챗봇을 넘어서: 엔터프라이즈 AI 에이전트 패브릭의 부상

By Mirko Peters · 2026-08-28

블로그에 오신 것을 환영합니다. 최근 팟캐스트 논의를 따라오셨다면, 기업 내 인공지능에 대한 대화가 크게 바뀌었다는 것을 알고 계실 것입니다. 이제는 영리한 프롬프트 엔지니어링이나 분리된 웹 인터페이스만을 이야기하지 않습니다. 대신 조직들은 디지털 워커가 일하는 방식을 근본적으로 재설계하는 것을 검토하고 있습니다. 전통적인 대화형 챗봇은 지속적인 컨텍스트, 세션 간 메모리, 그리고 진정한 자율 기능이 없어서 최신 비즈니스 요구를 빠르게 따라가지 못하고 있습니다. 이 격차를 메우기 위해 기업들은 에이전트 패브릭이라고 불리는 연결형 아키텍처로 나아가고 있습니다.

Automatically translated with AI from the original post. Read the English original

블로그에 오신 것을 환영합니다. 최근 팟캐스트 논의를 따라오셨다면, 기업 내 인공지능에 대한 대화가 크게 바뀌었다는 것을 알고 계실 것입니다. 이제는 영리한 프롬프트 엔지니어링이나 분리된 웹 인터페이스만을 이야기하지 않습니다. 대신 조직들은 디지털 워커가 일하는 방식을 근본적으로 재설계하는 것을 검토하고 있습니다. 전통적인 대화형 챗봇은 지속적인 컨텍스트, 세션 간 메모리, 그리고 진정한 자율 기능이 없어서 최신 비즈니스 요구를 빠르게 따라가지 못하고 있습니다. 이 격차를 메우기 위해 기업들은 에이전트 패브릭이라고 불리는 연결형 아키텍처로 나아가고 있습니다.

이 글에서는 통합된 디지털 워크포스를 구축하는 데 필요한 핵심 아키텍처 원칙을 자세히 살펴보겠습니다. 복잡한 클라우드 환경을 관리하든, 분산된 데이터 사일로를 통합하려고 하든, 챗에서 패브릭으로의 전환을 이해하는 것은 매우 중요합니다. 이러한 개념을 음성으로 더 깊이 살펴보려면, 실제 Microsoft 환경에서 고려해야 할 실질적인 사항을 다룬 관련 팟캐스트 에피소드 Enterprise AI Agent Fabric: Architecture Beyond Chatbots도 꼭 확인해 보시기 바랍니다.

에이전트 패브릭 아키텍처 개요

에이전트 패브릭 정의

에이전트 패브릭은 기업 내 최신 에이전트형 AI의 백본이라고 생각하시면 됩니다. 이 아키텍처는 여러 데이터 에이전트와 자율 워커를 연결하여, 이들이 하나의 통합된 디지털 워크포스로 협업할 수 있도록 합니다. 전통적인 챗봇과 달리 에이전트 패브릭은 지속적인 컨텍스트, 메모리, 그리고 ID를 지원합니다. 즉, 에이전트가 과거의 상호작용과 결정을 기억하므로 일상 업무에서 신뢰할 수 있는 파트너가 됩니다.

Microsoft Agent 365는 지속형 에이전트 패브릭의 대표적인 사례입니다. 강력한 엔터프라이즈 데이터 아키텍처를 활용하여 에이전트가 조직 전반의 정보에 접근하고, 이를 처리하며, 그에 따라 행동할 수 있도록 합니다. Microsoft Agent Framework는 Azure 및 Microsoft 365와 원활하게 통합되어, 멀티 에이전트 시스템을 위한 프로덕션 준비 인프라를 제공합니다. 또한 기본 제공되는 규정 준수, 관찰 가능성, 안전한 배포를 활용할 수 있으며, 이는 엔터프라이즈급 에이전트형 AI에 필수적인 요소입니다.

참고: 강력한 에이전트 패브릭을 갖추면 에이전트가 단순한 채팅을 넘어설 수 있습니다. 에이전트는 워크플로에서 적극적인 참여자가 되어 고급 분석, 자동화, 의사 결정을 지원합니다.

