Model Context Protocol (MCP) represents the internet’s attempt to give LLMs their own native interface. Imagine every website or web service transforming into a set of “tools” an AI can use directly to get work done. For instance, a Gmail MCP might offer tools like “send mail” or “read inbox,” allowing an LLM to compose and manage emails without a human intermediary. The promise is profound: AI agents capable of automating complex, multi-step tasks across various applications.

Ratray illustrates this with a common, yet surprisingly convoluted, business scenario. “Let’s say Dan walks into my store and buys a pair of stripey socks,” he begins. “The next day, something’s wrong, and I tell my team, ‘Hey, can we refund Dan for those stripey socks and send him a discount code with a thank you note?’”

For a human operator, this seemingly simple task involves a laborious dance across multiple applications: logging into an internal admin, searching a Stripe dashboard for transactions, finding Dan, identifying the specific product, initiating a refund, creating a discount code, and then switching to another SaaS app to send an email. Each step involves multiple clicks, scrolls, and loading screens – a process that could easily rack up 15 different interactions across five different apps.

The vision of Agentic AI, powered by MCP, is to type that same request into an LLM and have it execute the entire sequence autonomously. “That’s the big vision of MCP,” Ratray emphasizes. “To take that prompt and just have the AI go off and do that.”

However, the reality of current MCP implementations falls short. Ratray admits, “it’s not working so great.” The core problem lies in the sheer volume of information and the way LLMs process it. To truly empower an AI agent to do anything a human operator could, you’d need to expose every single function of every single API and dashboard – hundreds of endpoints for a service like Stripe alone, let alone multiple integrated SaaS tools.

This leads to several critical challenges:

• Context Window Limits: Describing every possible tool, its parameters, and documentation to an LLM quickly consumes its entire “context budget”—hundreds of thousands of tokens. This is not only expensive but also confusing for the model.
• Model Ergonomics: Designing tools that an LLM can understand and use effectively is a “new research problem.” Humans can learn Python SDKs; LLMs struggle to “think” like a developer, often requiring handcrafted, specialized tools.
• Chained Actions: LLMs have difficulty with sustained, repeated chains of actions, especially when dealing with large datasets (e.g., paginating through thousands of transactions to find a specific one).
• Security and Permissions: Exposing a vast array of tools to an AI agent raises significant security concerns. “You don’t want the AI to color outside the lines,” Ratray warns, envisioning scenarios where an AI might accidentally (or maliciously) refund all customers or transfer funds to its own account.

Current solutions often involve drastically limiting the number of tools exposed or using “dynamic mode,” where the LLM has only three tools: list endpoints, get endpoint details, and execute endpoint. While this helps with context, it increases the number of turns the model needs to perform a single action, making it slower and more expensive.

Despite these challenges, Ratray and his team at Stainless are actively leveraging MCP for internal operations. “I use MCP to actually, funnily enough, not so much on the coding side, but I use it on the business side,” he shares.

Stainless employs MCP servers for Notion, HubSpot, Gong, and even a read-only copy of their own PostgreSQL database. Ratray can prompt an LLM, “Hey, what are the interesting customers that signed up for Stainless last week?” The AI then cross-references data from the database, HubSpot, Notion notes, and even Gong call transcripts to provide a comprehensive answer.

Beyond generating business reports, Stainless is experimenting with AI for knowledge management and even bug fixing. Ratray has a “master company Git knowledge repository” where he instructs Claude Code to store interesting customer quotes and their citations, SQL queries, and other valuable insights. This allows the AI to “cache” information, avoiding repetitive searches and quickly retrieving relevant data for future queries or board preparations.

“That’s [expletive] so cool,” the interviewer exclaims, highlighting the transformative potential of such systems. While still experimental for tasks like bug fixing, the promise of AI-powered efficiency is clear.

Looking ahead, Ratray has a bold vision for how AI will truly integrate with the internet, a future he provocatively calls “cyborgs.” This doesn’t mean literal human-robot hybrids, but rather AI agents that are “part GPT neural net LLM, part AI, and part code.” The “code” refers to traditional CPU-based software, not just GPU-driven neural networks.

Ratray envisions a future where LLMs don’t just pick from a vast menu of pre-defined tools, but instead write the code themselves. He proposes a model where, instead of a “bajillion tools,” the LLM has just two:

1. Execute Code: The LLM is given a text box to write TypeScript (or another language) using an API’s SDK. For example, it could write Stripe.transactions.list() or Stripe.refunds.create().
2. Search Docs: A tool to query documentation and ask questions about the API.

This approach offers several compelling advantages:

• Massive Context Reduction: Instead of loading hundreds of thousands of tokens for tool definitions, the initial context window is minimal—perhaps a thousand tokens or less.
• Efficient Execution: The AI writes the code, which is then executed by the API provider’s server. This runs at CPU speed, eliminating the slow round trips to the LLM for every action. An AI agent could write complex loops to find a specific transaction, only returning a concise summary of its findings.
• Type Safety and Error Handling: A crucial benefit of code execution is the ability to incorporate type checking. If an LLM hallucinates an API call (e.g., stripe.transactions.list, which doesn’t exist), the code execution tool can immediately identify the error, suggest correct alternatives (like paymentIntents or orders), and provide relevant documentation. This “sub-agent” is well-trained and unburdened by the broader conversation’s context.

“LLMs are really good at writing code,” Ratray asserts. The main hurdle today is their difficulty working with specific library versions and avoiding hallucinations when dealing with raw HTTP APIs without the guardrails of a typed SDK. By having the API provider execute the code, these issues can be managed within a controlled environment.

The “cyborg” vision also offers a clearer path for security. Ratray argues that security should ultimately reside at the API layer itself, not by attempting to limit what’s exposed through MCP. “Right now you see people trying to implement security by sort of limiting what’s exposed through MCP, and that kind of makes sense, but at the end of the day, you could do anything that’s in the API under the hood, right?” he points out.

The solution, he believes, lies in robust authentication protocols like OAuth with granular, properly scoped permissions. This ensures that even if an AI agent generates code, its actions are constrained by the permissions granted at the API level, preventing unintended or unauthorized operations.

The journey to a truly intelligent, internet-fluent AI is complex, fraught with technical and security challenges. But pioneers like Alex Ratray and companies like Stainless are charting a course. By moving beyond simplistic tool definitions to an architecture where AI can dynamically write and execute code, we may soon unlock a future where AI agents seamlessly navigate and operate the digital world, transforming productivity and automation in ways we are only just beginning to imagine.

At the core of Google’s I/O announcements was the unveiling of the Gemini 3.5 family of models, prominently featuring Gemini 3.5 Flash. Claraveville immediately highlighted its significance: “their fastest, smartest coding model.” What truly sets Flash apart, according to Google’s benchmarks, is its dual prowess. It not only “rivals the intelligence of some of our favorite coding models” like Opus and GPT-4 but is also “four times as fast.” This combination promises a “super smart model… at the speed of something much more like their 3.1 flash model.”

The emphasis on agentic capabilities was unmistakable. Google is betting big on AI agents, and Gemini 3.5 Flash is designed to be their engine. Claraveville noted that while some of these agentic features might feel like Google playing “catch-up” to competitors like Anthropic and OpenAI, they come with two distinct advantages: the sheer speed of the Flash models and a pronounced “creative consumer bent.”

Beyond coding, Gemini’s multimodal strength continues to be a standout. Claraveville has consistently championed Gemini for its ability to handle diverse data types: “I have always told people if you are working with files, videos, any sort of transformative work where you have to go from one modality… Gemini models are really, really good at handling files. I love it for handling videos.” The benchmarks presented at I/O seemed to confirm this, with Gemini 3.5 Flash reportedly exceeding its peers in multimodal and agentic capabilities, all while being incredibly fast.

For developers, Google introduced updates to its agentic IDE, Anti-gravity, now in version 2.0, and the Anti-gravity CLI. Claraveville observed that many of these features felt familiar, clearly positioning Google in a competitive space with tools like CodeX. Anti-gravity 2.0 brings “projects” (folder-constrained workspaces) and “scheduled tasks” – a UI reminiscent of existing agentic coding apps.

However, Anti-gravity also introduced some intriguing new capabilities. The core agent features now include sub-agents, allowing the main agent to delegate specific tasks, with the browser sub-agent being a particularly popular use case. “Hooks” allow developers to tap into various lifecycle events of their agent, offering on-demand customization. Claraveville was particularly keen on the new “slash commands,” especially /goal, which enables an agent to pursue a long-running task until a defined objective is met.

But the real curiosity lay with /grill me. This command promises a more “aggressive” clarification process, where the agent will “ask clarification questions back and really get to the heart of what your requirements are.” Claraveville mused, “Now the question is, is this actually as hardcore as the slash command communicates or is this just a cute way to differentiate against the question and answer tool? We’ll see.”

Putting Anti-gravity to the test, Claraveville attempted to convert a blog generator UI into an API for an AI agent. While the outcome was successful – generating a programmatic API endpoint with authentication and visual workflow triggers – the speed didn’t quite match the “Flash” hype in this specific instance. “I’m not noticing it is particularly faster… it doesn’t feel that much faster to me,” she noted, concluding that while it was “very nice, fast, kind of what I would expect from a coding agent,” it still felt like “playing catch-up.”

