AI 에이전트, '숨겨진 비용' 90% 줄여 생산성과 보안 두 마리 토끼 잡는 비결은?
Published Aug 16, 2026
여러분은 매일 사용하는 AI 에이전트가 생각보다 많은 ‘숨겨진 비용’을 지불하고 있다는 사실을 알고 계셨나요? 거대 언어 모델(LLM) 기반의 AI 에이전트가 점점 더 복잡한 작업을 수행하기 위해 다양한 외부 도구와 연동되는 시대에, 이 숨겨진 비용은 곧 기업의 예산과 보안에 직접적인 영향을 미치고 있습니다. 오늘 우리는 바로 이 문제에 대한 Okta의 혁신적인 해법, 즉 ‘신원 기반 스코핑(identity-based scoping)‘이 어떻게 AI 에이전트의 효율성과 보안을 동시에 극대화할 수 있는지 깊이 파고들어 보려 합니다. 기존 방식과 어떻게 다를까요?
AI 에이전트의 보이지 않는 ‘도구세(Tool Tax)’: 무엇이 문제인가?
최근 AI 에이전트의 활용이 폭발적으로 증가하면서, 이들이 특정 작업을 수행하기 위해 외부 시스템과 연동되는 ‘도구(tool)‘의 중요성 역시 커지고 있습니다. Google Workspace, Slack 같은 생산성 도구부터 내부 데이터베이스에 이르기까지, AI 에이전트는 Model Context Protocol(MCP) 서버를 통해 수많은 도구에 접근할 수 있습니다. 하지만 여기서 생각지 못한 비용이 발생합니다.
AI 에이전트가 모델 호출(model call)을 할 때마다, 프롬프트에는 MCP 서버가 노출하는 모든 도구의 스키마, 이름, 설명, 매개변수 등이 포함됩니다. 문제는 이 모든 정보를 모델이 ‘고려’하는 과정에서 토큰이 소모된다는 점입니다. 심지어 에이전트가 실제로 호출하지 않거나, 호출할 권한이 없는 도구들까지도 프롬프트에 포함되어 토큰을 잡아먹는 것이죠. Okta는 이를 “도구세(tool tax)“라고 부르는데, 말 그대로 에이전트가 어떤 도구를 사용할지 결정하기도 전에 이미 지불해야 하는 일종의 세금인 셈입니다.
이 도구세는 단순히 토큰 비용 증가에만 그치지 않습니다. 몇 가지 심각한 문제를 야기하는데요.
- 비용의 복합적 증가: 광범위하게 사용되는 MCP 서버가 많은 도구를 노출할수록, 그리고 이를 사용하는 사용자와 에이전트 수가 많아질수록 이 도구세는 기하급수적으로 늘어납니다. 각 활성 사용자가 에이전트 모델을 호출할 때마다 이 불필요한 프롬프트 오버헤드를 계속해서 감당해야 합니다.
- 보안 취약점: 에이전트가 권한이 없는 도구들까지 보게 되면, 잠재적으로 이를 사용하려는 시도를 할 수 있습니다. 물론 런타임에서 이러한 요청이 거부될 수 있지만, 모델은 이미 해당 도구 정의를 수신하고 처리하는 데 토큰을 소모한 후입니다. 이는 단순히 비용 낭비를 넘어, 공격자가 시스템의 약점을 파악하고 악용할 수 있는 ‘정보 노출’의 기회를 제공할 수 있습니다. 예를 들어, 침해된 에이전트 아이덴티티가 불필요하게 많은 도구 정보를 얻게 된다면, 그 잠재적 위험 반경(blast radius)은 상상 이상으로 커질 수 있습니다.
Okta의 해법: ‘신원 기반 스코핑’으로 도구 목록 사전 필터링
Okta는 바로 이 문제를 해결하기 위해 ‘신원 기반 스코핑’이라는 접근 방식을 제안합니다. 핵심은 AI 모델에 도구 목록이 도달하기 전에 해당 에이전트와 연관된 사용자에게 할당된 권한을 사용하여 도구 목록을 미리 필터링하는 것입니다. 이 과정은 ‘최소 권한 원칙(least-privilege access)‘을 도구 수준에서 적용합니다.
구체적으로 Okta의 방식은 다음과 같습니다.
- 관리자 설정: 관리자는 Okta 대시보드에서 특정 아이덴티티(에이전트 또는 사용자)가 사용할 수 있는 도구를 구성합니다.
- 스코핑된 도구 세트 반환: Okta는 MCP 서버의 전체 도구 카탈로그 대신, 해당 아이덴티티에 권한이 부여된 ‘더 짧은’ 도구 목록만 에이전트의 프롬프트로 전달합니다.
- 이중 보안 점검: 도구 목록을 프롬프트에 전달하기 전에 한 번, 그리고 에이전트가 실제로 도구 호출을 시도할 때 다시 한번 권한을 확인합니다.
Okta의 내부 모델링 결과는 이 접근 방식이 얼마나 효과적인지 명확히 보여줍니다. 일부 권한 시나리오에서 모델에 보이는 도구 수가 90% 이상 감소했으며, 이에 따라 도구 스키마 관련 토큰 비용 역시 거의 같은 비율로 줄어들었다고 합니다. 물론 Okta가 구체적인 토큰 또는 달러 수치를 제시하지는 않았지만, 90% 이상의 감소는 기업 입장에서 엄청난 비용 절감 효과를 의미합니다. 특히 이 비용 절감은 실제 도구 호출이 발생하기 전에 이루어지기 때문에, 기존의 사후 처리 방식과는 근본적인 차이가 있습니다.
