China Unicom Security Operations Agent: 보안 경보 분류와 대응을 멀티 에이전트로 자동화한 통신사
China Unicom은 자산·취약점·경보·위협 인텔·사고 처리 도구를 하나로 묶고 총괄 Agent가 전문 Agent를 지휘하게 했습니다. 사례집 보고로 표준 사고 분류는 100% 자동화됐고 평균 해결시간은 60분에서 30초 미만이 됐습니다. 국내 제조 대기업 보안관제 조직이 옮길 8주 파일럿을 붙였습니다.
China Unicom은 보안 분석가가 다섯 갈래 도구를 오가며 손으로 맞춰 보던 일을, 총괄 Agent가 전문 Agent들을 지휘하는 한 바퀴의 흐름으로 바꿨습니다. 사례집 보고로 표준 사고 분류는 100% 자동이 됐고 평균 해결시간은 60분에서 30초 미만으로 줄었습니다. 이 구조를 옮기려면 모델을 고르기 전에 도구 연결, 실행 전 기계 검증, 그리고 자동으로 처리할 '표준 사고'의 범위부터 정해야 합니다.
요약
China Unicom(中国联通, 베이징)은 2026 Gartner Eye on Innovation Awards 통신서비스사업자(CSP) 부문에 『Security Operations Agent』를 제출했고 이 사례가 Greater China 사례집에 실렸습니다. 문제는 갈라진 도구였습니다. 자산, 취약점, 경보, 위협 인텔리전스, 사고 처리가 서로 다른 플랫폼에 있어 분석가는 화면을 바꿔 가며 같은 IP와 호스트를 손으로 대조했고 그 시간만큼 대응이 늦어졌습니다. China Unicom은 다섯 흐름을 closed loop(닫힌 고리: 경보에서 조치와 확인까지 한 흐름으로 도는 구조)로 잇는 자율 보안 Agent 플랫폼을 만들었습니다. 중심에는 LLM이 cognitive hub(인지 허브)로 있고 RAG(검색 증강 생성), planning(작업 계획), skills(검증된 작업 묶음), MCP(Model Context Protocol, 모델이 외부 도구를 표준 방식으로 부르는 규약)가 이를 받칩니다. master agent(총괄 Agent)가 전문 Agent들을 agent-to-agent 방식으로 조정하고 결과를 규칙과 샌드박스로 확인합니다.
사례집에 실린 기업 보고 실적은 다섯 가지입니다. 표준화된 보안 사고의 분류(triage)는 100% 자동으로 처리됩니다. 지능형 분류 정확도는 83%에서 95%로, 경보 잡음 제거율은 95%에서 99.9%로 올랐습니다. 평균 해결시간(MTTR)은 60분에서 30초 미만으로, 여러 출처를 엮는 분석과 보고서 작성은 60~120분에서 3~5분으로 줄었습니다. 사례집이 설명한 구조로 보면 시간이 준 자리는 사람이 하던 상관분석과 재확인입니다. 전문 Agent가 각 도구에서 맥락을 가져와 총괄 Agent가 합치고 조치 결과는 사람보다 먼저 규칙과 샌드박스가 확인합니다. 정확도와 잡음 제거율을 잰 방식, 측정 기간, 사용한 모델은 사례집에 나오지 않습니다. 아래에서는 구현 메커니즘 다섯 가지를 풀고 국내 제조 대기업 보안관제(SOC) 조직이 이 구조를 옮기는 방법을 붙였습니다.
핵심 메커니즘
Closed loop: 다섯 도구를 한 바퀴로 잇기
closed loop는 경보 한 건이 들어오면 관련 자산·취약점·인텔을 붙이고 판정과 조치와 확인까지 이어 가는 구조입니다. 입력은 경보 한 건(출발지·목적지 IP, 호스트명, 탐지 규칙)입니다. 처리 단계에서 자산 대장으로 담당 시스템과 중요도를 찾고 취약점 기록에서 그 호스트의 미조치 항목을, 위협 인텔에서 IP와 파일 해시의 평판을 붙입니다. 출력은 판정(오탐, 표준 사고, 고위험)과 다음 작업(차단, 패치 요청, 티켓)입니다. 조치 결과가 다시 자산·취약점 기록을 고치므로 다음 경보 판정은 더 최신 맥락으로 시작합니다.
