“똑똑한 AI”는 이미 충분하다. 문제는 AI에게 로그인이 없다는 것.

스크립트는 분명 일한다. CSV가 날마다 같은 형식으로 오고, 폴더가 그대로 있고, 규칙이 변하지 않는 한. 그런데 현실은 그 “한”을 지키지 않는다. 이번 주 들어온 파일이 확장자 하나만 달라져도 스크립트는 멈춘다. 그리고 그 순간 우리는 자동화를 고치는 일을 시작한다. 자동화를 했는데 오히려 일이 늘었다. 익숙한 느낌이다.

이 글은 OpenAI가 DevDay에서 공개한 에이전트 도구(AgentKit)와 그 아래 깔린 MCP(Model Context Protocol) 이야기다. 결론부터 말하면, 이번 전환의 핵심은 “더 똑똑한 AI”가 아니라 “도구에 붙는 연결”이다. 에이전트는 더 똑똑해져서가 아니라, 마침내 로그인을 받았기 때문에 일을 하기 시작한다.

스크립트에서 에이전트로 — 이번 추진력은 애드 플랫폼이 아니다

이 흐름을 가장 오래 따라온 사람 중 하나가 Optmyzr의 CEO이자 초기 구글 애즈 스크립트를 직접 만든 Frederick Vallaeys다. 원문 기사는 PPC 자동화의 물결을 이렇게 나열한다. 수동 최적화 → 자동 규칙 → 스크립트 → 자동화 레이어링, 그리고 이제 에이전트. 매 물결마다 필요한 스킬셋이 바뀌었고, 그가 짚은 이번 물결의 특징은 명확하다. 추진력이 구글 같은 애드 플랫폼이 아니라 OpenAI 같은 AI 회사에서 나온다는 것. (출처: 외부 정보 — Search Engine Land)

그동안 AI는 주로 사람의 언어 작업을 도왔다. 카피 쓰기, 요약, 리포트 생성. 그런데 최신 LLM은 점점 컴퓨터의 언어도 만들어낸다. 즉 우리 일을 자동화하는 소프트웨어와 워크플로우 자체를 짜낼 수 있다는 뜻이다. 그래서 오래된 자동화 마인드셋이 캠페인 바깥 — 보고, 문서화, 크리에이티브 준비 같은 전체 워크플로우로 확장될 수 있게 됐다. (출처: 외부 정보 — Search Engine Land)

전통적인 소프트웨어는 결정적이다. If X, do Y, else do Z. 예측 가능하지만, 인간이 모든 시나리오를 미리 정의해야 해서 만드는 게 느리다. 에이전트는 그 유연성으로 다음 행동을 추론한다. 식당 추천을 묻는 ChatGPT가 Resy로 예약까지 걸어버리는 것. GPT Actions와 function calling이 “통제된 접근”을 줬다면, 에이전트는 추론과 실행을 같은 흐름에 결합한 다음 단계다. (출처: 외부 정보 — Search Engine Land)

AgentKit은 수도꼭지고, MCP가 배관이다

AgentKit은 코드 없이 Gmail, Dropbox, Slack을 이어붙이는 비주얼 빌더다. Zapier나 n8n을 써봤다면 익숙한 화면. 다만 결정적 차이가 있다. 핵심에 유연한 AI 모델이 있어서, “If X happens, do Y” 대신 “클라이언트가 캠페인 리포트를 보내면 요약해서 맞는 폴더에 저장해”라고 말하면 AI가 “맞는 폴더”가 뭔지 스스로 이해한다. 무섭다면 어떤 플로우든 human-in-the-loop 승인 단계 하나 끼워넣으면 된다. (출처: 외부 정보 — Search Engine Land)

그런데 이 이야기의 진짜 주인공은 다른 곳에 있다. 원문의 비유가 정확하다. MCP가 배관이면, AgentKit은 수도꼭지다. 배관이 데이터가 어디로 흐를 수 있는지를 정의하고, 수도꼭지가 그걸 쓸모 있게 만든다. 배관이 없으면 에이전트는 로그인 권한이 하나도 없는 천재 인턴일 뿐이다. 배관이 있으면 명확한 권한 아래 데이터와 도구를 안전하게 쓴다. (출처: 외부 정보 — Search Engine Land)

MCP는 ‘문’이 아니라 ‘메뉴’다 — 통제라는 이름의 방패

여기서 오해하면 안 되는 게 있다. MCP는 LLM에게 시스템 전체를 열어주는 열쇠가 아니다. MCP 개발자가 정의한 능력 메뉴를 주는 것이다. 예컨대 구글 애즈 MCP의 현재 메뉴는 이 정도다.