챗을 넘어선 아키텍처: 핵심 개념

챗을 넘어선 아키텍처는 에이전트형 시스템을 설계하고 배포하는 방식을 바꿉니다. 고립된 챗봇을 만드는 대신, 협업하고 컨텍스트를 공유하며 비즈니스 성과를 이끌어낼 수 있는 연결된 데이터 에이전트 네트워크를 구축하게 됩니다. 이 접근 방식은 컨텍스트 손실, 분산된 데이터, 제한된 자동화라는 과제를 해결합니다.

이러한 전환을 지원하려면 통합 데이터 아키텍처가 필요합니다. MuleSoft, Microsoft Fabric, OneLake 같은 기반 플랫폼이 중요한 역할을 합니다. 이들은 에이전트가 효과적으로 작동하는 데 필요한 데이터 통합, 관리, 저장을 제공합니다. 간략한 개요는 다음과 같습니다.

이러한 플랫폼을 통해 데이터 에이전트는 올바른 시점에 올바른 정보에 접근할 수 있습니다. 이는 데이터 검색, 워크플로 자동화, 그리고 비즈니스 전반의 원활한 통합을 지원합니다.

계층형 접근 방식

계층형 접근 방식은 에이전트 패브릭에 대한 더 나은 제어와 가시성을 제공합니다. 데이터 에이전트와 도구를 각각 고유한 역할과 책임을 가진 계층으로 구성합니다. 이 구조는 복잡성을 관리하고, 요청을 추적하며, 대규모 언어 모델을 위한 컨텍스트를 유지하는 데 도움이 됩니다.

각 계층의 핵심 구성 요소는 다음과 같습니다.

이 계층형 아키텍처에서 다음과 같은 이점을 얻을 수 있습니다:

• 요청 흐름을 추적하고 감사할 수 있어 디버깅이 더 쉬워집니다.
• 에이전트의 배포와 폐기를 더 효율적으로 관리할 수 있습니다.
• 데이터 에이전트의 컨텍스트 크기를 적절하게 유지하여 대형 모델에서 과부하가 생기는 것을 방지합니다.

이 접근 방식을 따르면 확장 가능하고 안전하며 효율적인 에이전트 패브릭을 구축할 수 있습니다. 에이전트는 진정한 디지털 워크포스의 구성원이 되어, 고급 분석과 자동화로 비즈니스를 지원할 준비를 갖추게 됩니다.

영구 세션 및 에이전트 ID

세션 메모리

에이전틱 AI가 중요한 내용을 기억하기를 원하실 것입니다. 영구 세션 아키텍처를 사용하면 데이터 에이전트가 세션 간에 정보를 저장하고 다시 불러올 수 있습니다. 즉, 에이전트가 사용자의 기본 설정, 과거 작업, 중요한 세부 사항을 잊지 않습니다. 데이터 에이전트와 상호 작용할 때는 자연어로 매끄럽게 대화할 수 있으며, 같은 내용을 반복하거나 필요를 다시 설명할 필요가 없습니다.

• 영구 메모리 시스템은 무상태 방식보다 응답 정확도가 26% 높습니다. 이러한 개선은 운영 효율성 향상과 더 원활한 사용자 경험으로 이어집니다.
• 세션 간 메모리를 갖춘 에이전트를 사용하면 중단 없이 워크플로를 재개할 수 있습니다. 시간을 절약하고 불필요한 답답함도 피할 수 있습니다.
• 메모리가 없는 에이전트는 반복적인 대화와 일관되지 않은 결과를 낳는 경우가 많습니다. 이는 업무 속도를 떨어뜨리고 시스템에 대한 신뢰를 낮출 수 있습니다.

세션 메모리를 효과적으로 유지하려면 모범 사례를 따르는 것이 좋습니다. 더 이상 필요하지 않은 오래된 메모리를 제거할 때는 LRU(Least-Recently-Used, 최근 최소 사용) 전략을 사용하십시오. 정보가 얼마나 자주, 최근에 접근되었는지를 기준으로 관련성 점수를 부여하고, 점수가 낮은 메모리부터 먼저 제거하는 것이 좋습니다. 정보 삭제 요청은 항상 존중해야 합니다. 롤링 요약, 주제 클러스터링, 중복 제거와 같은 메모리 압축 기법도 활용하십시오. 이러한 단계는 데이터 에이전트가 집중력을 유지하고 효율적으로 작동하도록 돕습니다.

