Copilot, 이제 필요한 AI 도구를 스스로 찾아요!

에이전트 파인더는 사용자가 자연어로 작업 내용을 설명하면, 이를 바탕으로 사전 구축된 AI 리소스 인덱스를 검색합니다. 이 과정에서 개방형 Agentic Resource Discovery (ARD) 사양을 활용하여 다양한 AI 리소스(MCP 서버, 스킬, 에이전트, 도구 등)를 효율적으로 탐색합니다. 검색된 리소스들은 작업과의 관련성 및 성능에 따라 랭킹이 매겨져 Copilot이 온디맨드(on-demand)로 필요한 기능을 선택하고 로드할 수 있도록 지원합니다. 이는 필요한 도구만 동적으로 로드하는 방식으로, 모든 도구를 항상 휴대하는 기존 방식 대비 컨텍스트 윈도우(Context Window) 부담을 크게 줄여줍니다.

Agentic Resource Discovery (ARD) 사양은 Google, GoDaddy, Hugging Face, Microsoft 등 여러 기업과의 협력을 통해 개발된 개방형 표준입니다. 이 사양을 준수함으로써, 에이전트 파인더는 GitHub의 자체 카탈로그뿐만 아니라 사용자가 지정한 모든 프라이빗 레지스트리(Private Registry)와도 연동될 수 있습니다. 이는 기업이 자체 개발한 내부 AI 리소스나 특정 공급업체의 도구를 Copilot 환경에 통합하는 것을 용이하게 합니다. 표준화된 인터페이스를 통해 다양한 AI 클라이언트 및 레지스트리가 동일한 검색 모델을 채택할 수 있어, AI 에이전트 생태계 전반의 상호 운용성(Interoperability)을 높이는 데 기여합니다.

에이전트 파인더는 기업의 보안 및 거버넌스 요구사항을 충족하기 위한 기능을 제공합니다. 관리자는 GitHub Copilot의 통합 관리 콘솔을 통해 에이전트가 접근하고 사용할 수 있는 AI 리소스의 범위를 명확하게 정의할 수 있습니다. 이는 기업이 허용하는 리소스만 검색 결과에 포함되도록 하여, 민감한 내부 정보나 승인되지 않은 외부 도구의 사용을 방지합니다. 또한, '에이전트 파인더'는 자동 설치(Auto Installation) 기능을 수행하지 않습니다. 즉, 리소스 검색 및 추천까지만 담당하며, 실제 도구를 연결하고 사용하는 것은 사용자의 명시적인 제어 하에 이루어집니다. 이러한 '사용자 제어(User Control)' 중심 설계는 엔터프라이즈 환경에서의 안정성과 신뢰성을 보장합니다.

기존에는 개발자가 각 에이전트가 사용할 MCP 서버, 스킬, 캔버스, 에이전트, 도구 등을 수동으로 설정해야 했으며, 이 과정에서 컨텍스트 윈도우(Context Window)가 불필요하게 소모되는 문제가 있었습니다. 에이전트 파인더는 이러한 수동 설정의 번거로움을 제거하고, 작업에 필요한 최적의 AI 리소스를 지능적으로 검색 및 추천합니다. 이를 통해 개발자는 복잡한 설정 작업에 시간을 할애하는 대신, 핵심적인 작업 자체에 집중할 수 있습니다. 또한, 에이전트가 필요한 도구만 동적으로 로드하게 함으로써, 전체 컨텍스트 윈도우 사용량을 최적화하고 GitHub Copilot의 응답 속도 및 효율성을 향상시키는 효과를 기대할 수 있습니다.