X-Agent, 세션 넘어 수일 작업 잇는 실행 구조 제시

AI 에이전트가 대화 세션을 넘어 수시간에서 수일 걸리는 작업을 이어가는 지속 실행 구조가 제시됐다. X-Agent는 작업 진행 상황을 저장하고 외부 이벤트를 기다린 뒤 중단된 작업을 복구하는 시스템 구상을 공개했다.

블록비트는 16일 X-Agent가 공개한 글 'Lessons from Muse: Exploring a Persistent Runtime for X-Agent'를 바탕으로 이 같은 내용을 전했다. 글은 AI 에이전트가 즉시 응답을 넘어 장기 작업을 수행하려면 어떤 실행 구조가 필요한지 탐색했다.

기존 대화형 AI는 사용자의 요청에 응답한 뒤 작업을 마치는 방식으로 설계된 경우가 많았다. 지속 실행형 에이전트는 사용자가 앱을 닫은 뒤에도 작업 상태를 보존하고, 다음 단계로 넘어갈 조건이 충족되면 작업을 다시 실행하는 구조를 요구한다.

X-Agent가 제시한 구조는 목표와 세부 작업, 실행 기록, 이벤트, 결과물을 시스템에 저장하는 방식이다. 작업이 어디까지 진행됐는지 기록하면 에이전트가 새 세션에서 이전 상태를 불러와 작업을 이어갈 수 있다.

이를 위해 복구 가능한 브라우저 환경과 MCP(Model Context Protocol), API를 함께 활용하는 방안이 제시됐다. MCP는 AI 모델이 외부 도구와 데이터에 접근할 수 있도록 연결하는 표준 규격이다. 에이전트는 웹 브라우저나 외부 서비스와 상호작용하며 단계별 작업을 수행할 수 있다.

지속 실행에는 보안 통제도 필요하다. X-Agent가 공개한 글은 에이전트의 지속 실행을 위해 모델 접근 권한 제한, 인증 정보 분리 보관, 작업 감사 기록이 필요하다고 제안했다. 위험도가 높은 작업은 사용자의 승인을 거친 뒤 실행하도록 설계하는 방안도 포함됐다.

X-Agent는 글에서 에이전트의 지속 실행을 위해 세션을 넘는 대화 기록과 작업 기록, 권한 경계, 도구 호출 기록이 필요하다고 설명했다. 에이전트가 메시지 발송, 보고서 수집, 외부 이벤트 대응 같은 작업을 수행할 수 있다는 구상도 제시했다.

이 같은 흐름은 AI 에이전트가 여러 세션에 걸쳐 목표와 근거를 유지하도록 돕는 장기 작업 관리 구조와도 맞닿아 있다. AI 에이전트의 역할이 콘텐츠 생성에서 실제 업무 수행으로 넓어지면서 작업 분할, 오류 복구, 결과 검증 기능의 중요성이 커지고 있다.

다만 이번 내용은 정식 기능 출시나 확정된 제품 로드맵이 아니라 아키텍처 탐색에 해당한다. X-Agent는 작업 완료율, 복구 성공률, 작업당 비용으로 지속 실행 구조의 성과를 측정하는 방안을 제시했지만 구체적인 적용 일정이나 상용화 계획은 공개하지 않았다.

X-Agent는 글 제목에서 언급한 Muse 사례를 바탕으로 세션을 넘는 작업 실행 구조의 필요성을 탐색했다. 구체적인 제품 기능이나 적용 일정은 제시하지 않았다.