에이전트 ID

기업 내 모든 에이전트에는 명확한 ID가 필요합니다. 이 ID를 통해 데이터 에이전트는 인증을 받고, 작업을 추적하며, 안전하게 작동할 수 있습니다. 각 에이전트는 사람 사용자와 분리된 자체 자격 증명을 가집니다. 이러한 분리 덕분에 액세스와 권한을 정밀하게 관리할 수 있습니다. 각 에이전트에 필요한 도구와 데이터만 할당할 수 있으며, 문제가 감지되면 즉시 액세스를 철회할 수 있습니다.

• 각 에이전트는 정의된 ID로 작동합니다. 이를 통해 모든 작업을 추적하고 책임 소재를 명확히 할 수 있습니다.
• 세분화된 정책으로 에이전트가 무엇에 접근할 수 있고 어떤 조건에서 접근할 수 있는지를 제어합니다.
• 에이전트 간 통신은 암호화되고 모니터링됩니다. 이를 통해 데이터를 보호하고 워크플로를 안전하게 유지합니다.
• 보안은 에이전틱 통합 수명 주기의 일부가 됩니다. 모든 단계에 신뢰를 내재화하게 됩니다.

에이전트형 AI를 배포할 때는 누가 무엇을 하고 있는지 알고 싶으실 것입니다. 에이전트 ID가 그 가시성과 통제력을 제공합니다.

거버넌스

강력한 거버넌스 프레임워크는 에이전트 시스템을 안전하고 규정을 준수하도록 유지합니다. 에이전트 ID와 세션 영속성을 관리할 때는 규정과 모범 사례를 따라야 합니다. 주요 프레임워크와 기능은 다음과 같습니다:

지속적인 감독의 혜택을 누릴 수 있습니다. 이상 징후를 탐지하고 언제든 규정 준수를 보장할 수 있습니다. 보안과 거버넌스는 에이전틱 AI 배포의 기반이 됩니다. 이러한 통제 장치를 갖추면 데이터 에이전트와 에이전트는 신뢰할 수 있는 디지털 인력의 일원으로 작동합니다.

개방형 표준과 통신

모델 컨텍스트 프로토콜(MCP)

엔터프라이즈 전반에 걸쳐 에이전트를 연결하려면 개방형 표준을 활용해야 합니다. Model Context Protocol(MCP)은 에이전트 시스템을 위한 일관된 통신 프레임워크를 만듭니다. MCP를 사용하면 에이전트와 외부 시스템 간의 상호 작용을 오케스트레이션할 수 있습니다. 일관된 스키마, 액세스 제어, 감사 추적의 이점을 누릴 수 있습니다. MCP는 상태 비저장 및 상태 저장 상호 작용을 모두 지원합니다. 즉, 에이전트가 여러 단계로 이루어진 워크플로 전반에서 컨텍스트를 유지할 수 있습니다. 에이전트가 정책 제약 사항을 준수하며 작업을 수행한다는 점을 신뢰할 수 있습니다. MCP를 사용하면 안정적이고 규정을 준수하는 에이전트 네트워크를 더 쉽게 구축할 수 있습니다.

에이전트 간(A2A) 통신

에이전트 간 통신은 지속형 에이전트 패브릭의 backbone을 이룹니다. 에이전트들이 팀으로 함께 작업할 수 있도록 하는 프로토콜이 필요합니다. A2A 프로토콜은 HTTP와 JSON-RPC를 사용하여 다른 에이전트를 식별하고, 기능을 공유하며, 경험을 조율합니다. 견고한 A2A 통신을 위해서는 다음과 같은 몇 가지 기술 요구 사항을 고려해야 합니다:

이벤트 기반 아키텍처를 활용하면 확장 가능하고 분리된 통신을 구현할 수 있습니다. MQTT는 엔터프라이즈 규모의 에이전트 간 메시징을 지원하는 프로토콜로 두드러집니다. 이러한 패턴을 도입하면 유연성과 안정성을 모두 얻을 수 있습니다.

상호 운용성

상호 운용성을 통해 서로 다른 플랫폼과 벤더의 에이전트를 연결할 수 있습니다. 레거시 시스템 호환성, 데이터 형식의 불일치, 보안 프로토콜 등의 과제에 직면하게 됩니다. 에이전트를 더 많이 통합할수록 확장성도 고려해야 합니다. 엔터프라이즈 AI 시스템의 상호 운용성을 이끄는 주요 프로토콜은 세 가지입니다:

허브 앤 스포크 아키텍처, 메시 네트워크, 이벤트 기반 통신 패턴 중에서 선택할 수 있습니다. 허브 앤 스포크는 단일 통합 계층을 통해 통신을 중앙 집중화합니다. 메시 네트워크는 에이전트 간 직접 통신을 허용합니다. 이벤트 기반 패턴은 시스템 변화에 대한 동적 대응을 가능하게 합니다. 이를 통해 고급 대화형 AI와 원활한 통합을 지원하는 연결된 생태계를 구축할 수 있습니다.

