매일 아침 기업의 AI 엔지니어들은 파편화된 도구들을 연결하느라 분주하다. LangGraph(에이전트의 흐름을 그래프로 제어하는 도구)나 CrewAI(여러 에이전트를 협업시키는 프레임워크)로 워크플로우를 짜고, Pinecone(데이터를 벡터 형태로 저장해 검색하는 데이터베이스)에 기억을 맡기며, DeepEval(AI 모델의 성능을 측정하는 평가 도구)로 품질을 검증한다. 이 복잡한 연결 고리들이 하나라도 어긋나면 전체 시스템의 신뢰도는 순식간에 무너진다. 최근 Anthropic은 이러한 파편화된 인프라를 자사의 플랫폼 안으로 완전히 끌어들이겠다는 야심 찬 계획을 발표했다.

Claude Managed Agents의 3가지 핵심 기능 추가

Anthropic은 Claude Managed Agents(에이전트의 배포와 관리를 돕는 통합 플랫폼)에 세 가지 새로운 기능을 도입했다. 첫째, Dreaming은 에이전트가 과거 세션을 스스로 반추하고 학습하여 패턴을 찾아내는 메모리 관리 기능이다. 둘째, Outcomes는 에이전트의 성공 여부를 판단할 구체적인 기준을 플랫폼 내에서 직접 설정하는 평가 도구다. 셋째, Multi-Agent Orchestration은 복잡한 작업을 여러 에이전트에게 위임하고 조율하는 기능이다. 이 모든 기능은 별도의 외부 서비스 없이 Claude Managed Agents라는 단일 런타임 안에서 작동한다. Anthropic은 이를 통해 에이전트가 최소한의 개입으로도 복잡한 업무를 처리할 수 있게 설계했다고 밝혔다.

외부 도구와의 직접적인 경쟁 구도 형성

예전에는 에이전트의 기억과 평가, 조율을 위해 각기 다른 전문 도구를 조합하는 것이 표준이었다. 하지만 이제는 Anthropic이 제공하는 통합 환경이 그 자리를 대체하려 한다. 기존 방식이 LangGraph나 CrewAI 같은 외부 오케스트레이션 프레임워크를 활용해 유연성을 확보하는 구조였다면, 새로운 방식은 이 모든 로직을 모델 계층 내부로 내재화한다. 이는 단순히 기능을 추가하는 것을 넘어, 기업이 기존에 사용하던 외부 평가 프레임워크, RAG(검색 증강 생성) 메모리 아키텍처, QA(품질 보증) 루프와 정면으로 경쟁하겠다는 의도로 풀이된다. 특히 모델 제공자가 직접 오케스트레이션 계층을 통제함으로써, 기업은 외부 시스템을 복잡하게 연결할 필요 없이 플랫폼 내부에서 에이전트의 모든 의사결정 과정을 추적할 수 있게 된다.

기업 인프라의 종속성과 데이터 주권 문제

개발자가 바로 체감하는 변화는 시스템 설계의 단순화와 그에 따른 종속성 사이의 딜레마다. 모든 기능을 Anthropic의 플랫폼 안에서 해결하면 운영 효율은 극대화되지만, 기업은 데이터가 외부 인프라에서 관리되는 상황을 감수해야 한다. 이는 데이터 거주지 규정을 준수해야 하는 기업에게는 큰 부담이 될 수 있다. 또한, 이미 대규모 AI 전환을 진행 중인 조직은 기존 기술 스택을 모두 들어내고 Claude Managed Agents로 교체하는 것이 현실적으로 어렵다. Anthropic은 모델 자체가 범용화되는 미래를 대비해, 도구와 오케스트레이션 인프라를 자사 생태계 안에 묶어두는 전략을 취하고 있다. 결국 기업은 에이전트의 성숙도와 시스템의 유연성 사이에서, 플랫폼의 편리함을 선택할지 아니면 직접 구축한 모듈형 시스템의 통제권을 지킬지 결정해야 하는 기로에 서 있다.