AI 에이전트도 검색이 필요하다? Google이 공개한 ARD란 무엇일까

Google이 ARD(Agentic Resource Discovery) 라는 새로운 오픈 스펙을 공개했습니다.

처음에는 MCP와 비슷한 기술처럼 보일 수 있는데요. 하지만 ARD가 해결하려는 문제는 조금 다릅니다.

AI 에이전트가 실제 작업을 수행하기 시작하면서 MCP 서버, API, A2A 에이전트 등 다양한 도구들이 빠르게 늘어나고 있습니다. 하지만 개발자가 새로운 라이브러리나 API를 찾기 위해 검색을 하듯, AI 에이전트 역시 필요한 기능을 어디서 찾고 어떤 도구를 사용해야 할지 판단해야 합니다.

문제는 현재 이를 위한 표준적인 발견(Discovery) 방법이 부족하다는 점입니다.

ARD는 바로 이런 문제를 해결하기 위해 등장했습니다. 쉽게 말하면 ARD는 AI 에이전트가 웹에서 사용할 수 있는 도구와 서비스를 발견하고, 검증하고, 연결할 수 있도록 만드는 표준입니다.

검색엔진이 웹페이지를 찾기 위해 sitemap.xml과 robots.txt를 활용하듯, AI 에이전트도 필요한 기능을 찾을 수 있는 새로운 발견(Discovery) 계층이 필요하다는 아이디어에서 출발했습니다.

왜 ARD가 필요할까?

현재 AI 에이전트가 활용할 수 있는 도구는 빠르게 늘어나고 있습니다. MCP 서버는 물론이고, API, A2A 에이전트, 다양한 SaaS 서비스까지 에이전트가 연결할 수 있는 대상은 계속 증가하고 있습니다.

하지만 새로운 라이브러리나 오픈소스를 찾을 때 개발자가 검색을 사용하는 것처럼 AI 에이전트 역시 필요한 기능을 어디서 찾고 어떤 도구를 사용해야 할지 판단해야 합니다.

문제는 이런 기능들이 서로 다른 플랫폼과 레지스트리에 흩어져 있다는 점입니다. 지금은 대부분 사람이 직접 MCP 서버를 등록하거나 특정 도구를 연결해줘야 합니다. 에이전트 스스로는 어떤 도구가 존재하는지, 어떤 기능을 제공하는지, 어디를 신뢰해야 하는지 알기 쉽지 않습니다.

구글은 이러한 문제를 앞으로 에이전트 생태계가 해결해야 할 중요한 과제 중 하나로 보고, ARD를 에이전트가 사용할 수 있는 도구와 서비스를 발견하고 선택할 수 있도록 만드는 일종의 디스커버리 레이어로 제안한 것이죠.

ARD는 무엇인가?

ARD는 AI 에이전트를 위한 리소스 발견(Discovery) 규격입니다.

서비스나 조직은 자신의 도메인에 AI가 사용할 수 있는 기능과 리소스를 설명하는 카탈로그를 게시할 수 있습니다. 이 카탈로그에는 MCP 서버, API, A2A 에이전트, 워크플로우, 기타 AI 기능에 대한 정보가 포함될 수 있습니다.

ARD 정보는 다음과 같은 위치에 공개됩니다.

AI 에이전트는 이 파일을 읽어 해당 서비스가 어떤 기능을 제공하는지 확인하고 필요한 리소스를 탐색할 수 있습니다.

개념적으로는 robots.txt나 sitemap.xml과 비슷하게 볼 수 있습니다. 검색엔진이 robots.txt와 sitemap.xml을 통해 웹사이트 구조를 이해하듯, AI 에이전트는 ai-catalog.json을 통해 어떤 도구와 기능이 제공되는지 파악할 수 있습니다.

다만 대상이 검색엔진이 아니라 AI 에이전트라는 점이 가장 큰 차이입니다.

검색엔진이 웹페이지를 찾기 위한 파일이었다면, ARD는 AI 에이전트가 사용할 수 있는 기능을 찾기 위한 파일에 가깝습니다.

ARD의 카탈로그와 레지스트리

ARD는 크게 Catalog와 Registry라는 두 가지 구성 요소로 이루어집니다.

Catalog는 각 서비스가 직접 공개하는 기능 목록입니다.

예를 들어 어떤 서비스가 MCP 서버, API, A2A 에이전트 등을 제공한다면, 이를 ai-catalog.json 파일에 정의하여 공개할 수 있습니다.

반면 Registry는 여러 서비스의 Catalog를 수집하고 검색할 수 있도록 제공하는 중앙 인덱스 역할을 합니다.

개발자가 npm에 패키지를 등록하고 npm Registry를 통해 검색하는 것처럼, ARD에서는 서비스가 Catalog를 공개하고, Registry가 이를 수집하여 에이전트가 검색할 수 있도록 합니다.

서비스가 기능을 게시(Publish)하면 Registry가 이를 수집(Indexing)하고, 에이전트는 Registry를 통해 필요한 기능을 검색하게 됩니다.