팁: 에이전트 패브릭의 미래 호환성을 확보하려면 개방형 표준과 유연한 프로토콜에 집중하세요. 엔터프라이즈 전반에서 더 큰 협업과 확장성을 달성할 수 있습니다.

게이트웨이와 에코시스템 통합

인그레스 게이트웨이

에이전트 패브릭의 강력한 진입점이 필요합니다. 인그레스 게이트웨이는 시스템 내 모든 데이터 에이전트와 에이전트의 프론트 도어 역할을 합니다. 사용자, 애플리케이션 또는 다른 에이전트로부터 요청을 받습니다. 게이트웨이는 각 요청이 보안 및 정책 규정을 준수하는지 확인합니다. 작업 또는 워크플로의 유형에 따라 트래픽을 적합한 데이터 에이전트로 라우팅할 수 있습니다. 이 과정을 통해 부하를 관리하고 엔터프라이즈 데이터 아키텍처를 안전하게 유지할 수 있습니다.

인그레스 게이트웨이는 데이터 탐색도 지원합니다. 이를 통해 에이전트가 새로운 데이터 소스를 찾고 연결할 수 있습니다. 핵심 시스템을 변경하지 않고도 새로운 데이터 에이전트 유형을 추가할 수 있습니다. 이러한 유연성은 빠른 성장과 혁신을 뒷받침합니다. 인그레스 게이트웨이를 사용하면 모든 에이전트에 대해 인증과 권한 부여를 적용할 수 있습니다. 이를 통해 신뢰할 수 있는 에이전트와 사용자만 민감한 정보에 접근하도록 보장할 수 있습니다.

이그레스 게이트웨이

에이전트가 외부 시스템과 안전하게 상호 작용하기를 원하실 것입니다. 이그레스 게이트웨이는 에이전트 패브릭에서 나가는 모든 아웃바운드 연결을 관리합니다. 모든 데이터 에이전트와 에이전트가 외부 서비스에 도달하기 전에 거치는 검문소 역할을 합니다. 보안 정책을 적용하고 나가는 모든 트래픽을 모니터링할 수 있습니다. 이 단계는 통합 데이터 아키텍처를 보호하는 데 매우 중요합니다.

이그레스 게이트웨이는 에이전트 패브릭을 확장하는 데도 도움이 됩니다. 내부 네트워크를 노출하지 않고도 클라우드 서비스, API 및 기타 플랫폼에 연결할 수 있습니다. 어떤 데이터 에이전트나 에이전트가 특정 외부 리소스에 접근할 수 있는지 제어할 수 있습니다. 이러한 제어는 규정 준수와 거버넌스를 지원합니다. 또한 감사와 보고를 위해 모든 작업을 추적할 수 있습니다. 이그레스 게이트웨이를 사용하면 데이터 통합을 안전하고 안정적으로 구현할 수 있습니다.

이그레스 게이트웨이는 에이전트 브로커가 외부 에이전트 및 서비스와 상호 작용할 때 연결을 관리하고 보안 정책을 적용하는 데 필수적입니다. 이 기능은 에이전트 패브릭을 구성하는 다양한 구성 요소의 통합이 안전하고 확장 가능하도록 보장하는 데 매우 중요합니다.

연결된 생태계

에이전트, 데이터 에이전트, 외부 서비스를 연결하면 연결된 생태계를 구축하게 됩니다. 이 생태계는 고급 분석과 자동화를 지원합니다. 새로운 대규모 언어 모델을 연결하고, 에이전트 클라우드와 통합하며, 선별된 도구 카탈로그를 사용할 수 있습니다. 에이전트는 1,500개 이상의 API와 데이터 소스에 접근하여 더욱 풍부한 워크플로를 구현할 수 있습니다. 이러한 접근 방식은 엔터프라이즈 데이터 아키텍처의 가치를 온전히 발휘하게 해 줍니다.

엔터프라이즈 에이전트 패브릭 아키텍처에서 연결된 생태계의 주요 기능은 다음과 같습니다.

