐 하는 연결성이다. 한국의 많은 기업이 도입 중인 단순 챗봇 UI는 사실상 껍데기에 불과하며 진짜 가치는 시스템 깊숙이 통합되는 딥 인티그레이션(Deep Integration, 시스템 심층 통합) 전략에서 나온다. 이는 AI가 단순한 상담원이 아니라 실제 업무를 처리하는 사원으로 변모하는 과정이다.

이를 가능하게 하는 것이 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜) 서버와 SDK(Software Development Kit, 소프트웨어 개발 키트)다. 비유하자면 MCP는 전 세계 어디서든 꽂을 수 있는 만능 어댑터와 같다. 서로 다른 규격의 데이터베이스나 소프트웨어를 AI가 이해할 수 있는 공통 언어로 바꿔주는 통로 역할을 한다. SDK는 개발자가 이 어댑터를 더 쉽고 빠르게 설치할 수 있도록 돕는 전문 도구 상자다. 앤스로픽(Anthropic)이 스테인리스(Stainless)를 인수한 이유는 바로 이 도구 상자를 내재화해 클로드(Claude)가 기업의 복잡한 내부 시스템에 더 빠르고 정확하게 접속하게 만들기 위함이다. 쉽게 말하면 모델이라는 뇌에 손과 발이 되어줄 표준화된 신경망을 구축하는 작업이다.

B2B AI 시장에서 승패는 이제 누가 더 똑똑한 모델을 가졌느냐가 아니라 누가 더 많은 실행 도구를 연결했느냐에서 갈린다. 특히 데이터 사일로(Data Silo, 부서 간 데이터 단절) 현상이 심한 한국 기업 환경에서 MCP 서버를 통한 데이터 연결 최적화는 매우 강력한 무기가 된다. 기업 내부의 레거시 시스템과 LLM(거대언어모델)을 최적화해 연결하는 능력은 곧 서비스의 실행력으로 이어진다. 단순히 질문에 답하는 수준을 넘어 실제 업무 프로세스를 자동화하는 에이전트를 구현하려면 SDK 기반의 깊은 통합이 필수적이다. 연결 도구를 선점하는 기업은 단순한 서비스 제공자를 넘어 고객사의 업무 인프라 자체를 장악하는 전략적 우위를 점하게 된다. 실무자들은 이제 프롬프트 엔지니어링을 넘어 시스템 간의 연결 고리를 설계하는 아키텍처 관점으로 시선을 옮겨야 한다.