센타우르(Centaur): 팀 협업을 위한 멀티플레이어 AI 에이전트 런타임

이 구조 덕분에 팀원들은 동일한 대화에서 에이전트의 작업을 관찰하고 수정하거나 추가 지시를 내릴 수 있다. 결과적으로 에이전트는 단순한 챗봇이 아니라 업무 흐름 속에 들어온 가상 팀원처럼 동작한다.

또한 기업 내부의 데이터베이스, API, 대시보드 같은 시스템을 타입이 정의된 도구(typed tools) 형태로 노출해 에이전트가 직접 활용하도록 만들 수 있다.

Slack 중심 협업 인터페이스

Centaur는 Slack과 자연스럽게 통합되도록 설계됐다.

팀원은 Slack 메시지 스레드에서 에이전트를 호출하거나 작업을 요청할 수 있고, 에이전트는 같은 스레드 안에서 결과와 진행 상황을 공유한다.

기업에서 이미 널리 사용하는 협업 도구 위에 에이전트를 얹는 방식이기 때문에 새로운 UI를 배우지 않아도 되는 점이 특징이다.

장시간 실행되는 워크플로

많은 AI 도구는 단일 요청에 대한 빠른 응답에 집중한다. Centaur는 반대로 몇 시간 또는 며칠 동안 이어지는 작업을 처리하도록 설계됐다.

에이전트는 다음과 같은 기능을 지원한다.

• 장시간 실행되는 작업
• 시스템 재시작 이후에도 작업 복구
• 여러 단계와 여러 도구를 사용하는 자동화 워크플로

이러한 구조는 연구 분석, 데이터 수집, 대규모 자동화 작업처럼 지속적인 상태 관리가 필요한 업무에 적합하다.

PostgreSQL 기반 상태 저장

Centaur는 에이전트 실행 상태를 PostgreSQL 데이터베이스에 저장한다.

저장되는 정보에는 다음과 같은 요소가 포함된다.

• 사용자 요청
• 실행을 담당하는 런타임
• 실행 과정에서 발생한 이벤트와 스트리밍 결과
• 최종 결과와 종료 상태

이 기록 덕분에 시스템이 재시작되더라도 작업을 복구할 수 있고, 에이전트가 수행한 과정 전체를 추적하거나 감사할 수도 있다.

자격 증명 보안을 위한 설계

기업 환경에서 AI 에이전트를 사용할 때 가장 큰 문제 중 하나는 API 키나 인증 토큰 같은 민감한 자격 증명 관리다.

Centaur는 에이전트가 이러한 비밀 값을 직접 보지 못하도록 설계됐다. 대신 요청이 실행될 때 네트워크 계층에서 자격 증명을 주입하는 방식을 사용한다.

이 구조는 다음과 같은 위험을 줄이는 데 목적이 있다.

• 프롬프트 인젝션 공격
• 외부 콘텐츠에 포함된 악성 지시
• 민감한 정보 유출

또한 런타임을 격리하고 도구 접근을 제한해 에이전트가 잠재적으로 신뢰할 수 없는 코드나 데이터를 처리하더라도 피해를 최소화하도록 설계됐다.

Paradigm 내부 활용 사례

Paradigm은 Centaur를 공개하기 전부터 다양한 부서에서 실제로 사용했다.

회사에 따르면 다음과 같은 업무 영역에서 활용되고 있다.

• 투자 및 연구 분석
• 엔지니어링 작업
• 디자인 업무
• 채용 및 인재 관리
• 이벤트 운영
• 고객 지원

이처럼 동일한 에이전트 인프라가 여러 팀의 업무를 지원하면서 조직 전체의 자동화 기반 역할을 하고 있다는 설명이다.

도구와 워크플로 확장

기업은 Centaur에 자체 기능을 추가해 조직 맞춤형 에이전트를 만들 수 있다.

예를 들어 내부 서비스를 Python 기반 도구로 노출하거나, 조직 전용 워크플로·프롬프트·스킬을 포함한 확장 패키지를 추가할 수 있다.

이 방식은 매번 새로운 에이전트 시스템을 구축하지 않고도 공통 인프라 위에서 다양한 자동화를 확장할 수 있게 한다.

오픈소스 AI 에이전트 생태계에서의 위치

최근 AI 업계에서는 LangChain, AutoGPT, CrewAI 같은 다양한 에이전트 프레임워크가 등장하고 있다. Centaur는 이 흐름 속에서 기업 내부 운영을 위한 인프라 레이어에 초점을 맞춘 플랫폼이다.

특히 다음과 같은 운영 안정성을 강조한다.

• 지속적인 메모리와 상태 관리
• 안전한 자격 증명 처리
• 장시간 워크플로 실행
• 팀 협업 기반 에이전트 운영

Paradigm은 이를 AI 에이전트를 실제 업무 시스템에 통합하기 위한 공통 런타임으로 설명한다.

왜 이런 플랫폼이 등장하고 있을까

기업이 AI 에이전트를 실제 업무에 배치하기 시작하면서 단순한 챗봇 이상의 기능이 요구되고 있다. 실행 안정성, 보안, 상태 관리 같은 소프트웨어 인프라 수준의 문제가 중요해진 것이다.

Centaur 같은 플랫폼은 이러한 요구에 대응해 에이전트 실행, 데이터 저장, 인증 관리, 협업 인터페이스를 하나의 런타임으로 제공한다.

이 접근 방식은 컨테이너 시대에 Kubernetes가 등장했던 것과 비슷하게, 앞으로 AI 에이전트 운영을 위한 표준 인프라 계층이 형성될 가능성을 보여주는 사례로 평가된다.