이 생태계는 데이터 통합과 고급 분석을 지원하는 데 활용할 수 있습니다. 에이전트와 데이터 에이전트가 플랫폼을 넘나들며 함께 작업할 수 있습니다. 이러한 구성은 작업을 자동화하고, 인사이트를 얻고, AI를 활용한 의사 결정을 개선하는 데 도움이 됩니다. 데이터 에이전트와 에이전트가 성장할 수 있는 유연하고 확장 가능한 환경을 만들 수 있습니다.

컨트롤 플레인 및 관리

에이전트 조정

에이전트 패브릭을 관리하려면 강력한 조정이 필요합니다. 여러 에이전트를 사용하면 복잡한 워크플로를 더 작은 작업으로 나눌 수 있습니다. 각 에이전트는 특정 작업에 집중할 수 있습니다. 이러한 방식은 운영 효율성을 높이는 데 도움이 됩니다. 에이전트는 스스로 진화하고 프로세스를 최적화할 수 있습니다. 동시에 서로 협력하여 엔드 투 엔드 비즈니스 작업을 완료합니다.

오케스트레이션된 다중 에이전트 시스템에 대한 최근의 발전은 조정이 일관성, 확장성, 안정성을 가져온다는 것을 보여 줍니다. 이러한 이점은 금융 및 의료와 같은 산업에서 확인할 수 있습니다. 에이전트가 잘 조정되면 생산성은 높아지고 오류는 줄어듭니다. 중요한 비즈니스 운영을 처리하는 데 에이전트 패브릭을 신뢰하실 수 있습니다.

• 다중 에이전트 시스템을 사용하면 각 에이전트에 전문화된 역할을 할당할 수 있습니다.
• 에이전트는 독립적으로 적응하고 개선할 수 있습니다.
• 조정된 에이전트는 원활하고 안정적인 워크플로를 보장합니다.

모니터링

AI 시스템의 상태를 유지하려면 에이전트를 모니터링해야 합니다. 모니터링 도구는 에이전트 성능과 상태에 대한 실시간 인사이트를 제공합니다. 시각적 대시보드를 사용하여 에이전트가 어떻게 연결되고 상호 작용하는지 확인할 수 있습니다. 이러한 도구는 지연 시간, 처리량, 오류율과 같은 중요한 지표를 보여 줍니다.

• Agent Visualizer를 사용하면 네트워크를 확인하고 성능을 추적할 수 있습니다.
• 모니터링 탭에는 각 에이전트, API, 서버의 상태 신호와 시계열 데이터가 표시됩니다.
• 관찰 가능성 도구는 조직 전체의 대시보드, 보고서, 알림을 수집합니다.

1. Agent Analytics는 에이전트가 얼마나 자주 사용되고 얼마나 효과적인지 추적합니다.
2. Agent Optimization은 에이전트 상호 작용을 명확하게 보여 주고 성능 격차를 찾는 데 도움을 줍니다.
3. 에이전트 상태 모니터링을 사용하면 거의 실시간 업데이트를 통해 에이전트가 원활하게 실행되도록 유지할 수 있습니다.

이러한 도구를 활용하면 문제를 조기에 발견하고 에이전트 패브릭이 최상의 상태로 실행되도록 유지할 수 있습니다.

확장성

에이전트 패브릭은 비즈니스와 함께 성장할 수 있어야 합니다. 확장성 전략을 활용하면 대규모 에이전트 및 AI 시스템 배포를 관리할 수 있습니다. 여러 워크스페이스를 사용해 사업 부서를 분리하고 성능을 높게 유지할 수 있습니다. 각 워크스페이스는 자체 용량과 위치를 가질 수 있습니다. 이러한 구성은 유연성과 통제력을 제공합니다.

서비스 목표를 달성하고 에이전트 패브릭의 응답성을 유지할 수 있습니다. 이 방식을 사용하면 요구가 늘어날 때 에이전트와 AI 기능을 더 추가할 수 있습니다.

아키텍처 패턴 및 프레임워크

블루프린팅

블루프린팅을 사용하면 에이전트 패브릭 아키텍처 개발을 단순화할 수 있습니다. 블루프린팅은 에이전트를 구축하고 연결하기 위한 명확한 계획을 제공합니다. 이 방식은 혼선을 줄이고 작업 흐름을 빠르게 합니다. AI 도구 및 데이터 소스와 에이전트를 더 쉽게 통합할 수 있습니다. 또한 블루프린팅은 에이전트 간 커뮤니케이션을 개선하여 시스템의 신뢰성을 높입니다.

