학습 목표
이 섹션을 완료하면 다음을 수행할 수 있다:- 주요 AI 기업의 Agent 전략과 제품 포트폴리오 를 이해한다
- 각 벤더의 Agent 아키텍처 접근 방식 차이 를 비교할 수 있다
- 멀티에이전트 오케스트레이션 트렌드와 표준화 동향(MCP, A2A)을 파악한다
- Databricks 환경에서의 전략적 포지셔닝 을 이해한다
왜 Agent 업계 동향을 알아야 하는가?
참고 SA/CE 필수 역량: 고객이 “OpenAI도 Agent 플랫폼 있고, Google ADK도 있고, AWS Bedrock Agents도 있는데… Databricks Agent Framework를 왜 써야 하나요?” 라고 물을 때, 명확한 근거와 차별점을 제시할 수 있어야 한다.
실무적 필요성
- 고객 대응력: 각 벤더의 강점과 약점을 이해해야 올바른 아키텍처를 제안할 수 있다. “우리 고객은 이미 Azure를 쓰고 있으니 Copilot Studio가 맞지 않을까?”라는 질문에 데이터 플랫폼 관점의 차별화된 답변이 필요하다.
- 기술 의사결정 지원: Agent 표준(MCP, A2A)의 수렴 방향을 파악하면, 고객의 장기 아키텍처 설계를 도울 수 있다. 6개월 후 어떤 표준이 살아남을지 예측하는 것이 아니라, 어떤 표준에 베팅하더라도 리스크가 최소화되는 아키텍처 를 설계하는 것이 핵심이다.
- 경쟁 인텔리전스: 고객 미팅에서 경쟁사 제품이 언급될 때, 표면적 기능 비교가 아닌 아키텍처 철학 수준의 차이 를 설명할 수 있어야 신뢰를 얻는다.
주의 주의: 이 문서의 정보는 2025년 상반기 기준이다. AI Agent 시장은 분기 단위로 급변하므로, 특정 제품의 GA 여부나 가격 정책은 반드시 최신 공식 문서를 확인해야 한다.
전체 시장 스냅샷 (2025)
참고 시장 해석: 2025년 100B까지 성장한다는 것은, 현재 시장이 아직 극초기 단계 라는 의미다. 즉, 지금 Agent 아키텍처를 올바르게 설계하면 고객에게 5년간 유효한 플랫폼 전략을 제공할 수 있다. 반대로 특정 벤더에 lock-in되면 전환 비용이 매우 크다.
벤더별 Agent 전략 한눈에 비교
핵심 인사이트
참고 패턴 분석: 벤더별 전략을 관통하는 3가지 축이 있다.
- 수직 통합 vs 수평 개방: OpenAI/Google은 모델부터 배포까지 수직 통합, AWS/Databricks는 모델 중립적 수평 플랫폼
- Consumer vs Enterprise: OpenAI는 ChatGPT로 Consumer 시장을 장악한 뒤 Enterprise로 확장, Databricks/AWS는 Enterprise-first
- 프로토콜 주도 vs 플랫폼 주도: Anthropic은 MCP로 생태계를 만들고, Google은 A2A로, Microsoft는 둘 다 수용하는 전략
Agent 기술 표준화 동향
2025년 상반기 기준, Agent 생태계의 상호운용성(interoperability) 을 위한 두 가지 핵심 프로토콜이 빠르게 수렴하고 있다.MCP (Model Context Protocol)
- 주도: Anthropic이 창안 → AAIF (Agentic AI Foundation, Linux Foundation 산하) 로 이관
- 역할: Agent와 Tool/Data Source 간 연결 표준 (수직 통합)
- 채택 현황: 사실상 업계 표준. OpenAI, Google, Microsoft, AWS, Databricks 모두 지원
- 핵심 가치: 한 번 MCP 서버를 구현하면 모든 MCP 클라이언트에서 재사용 가능
A2A (Agent-to-Agent Protocol)
- 주도: Google이 창안 → Linux Foundation 기증
- 역할: Agent와 Agent 간 통신 표준 (수평 통합)
- 채택 현황: Google Cloud 중심 활용. Microsoft, Salesforce 등 지원 표명
- 핵심 가치: 서로 다른 벤더/프레임워크로 만든 Agent끼리 협업 가능
AAIF (Agentic AI Foundation)
- 조직: Linux Foundation 산하, Anthropic + OpenAI + Block 공동 설립
- 목표: MCP를 벤더 중립적 거버넌스 아래 발전시키는 것
- 의미: Anthropic이 MCP의 “소유권”을 포기함으로써 업계 표준으로서의 신뢰성을 확보
상호보완 관계
두 프로토콜은 경쟁이 아닌 상호보완 관계입니다. A2A는 Agent 간 수평 통신, MCP는 Agent와 Tool 간 수직 연결을 담당합니다.
주의 실무 가이드: 현재 시점에서 MCP는 필수 도입, A2A는 선택적 도입 이 권장된다. MCP는 이미 모든 주요 벤더가 지원하며 생태계가 성숙한 반면, A2A는 아직 초기 단계로 프로덕션 사례가 제한적이다.
”Agentic AI” vs “AI Agent” 용어 정리
이 두 용어는 혼용되지만, 정확한 의미 차이가 있다.참고 실전 팁: 고객 미팅에서 “Agent”라는 단어가 나올 때, 고객이 의미하는 것이 단일 챗봇 수준 인지 멀티에이전트 오케스트레이션 인지를 먼저 확인하라. 이 구분에 따라 제안 아키텍처가 완전히 달라진다.
서브 페이지 안내
각 벤더/주제별 심층 분석은 다음 서브 페이지에서 다룬다:다음 단계
이 섹션의 벤더별 분석을 마친 후, 다음 개념 가이드에서 기술적 깊이를 더할 수 있다:- AI Agent 아키텍처 — ReAct, Planning, Tool Use 등 Agent의 내부 동작 원리
- Agent 프레임워크 생태계 — LangGraph, CrewAI, AutoGen 등 실제 구현 프레임워크 비교
- A2A (Agent-to-Agent) — A2A 프로토콜의 기술 상세와 구현 가이드