Beyond the IDE, Google AI Studio received updates, leveraging Gemini 3.5 Flash for low-code/no-code app development. The most significant announcement here was the ability to build apps “connected to your Google Workspace apps” – reading Sheets, drafting Gmails, organizing Drive, and managing calendars. This is Google’s strategic move to “own that experience themselves,” carving off internal enterprise and personal assistant use cases. The studio also now supports creating Android apps.

However, Claraveville’s attempt to build a simple calendar management app for her kids’ sporting events quickly hit a wall. Despite being a paying customer, the promised Workspace integration was nowhere to be found. “It didn’t do anything magical,” she reported, highlighting a recurring frustration: “they’ve announced a bunch of stuff and then at the very, very bottom they’re like it’s available to some subset of people or it’s available but later this summer.”

Before diving deeper into consumer-facing AI, Claraveville paused to voice a significant critique: Google’s product naming strategy. “I cannot keep the product and brand name straight,” she lamented, listing the myriad of names already encountered: Gemini 3.5 Flash, Anti-gravity, Google AI Studio, and now “Gemini, Google AI, the consumerish AI product.” Her plea to the Google team was clear: “a comprehensive brand analysis and singular brand that I can work with.”

The consumer-facing Gemini AI product received a redesign, dubbed “something ridiculous” by Claraveville but intended to “make you feel good” with its “glow” and inspiring prompts. More substantially, Gemini now integrates Nano Banana, an acclaimed image generation model, with a focus on templates to inspire users. Claraveville put it to the test, asking it to “upscale and beautify the image of this podcast host, change the background to a professional podcasting studio.” The result was a mix of the promising and the peculiar: “This is not my face. This is horrifying in every way possible.” Yet, she noted improvements in text generation and photorealism (even if not face-realism), all generated “pretty fast.”

The real excitement in the creative space revolved around Omni, Google’s new video generation model, positioned as “Nano Banana for video.” Omni promises “longer, more consistent, more photorealistic videos using AI,” capable of leveraging “reference materials.” Claraveville emphasized Gemini’s strong multimodal capabilities, noting that Omni allows users to “create video from anything” and “ground Gemini in real-world knowledge.” Key features include conversational video editing (e.g., changing a structure into bubbles), descriptive video editing, and the ability to refine videos while maintaining character consistency – a crucial advancement for production-level video.

Claraveville demonstrated Omni’s power by animating a drawing her child made: “Animate this superhero breaking a kid out of class to go have fun.” The result was a delightful success, a 10-second video that her “kid is really going to like,” significantly longer than previous models like Sora.

For more prescriptive video editing, Google introduced Flow, a tool embedding Omni with a focus on “cinematic quality production.” Flow allows users to blend multimodal references, edit conversationally, and even define characters (e.g., “Captain Escapo School”) for consistent use across videos. Most intriguingly, Flow promised the ability to create an AI avatar of oneself. Claraveville eagerly attempted this, scanning a QR code, reading numbers aloud, and turning her head for the camera: “Please don’t steal my identity!” she quipped. The outcome? Another I/O disappointment. “No. No sir, I couldn’t… it didn’t even create the avatar.” This led to a stark conclusion: “The promise is really good for some of these things, but the reality is if you’re not able to use them or they’re broken on the day… people are going to lose patience for some of this.”

The product naming confusion continued with Pamelli, Google’s brand and marketing content generator, and Stitch, their design tool. Pamelli introduced an agent that can create a “core brand identity from a website,” including brand books, campaign assets, and photoshoots – a feature reminiscent of Claude Design. Claraveville highlighted Google’s underlying design.md standard, which allows product designs to be encoded in markdown for AI agents. Her own website, chatprd.ai, was used to demonstrate Pamelli’s ability to generate a brand book, which later yielded “definitely my brand colors. This is my tagline. And now I can create… a new website.” Her final assessment of the generated website: “it’s fine.”

Stitch, described as an “in-browser Figma,” showcased features like streaming into a design canvas, starting with existing designs, and inline AI edits. Claraveville noted, “This is where I think I feel the speed of the Flash models is actually in design and this sort of experience versus the coding experience.” She demonstrated Stitch by asking it to design an app in the style of the Google I/O site, showcasing the streaming design process. Her observation on AI design tools was candid: “Every AI tool ships their own version of slop. Google’s slop looks like Google.”

Google I/O 2026 presented a comprehensive vision of an AI-powered future, driven by the speed of Gemini 3.5 Flash and the ambition of agentic AI. From developer tools like Anti-gravity and Google AI Studio to creative powerhouses like Omni and Flow, and specialized design/marketing tools like Pamelli and Stitch, Google’s portfolio is undeniably expansive.

Claraveville’s journey through these announcements was a microcosm of the current state of AI: breathtaking potential mixed with frustrating limitations. While the video generation capabilities of Omni and the speed felt by designers using Stitch were genuinely exciting, the struggles with accessing promised features, the broken avatar creation, and the pervasive product naming confusion painted a picture of a revolution still very much under construction.

Ultimately, Claraveville’s key takeaways were clear: “The video piece is the part that I’m most excited about. probably second is just the speed of coding that comes from these Flash models.” Yet, she concluded with a tempered optimism: “there are some sharp edges, some things that definitely need to be improved and some things that actually need to be released.” Google I/O 2026 offered a tantalizing glimpse into a more intelligent, agentic, and creative future – one that, with a bit more polish and accessibility, might just live up to its ambitious promise.

To understand the genesis of this controversial fund, one must rewind to President Trump’s first run for office in 2016. Breaking with decades of presidential tradition, Trump famously refused to release his tax returns, a decision that became a recurring point of contention throughout his presidency.

The mystery surrounding Trump’s finances deepened in 2020 when The New York Times published a series of bombshell stories based on leaked tax returns, revealing that for many years, Trump had paid little to no federal income taxes. This was followed by ProPublica, another news organization, releasing detailed tax strategies of some of the world’s wealthiest individuals, including Jeff Bezos and Elon Musk.

It soon became clear that the source of this highly sensitive financial information was an internal IRS leaker. In the fall of 2023, Charles Littlejohn, a former IRS contractor, was caught. He pleaded guilty to providing this information to the Times and ProPublica and was subsequently sentenced to prison in early 2024. Leaking someone’s tax information is a federal crime, and civil lawsuits against the IRS are permitted for individuals whose tax data has been improperly released.

It was under this premise that President Trump, his two sons, and the Trump Organization filed a lawsuit in January, demanding at least $10 million from the IRS. Their argument: the IRS should have prevented Littlejohn from accessing and leaking their information.

What made this lawsuit uniquely problematic was not just the claim, but the plaintiff himself. As President, Donald Trump controlled the very agencies he was suing. He appointed the leadership of the IRS and the Treasury Department, both named in the suit. Furthermore, the Justice Department (DOJ), tasked with defending the IRS, had been significantly reshaped under his influence. Adding another layer of complexity, the acting Attorney General, Todd Blanche, was also President Trump’s personal lawyer before returning to the White House.

This created an unprecedented web of conflicts. The President, as a private citizen, hired private lawyers to sue the government. Simultaneously, as the head of the executive branch, he effectively controlled the government lawyers who were supposed to defend against that very suit. As one commentator aptly put it, “You almost need a whiteboard to like map out all of these conflicts.” Donald Trump, in essence, sat atop both parties in the lawsuit, raising profound questions about the legitimacy of any potential outcome.

The inherent conflict did not go unnoticed by the judiciary. The presiding judge began to express serious concerns, questioning whether a genuine legal conflict even existed. Under legal principles, both sides in a lawsuit must be genuinely adversarial; one cannot sue oneself or a friend to manufacture a favorable ruling. The judge indicated she was considering dismissing the case outright, viewing it potentially as a “charade” filed under false pretenses. She ordered both the Justice Department and Trump’s private lawyers to submit briefs explaining why the lawsuit should be allowed to proceed.

Facing a potentially embarrassing and unfavorable ruling, the administration reportedly worked “feverishly” to avoid this scenario. The outcome was a dramatic pivot: President Trump would drop his lawsuit entirely. In exchange, the Justice Department would create an “unprecedented gigantic pot of taxpayer money” to compensate “victims of weaponization.”

The fund, totaling $1,776,000,000 – a figure many observers note is no coincidence, referencing the year of America’s founding – will be drawn from the Judgment Fund, a standing account the Justice Department uses to settle legal claims against the United States. This sum, however, is far larger than typical withdrawals.

The money will be deposited into a separate account controlled by five individuals appointed by the Attorney General. These appointees will then consider claims from people who assert they have been victimized by the federal government.

While the Justice Department’s official language refers to “victims of weaponization and lawfare,” the practical interpretation of this definition has sparked intense alarm. Among the primary groups expressing excitement about the fund are individuals convicted for their roles in the January 6th, 2021, Capitol insurrection – many of whom President Trump had previously pardoned. Others include Trump supporters and political allies who claim they were improperly investigated by the Justice Department or FBI under previous administrations simply for their political leanings.

