OpenAI DevDay 2025 리뷰
AgentKit, 혁신보다 방향성을 보여주다
OpenAI가 Dev Day에서 AgentKit을 공개했다.
[ OpenAI 2025 Dev Day - AgentKit ]AgentKit은 OpenAI가 발표한, 에이전트를 설계·배포·최적화할 수 있는 통합 툴킷이다.
시각적 드래그-앤-드롭 워크플로우 설계 툴(Agent Builder), 내장 채팅 UI(ChatKit), 평가 및 개선 기능(Evals) 등을 포함한다. 개발자뿐 아니라 어느 정도 개발 지식이 있는 사용자도 부분적으로 노코드/저코드 방식으로 시작할 수 있다. 에이전트를 직접 설계하고, 외부 시스템을 호출하며, ChatGPT 내부에서 실행할 수 있는 구조이다.
[ OpenAI 2025 Dev Day - Demo ]
[ GUI 스타일과 SDK 스타일 모두 제공 ]표면적으로는 AI 개발의 민주화를 향한 강력한 진전처럼 보인다. 그러나 나는 이 발표를 기술의 완성이 아니라 전략의 신호로 읽었다. AgentKit은 이미 생태계가 튼튼하고 완성된 프레임워크가 아니다. 오히려 생태계를 향한 메시지, “이 방향으로 들어오라”는 마중물의 제스처에 가깝다.
기술이 아닌 구조의 이야기
OpenAI의 핵심 의도는 명확하다. 세상의 external data와 API가 GPT 생태계 안으로 유입되는 흐름을 만드는 것. 이건 단순한 기술 통합이 아니라, 데이터의 방향성을 설계하는 행위다.
OpenAI는 플랫폼이 아니라 허브(Hub)가 되길 원한다. 그리고 AgentKit은 그 허브를 향한 하나의 통로다.
그러나 이 통로는 단순히 열린 길이 아니다. 그 안에서의 연결은 OpenAI가 설계한 규격과 권한 체계를 따라야 한다. LangChain이나 n8n, Make 같은 오픈 오토메이션 프레임워크가 보여준 분산적 자유는 여기서 일관된 OpenAI 중심의 중앙 구조 속으로 정렬된다.
노코드 기반으로 직관적으로 만든 AgentKit은 처음에 접하기엔 쉬워보이고 효율적이지만, 그 효율의 대가로 자율성의 일부를 반납한다. 그리고 그로 인하여 우리는 수많은 세상의 예외처리를 위해 다시 OpenAI에 맞게 우리의 문화를 바꾸어 나가야 한다.
그럴싸함을 경계해야 하는 이유
나는 현재 AI/Data팀 팀장을 맡고 있다.
매일같이 변하는 기술의 속도를 따라가며 트렌드를 고민하지만, 그 과정은 늘 긴장감으로 가득하다. 제발 새로운 기술이 그만 좀 나왔으면 좋겠다는 생각을 지금 이 순간도 하고 있다. AI를 하면서 가장 두려운 것은 표준을 쉽게 정할 수 없다는 사실이다. 하루가 다르게 새로운 프레임워크와 솔루션이 등장하고, 어제의 기준이 오늘의 구시대가 된다.
내가 만든 시스템이 하루아침에 무의미해질 수 있다는 불안 속에서, 마치 살얼음판을 걷듯 한 걸음씩 나아가고 있다. 이 불안은 스타트업에게는 더욱 가혹할 것이다. 오늘날의 AI 생태계는 “누구나 코드를 짤 수 있다”는 Vibe Coding의 낙관론으로 가득하다. 명령 한 줄로 시스템을 자동화하고, ChatGPT 위에서 워크플로우를 설계하며, 모든 것이 연결 가능한 시대처럼 보인다.
하지만 실제로 Vibe Coding에 몰입해 수십 개의 사이트, Agent, MCP 서버, 하이브리드 앱을 만들어본 뒤 느낀 결론은 단 하나다.