• 블루프린트는 개발 워크플로를 간소화하고 통합을 더 쉽게 만듭니다.
• 프레임워크와 프로토콜은 에이전트가 서로 소통하고 함께 작업하도록 돕습니다.
• GraphQL과 Model Context Protocol(MCP)을 사용하면 데이터에 접근하는 표준 방식을 갖추고 인사이트를 더 빠르게 얻을 수 있습니다.

블루프린팅을 활용하면 실제 비즈니스 문제를 해결하는 에이전트 구축에 집중할 수 있습니다. 더 적은 노력으로 에이전트를 만들고, 테스트하고, 배포할 수 있습니다.

UI 프레임워크

UI 프레임워크는 에이전트 인터페이스를 설계하고 관리하는 데 도움을 줍니다. 에이전트를 제어하고 동작을 모니터링할 수 있는 대시보드와 시각적 도구를 구축할 수 있습니다. 이러한 프레임워크를 사용하면 에이전트와 더 쉽게 상호 작용하고 성능을 확인할 수 있습니다. GitHub Copilot SDK와 Agent Builder 같은 도구로 아이디어를 구상하고 프로젝트를 설정할 수 있습니다. 이러한 도구는 특화된 에이전트를 구축하고 핵심 기능을 구현하기 위한 체계적인 방법을 제공합니다.

UI 프레임워크를 다음과 같은 용도로 사용할 수 있습니다.

• 에이전트 모니터링을 위한 시각적 대시보드를 만듭니다.
• 새 에이전트를 위한 프로젝트 템플릿을 설정합니다.
• 에이전트 동작을 테스트하고 신속하게 변경합니다.

UI 프레임워크는 에이전트 개발을 더 쉽게 만들어 줍니다. 고급 코딩 기술이 없어도 에이전트를 구축하고, 테스트하고, 개선할 수 있습니다.

Microsoft Foundry

Microsoft Foundry는 에이전트 개발과 배포의 전체 수명 주기를 지원합니다. Foundry를 사용하면 에이전트를 구축, 테스트, 추적, 평가, 최적화, 게시, 모니터링할 수 있습니다. Foundry Agent Service는 Azure에서 프로덕션 에이전트를 실행하기 위한 관리형 플랫폼을 제공합니다. 모델, 지식, 도구를 하나의 런타임으로 연결할 수 있습니다. Foundry는 에이전트 개발을 위한 구축-테스트-배포-모니터링 워크플로를 지원합니다.

Foundry를 사용하면 모델, 지식, 도구를 한곳에서 연결할 수 있습니다. 엔터프라이즈 전반에서 작동하는 에이전트를 구축할 수 있습니다. 에이전트 성능을 모니터링하고 필요에 따라 개선할 수 있습니다. Foundry는 AI 목표를 뒷받침하는 안정적인 에이전트를 만드는 데 도움을 줍니다.

팁: 블루프린팅, UI 프레임워크, Microsoft Foundry를 사용해 에이전트를 구축, 테스트, 확장하세요. 비즈니스를 뒷받침하는 견고한 에이전트 패브릭을 만들 수 있습니다.

근거와 향후 전망

게이트웨이를 두 개로 나누는 이유는?

에이전트 팹릭에서는 들어오는 연결과 나가는 연결 모두에 대해 트래픽을 관리하고 정책을 적용하려면 두 개의 게이트웨이가 필요합니다. Postman Fabric Gateway는 기존 애플리케이션보다 훨씬 큰 규모로 API를 사용하는 에이전트를 위해 설계되었습니다. 이 게이트웨이는 에이전트 트래픽을 처리하고, 활동을 모니터링하며, 보안 규칙을 적용하는 데 도움을 줍니다. 여러 도구와 API를 지원하여 에이전트가 사용할 수 있는 API를 항상 가용 상태로 유지할 수 있습니다. 게이트웨이를 두 개 두면 내부 트래픽과 외부 트래픽이 분리되어 가시성과 통제력이 높아집니다. 이러한 구성은 기업 데이터 아키텍처를 보호하고 디지털 전환을 안전하게 유지하는 데 도움이 됩니다.

• 인그레스 게이트웨이는 사용자, 애플리케이션, 에이전트의 요청을 검사하고 라우팅합니다.
• 이그레스 게이트웨이는 아웃바운드 연결을 관리하며, 보안을 적용하고 에이전트의 동작을 추적합니다.
• 정책 적용이 더 정교해지며, 요구가 늘어나도 에이전트 팹릭을 확장할 수 있습니다.