The possibility that “somebody who stormed the Capitol on January 6th could get paid by the government would be shocking, to put it mildly,” noted one observer. Indeed, the scenario of convicted criminals receiving taxpayer money from a government they attacked has fueled much of the public outrage. It remains unclear whether payments would be limited to covering legal fees or if individuals could “profit from the experience overall.”

Crucially, many details about the fund remain shrouded in secrecy. The exact criteria for evaluating claims, the precise definition of “weaponization,” and how payment amounts will be determined are largely unknown. The identities of the five individuals who will control this enormous sum and make these critical decisions have also not been disclosed. This lack of transparency has led to concerns that the entire operation “might be very hidden from public view,” allowing for discretionary payouts with little public accountability.

The creation of the fund immediately triggered a firestorm on Capitol Hill. Acting Attorney General Todd Blanche found himself defending the arrangement during a scheduled testimony before Congress. He argued that while “unusual,” it was “not unprecedented” and claimed the fund was “not limited to Republicans,” “not limited to January 6th,” and open to “anybody in this country… if they believe they are a victim of weaponization.”

However, Blanche’s defense did little to quell the outrage. Democratic lawmakers lambasted the fund as an “outrageous unprecedented slush fund” designed to pay the president’s political allies. Senator Chris Van Hollen accused Blanche of “pure theft of public funds” and called the idea of rewarding convicted criminals “obscene.” He further asserted that it was part of President Trump’s “broader revenge tour” and bluntly told Blanche, “You are still acting as the president’s personal lawyer, not as acting Attorney General.”

Even Republicans, traditionally staunch allies of the President, showed signs of discomfort. Senate Majority Leader John Thune, while measured, stated that “there are and will be continue to be a lot of questions around that that the administration is going to have to answer.” This “mild discontent” from top Republican lawmakers signaled that even within Trump’s own party, there was a distinct lack of enthusiasm or pride in the arrangement.

The controversy also reportedly spilled into the administration itself. The top lawyer at the Treasury Department, an agency involved in the fund’s creation, suddenly resigned on Monday, just hours after the announcement. Initial reports suggest this resignation was, at least in part, due to the creation of the fund, indicating significant internal dissent over the move.

While the President, his sons, and the Trump Organization are explicitly barred from receiving payouts directly from the $1.776 billion fund, the agreement that led to its creation includes another extraordinary concession that could directly benefit Trump financially. The IRS will drop any audits it has of Trump, his family members, and any related business entities.

This is an “extremely unusual and extraordinary concession,” as audits can result in significant tax liabilities. Previous reports have indicated that the President has faced audits in the past where, if the IRS prevailed, he could owe more than a hundred million dollars in additional taxes. While the specifics of current audits remain unknown, this provision effectively “robbed the IRS of the opportunity to demand that the Trumps pay the taxes that the IRS says that they may owe under the law.” This could directly deliver “tens of millions of dollars” or more in financial benefit to the President, representing a substantial personal windfall.

The question now looms: can anything be done to stop this controversial fund? Attempts by House Democrats to intervene in Trump’s original lawsuit against the IRS were ultimately unsuccessful. Now, the focus shifts to Congress’s “power of the purse” – its constitutional authority to control federal spending. Theoretically, Congress could pass laws to address how money can be spent on legal settlements or specifically target this fund. However, this power has been “eroded” under the current presidency, and it remains “unclear if that will actually happen.”

For many ethics experts and watchdogs, this fund marks a dangerous escalation in the politicization of government. It represents a significant advancement in President Trump’s stated goal of “retribution against people and agencies that he saw as having been opposed to him.” What began as a campaign to punish perceived enemies has now, according to critics, evolved into direct “compensation for President Trump’s allies” with taxpayer dollars.

Ethicists are calling this “the most corrupt act in American history,” highlighting the almost complete lack of limits or controls on how this money will be used. Five individuals, appointed by the President’s former personal lawyer, will have “seemingly total freedom to give money to whoever they deem is worthy of it and to give them as much money as they want.”

This “radical and striking situation” means that those deemed “loyal to the president” could be “cashing out to the tunes of thousands or tens of thousands, hundreds of thousands, or even millions of dollars.” It signifies a profound shift, not just in punishing enemies, but in directly rewarding allies using the public’s money, fundamentally challenging the principles of impartial governance and public trust.

알렉스 랫레이는 Stainless의 창립자이자 CEO입니다. 그는 이전에 Stripe에서 API 개발 업무를 담당했으며, 현재 Stainless를 통해 컴퓨터 간의 소통을 위한 API를 제공하며 OpenAI, Anthropic 등 주요 기업들의 기술 기반을 다지고 있습니다. 알렉스는 진행자 댄(Dan)과 대학 시절부터 친구였으며, 서로 스타트업을 시작하며 함께 성장해온 특별한 인연을 가지고 있습니다.

알렉스는 Stainless의 미션이 “컴퓨터들이 서로 쉽게 대화할 수 있도록 만드는 것”이라고 설명합니다. 이를 이해하기 위해 먼저 API의 개념부터 짚고 넘어갑니다.

API는 애플리케이션 프로그래밍 인터페이스(Application Programming Interface)의 약자로, 한 컴퓨터 프로그램이 다른 컴퓨터 프로그램과 대화하는 방식, 즉 앱과 앱이 소통하는 통로를 의미합니다. 알렉스는 API를 “인터넷의 수상돌기(dendrite)“에 비유합니다. 뇌의 뉴런들이 수상돌기를 통해 정보를 교환해야 사고가 가능하듯이, 클라우드의 모든 서버들이 서로 대화하지 않는다면 인터넷은 존재할 수 없습니다. 현대 소프트웨어의 거의 모든 부분이 API를 통해 연결되어 있으며, 이는 기술 자동화의 핵심 동력입니다.

하지만 AI의 등장으로 새로운 유형의 “컴퓨터”가 이 대화에 참여하게 되었습니다. 과거에는 인간이 사용자 인터페이스(UI)를 통해 컴퓨터와 상호작용하거나, 컴퓨터가 API를 통해 다른 컴퓨터와 대화했습니다. 이제는 대규모 언어 모델(Large Language Model, LLM)이 컴퓨터와 상호작용해야 하는 시대가 온 것입니다. 바로 이 지점에서 MCP, 즉 모델 컨텍스트 프로토콜이 중요해집니다. MCP는 LLM을 컴퓨터에 연결하기 위한 시스템으로, Stainless가 집중적으로 투자하고 있는 분야입니다.

Stainless의 핵심 제품은 소프트웨어 개발 키트(Software Development Kit, SDK)입니다. 예를 들어, Stripe의 REST API를 파이썬(Python) 개발자가 편리하게 사용하려면 pip install stripe 명령으로 Stripe 파이썬 SDK를 설치한 후 Stripe.customers.create와 같은 코드를 통해 손쉽게 고객 객체를 생성할 수 있습니다. SDK는 개발자들이 API와 쉽게 상호작용할 수 있도록 돕는 도구입니다.

그렇다면 LLM이 API와 쉽게 상호작용할 수 있는 방법은 무엇일까요? 바로 MCP입니다. 이론적으로 MCP는 웹사이트가 인간을 위해 설계된 것처럼, LLM을 위해 도구 세트를 노출하는 역할을 합니다. 예를 들어, Gmail MCP는 ‘메일 보내기’, ‘메일 작성하기’, ‘받은 편지함 읽기’와 같은 도구들을 LLM에 제공하여, LLM이 직접 로그인하여 작업을 수행할 수 있도록 합니다.

하지만 알렉스는 현재 MCP의 구현이 아직 이상적이지 않다고 지적합니다. “사람들이 MCP를 실험하고 있지만, 기대만큼 잘 작동하지 않는다”는 것입니다.

알렉스는 MCP와 에이전트 AI(Agentic AI)의 궁극적인 비전을 설명하기 위해 매우 일상적인 예시를 제시합니다.

어떤 고객(댄)이 가게에서 줄무늬 양말을 포함한 몇 가지 물건을 구매했는데, 다음 날 문제가 발생하여 환불을 요청했다고 가정해 봅시다. 매장 직원이 “댄이 어제 산 줄무늬 양말을 환불해주고, 다음 방문 시 사용할 할인 코드와 감사 편지를 보내줘”라고 지시합니다.

현재의 방식으로는 직원이 여러 단계를 거쳐야 합니다. 내부 관리 시스템을 열고, Stripe 대시보드에서 결제 내역을 확인하며 ‘댄’이라는 이름과 ‘줄무늬 양말’이 포함된 주문을 찾습니다. 여러 번의 클릭과 스크롤을 거쳐 해당 주문을 찾은 후 환불 화면으로 이동하여 정확한 금액을 환불 처리합니다. 이어서 할인 코드를 생성하고, 다른 SaaS(서비스형 소프트웨어) 앱에 로그인하여 감사 편지와 함께 할인 코드를 보냅니다. 이러한 하나의 간단한 작업을 위해 5개의 다른 앱을 오가며 15번의 클릭과 로딩을 기다려야 하는 것이 현실입니다.

에이전트 AI의 약속은 바로 이 지점에서 빛을 발합니다. 직원이 ChatGPT나 Claude 같은 AI에게 “챗봇 친구, 내 친구 댄 D.의 환불을 도와줄 수 있을까?”라고 입력하면, AI가 스스로 5개의 앱과 15개의 화면을 오가며 필요한 작업을 완료하고 “완료했습니다”라고 보고하는 것입니다.