  • 엔티티 검색 (Search for entities)
  • 연결된 고객 목록 (List connected customers)

읽기만 되고, 입찰 변경도 광고 생성도 안 된다. 이 제한이 오히려 포인트다. 에이전트가 메뉴 밖으로 나갈 수 없게 만드는 게 MCP의 설계 의도다. (출처: 외부 정보 — Search Engine Land)

원문의 실용 예시도 좋다. Dropbox에 브랜드 가이드라인을 두고, 벡터 스토어에 톤·정책 문서를 넣은 브랜드 세이프 광고 어시스턴트. “가을 캠페인 RSA 헤드라인을 우리 스타일과 디스클레이머로 써줘”라고 하면 파일을 읽고 규칙을 뽑아내 컴플라이언스에 맞는 카피를 만든다. 최종 승인은 사람 몫이지만, 준비 작업은 자동화된다. 여기에 메일 MCP를 붙이면 에이전트가 클라이언트에게 승인 요청을 직접 보내기까지 한다. (출처: 외부 정보 — Search Engine Land)

실제로 겪어보니 — ‘로그인’이 곧 능력이었다

이 기사를 읽으며 고개가 계속 끄덕여졌던 건, 내가 정확히 그 전환을 지금 밟고 있기 때문이다. 여기부터는 하베스터가 수집한 기사가 아니라, 내가 drewgent라는 1인 에이전트 시스템을 운영하면서 직접 겪은 이야기다. (출처: 상호작용 — 에이전트-드루)

drewgent의 구성은 의외로 단순하다. CLI 에이전트 + 래퍼 스크립트 + MCP 도구망. 에이전트는 마법이 아니다. 거기 붙은 도구면이 전부다. 처음엔 크론에 박힌 스크립트였다. 정해진 시각에 정해진 일을 하는 결정적 코드. 형식이 바뀌면 내가 고쳤다. 그러다 MCP 서버를 하나씩 붙이기 시작했고, 지금은 일곱 개 정도가 연결돼 있다. 코드베이스를 이해하는 서버, 내 기억을 검색하는 서버, 블로그에 글을 발행하는 서버, 디스코드로 알림을 보내는 서버, 브라우저를 조작하는 서버까지. (출처: 상호작용 — 에이전트-드루)

흥미로웠던 건, 에이전트가 더 똑똑해져서가 아니라 도구면이 넓어져서 더 많은 일을 하게 됐다는 점이다. 블로그 발행 MCP를 붙인 날, 에이전트는 글을 쓰는 존재에서 글을 발행하는 존재로 바뀌었다. 브라우저 서버를 붙인 날, 눈을 얻었다. 지능은 처음부터 거기 있었다. 없었던 건 로그인이다. (출처: 상호작용 — 에이전트-드루)

안전에 대한 원문의 주장도 경험과 정확히 맞아떨어진다. 내 에이전트가 함부로 사고를 치지 않는 이유는 지능이 모자라서가 아니라, 내가 허용한 도구 메뉴 밖으로는 손이 닿지 않기 때문이다. 역설적이게도 이 통제가 더 큰 자율성을 가능하게 한다. 확실히 통제되는 영역 안에서만 에이전트를 밤새 돌릴 수 있으니까. (출처: 상호작용 — 에이전트-드루)

그래서 지금, 무엇부터 시작하면 되나

기사의 결론과 내 경험을 합치면, 실전 요령은 세 가지로 좁혀진다.

  • 지루한 일 하나를 고른다. 보고서 정리, 파일 분류, 알림 요약 — 이미 스크립트로 하던 것도 좋다. 그 일을 평문으로 단계를 나눠 적는다.
  • MCP 하나를 붙인다. 연결 전에 그 도구가 “무엇을 할 수 있는지 메뉴”를 먼저 읽는다. 읽기 전용부터 시작하면 실수가 덜하다.
  • 결과가 외부로 나가는 순간엔 승인 단계를 끼운다. 인턴에게도 결재는 필요하다.

핵심 스킬은 변하지 않는다. 전략, 측정, 판단. 변하는 건 자동화를 만드는 속도와 접근성뿐이다. 그리고 이 속도가 바로 이 전환에서 가장 저평가된 부분이다. 스크립트를 일찍 받아들인 사람들이 다음 표준을 만들었듯, 에이전트를 지금 배우는 사람이 그다음 표준을 만든다. (출처: 외부 정보 — Search Engine Land)

기억할 건 하나다. 에이전트는 더 똑똑해진 존재가 아니라, 드디어 로그인을 받은 존재다. 그렇다면 질문은 단순해진다. 당신의 업무에서, 이번 주에 당신을 대신해 일할 “인턴”에게 어떤 로그인을 줄 것인가?

이 글을 읽은 분이라면, 댓글로 당신의 제일 지루한 작업 하나를 남겨보시라. 아마 그 작업이 당신의 첫 에이전트 후보다. 이 주제가 흥미로웠다면 다음 편에서 직접 만든 에이전트 하나를 처음부터 끝까지 조립하는 과정을 보여드릴 테니, 구독을 눌러두셔도 좋다.

근거 출처

외부 정보 (하베스터 수집)

  • “From scripts to agents: OpenAI’s new tools unlock the next phase of automation”, Frederick Vallaeys, Search Engine Land, 2025-11-19 (https://searchengineland.com/from-scripts-to-agents-openais-new-tools-unlock-the-next-phase-of-automation-464841)
  • Model Context Protocol 공식 문서 (https://modelcontextprotocol.io)

상호작용 (에이전트-드루 대화·작업)

  • drewgent 시스템 운영 경험 — CLI 에이전트 + 래퍼 스크립트 + MCP 도구망 구성, 일곱 개 MCP 서버 통합 (codebase-memory, agentmemory, wordpress, discord, browser-rs 등)