이 구조는 도구가 셋 이상 갈라져 있고 IP, 호스트명, 계정 같은 공통 식별자로 묶을 수 있을 때 효과가 큽니다. 도구마다 식별자가 다르면 고리를 잇기 전에 식별자 매핑 표부터 만들어야 합니다. 사례집은 다섯 흐름을 closed loop로 이었다고 밝혔고 데이터를 잇는 방식의 세부는 적지 않았습니다. 작은 예시를 들면(가상 예시) 공장 MES 서버에서 외부 IP로 이상 접속 경보가 뜹니다. 자산 대장에서 생산 핵심 등급이 확인되고 패치 안 된 원격접속 취약점 1건과 그 IP의 악성 평판이 붙으면 고위험으로 판정해 격리 승인을 요청합니다.
LLM cognitive hub: 판단은 모델이, 조회와 조치는 도구가
cognitive hub는 LLM이 모든 일을 직접 하지 않고 상황 이해, 계획, 도구 선택만 맡는 구성입니다. RAG는 보안 정책, 과거 사고 기록, 대응 매뉴얼(playbook)을 찾아 판단 근거로 붙입니다. planning은 조사, 판정, 조치, 확인의 순서를 짭니다. skills는 ‘IP 평판 조회’나 ‘호스트 격리 요청’처럼 미리 검증해 둔 작업 단위이고 MCP는 보안 도구마다 다른 API를 같은 호출 방식으로 감싸는 연결 규약입니다. 모델은 데이터를 지어내지 않고 도구가 돌려준 값으로만 판정합니다.
보안 도구가 많고 자주 바뀌는 환경이면 도구를 MCP 서버로 감싸 두는 편이 낫습니다. 도구를 바꿔도 모델 쪽 흐름을 고치지 않아도 되기 때문입니다. 도구가 하나뿐이고 절차가 고정돼 있으면 기존 스크립트 자동화로도 충분합니다. 사례집은 핵심 기술로 AI, 사이버보안 기술, 자동화, reasoning model(단계를 따져 추론하는 모델)을 꼽았습니다. 어떤 모델을 썼는지는 밝히지 않았습니다.
Master agent와 전문 Agent: 일을 쪼개 맡기고 결과를 합치기
master agent는 경보를 받아 계획을 세우고 전문 Agent에 일을 나눠 보낸 뒤 결과를 합쳐 판정합니다. 전문 Agent는 자기 도구 하나만 다루고 정해진 형식으로 결과를 돌려 줍니다. 이렇게 나누면 권한도 나눌 수 있습니다. 조회 Agent는 읽기만, 대응 Agent만 차단과 격리 권한을 갖게 하면 모델이 잘못 판단해도 피해 범위가 줄어듭니다. 단계가 하나뿐인 작업이면 Agent 하나로 충분하고 나눌 이유가 없습니다.
사례집은 이 조정을 agent-to-agent coordination이라고 불렀습니다. A2A는 Google이 2025년에 공개한 Agent 간 통신 규약의 이름이기도 하지만 사례집 표현만으로는 China Unicom이 그 규약을 썼는지 알 수 없습니다. 아래 그림의 Agent 넷은 사례집의 다섯 업무 흐름을 기준으로 짠 가상 구성입니다.
Rules와 sandbox: 실행 전에 기계가 먼저 확인
검증 단계는 Agent가 낸 판정과 조치 명령을 실행 전에 규칙과 샌드박스로 걸러 냅니다. 규칙 검사는 넘으면 안 되는 선을 코드로 둔 것입니다. 예를 들어 생산 핵심 자산은 자동 격리하지 않고 내부 대역 IP는 차단 목록에 넣지 않습니다. 샌드박스는 의심 파일을 격리 환경에서 실행해 행위를 보거나, 조치 명령을 복제 환경에서 먼저 돌려 보는 데 씁니다. 통과하면 실행하고 실패하면 master agent에 되돌리거나 사람 분석가 큐로 넘깁니다.
사례집은 규칙과 샌드박스로 출력을 확인해 운영의 정확도를 지킨다고만 적었습니다. 위 규칙과 샌드박스 용도는 실제로 돌릴 때 필요한 것을 예로 든 것입니다. 사람이 모든 조치를 다시 본다면 MTTR 30초 미만은 나오기 어렵습니다. 표준 사고에서는 기계 검증이 사람 승인을 상당 부분 대신했다고 읽는 것이 자연스럽고 실제로 돌릴 때는 이 단계의 규칙 목록이 곧 자동화 범위가 됩니다.