에이전트 AI가 이러한 비전을 실현하려면, 인간 운영자가 할 수 있는 모든 작업을 수행할 수 있어야 합니다. 이는 단순히 ‘환불 생성’이나 ‘거래 내역 조회’ 같은 몇 가지 도구뿐만 아니라, Stripe 대시보드에서 가능한 모든 기능, 즉 Stripe API에서 제공하는 수백 개의 엔드포인트(endpoint)를 모두 활용할 수 있어야 함을 의미합니다.

문제는 여기에 있습니다. 현재 LLM에 이러한 방대한 도구 목록과 각 도구의 설명, 요청/응답 속성, 상세 문서 등을 MCP 정의로 제공하면, 수십만 토큰(token)에 달하는 막대한 컨텍스트(context) 예산을 소진하게 됩니다. 이는 현재 모델이 감당하기 어려운 양일 뿐만 아니라, 모델에게 혼란을 야기하여 올바른 결정을 내리기 어렵게 만듭니다. 게다가 이는 Stripe라는 단일 서비스에 국한된 문제이며, 실제 업무에서는 여러 SaaS 도구를 동시에 사용해야 합니다.

또 다른 심각한 문제는 보안과 권한 관리입니다. AI가 “댄의 양말을 환불하는 것 외에 모든 고객의 모든 거래를 환불하고 내 AI 은행 계좌로 돈을 보냈다”와 같이 ‘선을 넘어 함부로 행동하는 것’을 막아야 합니다. AI에게 어느 정도의 권한을 부여하고, 그 사용을 어떻게 통제할 것인가 하는 문제는 매우 복잡합니다.

현재 MCP는 이러한 컨텍스트 윈도우(context window) 한계와 보안 문제 때문에 ‘잘 작동하지 않는다’는 평가를 받습니다. 사람들은 종종 API의 모든 부분을 노출하기보다, 특정 LLM에 맞춰 수작업으로 최적화된 소수의 특화된 도구를 만들고 있습니다. 이는 모델의 ‘인체 공학(ergonomics)‘을 고려해야 하는 새로운 연구 과제와 같습니다.

알렉스는 현재의 기술 수준에서 효과적인 MCP 서버를 구축하기 위한 원칙들을 제시합니다.

1. 제품 관리 중심 접근: 시장에 나가 고객의 실제 니즈를 파악하고, 소프트웨어를 사용하는 모습을 관찰하며 AI를 통해 어떤 새로운 가치를 창출할 수 있을지 고민해야 합니다.
2. 정교한 엔지니어링 작업: 모델에 맞춰 도구를 정교하게 래핑(wrapping)하고, 다양한 클라이언트(Cursor, Cloud Code 등)와 기본 모델을 고려한 평가 시스템(eval system)을 구축해야 합니다.
3. 피드백 메커니즘: 현재는 AI가 도구 호출(tool call)을 성공적으로 수행했는지, 사용자에게 유용했는지 피드백을 받기 어렵습니다. ‘피드백 보내기(send feedback)‘와 같은 도구를 MCP에 포함하여, 사용자가 “이거 정말 쓸모없었어”라고 말하면 MCP 서버가 이를 인지하고 개선할 수 있도록 해야 합니다.
4. 구체적인 설계 원칙:
   • 도구 수 최소화: 도구의 개수를 상대적으로 적게 유지해야 합니다.
   • 정확한 도구 이름 및 설명: 도구 이름과 설명을 매우 정확하고 구체적으로 작성해야 합니다. (이것이 매우 어렵습니다.)
   • 간결한 입력 스키마: 입력 파라미터(parameter)의 수를 적게 하고, 간결하면서도 충분히 설명되어야 합니다.
   • 정확한 응답 데이터: 모델이 필요로 하는 최소한의 데이터만 응답으로 반환해야 합니다. (어떤 데이터가 필요할지 미리 알기 어렵기 때문에 이 역시 어렵습니다.) Stainless는 모델에 JSON 데이터를 필터링하는 JQ 필터(JQ filter)를 제공하는 기술을 사용하기도 합니다.

도구 탐색 문제는 방대한 도구 목록 중에서 AI가 적절한 도구를 찾아내는 어려움을 의미합니다. 이에 대한 한 가지 접근 방식은 Stainless가 제공하는 ‘동적 모드(dynamic mode)‘입니다. API의 크기와 상관없이 세 가지 기본 도구만 노출합니다.

1. list endpoints: 사용 가능한 엔드포인트 목록을 조회합니다.
2. get endpoint: 특정 엔드포인트에 대한 정보를 학습합니다.
3. execute endpoint: 엔드포인트를 실행합니다.

이 방식은 컨텍스트 윈도우 문제를 효과적으로 해결할 수 있지만, 하나의 작업을 수행하기 위해 모델이 세 번의 ‘턴(turn)‘을 거쳐야 하므로 속도가 느려지고 비용이 더 발생할 수 있습니다. 또한, 도구들이 직접 로드되는 방식이 아니므로 성능 저하가 발생할 수도 있습니다.

알렉스는 Stainless의 MCP 서버를 코딩 작업보다는 비즈니스 측면에서 활용하고 있다고 말합니다. 그는 Notion, HubSpot, Gong 등의 MCP 서버와 읽기 전용 데이터베이스 MCP 서버를 사용하여 다음과 같은 질문을 던집니다.

“지난주 Stainless에 가입한 흥미로운 고객은 누구인가?”

AI는 PostgreSQL 데이터베이스를 쿼리하고, HubSpot에서 교차 참조하며, Notion에서 노트를 찾고, Gong에서 녹취록을 확인하여 이에 대한 자세한 정보를 제공합니다. 아직은 ‘실험 모드’에 가깝고 가끔 연결이 끊기는 등의 ‘사소한 불편함(paper cuts)‘이 있지만, 그 잠재력은 엄청나다고 합니다.

알렉스는 특히 AI를 활용하여 ‘AI를 위한 노트 수집’ 관행을 매우 유용하다고 강조합니다. 그는 특별한 Git 레포지토리(repository)에 ‘노트 폴더’나 ‘연구 폴더’를 만들어, AI에게 흥미로운 고객 인용문이 발견되면 전체 출처와 함께 이 폴더에 저장하도록 지시합니다. 이렇게 하면 다음번에 질문할 때마다 MCP 서버를 다시 검색할 필요 없이 AI가 캐시된 정보를 활용할 수 있습니다. Claude Code와 같은 도구를 사용하여 이러한 작업을 수행하며, 현재는 구조가 다소 혼란스럽더라도 AI가 비정형 데이터를 잘 처리하기 때문에 큰 문제는 없다고 합니다.

그는 이 레포지토리에 고객 인용문 외에도 SQL 쿼리(SQL queries)를 저장합니다. 예를 들어, 이사회(board) 준비를 위해 “지난 3개월간 XYZ 지표의 월별 성장률은 어땠나요?”라고 질문하고, AI와 반복적인 대화를 통해 특정 비즈니스 맥락을 반영한 SQL 쿼리를 완성한 후, 이를 ‘분석 폴더’에 저장하여 다음에 재사용합니다.

또한, Stainless 팀은 고객 지원에도 AI를 활용하고 있습니다. 고객 문의가 접수되면, AI(Claude Code)에게 먼저 해결을 시도하도록 합니다. 100% 또는 50%의 성공률은 아니지만, 전반적인 효율성을 개선할 가능성이 있다고 보고 실험을 진행 중입니다.

알렉스는 에이전트 AI를 넘어 AI의 미래에 대한 큰 비전을 제시합니다. 그는 “AI의 미래는 사이보그(cyborg)가 될 것”이라고 말합니다. 여기서 ‘사이보그’란 부분적으로는 GPT와 같은 신경망 LLM AI이고, 부분적으로는 전통적인 CPU 기반 소프트웨어인 기계를 의미합니다. 이러한 사이보그 AI는 크게 두 가지 방식으로 전개될 것이라고 합니다. 하나는 방금 언급한 일회성 운영 사용 사례이고, 다른 하나는 프로덕션 소프트웨어(production software)입니다.

알렉스는 모델이 수많은 도구를 가지는 대신, 단 두 가지 도구만 가지는 방향으로 나아갈 것이라고 예측합니다.

1. 코드 실행 도구 (Execute Code Tool): 모델은 텍스트 상자에 타입스크립트(TypeScript)와 같은 코드를 작성하고, 이 코드는 API의 타입스크립트 SDK를 사용하여 Stripe.transactions.list 또는 Stripe.refunds.create와 같은 API 호출을 수행합니다. 모델은 코드 작성에 매우 능숙하며, SDK와 API가 잘 구성되어 있다면 패턴을 통해 쉽게 확장할 수 있습니다.
2. 문서 검색 도구 (Search Docs Tool): 모델이 확실하지 않거나 첫 시도에서 오류가 발생하면, 이 도구를 사용하여 문서를 검색하고 질문합니다.