사일로 허물기

조직 내 사일로를 허물면 진정한 가치를 얻을 수 있습니다. 사일로는 팀과 데이터를 분리하여 혁신을 늦추고 오류를 만들어 냅니다. 에이전트와 데이터를 연결하면 협업과 데이터 기반 의사결정을 지원하는 통합 시스템을 구축할 수 있습니다.

• 부서 간 데이터를 공유하면 팀 간 협업이 강화됩니다. 문제 해결이 더 빨라지고 더 창의적인 해법이 나옵니다.
• 단일하고 최신 상태의 정보 소스를 사용하면 데이터 정확성이 높아집니다. 중복되거나 오래된 데이터로 인한 실수가 줄어듭니다.
• 모든 구성원이 같은 사실을 기준으로 일하기 때문에 더 나은 의사결정이 가능해집니다. 인사이트를 신뢰할 수 있게 되어 더 스마트하게 계획을 세울 수 있습니다.
• 시장 변화에 빠르게 대응할 수 있어 민첩성이 높아집니다. 기다리지 않고 필요한 데이터에 접근할 수 있습니다.
• 단일 진실 공급원(single source of truth)을 확립하면 비즈니스 전체를 한눈에 볼 수 있습니다. 이를 분석과 더 나은 계획 수립에 활용할 수 있습니다.
• 운영 효율성이 높아지면 수작업에 쓰는 시간이 줄고 전략에 더 많은 시간을 쓸 수 있습니다.

에이전트와 팀이 함께 일하는 연결된 생태계를 구축하게 됩니다. 이러한 전환은 더 나은 성과와 더 강한 조직으로 이어집니다.

채팅을 넘어선 아키텍처의 미래

여러분은 엔터프라이즈 AI의 새로운 시대의 문턱에 서 있습니다. 채팅보다 아키텍처를 우선하는 접근 방식은 에이전트를 설계하고, 배포하고, 관리하는 방식을 바꿔 놓을 것입니다. AI 우선 아키텍처가 표준이 되고, 스스로 동작하는 지능형 시스템이 등장하는 모습을 보게 될 것입니다. 거버넌스의 역할도 커져서, 에이전트가 규칙을 따르고 안전하게 유지되도록 보장하게 됩니다.

AI는 핵심 EA 역량을 여러 측면에서 강화할 것으로 기대됩니다. AI 어시스턴트는 아키텍트가 더 정밀한 솔루션 설계를 하도록 돕고, 오류를 줄이며, 아키텍트와 비아키텍트 모두의 온보딩을 앞당깁니다.

AI 투자가 빠르게 늘고 있습니다. 앞서 나가려면 지능형 의사결정과 거버넌스에 집중해야 합니다. 채팅보다 아키텍처를, 그리고 에이전트 팹릭을 활용하는 조직이 다음 디지털 전환의 물결을 주도하게 될 것입니다. 더 빠르게 혁신하고 데이터 기반의 더 나은 의사결정을 내릴 수 있습니다.

신원 중심 아키텍처로 지속 가능한 에이전트 팹릭을 구축하면 진정한 가치를 얻을 수 있습니다. 이 접근 방식은 운영을 간소화하고, 혁신을 촉진하며, 의사결정을 강화합니다. 아래 표에서 측정 가능한 가치를 확인하십시오.

Microsoft Agent 365는 확장 가능하고, 거버넌스가 적용되며, 상호 운용 가능한 에이전트 시스템의 모범 사례입니다. 보안과 규정 준수를 유지하면서 에이전트를 관리하고, 정책을 적용하며, 타사 도구와 연결할 수 있습니다.

에이전트 팹릭의 가치를 온전히 얻으려면 다음 단계를 따르십시오.

1. 상호 운용성을 위해 MCP와 A2A 같은 개방형 표준부터 시작하십시오.
2. 신원, 관찰 가능성, 메모리에 투자하여 기반을 다지십시오.
3. 정책을 워크플로에 내장하여 거버넌스를 실행 가능한 상태로 만드십시오.
4. 오픈 소스 및 표준 커뮤니티와 적극적으로 교류하십시오.
5. 워크포스가 에이전트와 협업하고 에이전트를 개선할 수 있도록 준비하십시오.

지속적인 가치를 제공하는 연결된 에코시스템을 구축하면 조직을 장기적인 성공으로 이끌 수 있습니다.

