[9월 월간브리핑] 모델을 넘어, 오픈소스 에이전틱 하네스의 부상

Open Up

□ 오픈소스 AI 경쟁의 중심이 모델 자체에서 에이전트를 실제 업무에 연결·실행·통제하는 ‘에이전틱 하네스’ 계층으로 확장

○ 오픈웨이트 모델과 폐쇄형 모델의 성능 격차가 좁아지는 가운데, 오픈소스 AI 경쟁의 초점도 모델 자체에서 에이전틱 하네스(Agentic Harness), 즉 에이전트를 실제 실행·연결·통제하는 운영 계층으로 확장되고 있음

 - 생성형 AI 경쟁은 그동안 더 크고 성능이 높은 모델을 개발하는 데 집중돼 왔으나, 최근에는 오픈웨이트 모델이 최상위 폐쇄형 모델과의 성능 격차를 빠르게 좁히면서 경쟁의 초점도 달라지고 있음

 - Mozilla는「The State of Open Source AI 2026」보고서에서 2026년 오픈소스 AI의 실질적인 선택의 중심이 모델에서 하네스로 이동했다고 평가

 - OpenUK도 「AI Openness: 3 Years on from Llama 2」보고서를 통해 모델의 크기 자체보다 커스터마이징과 실제 활용, 생산환경 적용이 중요해지고 있다고 분석
 ※ Artificial Analysis Intelligence Index를 기준, 오픈웨이트 모델 Kimi K3는 최상위 폐쇄형 모델과 4점 차이였으며, Epoch AI에서도 격차가 6점에 불과해, 약 한 차례의 모델 출시 주기 정도의 차이로 평가
 ※ OpenUK 역시 Llama 2 이후 DeepSeek R1, Kimi K3로 이어지는 흐름을 통해 오픈웨이트 모델이 폐쇄형 프런티어 모델과 경쟁 가능한 수준으로 접근하고 있다고 평가

○ 오픈모델 확산에도 실제 업무 환경에서 안정적으로 운영하는 단계에서는 여전히 격차가 존재

 - 오픈모델은 활용 자체는 빠르게 확산되고 있지만 실제 운영 단계로 갈수록 전환율이 낮아지는데, Mozilla는 이러한 차이를 모델 성능이 아닌 운영 도구와 신뢰의 격차 분석함
 ※ 오픈소스 구성요소를 사용하는 기업은 89%임(Linux Foundation)
 ※ 오픈모델을 사용하는 개발자는 79%이며, 실제 운영 단계까지 적용한 비율은 51%, 폐쇄형 모델 63%보다 낮게 나타남 (Mozilla/SlashData 2026)

 - 오픈소스 AI 스택 평가에서도 모델 코드와 가중치는 상대적으로 성숙도가 높은 반면, 에이전트 계층과 안전장치 계층은 성숙도가 낮고, 표준화와 기업 활용 준비도가 취약한 것으로 나타남
 ※ 오픈 모델 사용의 주요 장애요인은 인프라·컴퓨팅 비용 27%, 보안·개인정보·컴플라이언스 26%, 유지관리·업데이트 24%, 배포·호스팅·확장 복잡성 23%로 나타났으며, 모델 성능 부족은 17%로 상대적으로 낮았음

 - 이에 따라 오픈모델의 다음 과제는 성능 자체보다 배포·보안·유지관리·권한관리 등 실제 운영을 가능하게 하는 실행·운영 계층의 성숙으로 확대되고 있으며, 이러한 배경에서 에이전틱 하네스의 중요성이 부각되고 있음

▶ 에이전틱 하네스는 모델을 실제 ‘에이전트’로 작동시키는 실행·운영 계층

○ 모델 자체가 두뇌라면, 에이전틱 하네스는 에이전트가 도구를 활용해 실제 업무를 수행할 수 있도록 하는 연결·실행·통제 체계로 운영 격차를 해결하는 핵심 계층임