이러한 방식은 앞서 언급된 컨텍스트 윈도우 문제를 극적으로 해결합니다. 초기 컨텍스트 영향은 1,000 토큰 미만으로 매우 제한적이며, 페이지가 매겨진(paginated) 목록 요청과 같은 작업의 컨텍스트 영향은 거의 0에 가깝습니다. 모델은 여러 반복 작업을 수행한 후 최종적으로 필요한 정보(예: 고객 ID, 거래 ID, 환불 ID)만 콘솔에 기록(console.log)할 것이고, 이로 인해 돌아오는 컨텍스트는 단 10줄 정도의 텍스트로 매우 최소화됩니다. 또한, 이러한 코드는 모델과의 왕복(round trip) 없이 CPU 기반 서버에서 Stripe API 옆에서 초고속으로 실행될 것입니다.

일각에서는 모델이 코드를 작성하면 사용자가 직접 실행하면 되는 것 아니냐는 의문을 제기할 수 있습니다. 알렉스는 이에 대해 다음과 같이 설명합니다.

• 라이브러리 문제: LLM은 라이브러리와 작업하고, 특정 버전의 라이브러리를 정확히 사용하며, API의 환각(hallucination)을 피하고, 오류 발생 시 반복적으로 수정하는 데 어려움을 겪습니다. npm이나 파이썬 패키지 인덱스의 라이브러리를 완벽하게 사용할 수 없다면, 결국 원시 HTTP API를 직접 호출해야 합니다.
• OpenAPI 스펙의 방대함: 원시 HTTP API를 사용하려면 방대한 OpenAPI 스펙 문서를 이해해야 하는데, 이는 컨텍스트 윈도우 문제를 다시 야기합니다.
• 타입 검사(Type Checking) 및 오류 처리: 코드 실행 도구는 타입 체커(type checker)를 실행하여 “stripe.transactions.list는 존재하지 않는다. payment intents, orders, balance transactions 중 어느 것을 원하는가?”와 같이 모델의 오류를 즉시 감지하고, 관련 문서와 AI 기반 제안을 제공할 수 있습니다. 이러한 기능은 API 제공자가 잘 구축해야 하며, 이는 전체 대화의 컨텍스트에 얽매이지 않는 서브 에이전트(sub agent)에 의해 수행될 수 있습니다.

보안 문제에 대해서는 궁극적으로 API 레이어 자체에서 해결되어야 한다고 알렉스는 주장합니다. 현재는 MCP를 통해 노출되는 기능을 제한함으로써 보안을 구현하려 하지만, 결국 내부적으로는 API의 모든 기능을 호출할 수 있습니다. 올바른 접근 방식은 granular permission(세분화된 권한)과 적절한 스코프(scope)를 가진 OAuth(오어쓰)를 사용하는 것입니다. 이는 구축하기 어렵지만, 보안이 제대로 작동해야 하는 올바른 계층입니다.

많은 기업들이 AI를 프로덕션 환경에 배포하며 생산성을 높이고 있지만, 동시에 불안감도 커지고 있습니다. 프롬프트(prompt)를 수정하고, 모델을 교체하고, 파라미터(parameter)를 조정하면 테스트에서는 문제가 없어 보이지만, 며칠 후 고객 지원 티켓이 쏟아지기 시작합니다. AI가 예상치 못한 답변을 제공하고, 언제 왜 이런 문제가 발생했는지 알 수 없습니다.

브레인 트러스트(Brain Trust)는 이러한 문제를 해결하는 AI 옵저버빌리티(observability) 플랫폼입니다. 이는 평가(eval)와 관찰 가능성을 하나의 워크플로우(workflow)로 통합하여, 프로덕션 환경에서 실제로 발생한 일을 확인하고 변경 사항이 개선되었는지 악화되었는지 측정할 수 있도록 돕습니다. 트레이스(trace)는 전체 실행 경로를 보여주고, 평가는 ‘좋은 결과’가 무엇인지 정의하며, 실험은 배포 전에 프롬프트와 모델을 비교할 수 있게 합니다.

프로덕션 트레이스는 평가 데이터 세트에 직접 공급되어 모든 실패를 테스트 사례로 만듭니다. 이를 통해 사용자에게 도달하기 전에 CI(Continuous Integration) 단계에서 회귀(regression)를 잡아낼 수 있습니다. Notion, Stripe, Zapier, Vercel, RAMP와 같은 기업들이 브레인 트러스트를 사용하여 고품질 AI를 대규모로 배포하고 있습니다. 브레인 트러스트는 파이썬, 타입스크립트, 고, 루비, C용 SDK를 제공하며, 특정 프레임워크나 벤더에 종속되지 않습니다. SOCK 2 Type 2 인증을 받았고 GDPR 및 HIPAA를 준수합니다. 더 자세한 정보는 brain.dev에서 확인할 수 있습니다.

알렉스 랫레이와의 대화는 API를 통한 컴퓨터 간의 소통이 어떻게 AI 시대에 진화하고 있는지에 대한 깊은 통찰을 제공했습니다. 인터넷의 기존 아키텍처가 AI 시대에 맞춰 재편되어야 하며, MCP가 그 핵심적인 역할을 할 것이라는 점은 분명합니다.

현재 MCP는 컨텍스트 윈도우의 한계와 복잡한 도구 설계, 보안 문제 등 여러 난관에 부딪혀 있지만, 알렉스가 제시하는 ‘사이보그’ 비전과 ‘코드 실행 도구’는 이러한 문제를 해결할 혁신적인 대안이 될 수 있습니다. LLM이 직접 코드를 작성하고 이를 API 제공자가 안전하고 효율적으로 실행하는 방식은 AI가 인터넷의 방대한 기능을 활용하는 데 있어 게임 체인저가 될 것입니다.

Stainless는 이러한 미래를 구축하는 최전선에 서 있습니다. AI와 인간, 그리고 코드가 유기적으로 협력하며 상상할 수 없었던 자동화와 효율성을 실현할 ‘사이보그’ 시대는 생각보다 더 빠르게 다가올지 모릅니다. 이 여정에서 Stainless와 같은 기업들의 역할은 더욱 중요해질 것입니다.

‘How I AI’ 채널의 프로덕트 리더이자 AI 전문가인 클라라빌(Claraveville)은 이번 Google I/O 행사를 통해 공개된 구글의 수많은 AI 신제품과 기능들을 심층적으로 분석했습니다. 매년 개발자들의 기대를 한몸에 받는 구글의 주력 이벤트인 Google I/O는 올해도 어김없이 다양한 기술적 발표와 함께 소비자용 크리에이티브 기능의 잠재력을 선보였습니다. 과연 구글이 제시한 새로운 기능들이 단순한 과대광고를 넘어 실질적인 혁신을 가져올 수 있을지, 클라라빌의 시선으로 기술적 측면부터 흥미로운 소비자 기능까지 함께 살펴보겠습니다.

이번 Google I/O의 핵심은 크게 세 가지였습니다. 첫째, 개발자를 위한 더 빠르고 강력한 AI 모델과 개발 도구의 발전. 둘째, 구글 워크스페이스(Google Workspace)와의 연동을 통한 일반 사용자와 기업의 생산성 향상. 셋째, 이미지와 비디오 생성, 디자인 도구 등 창의적 영역에서의 AI 활용 확대입니다. 하지만 클라라빌은 이러한 야심 찬 발표들 속에 아직은 ‘미완의 조각’들이 존재하며, 몇몇 기능들은 실제 구현에 있어 아쉬움을 남겼다고 지적합니다.

구글은 이번 I/O에서 새로운 제미니 3.5(Gemini 3.5) 모델군을 공개했으며, 특히 가장 빠르고 스마트한 코딩 모델인 제미니 3.5 플래시(Gemini 3.5 Flash)를 강조했습니다. 클라라빌은 이 모델이 경쟁 모델인 클로드 5.5 오푸스(Claude 5.5 Opus)나 GPT-4와 같은 최상위 코딩 모델의 지능에 필적하면서도, 처리 속도는 무려 4배나 빠르다는 점에 주목했습니다. 구글의 벤치마크에 따르면, 제미니 3.5 플래시는 코덱스(CodeX) 47과 유사한 스마트함을 3.1 플래시 모델 수준의 속도로 제공하여, ‘초고속-초고지능’이라는 두 마리 토끼를 잡았다는 평가입니다.

특히 구글은 제미니 3.5 모델의 ‘에이전트(Agent) 기능’에 집중하고 있습니다. 이는 AI가 복잡한 작업을 스스로 계획하고 실행하며, 필요에 따라 다른 AI를 호출하는 능력을 의미합니다. 클라라빌은 구글이 AI 에이전트 분야에 전력을 다하고 있으며, 이는 경쟁사(앤트로픽(Anthropic), 오픈AI(OpenAI))의 발자취를 따라잡는(Catch-up) 행보로 보일 수 있지만, 플래시 모델의 속도와 소비자 친화적인 창의성이라는 두 가지 차별점을 가지고 있다고 분석했습니다. 또한 제미니 모델의 강점인 ‘멀티모달(Multimodal)’ 능력, 즉 파일, 비디오 등 다양한 형태의 데이터를 처리하고 변환하는 능력은 여전히 독보적이라고 강조했습니다.