Standardized incidents: 표준 사고부터 완전 자동으로
100% 자동화는 ‘표준화된 보안 사고’의 분류에 한정된 수치입니다. 유형과 대응 절차가 정해진 사고만 끝까지 자동으로 처리하고 범위 밖은 사람 분석가에게 넘기는 방식입니다. 지능형 분류 정확도 83%에서 95%는 별도 지표로 보고됐습니다. 두 숫자는 모집단이 다를 수 있으므로 ‘모든 사고가 자동’으로 읽으면 안 됩니다. 자동화 범위를 넓힐 때는 정확도가 안정된 유형부터 표준 사고 목록에 올리는 순서가 됩니다.
정확도 95%라는 말은 분류 20건 중 1건꼴로 틀릴 수 있다는 뜻이기도 합니다. 그래서 표준 사고 정의와 검증 단계가 같이 움직여야 합니다. 잡음 제거율 99.9%는 경보 잡음을 걸러 내는 비율입니다. 이것이 오탐 경보 가운데 자동 종결된 비율인지, 전체 경보 가운데 사람에게 가지 않은 비율인지는 사례집에 정의가 없습니다.
사례 재구성
Security Operations Agent (통신 · 베이징)
| 구분 | 내용 |
|---|---|
| 상황 | 자산·취약점·경보·위협 인텔·사고 플랫폼이 나뉘어 도구 전환과 수동 상관분석으로 위협 대응이 늦어짐 |
| 한 일 | 다섯 흐름을 closed loop로 잇는 자율 보안 Agent 플랫폼. LLM cognitive hub + RAG · planning · skills · MCP, master agent가 전문 Agent를 조정, 규칙·샌드박스로 출력 검증 |
| 결과 | 표준 사고 분류 100% 자동, 분류 정확도 83% → 95%, 잡음 제거율 95% → 99.9%, MTTR 60분 → 30초 미만, 다중 출처 분석·보고 60~120분 → 3~5분 (기업 보고 실적) |
| 연결 | closed loop, cognitive hub, master agent, 규칙·샌드박스 검증, 표준 사고 범위 |
공개 자료에서는 China Unicom의 보안 운영 제품군 『联通墨攻』(Unicom Mogong)이 확인됩니다. 언론 보도(C114, 2026년 9월 15일)에 따르면 China Unicom은 2026 파트너 대회에서 墨攻 3.0을 지능형 보안 운영 서비스 플랫폼으로 발표했습니다. 신뢰 기반, 지능형 공방, AI 자율 운영, 데이터 보안, AI 내생 보안의 다섯 역량을 묶었고 위협에 초 단위로 대응한다고 밝혔습니다. 같은 보도는 디지털 정부 보안운영센터 22곳, 국가급 주요 행사 보안 지원 50회 이상, 중앙 국유기업 20곳 이상과 정부 고객 50곳 이상, 중소기업 40만 곳 이상을 실적으로 적었습니다. 그보다 앞선 2026년 6월 MWC 상하이 관련 보도(중화망 전재)는 墨攻 3.0이 보안 ‘슈퍼 Agent’를 업계 처음으로 적용했고 사람의 반복 작업이 90% 줄었으며 국가급 보안 지원을 40회 넘게 마쳤다고 전했습니다. 두 보도의 보안 지원 횟수는 시점이 석 달 다르므로 각 보도 기준대로 적었습니다. 墨攻이 사례집의 Security Operations Agent와 같은 플랫폼인지, 사례집 수치가 어느 고객 환경에서 나왔는지는 공개 자료로 확인하지 못했습니다.
기술 디테일: 첫 프로토타입을 만들려면
closed loop를 이으려면 공통 사건 레코드부터 정합니다. 다섯 도구의 데이터를 한 레코드로 모아야 master agent와 전문 Agent가 같은 대상을 말합니다. 아래는 사건 하나를 담는 JSON 구조의 예시입니다. 판정에는 근거 문서 ID가 반드시 붙어야 하고 인텔 값에는 확인 시각을 남겨 오래된 평판으로 판정하지 않게 합니다.
