에이전트 거버넌스 및 실행 환경을 위한 Agentic Company OS 업데이트

실용적 조언

에이전트 워크플로 설계 시 승인(Approval) 및 일시정지/재개(Pause/Resume) 기능을 포함하여 인간의 개입 지점을 명확히 하라.
도구 사용 내역을 감사 로그로 남겨 사후 분석 및 재현이 가능하도록 설계하라.

섹션별 상세

단순한 도구 사용을 넘어 에이전트가 활동하는 실행 환경의 설계에 집중했다. 프로젝트별로 격리된 런타임을 제공하며, 에이전트의 활동을 승인, 질문, 고용 등의 절차로 통제하는 명시적인 거버넌스 계층을 구현했다. 이를 통해 에이전트의 자율성과 인간의 통제권 사이의 균형을 맞추는 아키텍처를 제시했다.

MCP(Model Context Protocol)를 활용하여 도구 접근을 게이트웨이 방식으로 제어한다. 모든 도구 호출은 권한 체크와 감사 로깅을 거치며, SQLite WAL 방식을 통해 이벤트와 아티팩트, 런타임 상태를 영구적으로 저장한다. 이러한 구조는 에이전트의 작업 내역을 복기하거나 특정 시점으로 스냅샷을 찍어 재현하는 운영 효율성을 제공한다.

프론트엔드는 React와 TypeScript, 백엔드는 FastAPI를 사용하는 기술 스택을 채택했다. LLM 프로바이더는 플러그인 방식으로 교체 가능하며, 현재는 단일 노드 환경에서 운영 모델의 정확성과 런타임 경계 설정의 완성도를 높이는 데 주력하고 있다. 사용자는 자신의 Anthropic 또는 OpenAI API 키를 입력하여 프로젝트를 직접 실행해 볼 수 있다.

용어 해설

모델 컨텍스트 프로토콜(Model Context Protocol (MCP)): — AI 모델이 외부 도구, 데이터 소스 및 서비스와 안전하게 상호작용할 수 있도록 설계된 개방형 표준 프로토콜이다. 에이전트의 도구 접근 권한을 제어하고 감사 로그를 생성하여 거버넌스를 강화하는 역할을 수행한다.
에이전트 워크플로(Agentic Workflow): — 단순한 일회성 질의응답을 넘어 AI 에이전트가 스스로 계획을 세우고, 실행하며, 검토 및 수정을 반복하는 자율적 작업 흐름이다. 본 프로젝트에서는 거버넌스 계층을 통해 이러한 자율성을 통제된 환경 내에서 구현한다.
SQLite Write-Ahead Logging(SQLite WAL): — 데이터베이스의 동시성을 높이기 위해 변경 사항을 별도의 로그 파일에 먼저 기록하는 방식이다. 에이전트의 이벤트, 아티팩트, 도구 호출 감사 데이터 등 지속적인 상태 저장이 필요한 환경에서 데이터 무결성을 보장한다.

언급된 도구

FastAPI추천

백엔드 서버 프레임워크

React추천

프론트엔드 UI 라이브러리

SQLite추천

이벤트 및 상태 저장용 데이터베이스

언급된 리소스

DemoAgentic Company OS