개발자를 위한 도구로 구글은 에이전트 기반 IDE(통합 개발 환경)인 ‘안티그래비티(Anti-gravity)‘의 2.0 버전을 공개했습니다. 이는 클로드 코드(Claude Code)나 코덱스(CodeX)와 같은 경쟁 도구에서 볼 수 있었던 개념들을 구글만의 방식으로 구현한 것으로 평가됩니다.

주요 기능:

• 프로젝트(Projects): 폴더 단위로 제한된 작업 환경을 제공하여 효율적인 코드 관리가 가능합니다.
• 예약 작업(Scheduled Tasks): 특정 프롬프트(Prompt)를 정해진 스케줄에 따라 정기적으로 실행할 수 있습니다.
• 서브 에이전트(Sub-agents): 메인 에이전트가 특정 작업을 위해 보조 에이전트를 생성하고 활용할 수 있으며, 특히 브라우저 서브 에이전트는 웹 기반 작업에 유용합니다.
• 훅(Hooks): 에이전트의 생애 주기(예: 도구 실행, 작업 완료, 새 세션 시작)의 특정 이벤트에 개입하여 맞춤형 동작을 수행할 수 있습니다.
• 네이티브 깃(Native Git) 및 로컬 개발 환경: 코드 버전 관리 및 로컬 개발 환경과의 통합을 강화했습니다.
• 슬래시 명령어(Slash Commands):
  • /goal: 에이전트에게 특정 목표를 부여하고, 목표 달성까지 반복적으로 작업을 수행하게 합니다.
  • /grill me: 클로드 코드의 정중한 질문과 달리, 이 명령어는 에이전트가 사용자의 요구사항을 더욱 철저하게 검증하고 핵심을 파고드는 ‘강도 높은 질문’을 던지게 합니다.
  • /schedule, /browser: 예약 작업 및 브라우저 기반 작업을 위한 명령어입니다.

클라라빌은 안티그래비티 CLI(Command Line Interface)를 통해 블로그 생성기 API 구축을 시연했습니다. 요청에 따라 API 엔드포인트(Endpoint)와 인증, 시각적 워크플로우(Workflow) 트리거 기능 등을 빠르게 생성하는 모습을 보여주었지만, 클라라빌은 “기대했던 만큼 특별히 빠르다는 느낌은 들지 않았다”고 언급하며, “경쟁사 기능을 따라잡는 수준”이라고 평가했습니다. 그럼에도 제미니 3.5 플래시 모델의 빠른 속도가 결합된다면, 개발자들이 간단한 작업을 빠르게 처리하는 데 유용하게 활용될 수 있을 것이라고 전망했습니다.

구글은 로우코드/노코드(Low-code/No-code) 개발 플랫폼인 ‘Google AI Studio’에 제미니 3.5 플래시를 기반으로 한 새로운 기능들을 추가했습니다. 가장 주목할 만한 점은 구글 워크스페이스 앱(Google Workspace Apps)과의 통합입니다. 이제 사용자는 스프레드시트(Sheets)를 읽고, Gmail 초안을 작성하며, 드라이브(Drive)를 정리하고, 캘린더를 확인하는 등 워크스페이스 데이터에 연결된 AI 앱을 직접 구축할 수 있게 되었습니다. 이는 기업 내부 생산성 도구나 개인 비서 앱 등 다양한 활용 사례를 가능하게 할 잠재력을 가집니다. 또한, Google AI Studio 내에서 안드로이드 앱을 생성할 수 있는 기능도 추가되어, 모바일 앱 개발의 진입 장벽을 낮추었습니다.

하지만 클라라빌은 캘린더 연동 앱을 시도하는 과정에서 기능에 대한 접근성 문제를 겪었습니다. 유료 고객임에도 불구하고 워크스페이스 통합 기능을 찾거나 활성화할 수 없었으며, 이는 구글이 발표한 기능들이 아직 모든 사용자에게 즉시 제공되지 않거나, 사용 방법이 명확하지 않다는 점을 시사합니다. 클라라빌은 “아직은 약속된 비전일 뿐, 실제 구현까지는 시간이 걸릴 것”이라고 아쉬움을 표했습니다.

클라라빌은 이번 Google I/O 발표를 통틀어 가장 큰 불만 중 하나로 ‘복잡하고 일관성 없는 제품 및 브랜드명’을 꼽았습니다. 제미니 3.5 플래시, 안티그래비티 IDE, 안티그래비티 CLI, Google AI Studio, 소비자용 제미니(Gemini/Google AI), 옴니(Omni), 플로우(Flow), 파멜리(Pomelli), 스티치(Stitch) 등 너무나 많은 이름들이 혼재되어 있어 어떤 제품이 어떤 기능을 하는지 혼란스럽다는 지적입니다. 클라라빌은 구글 팀에게 “포괄적인 브랜드 분석과 단일화된 브랜드 전략이 절실하다”고 강력히 요청했습니다. 이는 사용자 경험과 제품 인지에 있어 중요한 부분이며, 구글이 해결해야 할 숙제로 남았습니다.

소비자용 AI 제품인 제미니(Gemini)는 새로운 UI 디자인과 함께 사용자 경험을 대폭 개선했습니다. 특히 이미지 생성 기능은 나노 바나나(Nano Banana) 모델을 기반으로 다양한 템플릿과 기능을 제공합니다. 클라라빌은 자신의 사진을 활용해 ‘팟캐스트 진행자의 이미지를 전문 스튜디오 배경으로 업스케일 및 미화’하는 테스트를 진행했습니다. 결과물은 “내 얼굴이 아니며 모든 면에서 끔찍하다”고 평가할 정도로 얼굴 인식에는 실패했지만, 사진과 같은 사실적인(Photorealistic) 질감과 빠른 생성 속도는 인상적이었다고 언급했습니다. 이는 AI 이미지 생성 모델들이 텍스트 생성 능력과 함께 이미지의 사실성을 높이는 데 주력하고 있음을 보여줍니다.

이번 I/O에서 가장 흥미로운 발표 중 하나는 새로운 비디오 생성 모델인 ‘옴니(Omni)‘였습니다. 옴니는 기존 모델보다 더 길고, 일관적이며, 포토리얼리스틱한 비디오를 생성할 수 있으며, 참고 자료를 활용해 비디오를 만드는 능력도 갖췄습니다. 구글은 옴니를 “비디오를 위한 나노 바나나”라고 칭하며, 추론 모델과 비디오 생성 모델을 결합하여 ‘무엇이든 비디오로 만들 수 있다’고 강조했습니다.

클라라빌은 자신의 아이가 그린 그림을 활용해 슈퍼히어로가 아이를 수업에서 탈출시켜 즐겁게 노는 비디오를 생성하는 테스트를 진행했습니다. 옴니는 계획을 세우고 약 10초 길이의 비디오를 성공적으로 생성했으며, 클라라빌은 “아이가 정말 좋아할 것”이라며 결과에 만족했습니다. 이는 소라(Sora)와 같은 기존 비디오 모델보다 더 긴 길이와 일관성을 보여주며, 멀티모달 기능의 강력함을 입증했습니다.

옴니의 주요 비디오 편집 기능:

• 대화형 비디오 편집: 프롬프트만으로 비디오의 특정 요소를 변경(예: 건물을 거품으로 바꾸기)할 수 있습니다.
• 비디오 설명 및 재편집: 옴니가 비디오를 설명하고, 이 설명을 편집하여 새로운 버전의 비디오를 생성할 수 있습니다.
• 일관성 유지: 환경, 각도 등을 변경하면서도 캐릭터의 일관성을 유지하여 프로덕션 수준의 비디오 제작에 유용합니다.

더욱 심층적인 비디오 편집을 위해 구글은 ‘플로우(Flow)‘라는 새로운 도구를 공개했습니다. 옴니 모델이 내장된 플로우는 시네마틱(Cinematic) 품질의 편집에 중점을 두며, 멀티모달 참조 자료를 혼합하고 대화형으로 비디오를 편집할 수 있습니다. 특히, 사용자가 캐릭터를 정의하고 향후 비디오에서 이 캐릭터를 계속 사용할 수 있는 기능(예: ‘탈출대장 스쿨’이라는 캐릭터 생성)과 자신의 아바타를 생성하는 기능이 주목받았습니다.

하지만 클라라빌은 자신의 아바타를 생성하는 과정에서 다시 한번 좌절을 맛봐야 했습니다. QR 코드를 스캔하고 얼굴을 촬영하는 절차를 거쳤음에도 불구하고 아바타는 생성되지 않았습니다. 클라라빌은 “내 신분을 도용하지 말아 달라”고 농담하며, “많은 것을 발표했지만, 아직 작동하지 않거나 기능이 불완전한 점이 실망스럽다”고 솔직한 심정을 토로했습니다.

마케터와 디자이너를 위한 두 가지 흥미로운 도구도 소개되었습니다.

