자율 AI 에이전트(autonomous AI agents)가 다양한 작업을 수행하려면 수많은 외부 도구(AI tools)를 효율적으로 발견하고 활용할 수 있어야 합니다. 하지만 현재의 도구 검색 시스템은 복잡도(O(N) complexity)가 높고 중앙 집중적인 관리 방식으로 인해 확장성(scalability)과 안정성에 한계가 있었습니다. 이러한 문제를 해결하기 위해 엔하오 첸(Enhao Chen)과 위린 샤오(Yulin Shao) 연구팀은 인터넷의 가장 견고한 기반인 도메인 네임 시스템(DNS)을 활용한 'ToolDNS'라는 혁신적인 프레임워크를 제안했습니다.
ToolDNS는 도구의 기능적 의도(functional intent)와 신뢰 정보(organizational trust)를 DNS의 계층적 이름 공간(hierarchical namespace)에 직접 내장하는 방식을 사용합니다. 이를 통해 기존의 비용이 많이 드는 의미론적 검색(semantic search)을 가볍고 효율적인 이름 해석(name resolution) 과정으로 전환합니다. 연구팀은 분산된 관리와 의미론적 가지치기(semantic pruning)를 가능하게 하는 세 가지 프로토콜 호환 개선 사항, 즉 부분적으로 펼쳐진 이름(partially unfolded names), EDNS0 의도 페이로드(EDNS0 intent payloads), 논리적 서브도메인(logical subdomains)을 도입했습니다. 33,688개의 실제 도구로 구성된 대규모 벤치마크 데이터셋에서 ToolDNS는 쿼리당 검색 공간을 95.26% 줄이면서도 최첨단 검색 정확도(retrieval accuracy)를 유지했습니다. 또한, UDP 기반 설계 덕분에 HTTP 기반 레지스트리(registry)에 비해 도구 발견 지연 시간(discovery latency)을 크게 단축할 수 있었습니다.
이 연구는 AI 상호운용성(AI interoperability)을 확장하기 위해 새로운 미들웨어(middleware)를 추가하기보다는, 이미 존재하는 인프라를 더 스마트하게 활용하는 것이 중요하다는 점을 보여줍니다. ToolDNS는 AI 에이전트가 필요한 도구를 빠르고 안정적으로 찾을 수 있는 새로운 패러다임을 제시하며, 이는 AI 생태계의 발전과 에이전트 기반 애플리케이션의 확산에 중요한 기여를 할 것으로 기대됩니다. 궁극적으로 이는 AI 에이전트가 더욱 자율적이고 효율적으로 작동하며, 다양한 서비스와 유기적으로 연결되는 미래를 앞당길 수 있는 기반 기술이 될 것입니다.