 - Mozilla는 에이전틱 하네스를 모델 위에서 실제 에이전트 동작을 가능하게 하는 실행·운영 계층으로, 오케스트레이션 루프를 중심으로 도구·컨텍스트 연결, 에이전트 간 통신, 메모리, 샌드박스·실행환경, 권한·ID, 평가·관찰, 인터페이스, 결제, 거버넌스 등을 포함한다고 설명함
 ※ Mozilla의 하네스 구조에서는 LangGraph·CrewAI·AutoGen·LlamaIndex는 오케스트레이션, MCP는 도구·컨텍스트 연결, A2A는 에이전트 간 연결, Mem0·Letta·Zep은 메모리, E2B·Daytona·Modal은 실행환경, Langfuse·Phoenix는 평가·관찰 영역의 대표 사례로 제시

 - OpenUK도 에이전틱 하네스를 오케스트레이션, 도구, 메모리, 실행환경, 권한, ID, 평가, 관찰가능성, 거버넌스 등  AI 에이전트에서 LLM 모델 자체를 제외한 거의 모든 요소들로 정의하고 이러한 기능이 충분히 갖춰져야 모델과 에이전트를 안전하고 안정적으로 운영 환경에 적용할 수 있다고 설명함

▶ 모델 성능도 모델 단독 성능보다 ‘모델과 하네스의 조합’으로 평가해야 하는 단계로 변화

○ 동일한 모델 가중치를 사용하더라도 하네스 구성에 따라 실제 에이전트 성능이 크게 달라질 수 있음

 - Mozilla는 Terminal-Bench 사례를 통해 벤치마크 성능이 모델 단독의 특성이 아니라 모델과 하네스 조합의 결과라고 설명하며, 동일 모델이라도 어떤 실행·오케스트레이션 환경과 결합되는지에 따라 성능이 달라질 수 있어 성능 비교 시 모델과 하네스의 조합을 함께 고려할 필요가 있다고 제시함
 ※ 2026년 5월 Terminal-Bench 2.0에서는 동일한 앤트로픽 계열 가중치를 사용하더라도 하네스의 차이에 따라 약 21.8%p의 성능 격차가 나타났으며, 이후 모델 개발사가 자체 하네스를 통합하면서 격차가 약 3%p 수준으로 크게 줄어들었음 

▶ 에이전틱 하네스에서 오픈소스와 오픈 표준의 중요성이 확대

○ 여러 모델과 도구를 연결해야 하는 하네스 특성상 상호운용성과 특정 벤더로부터의 독립성이 중요

 - 하네스 시장에서 오케스트레이션과 메모리는 오픈소스가 주도하고 있으며, 상호운용 영역은 MCP·A2A 같은 오픈 표준을 중심으로 형성되고 있음
 ※ Mozilla 보고서에 따르면, MCP는 2024년 11월 공개 이후 공식 SDK 월간 다운로드가 약 200만 건에서 9,700만 건으로 증가했고, 2026년 3월 기준 공개 MCP 서버는 1만 개 이상으로 확대됨.

 - 반면, 기술 확산 속도에 비해 운영 통제 체계는 아직 충분히 성숙하지 않은 것으로 평가되고 있음
 ※ Mozilla는 약 21%의 기업만이 성숙한 에이전트 거버넌스를 갖추고 있다고 설명하며, MCP의 OAuth 2.1이나 A2A의 Agent Card 등이 인증을 발전시키고 있지만 에이전트가 실제로 어떤 행동을 할수 있는지를 결정하는 권한 문제는 아직 미성숙하다고 분석함

 - 폐쇄형·독점 모델을 제공하는 기업들조차 에이전틱 하네스, 개발도구, 인프라 등 모델 주변 계층에서는 오픈소스와 오픈표준의 필요성을 인식하고 있음
 ※ OpenUK는 MCP와 같은 사실상 표준이 확산되고 있으며, 이를 특정 기업에 종속되지 않도록 관리하기 위한 재단과 개방형 거버넌스 구조의 중요성이 커지고 있다고 분석함