• 파멜리(Pamelli): 브랜드 및 마케팅 콘텐츠 생성 도구입니다. 웹사이트 URL을 입력하면 해당 웹사이트의 브랜드 아이덴티티를 분석하여 브랜드 북, 캠페인 자산, 포토슈트 등을 생성해 줍니다. 구글이 발표한 design.md 표준을 활용하여 AI가 디자인 시스템을 이해하고 적용하는 방식으로 작동합니다. 클라라빌은 자신의 웹사이트를 기반으로 브랜드 북과 웹사이트를 생성하는 과정을 시연했습니다. 결과는 “그냥 괜찮은(fine)” 수준이었지만, 브랜드 정체성을 자동으로 생성하고 이를 바탕으로 다양한 마케팅 자산을 만드는 잠재력은 높이 평가했습니다.

• 스티치(Stitch): 피그마(Figma) 스타일의 인 브라우저(in-browser) 디자인 도구입니다. 기존 디자인을 활용하거나 인라인(inline) AI 편집을 통해 구성 요소를 텍스트로 수정할 수 있으며, 디자인 캔버스에 실시간으로 디자인을 스트리밍하는 기능이 특징입니다. 클라라빌은 Google I/O 사이트 스타일로 스티치 앱 디자인을 요청했고, 에이전트가 디자인 시스템을 구축하고 콘텐츠를 가져와 모바일 앱 화면을 실시간으로 스트리밍하는 모습을 보여주었습니다. 클라라빌은 “디자인 분야에서는 플래시 모델의 속도를 실제로 체감할 수 있었다”며, “더 많은 디자이너들이 이 도구를 사용해보고 싶어 할 것”이라고 호평했습니다.

이번 Google I/O 2026은 구글의 AI에 대한 깊은 야심과 기술적 진보를 명확히 보여주었습니다. 새로운 제미니 3.5 모델군의 속도와 지능, 개발자를 위한 안티그래비티 IDE의 다양한 기능, 워크스페이스 연동을 통한 생산성 향상, 그리고 옴니와 플로우를 통한 혁신적인 비디오 생성 및 편집 기능, 파멜리와 스티치 같은 마케팅/디자인 도구까지, 흥미로운 발표들이 줄을 이었습니다. 특히 비디오 생성 기능과 플래시 모델 기반의 코딩 속도 향상은 클라라빌이 가장 기대하는 부분이었습니다.

하지만 클라라빌은 이러한 발표들 속에서 몇 가지 ‘날카로운 모서리(sharp edges)‘를 지적했습니다. 일부 핵심 기능들(예: Google AI Studio의 워크스페이스 연동, Flow의 아바타 생성)은 아직 제대로 작동하지 않거나, 일반 사용자에게는 접근성이 떨어지는 문제가 있었습니다. 또한 너무나 많은 제품명과 브랜드가 혼재되어 사용자들에게 혼란을 야기한다는 점도 큰 과제로 남았습니다.

구글의 AI 혁신은 분명 현재 진행형이며, 엄청난 잠재력을 가지고 있습니다. 그러나 발표된 기능들이 실제 사용자들에게 온전히 전달되고 매끄러운 경험을 제공하기 위해서는 제품의 완성도와 접근성, 그리고 일관된 브랜드 전략에 대한 구글의 노력이 더욱 필요할 것으로 보입니다. 이번 Google I/O는 AI 시대의 밝은 비전을 제시함과 동시에, 그 비전을 현실로 만들기 위한 지난한 과정 또한 함께 보여준 행사였습니다.

이 이야기는 2016년 트럼프가 처음 대선에 출마했을 때로 거슬러 올라갑니다. 당시 그는 역대 대선 후보들과 달리 자신의 납세 자료를 공개하지 않아 큰 스캔들이 되었습니다. 대통령 후보가 자신의 재정 상태를 투명하게 공개하는 것은 오랫동안 관례처럼 여겨졌지만, 트럼프는 이를 거부했습니다. 그의 첫 임기 내내 납세 자료 공개 요구는 계속되었고, 결국 2020년 뉴욕타임스가 유출된 자료를 바탕으로 트럼프가 수년간 연방 소득세를 거의 내지 않았다는 사실을 폭로하며 큰 파장을 일으켰습니다.

뉴욕타임스 보도 이후 약 6개월에서 1년 뒤, 또 다른 탐사보도 전문 매체인 프로퍼블리카(ProPublica)는 제프 베이조스(Jeff Bezos), 일론 머스크(Elon Musk) 등 세계 최고 부자들의 세금 전략과 상황을 상세히 보도했습니다. 수많은 고액 자산가들의 세금 정보가 공개되면서, 국세청(IRS) 내부 관계자가 이 정보 유출의 근원임이 명확해졌습니다. 즉, IRS 내부에 정보 유출자(leaker)가 있었던 것입니다.

2023년 가을, 마침내 찰스 리틀존(Charles Littlejohn)이라는 전 IRS 계약직 직원이 체포되어 기소되었습니다. 그는 트럼프와 다른 부유층 인사들의 세금 정보를 뉴욕타임스와 프로퍼블리카에 제공한 혐의를 인정했으며, 2024년 초 징역형을 선고받았습니다. 타인의 세금 정보를 유출하는 것은 명백한 범죄이며, 피해자는 IRS를 상대로 민사 소송을 제기하여 손해배상을 청구할 수 있습니다. 이에 트럼프 전 대통령과 그의 두 아들, 그리고 가족 기업은 지난 1월, IRS가 찰스 리틀존의 정보 유출을 막지 못했다는 이유로 최소 1,000만 달러의 손해배상을 요구하는 소송을 제기했습니다.

개인이 자신의 세금 정보 유출에 대해 IRS를 고소하는 것은 합법적인 권리입니다. 그러나 트럼프의 사례는 매우 이례적이며, 전례가 없다고 할 수 있습니다. 그는 단순한 일반 시민이 아니라, 자신이 직접 감독하는 정부 기관을 고소한 것입니다. 대통령은 IRS 국장과 재무부(Treasury Department)의 수장을 임명하며, 이들 기관의 의사 결정에 깊이 관여합니다. 더욱이, 그는 자신의 두 번째 임기 동안 법무부(Justice Department)를 자신의 뜻대로 재편하는 데 막대한 영향력을 행사해왔습니다.

문제는 법무부가 이 소송에서 IRS의 변호인 역할을 해야 한다는 점입니다. 하지만 트럼프의 두 번째 임기에 들어서면서 법무부는 역사적으로 독립적이었던 역할을 넘어, 대통령의 정치적 적대자들을 기소하고 민주당 의원들을 연방 수사 대상에 올리는 등 이례적인 행보를 보여왔습니다. 현재 법무부의 법무장관 대행인 토드 블랑쉬(Todd Blanche)는 백악관에 복귀하기 전 트럼프의 개인 변호사였습니다. 이러한 상황에서 법무부가 대통령이 제기한 소송에 대해 어떻게 방어할지 결정하는 것은 심각한 이해 상충(conflict of interest) 문제를 야기했습니다. 트럼프가 사적으로 고용한 변호인단을 통해 정부를 고소하는 동시에, 정부 측 변호인단까지 이례적으로 강력하게 통제하는 상황이 벌어진 것입니다.

재판부는 이러한 복잡한 이해 상충 관계를 우려하며 소송 진행에 의문을 제기했습니다. 소송 당사자들은 실제로 서로 대립해야 한다는 법적 원칙이 있기 때문입니다. 판사는 이 소송이 “진정한 대립이 없는 가장극(charade)“일 수 있다고 판단하고, 법무부와 트럼프 측 변호인단에게 소송이 실제로 대립하는 관계인지, 아니면 “거짓된 구실로 제기된 소송”인지 설명하라는 서면 답변을 요구했습니다. 만약 재판부가 진정한 대립이 없다고 판단했다면, 소송을 기각할 수도 있는 상황이었습니다. 이러한 상황은 트럼프에게 불리하게 돌아가고 있었으며, 법무부 입장에서도 대통령의 주장에 반대하는 입장을 표명해야 하는 매우 곤란한 상황이었습니다. 특히 대통령에 반대하다가 해고된 전례가 있는 현 법무부의 분위기에서는 더욱 그랬습니다.

이러한 곤란한 상황을 피하기 위해 행정부 내부에서는 지난주 내내 활발한 논의가 이루어졌습니다. 그 결과, 트럼프 전 대통령이 IRS 소송을 완전히 철회하고, 그 대가로 법무부가 “무기화”의 피해자들을 보상하기 위한 전례 없는 거대한 납세자 기금을 조성한다는 합의에 이르게 됩니다.

이 기금의 규모는 17억 7,600만 달러입니다. ‘1776’이라는 숫자는 미국 건국 연도를 상징하며, 이는 우연이 아닐 것이라는 분석이 지배적입니다. 이 막대한 자금은 ‘판결 기금(Judgment Fund)‘이라는 계정에서 인출될 예정입니다. 판결 기금은 법무부가 미국 정부를 상대로 제기된 법적 소송을 해결하는 데 사용하는 자금으로, 정부가 소송에서 합의할 때 이 기금에서 돈을 인출합니다. 평소보다 훨씬 많은 금액이 인출될 예정이며, 이 돈은 별도의 계정으로 예치되어 법무장관이 임명한 5명의 위원이 관리하게 됩니다. 이들은 연방 정부에 의해 피해를 입었다고 주장하는 사람들의 청구를 심사하고 보상금을 지급하게 됩니다.

