MCP 표준 확산과 TEE 기반 FP8 모델 배포를 통한 Enterprise AI 보안 체계 구축

Context

기존 Coding Agent의 단일 Repo 분석 한계와 대규모 코드베이스 보안 취약점 스캔의 병목 현상이 존재함. 또한 Enterprise 환경에서 Open-weight 모델 도입 시 가중치와 프롬프트 유출에 따른 신뢰 격차가 상용화의 제약 사항으로 작용함.

Technical Solution

• Agent를 Worker Pool로 취급하여 수평 확장하는 deepsec 아키텍처 설계를 통한 1,000개 이상의 Concurrent Sandbox 처리 구조 구현
• Trusted Execution Environment(TEE) 내 GLM-5.1 모델 배포를 통한 호스트 OS 및 클라우드 제공자로부터의 데이터 암호화 및 격리
• FP8 정밀도 적용 및 Huawei Ascend 910B 칩셋 최적화를 통한 Non-Nvidia 하드웨어 기반의 Frontier-tier 모델 구동
• Model Context Protocol(MCP)을 기본 통합 인터페이스로 채택하여 기존 Traceability Information Model과 권한 체계를 유지하는 Spec Driven Development 환경 구축
• Stateless Transport 도입을 통한 MCP 서버의 수평 확장성 확보 및 .well-known URL 기반의 서버 Discovery 메커니즘 적용

Impact

• GLM-5.1 모델의 SWE-Bench Pro 58.4% 달성 및 8시간 이상의 Autonomous Task Execution 지속 능력 확보
• Frontier Cyber-offence 역량이 4개월마다 2배씩 증가하는 위협 환경에서 32단계 End-to-End 사이버 공격 범위 탐지 가능

Key Takeaway

AI Agent의 실무 적용을 위해서는 단순 채팅 인터페이스를 넘어 MCP와 같은 표준 프로토콜을 통한 데이터 파이프라인 구축과 TEE 기반의 하드웨어 수준 보안 보장이 필수적임.