ARD는 MCP를 대체하는 기술이 아니다

ARD를 처음 보면 MCP와 비슷한 기술이거나 경쟁 관계로 느껴질 수 있습니다.

하지만 실제로는 해결하려는 문제가 다릅니다.

MCP는 에이전트가 외부 도구와 연결하는 방법을 정의하고, A2A는 에이전트 간 통신 방법을 정의합니다. OpenAPI는 API의 구조와 사용 방식을 설명하는 명세입니다.

반면 ARD는 이런 리소스들을 어떻게 발견할 것인가(Discovery) 에 집중합니다.

차이점을 정리하자면 다음과 같습니다.

예를 들어 MCP 서버가 몇 개 없을 때는 사용자가 URL을 직접 등록해도 큰 문제가 없습니다.

하지만 앞으로 수천, 수만 개의 MCP 서버와 에이전트가 등장한다면 이야기가 달라집니다.

에이전트는 필요한 기능이 어디에 있는지 찾고, 여러 후보 중 적절한 도구를 선택하고, 신뢰할 수 있는 서비스인지 검증해야 합니다.

ARD는 바로 이러한 문제를 해결하기 위한 디스커버리 레이어에 가깝습니다.

즉 ARD는 MCP를 대체하는 기술이 아니라, MCP를 비롯한 다양한 에이전트 리소스를 더 쉽게 발견하고 활용할 수 있도록 돕는 상위 계층이라고 볼 수 있습니다.

단순한 검색이 아니라 선택을 위한 규격

개발자가 새로운 라이브러리나 SaaS 서비스를 도입할 때도 단순히 검색 결과 하나를 보고 결정하지는 않습니다. 여러 후보를 비교하고, 기능을 확인하고, 신뢰할 수 있는 제공자인지 검토한 뒤 최종적으로 선택하게 됩니다.

ARD는 이러한 과정을 AI 에이전트 관점에서 다루려고 합니다.

스펙 문서에서도 다음과 같은 질문을 해결하는 것이 핵심 목표라고 설명합니다.

"필요한 기능은 어디에 있지?
"여러 후보 중 뭘 선택해야 하지?"
"안전하게 연결할 수 있나?"

실제 실행(Execution)은 MCP, A2A, API 같은 기존 프로토콜이 담당하고, ARD는 그 이전 단계에서 적절한 리소스를 발견하고 선택할 수 있도록 돕는 역할입니다.

llms.txt와는 뭐가 다른걸까?

ARD를 보면서 자연스럽게 llms.txt가 떠올랐는데요. 둘은 경쟁 관계는 아니고 서로 다른 문제를 해결합니다.

llms.txt는 AI가 사이트의 컨텐츠와 문서를 이해하도록 돕고, ARD는 AI가 사용할 수 있는 도구와 기능을 발견하도록 돕습니다.

다음과 같은 차이점이 있다고 정리할 수 있을 것 같습니다.

llms.txt는 웹사이트의 컨텐츠 발견 (Content Discovery)
ARD는 Registry에서 기능 발견 (Capability Discovery)

아직 llms.txt 역시 업계 전반에서 표준으로 자리 잡았다고 보기는 어렵고 ARD 또한 이제 막 공개된 초기 제안 단계의 규격입니다.

앞으로 AI 에이전트가 웹을 탐색하고 도구를 사용하는 방식이 어떻게 발전할지, 그리고 어떤 표준이 실제로 널리 채택될지는 조금 더 지켜봐야 합니다.

한 가지 분명해 보이는 점은, AI 에이전트가 단순히 콘텐츠를 읽는 것을 넘어 실제 작업을 수행하기 시작하면서 AI 친화적인 인터페이스와 발견(Discovery) 계층에 대한 관심은 앞으로 더욱 커질 가능성이 높다는 것입니다.

앞으로의 가능성

웹은 오랫동안 사람이 읽고 사용하는 것을 중심으로 발전해 왔습니다.

하지만 AI 에이전트가 단순히 질문에 답하는 수준을 넘어 실제로 웹을 탐색하고, 도구를 사용하고, 작업을 수행하는 방향으로 발전하면서 새로운 형태의 인터페이스에 대한 관심도 커지고 있습니다.

최근 Chrome Lighthouse에서 llms.txt를 참고하기 시작했고, Google은 ARD를 통해 에이전트가 사용할 수 있는 기능과 서비스를 발견하기 위한 새로운 규격을 제안했습니다.

이런 변화들은 앞으로 AI 에이전트가 웹을 탐색하고 활용하는 방식이 점점 더 중요해지고 있음을 보여주는 신호처럼 보이기도 합니다.

ARD가 널리 채택될지는 아직 알 수 없습니다. 다만 최근의 움직임들은 웹이 사람과 AI 에이전트가 함께 사용하는 공간으로 조금씩 확장되고 있음을 보여주는 것 같습니다.

관련 링크

ARD Spec: https://github.com/ards-project/ard-spec/tree/main

기술 문서: https://agenticresourcediscovery.org/