그러나 이 기금의 작동 방식에 대해서는 여전히 많은 것이 불분명합니다. 보상금 청구가 어떻게 평가될지, 법무부가 말하는 “무기화(weaponization)“가 정확히 무엇을 의미하는지, 그리고 얼마나 많은 돈이 지급될지에 대한 구체적인 기준은 아직 공개되지 않았습니다. 심지어 이 기금을 통제하고 결정을 내릴 5명의 위원이 누구인지조차 알려지지 않았습니다. 이들이 막대한 역할을 수행할 것이 분명한 만큼, 워싱턴에서는 이 기금이 궁극적으로 어떤 모습이 될지에 대한 수많은 의문이 제기되고 있습니다. 법무부가 다른 소송들을 합의하는 경우는 많지만, 이처럼 대규모의 포괄적인 “피해 보상 기금”을 조성하는 것은 전례 없는 일입니다.

법무부는 이 기금의 수혜 대상을 “무기화 및 법률전의 피해자들”이라고만 밝혔습니다. 하지만 이 발표에 대해 가장 먼저 기대를 표명한 집단 중 하나는 바로 2021년 1월 6일 국회의사당 난입 사건으로 유죄 판결을 받았던 사람들, 즉 트럼프 전 대통령이 이전에 사면했던 사람들입니다. 이들은 물론, 오바마 행정부 시절 법무부와 연방수사국(FBI)이 자신들을 부당하게 수사했다고 믿는 트럼프 지지자들과 정치적 동맹자들도 이 기금을 통해 과거의 경험으로부터 “완전한 보상”을 받을 기회로 보고 있습니다.

그러나 이 기금의 지급 방식에 대해서도 의문이 많습니다. 지급액이 발생한 법률 비용을 상환하는 용도인지, 아니면 그 이상의 금액이 지급되어 사실상 “경험으로부터 이득을 취할” 수 있게 되는 것인지 명확하지 않습니다. 또한 누가 얼마의 돈을 받았는지에 대한 명확한 영수증 공개가 없을 가능성도 제기되어, 이 모든 운영이 대중의 시야에서 완전히 가려질 수 있다는 우려도 나옵니다.

많은 사람들에게 1월 6일 국회의사당을 습격했던 사람들이 정부로부터 돈을 받는다는 생각은 충격적일 것입니다. 심하게 말하면, 자신들이 공격했던 정부로부터 유죄 판결을 받은 범죄자들이 돈을 받을 수 있다는 시나리오가 이 기금의 구조 하에서는 충분히 가능해 보입니다. 이는 기금 발표에 대한 여야 양측의 격렬한 반응을 설명하는 주요 요인이기도 합니다.

법무장관 대행 토드 블랑쉬는 화요일 국회의사당에서 열린 법무부 예산 청문회에 출석하여 이 기금 조성을 옹호했습니다. 그는 “이것이 이례적인 것은 사실이지만, 전례가 없는 것은 아니다”라고 주장하며, 기금이 특정 정치 성향이나 1월 6일 사건, 또는 특정 인물에 국한되지 않고 “누구나 신청할 수 있다”고 강조했습니다.

그러나 청문회는 곧 민주당 의원들이 이 기금을 “정치적 쌈짓돈(slush fund)“이라고 맹비난하며 블랑쉬 대행을 집중적으로 추궁하는 장이 되었습니다. 크리스 밴 홀렌(Chris Van Hollen) 상원의원 등 민주당 의원들은 “이것은 터무니없고 전례 없는 쌈짓돈”, “공공 자금의 순수한 절도”, “외설적이고 불법적이며 부패한 셀프-딜링 계획”이라고 강하게 비판하며, 1월 6일 의사당 경찰관을 폭행한 사람들도 이 기금의 수혜자가 될 수 있는지 거듭 질문했습니다. 밴 홀렌 의원은 블랑쉬 대행이 “법무장관 대행이 아닌 대통령의 개인 변호사처럼 행동하고 있다”고 비난하며, “이러한 잘못된 행위가 계속되도록 할 어떠한 자금도 지급하는 것을 정당화하기 어렵다”고 덧붙였습니다.

놀랍게도, 공화당 의원들 사이에서도 이 기금에 대한 미묘한 불편함과 의문이 감지되었습니다. 상원 다수당 원내대표인 존 튠(John Thune)조차 기자들에게 “행정부가 답해야 할 많은 질문이 있을 것”이라고 언급하며 우려를 표했습니다. 이는 트럼프의 당내 인사들조차 이 기금에 대해 열광하거나 자랑스러워하지 않는다는 신호로 해석됩니다.

심지어 트럼프 행정부 내부에서도 균열의 조짐이 나타났습니다. 이 기금 조성에 관여할 예정이었던 재무부의 최고 변호사는 기금 발표 직후인 월요일에 갑작스럽게 사임했습니다. 초기 보도에 따르면, 그의 사임은 이 기금 조성에 대한 반발 때문인 것으로 알려졌습니다.

그렇다면 트럼프 전 대통령 본인도 이 기금의 수혜자가 될까요? 법무부는 트럼프와 그의 두 아들, 그리고 트럼프 조직은 이 기금에서 직접 돈을 받지 않을 것이라고 밝혔습니다.

그러나 화요일에 밝혀진 또 다른 합의 조항은 더욱 충격적입니다. IRS가 트럼프와 그의 가족, 그리고 관련 사업체에 대한 모든 세무 감사(audit)를 중단하기로 한 것입니다. 이는 대통령에게 제공되는 매우 이례적이고 특별한 양보입니다. 현재 트럼프가 어떤 감사를 받고 있는지 명확하지 않지만, 이 조항은 그에게 수천만 달러에 달하는 직접적인 재정적 이익을 가져다줄 수 있습니다. 만약 IRS가 그에게 더 많은 세금을 부과할 계획이었다면, 이 합의로 인해 그는 그 세금 청구를 피할 수 있게 된 것입니다. 뉴욕타임스 보도에 따르면, 과거 트럼프는 IRS가 승소했을 경우 1억 달러 이상의 추가 세금을 납부해야 할 수도 있는 감사를 받은 바 있습니다. 이번 합의는 IRS가 트럼프 일가에게 법률에 따라 납부해야 할 세금을 요구할 기회를 박탈한 것이나 다름없습니다.

의회나 다른 기관이 이 기금 조성을 막을 수 있을까요? 헌법에 따라 의회는 “예산 집행권(power of the purse)“을 가지고 있습니다. 이는 이론적으로 의회가 법률적 합의에 사용되는 자금 지출 방식을 변경하거나, 이 특정 상황을 해결하기 위한 법률을 통과시킬 수 있음을 의미합니다. 그러나 이 권한은 트럼프 행정부 하에서 상당 부분 침식되었으며, 실제로 의회가 이러한 조치를 취할지는 불확실합니다.

대다수의 일반 대중은 법무부가 이러한 ‘판결 기금’을 가지고 있다는 사실조차 알지 못했을 것입니다. 이 자금이 현재와 같은 방식으로 사용되는 것에 대해 우리는 어떻게 받아들여야 할까요? ‘더 데일리’의 앤디 듀란 기자는 이를 트럼프가 재집권 시 이루고자 했던 광범위한 목표의 맥락에서 봐야 한다고 말합니다. 그의 주요 목표 중 하나는 자신에게 반대했던 사람들과 기관에 대한 보복이었습니다. 이 기금의 사용은 트럼프 행정부가 단순히 적을 처벌하는 것을 넘어, 이제 그의 동맹자들에게 보상을 제공하는 다음 단계로 나아갔음을 의미합니다.

일부 윤리 전문가와 감시 단체들은 이를 “미국 역사상 가장 부패한 행위”라고 비난하고 있습니다. 법무부를 적을 처벌하는 데 사용하는 것을 넘어, 동맹자들에게 보상하는 데 직접적으로 사용하는 것이기 때문입니다. 특히, 대통령의 전 개인 변호사인 토드 블랑쉬가 임명할 5명의 위원들이 이 막대한 자금을 누구에게 얼마나 지급할지에 대해 거의 무제한적인 자유를 가질 것이라는 점은 심각한 문제입니다. 이는 미국 국민이 세금으로 납부하고 정부가 우리를 대신하여 차입한 돈이 단순히 대통령에게 충성했던 사람들에게 지급될 수 있음을 의미합니다. 수천, 수만, 수십만, 심지어 수백만 달러가 현금으로 지급될 수 있는 것입니다. 이는 정말 급진적이고 충격적인 상황입니다.

트럼프 전 대통령의 IRS 소송 철회와 ‘무기화 피해 보상 기금’ 조성은 단순히 법적 합의를 넘어, 미국의 법치주의와 정부 기관의 독립성에 대한 심각한 도전으로 평가됩니다. 납세자의 돈이 정치적 보복과 동맹자에 대한 보상이라는 사적 목적으로 사용될 수 있다는 가능성은 민주주의의 근간을 흔드는 위험한 선례가 될 수 있습니다. 이 기금의 작동 방식과 수혜 대상에 대한 투명성 확보, 그리고 의회의 감시와 개입이 절실히 요구되는 상황입니다. 과연 미국은 이 전례 없는 논란 속에서 법치와 민주적 가치를 수호할 수 있을지, 전 세계의 이목이 집중되고 있습니다.