▶ 오픈소스 AI 생태계의 중심도 모델 공유에서 에이전틱·개발도구·인프라로 확대

○ 허깅페이스는 주로 모델 공유, 깃허브는 에이전틱 하네스와 개발 도구의 협업 공간으로 역할이 분화

 - 모델은 주로 기업이 개발한 뒤 완성된 형태로 허깅페이스를 통해 공개되는 반면, 에이전틱 AI·개발도구·인프라는 개인 개발자와 오픈소스 커뮤니티가 깃허브에서 협업하며 발전하는 전통적인 오픈소스 방식에 더 가깝게 성장하고 있음

 - 에이전틱 오픈소스 생태계는 최근 1년 사이 신규 프로젝트와 개발자 관심이 빠르게 확대되며, 짧은 기간에 커뮤니티 중심의 새로운 개발 생태계를 형성하고 있음
 ※ OpenUK 보고서에 따르면, 깃허브에서 1,000 Star 이상 AI 저장소는 2023년 2,159개에서 2026년 4,806개로 두 배 이상 증가했으며, 이 가운데 에이전틱 저장소는 특히 최근 1년 사이 빠른 성장세를 보임
 ※ 분석 대상 891개 에이전틱 저장소 중 약 40%는 1년 전 Star가 없었고, 37%는 최근 12개월 사이 새롭게 생성돼, 상당수 프로젝트가 매우 짧은 기간 안에 주목받기 시작한 것으로 나타남

○ 가치 창출 영역도 모델 자체를 넘어 에이전틱 하네스·개발도구·인프라 등 모델 주변의 실행·운영 계층으로 확대될 가능성이 있음

 - 기업의 AI 도입은 모델 기능 부족보다 실제 배포·통합·운영 제약에 의해 지연되는 경우가 많아, 모델을 통합·통제하고 실제 업무에 투입하는 기술이 향후 주요 가치 창출 영역으로 부상할 가능성이 있으며, 에이전틱 계층에서 오픈소스 커뮤니티의 역할이 더욱 확대되고 있음
 ※ 모델 계층은 대규모 모델 개발에 필요한 자본·컴퓨팅 등 높은 자원 요구를 감당할 수 있는 소수 기업의 개별 릴리스 중심으로 이루어지는 반면, 에이전틱 계층은 개인 개발자의 참여와 커뮤니티 기여를 통해 분산적·누적적으로 성장하는 경향을 보임
 ※ 에이전틱 하네스·개발도구·인프라 계층은 대규모 자본과 컴퓨팅이 필요한 모델 개발에 비해 비용 부담이 상대적으로 낮아 스타트업·개인 개발자·오픈소스 커뮤니티의 참여와 경쟁이 가능한 영역으로 평가됨

○ 모델 자체보다 메모리·권한·운영도구·인프라 등 실행·운영 계층의 전략적 중요성이 커질 가능성이 있음

 - 모델은 시간이 지날수록 교체 가능성이 커지는 반면, 조직의 AI 활용 과정에서 축적되는 메모리와 컨텍스트, 에이전트의 행동을 통제하는 권한 체계, 실제 배포·운영을 지원하는 하네스와 인프라는 지속적으로 축적·관리해야 하는 자산으로 중요성이 커지고 있음
 ※ Mozilla는 향후 오픈소스 AI에서 집중해야 할 핵심 전략으로 ‘개방형 하네스 구축(Build the open harness)’을 제시하며, 모델과 하네스가 폐쇄형 사업자에 의해 수직 통합될 경우 하네스 자체가 새로운 경쟁 장벽이 될 수 있다고 분석
 ※ OpenUK도 향후 가치와 수익이 모델 자체보다 에이전틱 하네스·인프라 등 모델 주변 계층에서 발생할 가능성이 높아지고 있다고 설명

□ 시사점 

○ 오픈소스 AI 생태계도 모델 공유 중심에서 에이전틱·개발도구·인프라로 확대되고 있으며, 향후 경쟁력은 모델 성능뿐 아니라 하네스의 개방성·상호운용성·운영 성숙도까지 함께 좌우할 가능성이 있음

