Desktop Agent는 왜 중요한가
터미널 에이전트가 등장하면서 AI는 에디터 안에 머무르지 않게 되었다. 기존의 코딩 에이전트가 주로 에디터 내부의 코드와 프로젝트를 다루었다면, 터미널을 사용할 수 있는 에이전트는 파일 시스템, Git, 쉘 명령어 등 컴퓨터의 다양한 자원에 직접 접근할 수 있다.
외부 서비스와 연결하는 방식도 변화하고 있다. 과거에는 에디터나 애플리케이션에서 다른 클라우드 서비스의 기능을 사용하기 위해 주로 API를 직접 호출했다. 그러나 MCP(Model Context Protocol)가 등장하면서 AI Agent가 외부 도구와 데이터에 접근하기 위한 표준화된 인터페이스가 만들어지고 있다.
그렇다면 여기서 한 단계 더 나아간 Desktop Agent는 무엇을 의미하는가?
Desktop은 단순히 또 하나의 실행 환경이 아니다
웹이나 모바일에서 AI는 기본적으로 애플리케이션 내부에서 동작한다.
사용자가 질문하면 AI가 답변하고, 필요한 경우 애플리케이션이 제공하는 기능을 호출한다. 따라서 사용자는 여전히 각각의 애플리케이션을 중심으로 작업한다. (물론 최근 구글의 Gemini는 써드파티앱과 인터페이스를 연결하고 AI 에이전트의 제어가 가능하도록 연결하고 있다. <- 이건 관련된 자료를 만들고 신규 노트를 만들어야겠다. 이것도 좋은 글감이 되겠다.)
하지만 Agent가 Desktop 환경에 접근하기 시작하면 관계가 달라진다.
Agent는 특정 애플리케이션의 기능만 사용하는 것이 아니라, 파일 시스템, 브라우저, 에디터, 터미널, 데이터베이스, 문서 도구 등 사용자가 구축해 놓은 여러 작업 환경을 하나의 공간으로 인식 할 수 있다. 이때 Desktop은 단순한 GUI가 아니라 Agent가 사용자의 실제 업무 환경에 접근하는 실행 공간이 된다.
Anthropic이 Desktop에 집중하는 이유
Anthropic에 관련된 뉴스가 여기에 같이 녹아들면 좋겠다. (<- 이것도 원문 링크를 내가 요약해서 제공하는 방안으로 노트를 만들어보자.)
이 관점에서 보면 Anthropic과 같은 AI 기업이 단순히 더 뛰어난 코딩 모델을 만드는 것에서 그치지 않고 Claude Desktop과 Computer Use 같은 영역을 확장하는 것은 전략적으로 이해할 수 있다.
웹이나 모바일에서의 AI 서비스의 경쟁은 결국 어느 정도 까지는 “누가 더 좋은 답변을 만드는가?”의 경쟁이다. 하지만 Agent가 Desktop과 컴퓨터의 자원에 접근하기 시작하면 경쟁의 지룬 자체가 달라진다.
“누가 사용자의 디바이스에서 더 많은 일을 대신할 수 있는가?”
이 차이는 정말 크다. AI가 답변을 생성하는 단계에서는 사용자가 결과를 받아 직접 행동해야 한다. 반면 Desktop Agent는 사용자가 구축해놓은 환경 안에서 실제 작업을 수행할 수 있다.
예를 들어 다음과 같은 요청을 생각해볼 수 있다.
“지난달에 조사했던 AI Gateway 자료를 찾아서 정리하고, Obsidian에 기록한 뒤 블로그 초안까지 만들어줘.”
일반적인 챗봇이라면 관련 내용을 정리해서 답변하는 것에서 작업이 끝날 가능성이 높다. 하지만 Desktop Agent라면 작업 과정 자체를 수행할 수 있다.
- 로컬 파일과 기존 노트를 검색한다.
- 브라우저를 이용해 필요한 자료를 조사한다.
- Obsidian의 기존 노트를 확인한다.
- 기존 자료와 새로운 자료를 분석하고 연결한다.
- 새로운 Obsidian 노트를 작성한다.
- 정리된 내용을 기반으로 블로그 초안을 Markdown 파일로 생성한다.
이렇게 되면 Agent는 더 이상 질문에 답하는 챗봇이 아닌 사용자가 구축해놓은 컴퓨터 환경을 활용해서 개발과 지식 노동을 수행하는 Agent에 가까워진다.
MCP와 A2UI는 서로 다른 문제를 해결한다
이 변화에서 MCP와 A2UI는 서로 다른 역할을 한다. MCP는 Agent가 외부의 도구와 데이터에 접근하는 인터페이스를 제공한다. 반면 A2UI와 같은 기술은 Agent가 사용자에게 필요한 인터페이스를 동적으로 구성하고 전달하는 문제를 다른다. 따라서 단순화하면 다음과 같다.
Agent는 MCP를 이용해서 어떤 Tool, Data, Service를 사용할 것인가 결정한다. Agent는 A2UI를 이용해서 사용자에게 어떤 UI(Dynamic UI)를 보여줄 것인가 결정한다.
Google이 A2UI와 Gemini 생태계를 통해 보여주려는 방향도 이 흐름에서 이해할 수 있다. Agent가 단순히 텍스트를 생성하는 것이 아니라 필요한 UI를 구성하고, 다른 애플리케이션이나 서비스의 기능을 호출하면서 하나의 작업 흐름을 만들어가는 것이다.
결국 컴퓨터의 중심이 Application에서 Agent로 이동한다.
지금까지 컴퓨터의 중심에는 Application이 있었다. 사용자가 브라우저를 열고, IDE를 열고, 메모 앱을 열고, 각각의 애플리케이션이 제공하는 인터페이스를 통해 작업했다. 하지만 Agent가 애플리케이션들을 통합적으로 사용할 수 있게 되면 구조가 바뀔 수 있다.
사용자는 더 이상 각각의 애플리케이션을 직접 조작하는 대신 Agent에게 업무 단위로 지시할 수 있다. 이때 A2UI는 중요한 역할을 할 수 있다.
Agent가 작업 결과를 단순한 텍스트로 반환하는 것이 아니라, 사용자가 작업을 검토하고 선택하고 승인할 수 있는 인터페이스를 동적으로 구성한다면, 사용자는 채팅창에서 답변을 받는 것이 아니라 자신의 Desktop에서 Agent와 함께 업무를 수행하는 경험을 하게 된다.
따라서 A2UI와 Desktop Agent의 결합은 단순한 UI 기술의 발전으로 보기 어렵다. 그것은 컴퓨터와 인간의 상호작용하는 중심축이 Application에서 Agent로 이동하는 과정의 일부 일 수 있다.