Conway 유출이 나온 지 얼마 안 됐는데, Anthropic이 바로 실물을 꺼냈다. Claude Managed Agents.

에이전트를 만들 때 늘 따라붙던 것들이 있다. 인프라, 상태 관리, 권한, 오케스트레이션. 이걸 전부 묶어서 관리형 런타임으로 올려버렸다. 프로토타입에서 프로덕션까지 몇 달 걸리던 작업을 며칠로 줄인다는 얘기도 나온다 (Managed Agents 공식 발표).

Conway 유출 때 예상했던 방향이긴 했다. 근데 이렇게 빨리, 그리고 이 정도 완성도로 나올 줄은 몰랐다.

뭐가 나왔나

세션, 하네스, 샌드박스를 분리한 구조다.

예전에는 이게 한 컨테이너 안에 다 들어 있었다. 그래서 한 번 터지면 세션 데이터 날아가고, 디버깅하려면 사용자 데이터가 들어 있는 환경까지 같이 건드려야 했다.

이번에는 그걸 쪼갰다.

Anthropic 쪽에서는 이걸 “두뇌와 손의 분리"라고 표현했는데, 표현이 꽤 정확하다 (Scaling Managed Agents: Decoupling the brain from the hands). 추론하는 쪽(두뇌)과 실제로 실행하는 쪽(손)을 따로 스케일링할 수 있게 만든 구조다.

그리고 이름이 Agents다. 복수형.

멀티 에이전트가 기본 전제라는 뜻이다. 작업이 복잡해지면 하위 에이전트를 띄워서 쪼개는 방식. 이미 Notion, Asana, Sentry 같은 데서 프로덕션에 넣었다고 한다.

가격도 단순하다. 토큰 + 세션 시간당 과금. 대기 시간은 빠진다 (Managed Agents 소개 영상).

이런 구조면 실험에서 배포까지 가는 속도는 꽤 빨라질 것 같다.

하네스의 유통기한

엔지니어링 블로그에서 흥미로운 얘기가 하나 나온다 (Scaling Managed Agents (Engineering Blog)).

하네스라는 게 결국 “모델이 못하는 걸 전제로 만든 코드"인데, 모델이 좋아지면 그 전제가 무너진다는 거다.

실제로 Sonnet 4.5에서는 컨텍스트 불안 문제를 하네스로 보완했는데, Opus 4.5에서는 그 문제가 그냥 사라졌다고 한다.

이러면 하네스를 경쟁력으로 보는 가정 자체가 깨진다.

잘 짜는 게 경쟁력이었던 시기가 있었는데, 이제는 그게 계속 유지될 거라고 보기 어렵다.

그래서 “메타 하네스"라는 얘기가 나온다. 구현은 바뀌어도 인터페이스는 유지되는 구조.

근데 여기까지 오면 생각이 조금 달라진다.

에이전트 루프를 잘 짜는 것 자체가 오래 버틸 수 있는 영역인가? 모델이 한 단계 올라갈 때마다 다시 손봐야 하는 구조라면, 투자 대비 유지력이 떨어진다.

적어도 지금 시점에서는, 도메인 쪽이 더 오래 버틸 가능성이 높다.

DataNexus가 안전한 이유

계속 반복되는 문제가 있다.

같은 “이탈률"인데 팀마다 정의가 다르고,T_CUST_MST 같은 테이블은 이름만 보고는 사람도 헷갈린다.

LLM이 이걸 알아맞히는 건 더 어렵다.

DDL에는 이런 맥락이 없다.

사람 머릿속에 있던 정의를 꺼내서 온톨로지로 만드는 쪽으로 간다.

그리고 그걸 모델에 같이 넣는다.

한 번만 붙여봐도 SQL이 완전히 다르게 나온다.

근데 이 정의들은 외부에 공개돼 있지 않다. 크롤링으로 모을 수도 없다.

예를 들어 “활성 고객” 하나만 해도마케팅팀은 30일, CRM팀은 90일, 어떤 팀은 “로그인 1회 이상"으로 잡는다.

거의 내부에서 정해놓은 룰이다. 그래서 런타임으로 해결되는 종류가 아니다.

배포 채널이 하나 늘었다

이걸 위협으로 보지는 않았다.

오히려 배포 채널 하나가 더 생긴 느낌에 가깝다.

Managed Agents 위에서 DataNexus 온톨로지 엔진을 돌린다고 생각하면, 굳이 인프라를 직접 들고 갈 이유가 줄어든다.

이미 MCP 래핑을 계획해둔 상태였는데, 이 구조랑 자연스럽게 이어진다.

범용 AI는 결국 범용이다.

특정 회사의 DW 안에서“왜 이 수치가 이상한지"까지 설명하려면그 안에 쌓인 지표 산식과 팀별 해석 방식이 필요하다.

그건 온톨로지 쪽이다.

규제 산업이라는 벽

법률, 의료, 회계, 제조.

이쪽은 장벽이 높다. 데이터 때문이 아니라 그쪽 로직 때문이다.

예를 들어 병원 데이터를 생각해 보면, 외부에서 접근 가능한 정보만으로는 실제 로직을 구성하기가 거의 불가능하다.

보험 청구 하나만 해도 내부 규칙이 겹겹이 쌓여 있다.

글로벌 AI 회사 입장에서 이걸 전부 파고드는 건 효율이 안 맞는다.

DW/BI도 비슷하다.

테이블 수천 개, 약어 컬럼, 팀마다 다른 정의.

그냥 데이터 문제가 아니라, 계속 해석이 붙는 쪽이다.

인프라는 금방 따라잡힌다

재밌는 건 속도다.

Managed Agents 발표 나오고 몇 시간 지나서핵심 기능을 그대로 구현한 오픈소스 프레임워크가 바로 올라왔다 (Multica).

항상 비슷하게 흘러간다. 하나 뜨면 금방 복제된다.

누가 인프라를 만들면, 곧바로 다른 쪽에서 비슷한 걸 만든다.

이쪽은 계속 비슷해진다. 어디 걸 써도 큰 차이가 안 난다.

방향 확인

인프라는 위로 올라간다. 아래에 남는 건 데이터랑 정의 쪽이다.

다음은 MCP 래핑이다.