자주 묻는 질문

에이전트 패브릭이란 무엇입니까?

에이전트 패브릭을 사용하면 여러 AI 에이전트를 연결할 수 있습니다. 이 시스템을 통해 에이전트는 메모리, 컨텍스트, 작업을 공유할 수 있습니다. 단일 챗봇이 아니라 함께 작동하는 디지털 워크포스를 갖추게 됩니다.

Microsoft Agent 365는 비즈니스에 어떤 도움이 됩니까?

Microsoft Agent 365는 안전하고 확장 가능한 AI 에이전트를 제공합니다. 작업을 자동화하고, 의사 결정을 개선하고, 회사 전반의 도구를 연결할 수 있습니다. 거버넌스와 규정 준수 기능이 기본으로 포함됩니다.

에이전트에 지속형 메모리가 필요한 이유는 무엇입니까?

에이전트는 과거의 작업과 선호 사항을 기억하기 위해 지속형 메모리가 필요합니다. 이를 통해 같은 정보를 반복해서 입력하지 않아도 됩니다. 더 자연스러운 대화와 더 나은 결과를 얻을 수 있습니다.

챗봇과 에이전트의 차이는 무엇입니까?

챗봇은 단순한 질문에 답합니다. 에이전트는 여러 세션과 도구에 걸쳐 기억하고, 계획하고, 실행할 수 있습니다. 에이전트를 사용하면 더 고급 지원을 받을 수 있습니다.

개방형 표준은 에이전트 패브릭을 어떻게 개선합니까?

개방형 표준을 사용하면 서로 다른 공급업체의 제품이라도 에이전트끼리 통신할 수 있습니다. 선택지가 넓어지고 통합도 더 쉬워집니다. 시스템은 유연성을 유지하며 앞으로의 변화에도 대비할 수 있습니다.

에이전트 패브릭은 안전합니까?

네. 에이전트 ID, 권한, 데이터 액세스를 직접 제어할 수 있습니다. 작업을 모니터링하고 엄격한 규칙을 따를 수 있습니다. 이를 통해 정보를 안전하게 보호할 수 있습니다.

에이전트 패브릭을 기존 도구에 연결할 수 있습니까?

에이전트 패브릭을 1,500개 이상의 API 및 데이터 소스에 연결할 수 있습니다. 시스템을 다시 구축할 필요가 없습니다. 현재 사용 중인 도구에서 더 큰 가치를 얻을 수 있습니다.

🎧 이 에피소드 듣기

Enterprise AI Agent Fabric에 대한 실용적인 설명을 원하십니까? 이 에피소드는 주제를 명확한 언어로 풀어 설명하고, Microsoft 365, Azure, Power Platform, 보안, AI, 그리고 현대적인 업무 환경에서 이 주제가 왜 중요한지 보여 줍니다.

다음과 같은 목적이 있다면 이 에피소드를 들어 보십시오:

• Enterprise AI Agent Fabric의 핵심 개념 이해하기
• 더 넓은 Microsoft 기술 생태계에서 이것이 어떻게 맞물리는지 확인하기
• 조직에서 실질적인 가치를 창출할 수 있는 영역 알아보기

함께 들으면 좋은 M365 FM 관련 에피소드:

• Microsoft AI 에이전트 런타임: 엔터프라이즈 챗봇을 넘어서
• Microsoft Graph 자동화 아키텍처: 스크립트를 넘어서
• Graph 기반 AI 에이전트: 엔터프라이즈 아키텍처 가이드
• AI 에이전트 ID 보안: 서비스 계정을 넘어서
• 보안 에이전트 패브릭: 사이버 방어를 위한 자율 AI

M365 FM에서 더 많은 실무 중심 Microsoft 이야기를 만나보십시오.

최종 검토: 2026년 7월.

누가 들어야 할까요

이 에피소드는 구현, 운영 또는 거버넌스 결정을 내리기 전에 실질적인 기반이 필요한 Microsoft 관리자, 아키텍트, 개발자, 보안 전문가 및 비즈니스 리더를 위한 것입니다.

🎧 함께 들으면 좋은 콘텐츠

• Microsoft Fabric — 이 주제를 확장하기에 좋은 다음 단계입니다.
• Microsoft Fabric OneLake — 이 주제를 확장하기에 좋은 다음 단계입니다.
• Power BI Copilot — 이 주제를 확장하기에 좋은 다음 단계입니다.