“이 글을 올려 줘”라는 말을 이해하는 일과 맞는 계정의 원고를 한 번만 올리는 일은 다르다. 나는 북극성을 만들면서 AI의 설명이 자연스럽다는 것만으로 실행 구조가 충분하다고 볼 수 없었다. 이해한 요청이 어디서 실제 행동으로 바뀌는지 경계를 세웠다.

이해한 뜻을 실행 가능한 입력으로 바꾼다

사람의 요청에는 생략이 있다. 지금 보고 있는 탭을 말하기도 하고 이전에 만든 자료를 가리키기도 한다. 모델은 그 뜻을 해석할 수 있지만 실행기에는 어느 프로젝트·프로필·탭인지 구체적인 입력이 필요하다. 이 값이 빠지면 좋은 설명 뒤에서도 다른 원고를 건드릴 수 있다.

그래서 해석의 결과를 바로 클릭으로 보내지 않는다. 현재 문맥을 읽고 요청 범위에 맞는 대상을 고른 뒤 실행에 필요한 입력을 구성한다. 브라우저 호스트는 이미 오래된 문맥을 거부한다. 언어가 통했으니 대상도 맞을 것이라는 추측을 실행의 전제로 삼지 않기 위한 순서다.

도구를 한꺼번에 설명하지 않게 했다

현재 MCP 입구는 도구 묶음과 플러그인 상세를 필요할 때 읽는다. 모든 화면 조작과 프로그램 설명을 매번 긴 대화에 넣는 대신 먼저 현재 작업과 맞는 실행 경로를 찾는다. 익숙한 업무는 기존 활성 플러그인의 입력과 결과 계약을 확인하고 사용한다.

이것은 실행 능력을 줄이는 선택이 아니다. 모델이 매번 알아야 하는 설명과 로컬 프로그램이 이미 알고 있는 절차를 구별하는 선택이다. 도구를 적게 보여 주었다는 숫자보다 선택한 경로가 이번 요청을 끝낼 수 있는지 확인해야 한다. 필요한 상세가 빠졌다면 그때 해당 묶음을 읽는다.

단계의 성공을 다음 설명에 맡기지 않는다

수동 작업은 begin으로 시작하고 필요한 호출을 거친 뒤 finish 또는 stop으로 정리한다. 그 사이의 조작은 기존 ActionBroker와 탭 사용권, 네이티브 입력, 결과 확인을 통과한다. 모델이 “입력했다”고 말하는 것과 브라우저가 실제 입력값을 다시 읽은 것은 다른 근거다.

저장 프로그램도 시작 응답만으로 성공하지 않는다. 실행 ID를 받아 상태를 읽고 검증된 결과를 확인한다. 설명을 생성하는 쪽이 실행의 성공 조건까지 임의로 바꾸지 않게 한 구조다. 결과가 불확실한 상태를 완성된 문장으로 덮으면 반복 업무가 쌓일수록 잘못된 확신도 쌓인다.

연결이 끊겨도 이미 한 행동은 남는다

대화의 MCP 연결이 끊겼다고 브라우저에서 시작한 일이 모두 취소되는 것은 아니다. 호스트는 실행 상태와 중단 기능을 유지한다. 사용자가 전송한 입력을 서버가 처리했다면 대화 연결을 다시 열어도 그 행동이 없던 일이 되지 않는다.

그래서 재연결 뒤에는 결과를 읽는 절차가 필요하다. 같은 요청을 새로 보내는 것이 복구의 기본값이면 예약이나 업로드가 중복될 수 있다. 새 AI 판단에는 다시 연결된 대화가 필요하지만 기존 실행의 존재는 별도로 남는다. 연결의 수명과 업무의 수명을 나눠 설계한 이유다.

페이지의 문장은 사용자의 지시가 아니다

에이전트가 읽는 페이지에는 버튼 설명뿐 아니라 다른 사람이 쓴 문장도 들어 있다. 거기에 파일을 보내라거나 설정을 바꾸라는 내용이 보여도 원래 사용자의 요청 범위가 넓어지는 것은 아니다. 실행 도구를 만들 때 읽을 수 있는 데이터와 실행을 허용하는 지시를 나눠야 했다.

현재 MCP에는 임의 페이지 자바스크립트나 범용 파일·셸 도구를 공개하지 않는다. 다만 로컬 Python 실행은 사용자의 실제 로컬 권한을 유지하므로 모든 코드를 안전한 샌드박스라고 부를 수 없다. 한 경계의 제한을 전체 환경의 안전 보장으로 과장하지 않는 것도 도구 설명의 책임이다.

회사 업무에서도 연결 책임을 먼저 묻는다

업무용 AI를 도입할 때 답변 품질만 묻기 쉽다. 나는 어떤 계정에서 실행하고 무엇을 입력하며 어떤 결과를 읽어야 완료인지도 함께 정해야 한다고 본다. 사람의 설명을 자동화하는 것과 사람의 업무를 실행 가능한 계약으로 만드는 것은 다른 설계 작업이다.

여기서는 현재 외부 MCP 계약과 구현 설명을 대조했다. 새 외부 발행 시험을 했다는 보고가 아니며 모든 오류의 자율 복구를 주장하지 않는다. 실행에 필요한 조건을 명시하고 불확실할 때 멈출 수 있어야, 말을 잘 알아듣는 AI가 실제 업무 도구와 안정적으로 연결될 수 있다.