DoorDash가 AI 에이전트-도구 접근을 위한 중앙 게이트웨이를 구축한 방법
(news.hada.io)
DoorDash가 MCP의 한계를 넘어 AI 에이전트 운영을 위한 중앙 게이트웨이를 구축함으로써, 단순한 도구 호출 표준화를 넘어 인증, 권한 관리, 관측성 등 기업용 AI 에이전트 실행에 필수적인 거버넌스 체계를 완성했다는 점이 핵심입니다.
이 글의 핵심 포인트
- 1MCP는 도구 호출 표준화에는 기여했으나 인증, 권한, 감사 등 운영 거버넌스 문제는 해결하지 못함
- 2DoorDash의 Agent Gateway는 Proxy(데이터 평면)와 Registry(제어 평면)로 구성되어 보안과 운영을 중앙화함
- 3에이전트에게 수천 개의 도구를 모두 노출하는 대신, 업무별 묶음(bundle)과 필터링을 통해 최적화된 도구 목록을 제공함
- 4원천 자격증명을 에이전트가 직접 보유하지 않도록 게이트웨이가 OAuth 및 서비스 계정 관리를 대행함
- 5현재 200개 이상의 MCP 서버와 30개 이상의 에이전트가 연결되어 매주 수백만 건의 호출을 처리 중임
이 글에 대한 공공지능 분석
왜 중요한가?
AI 에이전트 기술이 실험실을 넘어 실제 기업 업무에 적용되려면 단순한 기능 구현보다 보안과 거버넌스가 핵심이기 때문입니다. DoorDash의 사례는 AI 에이전트 생태계가 '연결' 단계를 지나 '운영 및 통제' 단계로 진입했음을 보여주는 중요한 이정표입니다.
어떤 배경과 맥락이 있나?
Anthropic 등이 주도하는 MCP(Model Context Protocol)는 도구 호출 방식을 표준화했지만, 기업 환경에서 요구되는 OAuth 관리, 권한 회수, 비용 귀속 같은 운영적 복잡성은 여전히 남아 있었습니다. 이를 해결하기 위해 개별 팀이 아닌 플랫폼 중심의 접근이 필요해진 시점입니다.
업계에 어떤 영향을 주나?
앞으로 AI 에이전트 개발은 개별 도구 통합을 넘어, 중앙화된 게이트웨이를 통한 '도구 거버넌스' 구축 경쟁으로 이어질 것입니다. 이는 기업용 AI 솔루션(B2B SaaS)들이 자사 기능을 MCP 서버로 제공할 때 반드시 고려해야 할 표준 아키텍처가 될 수 있습니다.
한국 시장에 어떤 시사점이 있나?
국내 기업들도 단순 LLM 도입을 넘어, 사내 다양한 API와 데이터를 에이전트에게 안전하게 노출하기 위한 '에이전트 게이트웨이' 계층의 설계가 필수적입니다. 보안과 비용 관리가 가능한 플랫폼 중심의 AI 인프라 구축 전략이 요구됩니다.
이 글에 대한 큐레이터 의견
DoorDash의 접근 방식은 AI 에이전트를 단순한 '챗봇'이 아닌, 기업의 핵심 워크플로우를 수행하는 '디지털 노동력'으로 격상시키려는 전략적 판단입니다. 특히 도구 목록을 업무 단위로 묶어(bundle) 제공하고 필터링하는 것은 에이전트의 추론 성능과 보안을 동시에 잡는 매우 영리한 설계입니다. 이는 개발자들에게 에이전트가 사용하는 인터페이스를 단순한 API 리스트가 아닌 '제품화된 도구 인터페이스'로 관리해야 한다는 중요한 인사이트를 줍니다.
다만, 이러한 중앙 집중식 게이트웨이 구축은 운영 복잡성과 잠재적 단일 장애점(Single Point of Failure)이라는 리스크를 동반합니다. 모든 호출이 게이트웨이를 거치므로 지연 시간이 발생할 수 있으며, 게이트웨이의 정책 오류는 전체 에이전트 시스템의 마비를 초래할 수 있습니다. 따라서 스타트업은 초기부터 과도한 인프라를 구축하기보다, 핵심적인 보안/인증 로직을 분리 가능한 모듈로 설계하여 확장성을 확보하는 균형 잡힌 접근이 필요합니다.
댓글
아직 댓글이 없습니다. 첫 댓글을 남겨보세요.