{
"incident_id": "INC-2026-000123",
"alert_ids": ["AL-88812", "AL-88815"],
"entities": {"ip": ["10.2.3.4", "203.0.113.7"], "host": ["mes-app-02"], "account": ["svc_mes"]},
"asset": {"owner": "생산IT팀", "criticality": "핵심", "zone": "IT"},
"vulns": [{"id": "CVE-xxxx-xxxx", "status": "미조치", "severity": "높음"}],
"intel": {"ip_reputation": "악성", "source": "내부 TI", "checked_at": "2026-10-28T09:12:00+09:00"},
"verdict": {"label": "고위험", "standard_type": null, "confidence": 0.82, "rationale": "핵심 자산 + 미조치 취약점 + 악성 IP", "evidence_refs": ["KB-PLAY-017", "INC-2026-000045"]},
"action": {"type": "격리 요청", "target": "mes-app-02", "requires_human": true},
"validation": {"rule_pass": false, "rule_hit": "핵심 자산 자동 격리 금지", "sandbox": "해당 없음"}
}cognitive hub는 판정과 계획에 설정을 다르게 둡니다. 분류 판정은 temperature 0~0.2로 고정하고 위 스키마로 구조화 출력을 강제합니다. 계획 수립과 다중 출처 분석은 reasoning model에, 티켓 요약과 보고서 문장은 가볍고 빠른 모델에 맡기면 30초 안팎의 시간 예산을 지키기 쉽습니다. RAG 색인에는 대응 매뉴얼, 최근 12개월 사고 티켓과 종결 사유, 자산 등급 정책을 넣습니다. 검색 결과가 없거나 근거 ID를 붙이지 못한 판정은 자동 처리하지 않고 사람 큐로 보냅니다.
MCP 도구는 읽기와 쓰기를 다른 서버로 나눕니다. 읽기 도구(자산 조회, 취약점 조회, 인텔 평판, 과거 사고 검색)는 전문 조회 Agent에 열고 쓰기 도구(차단, 격리, 계정 잠금, 티켓 생성·종결)는 대응 Agent에만 엽니다. 쓰기 호출은 검증 단계를 통과했다는 표식이 있을 때만 받게 만듭니다. 도구 호출마다 시간 제한(예: 5초)과 재시도 1회를 두고 실패하면 그 사실을 레코드에 남긴 채 사람 큐로 넘깁니다.
master agent의 위임은 작업 하나에 결과 하나로 묶습니다. 전문 Agent에 보내는 작업은 ‘이 호스트의 미조치 취약점 목록’처럼 하나의 질문이어야 결과를 검증하기 쉽습니다. 사건 하나당 위임은 최대 8~12단계로 제한하고 넘으면 표준 사고가 아니라고 보고 사람에게 넘깁니다. 독립적인 조회(자산·취약점·인텔)는 동시에 보내야 시간이 줄어듭니다.
검증은 규칙, 샌드박스, 반복 판정 세 겹으로 둡니다. 규칙은 금지선 목록(핵심 자산 자동 격리 금지, 내부 대역 차단 금지, 업무시간 중 생산망 계정 잠금 금지 등)을 코드로 관리하고 변경 이력을 남깁니다. 샌드박스는 의심 파일 실행 관찰과 조치 명령 사전 실행에 씁니다. 표준 사고 판정은 같은 입력으로 3회 판정해 라벨이 하나라도 다르면 자동 처리하지 않습니다. 모델 편차를 판정 단계에서 걸러 내는 장치입니다.
성과 지표는 도입 전에 정의를 고정합니다. 분류 정확도는 매주 무작위 표본(예: 300건)에 분석가가 정답 라벨을 달아 Agent 판정과 맞춰 봅니다. 잡음 제거율은 분모(전체 경보인지 오탐 경보인지)를 먼저 정해야 합니다. MTTR은 경보 생성 시각부터 조치 확인 완료 시각까지로 잽니다. 제거율 95%와 99.9%의 차이를 건수로 바꾸면 차이가 잘 보입니다. 잡음 경보 1만 건을 기준으로 산술 환산하면 사람에게 남는 건수가 500건에서 10건으로 줄어듭니다.