 - Mozilla와 OpenUK 두 보고서는 공통적으로 오픈웨이트 모델의 성능 향상 자체보다 모델을 실제 업무 환경에서 사용할 수 있게 만드는 운영 계층의 중요성이 커지고 있다고 분석

○ 에이전틱 하네스는 AI 모델을 실제 활용 가능한 시스템으로 전환하는 핵심 계층으로 향후 오픈소스 AI 생태계에서도 오케스트레이션, 메모리, 도구 연결, 실행환경, ID·권한, 평가·관찰, 거버넌스, 개방형 표준 등 에이전틱 하네스 전반의 생태계 성숙도를 함께 살펴볼 필요가 있음

□ 주목할 만한 월간 이슈(9월) 

○ (보안) EU CRA, 9월 11일 취약점·보안사고 보고 의무 적용

 - EU 사이버복원력법(CRA)의 제14조에 따른 보고 의무가 2026년 9월 11일부터 적용되면서, EU 시장에 디지털 요소가 포함된 제품을 공급하는 제조사는 실제 악용되고 있는 취약점과 제품 보안에 영향을 미치는 중대한 사고를 정해진 기한 내 신고해야 함
 ※ CRA 전체 규정은 2027년 12월 11일부터 전면 적용됨

 - 제조사는 관련 사실을 인지한 후 24시간 이내 조기 경보, 72시간 이내 본 신고를 제출해야 하며, 활성 악용 취약점은 시정·완화 조치가 마련된 후 14일 이내, 중대한 보안사고는 72시간 신고 후 1개월 이내 최종 보고서를 제출해야 함
 ※ 신고는 유럽사이버보안청(ENISA)이 구축·운영하는 CRA 단일 신고 플랫폼(SRP)을 통해 이뤄짐

 - CRA는 소프트웨어·하드웨어 및 관련 원격 데이터 처리 솔루션 등 EU 시장에 공급되는 ‘디지털 요소가 포함된 제품을 대상으로 하며, 비EU 제조사도 해당 제품을 EU 시장에 공급할 경우 적용 대상임
 ※ 한국을 비롯한 역외 기업도 EU 시장에 제품을 판매한다면 적용 대상이 될 수 있어 국내 IT·소프트웨어·IoT·전자·모빌리티 업계의 대응이 요구됨

 - 특히 다양한 오픈소스·외부 소프트웨어 구성요소가 결합된 제품에서는 영향을 받는 구성요소와 취약점을 신속하게 파악할 수 있는 SBOM 등 소프트웨어 구성요소 관리 체계의 활용 중요성이 커지고 있음

○ (오픈소스 플랫폼) 엔비디아, 허깅페이스 129억 달러 규모 인수…플랫폼 개방성 유지 약속

 - 엔비디아는 허깅페이스를 약 129억3,030만 달러에 인수하기로 합의하고 엔비디아의 인프라·엔지니어링 역량과 글로벌 네트워크를 활용해 허깅페이스 플랫폼을 확장하고, 인프라를 강화하며 전 세계 개발자와 기관의 AI 접근성을 확대할 계획이라고 밝힘
 ※ 엔비디아에 따르면 허깅페이스는 현재 1,800만 명 이상의 개발자·연구자·창작자​가 이용하고 있고, 플랫폼에는 300만 개 이상의 모델, 50만 개의 데이터셋, 100만 개의 애플리케이션​이 공유되고 있으며, 20만 개 이상의 기업이 이용중임

 - 이번 인수를 통해 NVIDIA는 AI 반도체뿐 아니라 모델 탐색·평가·배포가 이뤄지는 소프트웨어 플랫폼 영역까지 영향력을 확대하게 됨

 - 엔비디아는 인수 이후 자사의 인프라와 엔지니어링 역량을 활용해 엔비디아의 플랫폼 안정성, 안전성, 모델 평가, 추론 및 배포 기능​을 강화하면서도 기존의 개방형 생태계를 유지하겠다는 방향을 제시

 - 엔비디아는 앞으로도 특정 기업이나 모델에 한정하지 않고 다양한 개발사의 오픈소스 및 오픈웨이트 모델을 계속 지원하며, 멀티클라우드·멀티가속기 기반의 개발·배포 환경도 유지할 예정

