대규모 언어모델(LLM) 에이전트가 기업이나 조직 간의 안전한 데이터 공유를 위한 데이터 공간(Data Spaces)에 통합되는 것이 여전히 어려운 과제로 남아있습니다. 확률 기반의 LLM 상호작용 방식과 엄격한 정책 기반의 데이터 인프라 간에 근본적인 불일치가 존재하기 때문입니다. 이러한 문제를 해결하기 위해, 새로운 아키텍처 중재 접근 방식인 '모델 컨텍스트 프로토콜(Model Context Protocol, MCP)'이 제안되었습니다.
이 연구는 '유노미아 에이전트(Eunomia Agent)'를 통해 MCP를 구현하며, LLM 에이전트가 데이터 공간 서비스와 통제된 방식으로 상호작용할 수 있도록 돕습니다. 제안된 중재 계층은 데이터 공간의 기능을 AI 에이전트가 쉽게 발견하고 호출할 수 있는 구조화된 도구로 변환합니다. 동시에 데이터 거버넌스(governance) 제약을 그대로 유지하여, 기존 데이터 공간 구성 요소를 수정하지 않고도 카탈로그 검색, 메타데이터 검색, 데이터 서비스 호출 등 전반적인 상호작용이 가능함을 프로토타입 구현을 통해 검증했습니다.
이 프로토콜 기반의 중재 방식은 AI 에이전트를 데이터 공간 생태계에 상호운용 가능하고 표준에 맞춰 통합할 수 있게 합니다. 이는 규정 준수, 상호운용성, 그리고 아키텍처적 관심사 분리(architectural separation of concerns)를 유지하면서 AI 기반 자동화를 거버넌스 데이터 공유 환경에 도입하려는 조직들에게 실질적인 지침을 제공합니다. 결과적으로 기업들은 데이터 주권을 잃지 않으면서도 LLM 에이전트의 강력한 데이터 활용 능력을 안전하게 접목할 수 있게 될 것입니다.