실패하는 경우를 미리 정해 둡니다. 도구 응답이 없을 때, 인텔 확인 시각이 7일을 넘었을 때, 근거 ID 없이 판정이 나왔을 때, 3회 판정이 엇갈렸을 때, 규칙에 걸렸을 때는 모두 자동 처리를 멈추고 사람 큐로 보냅니다. 사람 분석가가 바로잡은 판정은 RAG 색인과 표준 사고 목록 개정에 다시 씁니다.
현업 실행 디테일: 누가, 언제, 무엇을
국내 제조 대기업이라면 그룹 보안관제센터(SOC)나 계열사 보안팀이 이 과제의 주인입니다. 아래는 8주 파일럿을 가정한 역할과 일정입니다(가상 예시).
| 역할 | 담당 | 하는 일 |
|---|---|---|
| 스폰서 | CISO | 자동화 범위와 금지선 승인, 주간 판정 회의 주재 |
| 과제 리더 | SOC 운영 리더 | 표준 사고 목록 확정, 기준선 측정, 진행 판정 |
| 분석가 | Tier 1 · 2 분석가 2~3명 | 정답 라벨, 그림자 운영 비교, 오판 사례 기록 |
| 도구 연동 | 보안 엔지니어 1~2명 | 자산·취약점·경보·인텔·티켓 도구를 MCP로 감싸기 |
| AI 엔지니어 | AX 조직 1~2명 | Agent 구성, 스키마, RAG 색인, 반복 판정 |
| OT 보안 | 공장 보안 담당 | 생산망 자산 등급과 금지선 정의(OT는 읽기 전용) |
시작 전 준비물. 최근 3개월 경보와 사고 티켓 원장, 자산 대장과 중요도 등급, 취약점 스캔 결과, 쓰고 있는 위협 인텔 출처 목록, 대응 매뉴얼, 도구별 API 문서와 권한 계정이 필요합니다. 기준선으로 쓸 현재 MTTR, 분석가 1인당 일 처리 건수, 보고서 작성 시간을 먼저 잽니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 기준선 측정, 표준 사고 후보 5~8개 유형 선정(피싱 메일, 알려진 악성코드 탐지, 계정 잠금 반복 등) | 기준선 보고, 표준 사고 정의서 |
| 2~4주 | 읽기 도구부터 MCP 연동, 이어서 티켓 생성 등 쓰기 도구 1~2개 | 도구 목록과 권한표 |
| 3~5주 | master agent와 전문 Agent 구성, 스키마 고정, 금지선 규칙 작성 | 작동 프로토타입, 규칙 목록 |
| 5~6주 | 그림자 운영: Agent는 판정만, 실행은 사람. 매주 300건 표본 대조 | 주간 정확도 보고, 오판 사례집 |
| 7~8주 | 정확도 기준을 넘은 유형만 부분 자동 실행, 진행 판정 | 확대 여부 결정 문서 |
분석가 인터뷰 질문. 하루 경보 중 손으로 대조하는 데 가장 오래 걸리는 유형은 무엇인가? 그 판정에 매번 여는 화면은 몇 개인가? 이유를 한 줄로 쓸 수 있을 만큼 절차가 정해진 사고는 무엇인가? 자동 격리를 절대 허용하면 안 되는 자산은 어디인가? 보고서에 매번 붙이는 표와 수치는 무엇인가?
진행 판정 기준(가상 예시). 그림자 운영 2주 동안 표준 사고 유형별 분류 정확도가 90% 이상이고 금지선 위반 조치 제안이 실행 전에 100% 걸러졌으며 해당 유형의 MTTR이 기준선의 절반 이하이면 그 유형만 자동 실행으로 넘깁니다. 하나라도 못 미치면 그 유형은 사람 승인 단계를 유지하고 다음 주기에 다시 봅니다.