○ (AI 인프라) AMD, 한국에 아시아 첫 AI 우수 연구센터 설립하여 오픈소스 기반 개방형 AI 생태계 협력 확대

 - AMD가 한국 정부·기업과의 협력을 바탕으로 연내 한국에 ‘AI 우수 연구센터’를 설립하고, AI 공동 연구와 인재 양성, 개방형 AI 인프라 생태계 구축을 추진할 계획임

 - 해당 연구센터는 AMD가 아시아에 설립하는 첫 AI 우수 연구센터로, 국내 대학·연구기관과의 협력을 확대하고 과학·산업 분야에서 AI 공동 연구를 진행하는 거점 역할을 맡을 예정임

 - 이번 협력은 2026년 7월 미국 샌프란시스코에서 한국 정부와 AMD가 체결한 ‘개방형 AI 컴퓨팅 인프라 생태계 구축 업무협약’의 후속 조치로, 특정 기업·기술에 종속되지 않는 오픈소스 기반 개방형 AI 생태계 구축을 목표로 함

 - 또한, 국산 NPU와 글로벌 GPU·CPU, 오픈소스를 연계하는 이기종·개방형 AI 컴퓨팅 환경을 국내에서 실증하려는 협력 모델로 볼 수 있음
 ※ 리사 수 AMD CEO와 배경훈 부총리 겸 과학기술정보통신부 장관은 AI 경쟁력의 핵심이 단일 기술의 성능뿐 아니라 서로 다른 하드웨어·소프트웨어 기술 간의 연계와 상호운용성에 있다고 강조함

 - 향후 연구센터를 중심으로 국내 대학·연구기관·기업과의 공동 연구를 확대하고, AI 인프라·소프트웨어·피지컬 AI 분야의 기술 개발과 전문 인력 양성을 병행할 계획임

○ (오픈소스 AI) 독파모 공개 모델, 다운로드·파생모델 지표에서 활용 확산 양상

 - 독자 AI 파운데이션 모델 2차 단계평가 참여 기업의 공개 모델이 허깅페이스에서 다운로드와 파생모델 생성을 통해 활용 범위를 넓히고 있으며, 기업별로 확산 양상에 차이가 나타남

 - SK텔레콤의 A.X K2는 최근 30일 기준 13만5,396회 다운로드를 기록해 가장 높은 다운로드 수를 나타냈으며, 업스테이지 Solar Open 2 250B는 3,110회, 모티프테크놀로지스 Motif-3는 2,843회, LG AI연구원 K-EXAONE 2.0 750B는 2,009회를 기록함

 - 공개된 모델을 다른 기업·개발자·연구자 등이 별도 활용한 파인튜닝·양자화 등 파생모델 수에서는 업스테이지가 가장 많았음
 ※ Solar Open 2(파인튜닝 3개, 양자화 15개 등 총 18개), Motif-3(양자화 파생모델 12개), A.X K2(파인튜닝·양자화 등 파생모델 4개), K-EXAONE 2.0(양자화 파생모델 3개)로 집계됨

 - 내년 초 공개될 3차 모델은 에이전틱·코딩 등 기능이 추가된 빅테크 상용 AI 모델과 유사한 기능이 탑재될 예정임

○ (오픈소스 기업) 래블업, 파이토치 재단 실버 멤버 합류

 - AI 인프라 소프트웨어 기업 래블업이 리눅스 재단 산하 파이토치 재단(PyTorch Foundation)의 실버 멤버로 합류
 ※ 파이토치 재단은 2022년 파이토치 프로젝트의 중립적 관리 주체로 출범했으며, 이후 AI 개발 전반을 지원하는 멀티 프로젝트 재단으로 확대되어 PyTorch를 비롯해 vLLM, DeepSpeed, Ray 등 AI 학습·추론·분산컴퓨팅 관련 오픈소스 프로젝트를 지원하고 있음
 ※ 래블업은 AI 인프라 플랫폼 Backend.AI를 기반으로 개인 개발환경부터 엔터프라이즈 데이터센터까지 AI 모델의 개발·학습·추론·서비스 운영에 필요한 컴퓨팅 환경을 제공하고 있으며, PyTorch 역시 Backend.AI에서 실행되는 주요 AI 워크로드 프레임워크 중 하나임

