Uber, AI 관리 기반 'MCP 게이트웨이' 구축

Uber는 사내 AI 에이전트가 각종 서비스를 이용할 때의 창구를 일원화하기 위해 'MCP 게이트웨이'라고 불리는 관리 기반을 독자적으로 구축했다. 이 게이트웨이는 800개 이상의 MCP 서버와 5,000개 이상의 AI 도구를 묶어 놓았으며, 에이전트가 어느 서비스에 접근하는지를 통일적으로 제어하는 체계가 되어 있다.

배경에는 기업 내에서 AI 에이전트의 활용이 급속도로 확산되면서 발생하는 '관리의 어려움'이 있다. AI 에이전트는 인간을 대신해 여러 시스템을 걸쳐 작업을 자동 실행하지만, 사내 서비스의 수가 증가할수록 어떤 에이전트가 어떤 도구를 사용할 수 있는지를 개별적으로 관리하는 비용도 증가한다. 특히 규모가 큰 기업에서는 도구의 난립이나 접근권의 불일치가 심각한 운영 과제가 되기 쉽다. Uber 같은 거대 기술 기업도 이 문제는 예외가 아니었다고 할 수 있다.

MCP는 'Model Context Protocol'의 약자로, AI 모델이 외부의 도구나 데이터 소스와 연계하기 위한 공통 규격이다. Uber가 구축한 게이트웨이는 이 MCP의 체계를 활용하면서 도구의 등록과 실제 실행 처리를 분리하고 있다. 즉, 새로운 도구를 추가할 때의 설정 작업과 AI 에이전트가 실시간으로 호출하는 처리를 구분함으로써 확장성과 안정성을 양립시키는 설계가 되어 있다.

구체적인 기능으로는 우선 API 자동 감지가 꼽힌다. 사내에 존재하는 API를 인력을 거치지 않고 발견·등록할 수 있기 때문에 도구의 수가 증가해도 관리 부담이 억제된다. 또한 접근 제어 기능으로 에이전트별로 사용 가능한 도구의 범위를 좁힐 수 있다. 나아가 민감 정보의 자동 마스킹 기능(민감 데이터의 자동 삭제)을 갖추고 있어 AI 에이전트가 의도치 않게 개인정보 등을 참조·유출하는 위험을 억제하는 설계가 되어 있다.

더불어 'Omni MCP'라고 불리는 단계적 도구 탐색 기능도 탑재되어 있다. 이는 전체 도구를 한 번에 읽어들이지 않고 필요에 따라 조금씩 대상을 좁혀가는 체계로, 수천 규모의 도구를 다룰 때도 처리의 효율성을 유지하기 위한 접근이다. 응답 필터링 기능도 있어 에이전트가 받는 데이터를 목적에 따라 정형·제한할 수도 있다.

이러한 시도는 대규모 AI 에이전트 운영에 필요한 '거버넌스(통치)'의 한 형태로 자리매김된다. 에이전트가 편리한 반면, 제어가 불충분한 채로 사내 시스템과 연계되면 오작동이나 정보 유출의 위험이 높아진다. Uber의 사례는 그러한 위험을 체계적으로 관리하는 체계를 어떻게 설계할 것인가라는 업계 전체가 직면하고 있는 과제에 대한 하나의 답을 제시하고 있다고 할 수 있다. AI 에이전트의 기업 도입이 본격화되는 가운데 향후에는 게이트웨이 같은 관리 레이어를 어떻게 설계·표준화할 것인가가 각 기업의 중요한 기술적 과제가 될 것이라는 전망이 가능하다.