AX 적용 제언. 국내 제조 대기업이라면 이 사례를 보안 과제 하나로만 보지 않는 편이 좋습니다. 먼저 IT 영역의 표준 사고(피싱, 알려진 악성코드, 계정 이상)로 시작해 정확도와 금지선 운영을 익히고 공장 OT 망은 읽기 전용 조회와 보고 자동화에 묶어 둡니다. 다중 출처 보고가 60~120분에서 3~5분으로 줄었다는 결과는 경영 보고 쪽에서 가장 빨리 체감되는 효과이므로, 주간 보안 보고 자동화를 첫 산출물로 두는 편이 스폰서를 설득하기 쉽습니다. 같은 구조(총괄 Agent, 도구별 전문 Agent, 실행 전 규칙 검증)는 설비 경보, 품질 이상, 공급망 차질 경보처럼 여러 시스템을 사람이 대조하던 다른 업무에도 그대로 옮길 수 있습니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 회사 | China Unicom (통신, 중국 베이징) |
| 출처 | Gartner 2026 Eye on Innovation Awards for Communications Service Providers 제출 사례, Greater China 사례집 슬라이드 33 |
| 사례명 | Security Operations Agent |
| 문제 | 자산·취약점·경보·위협 인텔·사고 플랫폼 분절, 도구 전환과 수동 상관분석으로 대응 지연 |
| 구현 | closed loop 자율 보안 Agent 플랫폼, LLM cognitive hub, RAG · planning · skills · MCP, master agent의 전문 Agent 조정, 규칙·샌드박스 검증 |
| 핵심 기술 | AI, Cybersecurity Technologies, Automation, Reasoning Models |
| 성과(기업 보고 실적) | 표준 사고 분류 100% 자동 · 분류 정확도 83% → 95% · 잡음 제거율 95% → 99.9% · MTTR 60분 → 30초 미만 · 다중 출처 분석·보고 60~120분 → 3~5분 |
| 공개 자료 | 联通墨攻 3.0 발표(2026년 9월, 파트너 대회): 보안운영센터 22곳, 국가급 보안 지원 50회 이상 등 / MWC 상하이(2026년 6월) 보도: 반복 작업 90% 감소, 국가급 보안 지원 40회 이상 |
| 수상 여부 | 공개 자료로 확인 못 함(Gartner 통신 부문 페이지는 2026년 말 발표 예정으로 안내) |
핵심 개념
- MTTR (mean time to resolution)
- 경보나 사고가 생긴 뒤 해결 확인까지 걸린 시간의 평균. 시작과 끝 시각을 어떻게 잡느냐에 따라 값이 크게 달라집니다.
- triage
- 들어온 경보와 사고를 오탐, 표준 사고, 고위험 등으로 나눠 누가 어떻게 다룰지 정하는 첫 분류.
- alert noise reduction
- 실제 위협이 아닌 경보가 분석가에게 닿지 않게 걸러 내는 일. 분모를 무엇으로 잡는지 먼저 정해야 비교할 수 있습니다.
- threat intelligence
- 악성 IP, 파일 해시, 공격 기법 같은 외부·내부 위협 정보. 확인 시각이 오래되면 판정을 흐립니다.
- SOC (security operations center)
- 보안 경보를 받아 분석하고 대응하는 관제 조직과 그 운영 체계.
- playbook
- 사고 유형별로 정해 둔 대응 절차. RAG가 판정 근거로 찾아 붙이는 핵심 문서입니다.
- 그림자 운영 (shadow mode)
- AI가 판정만 내고 실제 조치는 사람이 하면서 두 결과를 비교하는 기간.
내 메모
TODO: 내 생각 추가
근거: 사용자가 제공한 Gartner 2026 Eye on Innovation Awards Greater China 사례 자료(China Unicom, 『Security Operations Agent』, 슬라이드 33)와 확인한 공개 자료입니다. 공개 자료: C114 『联通墨攻3.0焕新发布』(2026-09-15, https://m.c114.com.cn/w241-1317649.html), 新浪 전재본(https://news.sina.cn/sx/2026-09-15/detail-inirxats8563749.d.html), 凤凰网科技 파트너 대회 보도(2026-09-14, https://tech.ifeng.com/c/8wPd12owg7w), 중화망 MWC 상하이 보도(2026-06-25, https://m.tech.china.com/redian/2026/0625/062026_1901803.html), 新华网 2026 중국 인터넷 대회 보도(2026-07-09, https://www.news.cn/info/20260709/817b572c5f87432ebc96985fe87f58da/c.html), Gartner 통신 부문 시상 페이지. 墨攻과 사례집 플랫폼이 같은 것인지는 확인하지 못했습니다. 요약·메커니즘·사례는 자료의 사실을 AX Review가 다시 정리했고 MCP·A2A 설명은 일반 공개 사양 기준의 개념 설명입니다. 기술·현업 디테일, 가상 예시, 인포그래픽, 표는 새로 작성했습니다.