 - 이번 멤버십을 계기로 래블업은 AI 모델의 개발·학습·추론·배포를 지원해 온 인프라 운영 경험을 바탕으로 파이토치 재단 및 글로벌 오픈소스 AI 커뮤니티와의 협력을 확대할 계획임
 ※ 래블업은 2020년 리눅스 재단과 CNCF 실버 멤버십 참여를 시작으로, 2026년 파이썬 소프트웨어 재단 후원과 에이전틱 AI 파운데이션(AAIF) 실버 멤버 가입 등 글로벌 오픈소스 재단 활동을 지속하고 있음

○ (디지털 정부) 일본 디지털청, 정부 AI ‘源内(GenAI)’ OSS Ver.2.0 공개 계획 및 AI 에이전트 환경 도입 추진

 - 최근 일본 디지털청은 정부 직원의 생성형 AI 활용 환경인 ‘거버먼트 AI 源内’를 전 부처로 확대하는 한편, 정부가 직접 개발·운영한 AI 관련 자산을 공개해 지방자치단체와 민간까지 활용할 수 있는 AI 생태계 구축을 추진함

 - 지방자치단체와 정부기관의 AI 기반 중복 개발을 줄이고 특정 사업자·서비스에 대한 의존도를 낮추는 것을 주요 목적으로 제시
 ※ 일본 디지털청은 정부 직원의 생성형 AI 활용 환경인 ‘源内(GenAI)’의 일부를 2026년 4월 24일 지방자치단체·정부기관·민간기업이 이를 활용할 수 있도록 상업적 이용이 가능한 라이선스의 오픈소스로 공개했는데, 공개 대상에는 源内 Web 인터페이스 소스코드와 구축 절차, 행정실무용 RAG·LLM 셀프배포 등 일부 AI 앱 개발 템플릿과 구현 예시가 포함됨
 ※ 源内은 2026년 5월부터 전 부처를 대상으로 대규모 실증을 시작했으며, 5월 29일 기준 약 10만 명의 정부 직원이 이용가능했으며, 디지털청은 이후 이용 대상을 단계적으로 확대해 전 부처 약 18만 명의 정부 직원이 사용할 수 있는 환경을 구축하고 있음

 - 디지털청은 2026년 8월 25일 설명회를 개최하고, 9월 18일 공식 자료를 통해 2027년 2월경 ‘겐나이 OSS Ver.2.0’ 공개를 목표로 주요 공개 예정 자산을 제시함
 ※ AI 에이전트 이용환경과 코딩 AI 환경, 기반모델 실행환경, 이용실적 분석·시각화, 스킬 공유 구조 등을 OSS 자산으로 제공할 계획임

 - 특히 2026년 10월경에는 정부 직원이 자신의 업무에 맞는 AI 에이전트를 직접 구축·활용할 수 있는 환경을 源内에 도입할 예정이며, 행정 업무에 AI를 단순 추가하는 ‘업무+AI’가 아니라 AI 활용을 전제로 업무와 데이터를 재설계하는 ‘AI+업무’ 방식으로의 전환을 지향함
 ※ 공식 genai-web 저장소의 소프트웨어는 MIT License를 적용하며, AWS Prototyping Program으로 작성된 일부 Lambda·CDK 파일에는 Amazon Software License(ASL)가 별도로 적용되었고, 문서는 CC BY 4.0으로 공개됨

 - 이는 일본 정부의 생성형 AI 정책이 단순한 내부 업무 도구 도입을 넘어, 공공부문에서 개발한 AI 기반을 오픈소스로 개방하고 정부가 자체적으로 구축한 AI 활용 경험을 공통 자산화하여 민간·지자체가 재사용할 수 있도록 하는 생태계형 접근으로 확대되는 흐름으로 볼 수 있음