"아직 멀었다. "
다만 이 말은 “사람이 필요 없기엔" 아직 멀었다 이지, 이미 시스템 전체를 이해하고 처음부터 끝까지 구현할 수 있는 개발자들에게는 운영 레벨의 Vibe Coding 또한 매우 훌륭한 보조 도구가 될 수 있다. 언젠가 Vibe Coding에 대해 자세히 다루어 보겠지만, 나는 ‘기획서에 Spec과 MCP를 붙여서 겉모습을 그럴듯하게 만드는 방식’에는 회의적이다.
각 회사의 거버넌스 구조, 원천 데이터에 대한 깊은 이해, Swagger 기반의 OpenAPI 설계 역량을 바탕으로 단계적으로 쌓아올리는 접근이야말로 진짜 Vibe Coding이라고 생각한다. 즉, 짧은 호흡으로 커밋을 반복하며 “생각하면서 만드는 코딩” 이 오늘의 현실적 방법이다.
현 시점에서 엔터프라이즈 기업이 도입 가능한 수준의 ‘표준’이라 부를 수 있는 것은 결국 세 가지로 압축된다.
① 우수한 모델을 활용한 비즈니스 응용 (예: Gemini, NotebookLM),
② 문서·API 등 원천 데이터의 정비,
③ 이를 기반으로 한 통신 프로토콜형 MCP 서버 구축.
결국 기업의 아이덴티티와 직결되는 것은 자사 원천 데이터에 대한 이해와 활용이다. AgentCore, AgentSpace, AgentKit 등 수많은 프레임워크들이 난무하지만, 그 어떤 것도 언제 표준이 되고 언제 사라질지 알 수 없는 전쟁터 속에 있다.
이처럼 지속 가능한 운영, 보안 구조, API·데이터 관리의 정합성은 그 어느 때보다 복잡해지고 있다.
엔터프라이즈 환경에서 실제 가치를 창출하려면 단순한 자동화를 넘어서는 인증·거버넌스·데이터 소유권이 필수적이다.
OpenAI는 아직 그 영역에 명확한 답을 주지 못했다. AgentKit은 분명 인사이트를 제공하는 유용한 도구이지만, 운영 가능한 보안 아키텍처를 제시하지는 않는다. 따라서 지금 시점에서 전통 기업에게 AgentKit은
‘즉각적인 솔루션’이 아니라, 탐색해볼 만한 유망한 콘셉트 정도로 보는 것이 적절하다.
지나간 절대자의 시대는 끝났다
GPT-3가 세상을 집어삼키던 시절에는 OpenAI의 독점적 위치가 곧 기술의 표준처럼 보였다. 그러나 지금은 다르다. Gemini, Claude, Llama, 그리고 수많은 온프레미스 모델들이 각자의 데이터 주권을 주장하며 시장을 분산시키고 있다. 이 환경에서 “모든 것을 GPT 안으로 가져오라”는 접근은 더 이상 절대적이지 않다.
OpenAI가 자신의 생태계로 모든 흐름을 끌어들이려는 조급함은 AgentKit 곳곳에서 감지된다. 그건 n8n이나 Make에 대한 위협이 될 수는 있어도, 엔터프라이즈 수준의 데이터 보안·통합의 답은 아니다.
물론, Claude의 MCP처럼 많은 개인과 기업이 다시 OpenAI 생태계로 모여 거대한 네트워크 효과가 형성된다면 이 전망 또한 무의미해질 수 있다. 그러나 과거와는 달리, 오늘의 시장 환경에서는 그 흐름이 쉽지 않다.
이제는 누가 표준을 만들 것인가보다, 누가 지속 가능한 생태계를 운영할 수 있는가가 더 중요한 질문이 되었다.
결론
AgentKit은 인사이트를 주는 도구지만 혁신은 여전히, 그 도구를 해석할 수 있는 사람들의 손에 달려 있다.