파편화된 AI 리소스를 통합하는 오픈 표준 ARD

AI 에이전트와 도구가 늘어날수록 리소스 사일로(Silo, 데이터나 시스템이 서로 연결되지 않고 고립된 상태) 현상이 발생하며 개발자가 리소스를 수동으로 연결하고 유지보수해야 하는 확장성 한계가 나타난다. 모델 컨텍스트 프로토콜(MCP, AI 모델과 외부 데이터 소스를 연결하는 표준 규격) 서버를 구축하고 특화 도구를 배포해도 중앙 카탈로그가 없으면 리소스가 파편화된다. 특히 특정 AI 클라이언트에 맞게 설정한 에이전트를 다른 클라이언트에서 그대로 사용할 수 없는 제약은 중복 작업과 리소스 낭비로 이어진다.

AWS는 이러한 문제를 해결하기 위해 AWS 환경 내의 에이전트와 MCP 서버, 도구, 스킬, 커스텀 리소스를 한곳에서 관리하는 중앙 카탈로그인 AWS Agent Registry를 제공한다. 이는 개별적으로 흩어진 리소스를 체계적으로 분류하고 접근 가능하게 만드는 인프라 역할을 수행하며 개발자가 리소스를 찾는 시간을 단축하고 관리 지점을 일원화한다.

더 넓은 범위의 상호 운용성을 위해 등장한 것이 ARD(Agentic Resource Discovery, 에이전트 리소스 발견 표준)다. ARD는 특정 기업의 제품이 아니라 누구나 구현할 수 있는 오픈 표준 사양으로, Apache License 2.0 라이선스로 공개되어 있다. 공식 웹사이트인 agenticresourcediscovery.org와 GitHub 저장소를 통해 세부 명세가 제공된다. AWS는 이 표준 사양의 개발 과정에 참여했으며, ARD는 AWS Agent Registry 모델을 보완하여 서로 다른 환경의 리소스를 표준화된 방식으로 발견하게 돕는다.

DNS 방식의 연합(Federation)을 통한 리소스 발견 원리

이러한 표준화된 발견을 가능하게 하는 구체적인 메커니즘은 DNS의 작동 방식과 유사하다. ARD는 개별 레지스트리 간의 양자 합의나 전용 커넥터 없이도 서로 다른 관리 영역의 시스템들이 공통 표준으로 상호 운용되는 연합(Federation) 구조를 적용한다. 조직이 여러 클라우드나 온프레미스 환경에 에이전트를 분산 배치하더라도, 각 환경의 카탈로그가 동일한 규칙으로 리소스를 노출하면 물리적 위치와 상관없이 하나의 거대한 리소스 망으로 작동한다.

리소스 발견은 각 환경의 카탈로그가 엔드포인트(Endpoint, 외부 시스템이 접속하는 지점) 뒤에서 리소스를 노출하는 구조로 이루어진다. 모든 카탈로그는 리소스의 위치와 특성, 제공 기능을 알리기 위해 공통 프로토콜을 사용해 데이터를 송수신한다. 이 프로토콜을 이해하는 레지스트리는 외부 레지스트리의 엔드포인트에 접근해 해당 영역의 인덱스를 읽어오고, 이를 자신의 검색 결과에 병합하는 통합 검색을 수행한다.

이러한 구조는 레지스트리 간의 연결을 위해 개별적으로 맞춤형 소프트웨어를 개발해야 하는 전용 커넥터(Proprietary Connector) 구축 비용과 시간을 없앤다. 전용 커넥터는 서로 다른 두 시스템의 데이터 형식을 맞추기 위해 중간에서 데이터를 변환해 주는 장치다. ARD는 모든 레지스트리가 처음부터 동일한 표준 언어를 사용하게 함으로써 이 변환 과정을 제거한다. 발행자가 리소스를 표준 프로토콜에 맞춰 노출하기만 하면, 소비자는 추가 설정 없이도 네트워크 너머의 리소스를 즉시 발견하고 인덱싱할 수 있다.

개별 커넥터 제거와 기업용 에이전트 확장성

이러한 기술적 원리는 기업 환경에서 개별 커넥터 개발이라는 고질적인 비용 문제를 해결한다. 멀티 클라우드와 온프레미스, SaaS 플랫폼마다 서로 다른 레지스트리와 명명 규칙, 메타데이터 스키마를 사용하는 환경에서는 리소스 통합을 위해 모든 레지스트리 쌍마다 맞춤형 커넥터를 개별 개발해야 하며, 이는 플랫폼이 늘어날수록 개발 비용이 증가하는 제약이 된다.

ARD는 모든 레지스트리가 동일한 형식으로 리소스를 기술하고 공통 프로토콜을 통해 발견 기능을 제공하는 공유 사양을 도입한다. 발행자가 리소스의 특성을 한 번만 기술하면 소비자가 위치에 상관없이 어디서든 리소스를 발견할 수 있는 구조다. 개별 커넥터를 개발하는 대신 표준 규격만 준수하면 서로 다른 환경의 리소스를 즉시 통합할 수 있다.

이는 AWS Agent Registry의 기능을 기업 전체의 하이브리드 인프라 영역으로 넓히는 보완재 역할을 한다. 표준 포맷을 통해 메타데이터 스키마를 통합함으로써 개발자는 인프라 환경마다 다른 인터페이스를 학습하거나 개별 연결 코드를 유지보수할 필요가 없다. 기업용 에이전트의 확장성은 개별 커넥터의 개수가 아니라 표준 프로토콜의 준수 여부에 따라 결정된다.

하이브리드 클라우드 환경의 AI 실무자가 주목할 지점

멀티 클라우드나 하이브리드 인프라에 에이전트를 분산 배치하는 환경에서는 리소스를 기술하는 방식의 표준화 여부가 실제 운영 비용을 결정한다. 수동 연결 방식을 프로토콜 기반의 자동 발견 방식으로 전환하면 인프라 확장 시 발생하는 연결 공수를 직접적으로 줄일 수 있다. 따라서 개별 도구의 세부 기능보다 리소스 발견의 표준화 가능성을 먼저 검토해야 한다.

인프라 수준의 표준 채택은 에이전트의 정체성(Identity)과 발견 가능성(Discoverability)을 확보하는 기술적 수단이다. AWS 엔지니어들은 Amazon Route 53과 같은 대규모 DNS 및 네트워킹 기술을 AI 에이전트의 발견과 통신에 활용하는 방안을 구현하고 있다. DNS 기반 발견 방식을 통해 에이전트가 어떤 환경에 있든 일관된 주소로 식별될 수 있는 기반을 마련하며, 이는 에이전트가 오픈 웹에서 안정적이고 검증 가능한 정체성을 갖게 하여 대규모 에이전트 환경의 확장성을 확보하는 방식이다.

실무자는 특정 벤더의 전용 커넥터에 의존하기보다 오픈 표준인 ARD를 적용하여 리소스 사일로 현상을 방지해야 한다. 표준 포맷을 지원하는 레지스트리를 사용하면 다른 레지스트리의 인덱스를 통합 검색할 수 있어 인프라 변경이나 새로운 SaaS 플랫폼 추가 시 발생하는 맞춤형 개발 반복을 피할 수 있다.

개별 레지스트리 간의 커넥터를 매번 개발하지 않고 표준 포맷으로 리소스를 한 번만 기술하여 어디서든 발견할 수 있게 하는 것이 하이브리드 AI 인프라 운영의 최적 기준이다.