게이트웨이와는 다른 접근: 능동적 비용 및 보안 제어
이쯤 되면 “그럼 기존의 게이트웨이 컨트롤과는 뭐가 다르지?”라는 의문이 들 수 있습니다. Okta는 자신의 신원 기반 스코핑이 게이트웨이 제어와는 확연히 다른 역할을 한다고 강조합니다.
- 게이트웨이 컨트롤: 주로 ‘사후 처리’ 방식입니다. 키, 팀 또는 그룹별로 지출 상한선을 설정하고, 라우팅 및 속도 제한을 지원하며, 시스템에 들어오고 나가는 토큰과 지출된 달러를 측정합니다. 모델의 결정이 이미 비용이 많이 들게 된 이후에 비용을 제한하는 역할을 합니다. 즉, 이미 발생한 비용을 모니터링하고 제어하는 데 중점을 둡니다.
- Okta의 신원 기반 스코핑: ‘사전 예방’ 방식입니다. 게이트웨이가 토큰을 측정하기 전에, 신원 계층에서 사용 가능한 도구 세트를 필터링합니다. 이는 특정 에이전트 또는 그 뒤에 있는 사람이 사용할 수 있는 도구를 결정하며, 그룹 수준이 아닌 ‘개별 사용자 및 에이전트’ 수준에서 접근 정보를 적용합니다. 모델이 불필요한 도구를 아예 인지하지 못하게 함으로써, 비용 발생 자체를 최소화하고 잠재적 보안 위협을 원천 차단하는 데 목적이 있습니다.
Software Analyst Cyber Research의 수석 사이버보안 산업 분석가인 Paul Webber는 Okta의 접근 방식에 대해 “에이전트의 비용 제어는 비즈니스 프로세스를 방해하지 않으면서도 더 세밀한 제어와 정확성을 제공하는 신원 거버넌스 도구를 사용하는 것이 가장 좋습니다. Okta의 접근 방식은 보안을 관리하는 동일한 권한 데이터를 활용하기 때문에 이를 우아하게 수행하는 방법입니다.”라고 평가했습니다. 이는 Okta의 방식이 단순히 비용을 줄이는 것을 넘어, 이미 구축된 기업의 보안 체계와 자연스럽게 통합된다는 강력한 장점을 시사합니다.
필자의 관점: 에이전트 경제학과 엔터프라이즈 AI 보안의 미래
개인적으로는 Okta의 이번 발표가 엔터프라이즈 AI 환경에서 **에이전트 경제학(Agent Economics)**과 보안 아키텍처를 재정의하는 중요한 전환점이 될 것이라고 생각합니다. 지금까지는 AI 에이전트가 ‘능력’에 중점을 두고 개발되었다면, 이제는 ‘비용 효율성’과 ‘최소 권한 원칙’이 핵심 고려사항으로 부상하고 있는 것이죠.
이 부분에서 주목할 점은, Okta가 단순히 비용 절감만을 내세우는 것이 아니라, 이를 **“안전한 에이전트 기반 기업을 위한 청사진(blueprint for the secure agentic enterprise)“**의 핵심 요소로 포지셔닝하고 있다는 사실입니다. AI 에이전트가 기업의 핵심 시스템에 깊숙이 통합될수록, 이들의 신원 관리와 접근 제어는 단순한 선택 사항이 아니라 필수적인 보안 인프라가 됩니다. 침해된 아이덴티티의 ‘폭발 반경(blast radius)‘을 줄인다는 개념은, 점점 더 자율성이 커지는 AI 에이전트의 잠재적 위험을 최소화하려는 노력을 보여줍니다.
또한, 이번 접근 방식이 실제 고객 배포 데이터가 아닌 Okta의 내부 모델링을 기반으로 한다는 점도 흥미롭습니다. 이는 Okta가 미래 엔터프라이즈 AI 시장의 흐름을 예측하고, 선제적으로 핵심적인 인프라 솔루션을 개발하고 있음을 시사합니다. 실제 결과는 도구 카탈로그, 권한 분포, 사용 모델, 그리고 각 모델의 토큰 가격 등 다양한 요소에 따라 달라질 수 있지만, 근본적인 설계 철학은 변하지 않을 것입니다.
결론적으로, Okta의 신원 기반 스코핑은 AI 에이전트가 마주하는 ‘도구세’라는 보이지 않는 비용 문제를 해결하고, 동시에 기업 AI 환경의 보안 수준을 한 차원 높이는 중요한 기여를 할 것으로 보입니다. AI 에이전트가 더욱 똑똑하고 자율적으로 진화하는 미래에, 이러한 ‘능동적 제어’ 메커니즘은 기업이 AI 혁신을 안전하고 효율적으로 수용하기 위한 필수적인 토대가 될 것입니다. 우리 기업의 AI 에이전트는 지금 얼마나 많은 ‘도구세’를 내고 있을까요? 그리고 그들에게 불필요하게 많은 정보가 노출되고 있지는 않을까요? 지금 바로 점검해볼 때입니다.
출처
- 원문 제목: Okta targets AI agent token costs with MCP scoping
- 출처: AI News
- 원문 기사 보러가기
