대부분의 MCP 서버는 실질적인 질문에 답합니다:

내 AI 에이전트가 무엇을 할 수 있는가?

이는 유용한 질문입니다. MCP 도입의 첫 번째 물결이 도구(tools)에 집중한 이유이기도 합니다: 저장소(repositories), 브라우저(browsers), 데이터베이스(databases), 문서(docs), 검색(search), 디자인 파일(design files), 캘린더(calendars), 그리고 내부 시스템(internal systems) 등이 그 예입니다.

에이전트에게 적절한 도구를 제공하면, 그것은 더 이상 단순한 채팅창에 머물지 않습니다. 코드를 검사하고, 브라우저를 열고, 최신 문서를 읽고, 제품 데이터를 쿼리하며, 실제로 작업이 일어나는 곳에 더 가깝게 작동할 수 있습니다.

하지만 이러한 설정을 한동안 사용하다 보면, 또 다른 질문이 나타나기 시작합니다:

내 AI 에이전트가 누구를 찾아야 하는가?

이것은 다른 카테고리입니다.

MCP는 주로 도구 계층(tool layer)이었습니다

현재의 MCP 멘탈 모델(mental model)은 이해하기 쉽습니다:

• GitHub는 에이전트에게 저장소(repo)와 이슈(issue) 컨텍스트를 제공합니다.
• Playwright는 에이전트에게 브라우저를 제공합니다.
• 문서 서버(Documentation servers)는 에이전트에게 더 최신의 참조 자료를 제공합니다.
• 데이터베이스 서버(Database servers)는 에이전트에게 프로젝트 상태를 제공합니다.
• 내부 SaaS 커넥터(Internal SaaS connectors)는 에이전트에게 비즈니스 워크플로우(workflows)에 대한 접근 권한을 제공합니다.

이것은 이미 가치가 있습니다. 사용자(user)와 에이전트 사이의 수많은 수동 복사-붙여넣기 작업을 제거해 줍니다.

"여기 이슈가 있고, 관련 파일들이 있으며, 스크린샷이 있고, 문서 페이지가 있습니다"라고 말하는 대신, 에이전트가 직접 해당 인터페이스들을 검사하도록 할 수 있습니다.

이것이 도구 계층(tool layer)입니다.

다음 계층은 단순히 더 많은 도구가 아닙니다.

그것은 의도(intent)입니다.

빌더들은 소프트웨어 접근 권한만을 필요로 하지 않습니다

초기 빌더(builders)들은 결국 순수하게 기술적이지 않은 문제들에 직면하게 됩니다:

• 이 정확한 고통(pain)을 겪고 있는 베타 사용자(beta users)가 필요합니다.
• 에이전트 워크플로우 제품을 위한 디자인 파트너(design partners)가 필요합니다.
• AI 툴링(tooling)과 배포(distribution)를 모두 이해하는 협력자가 필요합니다.
• 풀스택(full-stack) 도움을 줄 수 있지만, 특정 니치(niche)에서 구축 중인 팀에게만 제공할 수 있습니다.
• 채용 중이지만, 아직 모든 요구 사항을 공개적으로 방송하고 싶지는 않습니다.
• 공동 창업자(cofounder) 대화에 열려 있지만, 실제 적합성(fit)이 있는 경우에만 원합니다.

이것들은 일반적인 검색(search) 문제가 아닙니다.

이것들은 매칭(matching) 문제입니다.

또한 이것들은 프라이빗(private)한 경향이 있습니다. 요청(ask)의 유용한 버전은 종종 민감할 수 있는 충분한 문맥(context)을 포함합니다: 무엇을 만들고 있는지, 누가 필요한지, 무엇을 제공할 수 있는지, 프로젝트의 약점이 어디인지, 그리고 어떤 종류의 사람이나 기회가 실제로 프로젝트를 진전시킬 수 있는지와 같은 것들 말입니다.

오늘날, 그 중 대부분은 여전히 다음 네 가지 중 하나가 됩니다:

• 공개 게시물 (a public post)
• 콜드 DM (a cold DM)
• 스프레드시트 (a spreadsheet)
• 프라이빗 부탁 네트워크 (a private favor network)

만약 에이전트(agents)가 업무를 위한 실제 운영 계층(operating layer)이 되고 있다고 믿는다면, 이는 이상한 일입니다.

당신의 AI는 저장소(repo)를 검사하고, 제품을 테스트하며, 데이터베이스(database)를 요약할 수 있습니다.

하지만 적합한 사람이 필요할 때, AI는 여전히 당신을 브라우징(browsing)으로 되돌려 보냅니다.

공개 마켓플레이스(Public marketplaces)가 항상 정답은 아닙니다

온라인에서 매칭(matching) 문제를 해결하는 기본 방식은 공개 마켓플레이스(public marketplace)입니다.

필요 사항을 나열합니다. 공급(supply)을 살펴봅니다. 필터링합니다. 검색합니다. 사람들에게 메시지를 보냅니다.

이 방식은 많은 카테고리에 효과적이지만, 초기 단계의 업무(early-stage work)에는 한계가 있습니다.

만약 당신이 베타 사용자, 공동 창업자(cofounder), 디자인 파트너, 기술 채용 대상, 또는 매우 구체적인 고충(pain)을 가진 구매자를 찾고 있다면, 요청 사항 전체를 공개적으로 노출하고 싶지 않을 수도 있습니다.

반대로 무언가를 제공하고 있다면, 모든 사람에게 끝없이 검색되는 것을 원치 않을 수도 있습니다.

공개 시장은 발견(discovery)을 만들어내지만, 소음(noise)도 만들어냅니다. 공개 시장은 민감한 의도(intent)를 가시적인 인벤토리(inventory)로 바꿔버립니다.

AI 빌더(builders)들을 위해, 저는 다른 원시 요소(primitive)가 들어설 자리가 있다고 생각합니다:

프라이빗 의도 매칭 (Private intent matching).

"공개 목록을 브라우징하는 것"이 아닙니다.

그보다는 다음과 같습니다:

당신의 AI에게 무엇을 찾고 있는지 말하고, 당신이 무엇을 제공할 수 있는지 말하면, 매칭 계층(matching layer)이 실제 양방향 적합성(two-sided fit)이 있을 때만 연락처를 공개하는 방식입니다.

의도 매칭(intent-matching) MCP가 할 수 있는 일

이것을 하나의 MCP 카테고리로 상상해 보십시오.

에이전트(agent)에게 "데이터베이스 쿼리(query database)"나 "브라우저 열기(open browser)"와 같은 도구를 주는 대신, 프라이빗한 의도를 게시하고 매칭할 수 있는 방법을 제공하는 것입니다.

요청 예시:

저는 Claude Code 사용자들을 위한 워크플로우 도구를 구축하고 있습니다. 이미 MCP를 사용 중이며, 리뷰 또는 QA 프로세스에서 어려움을 겪고 있는 베타 사용자들을 찾아주세요.

저는 초기 AI 제품 팀들에게 풀스택 엔지니어링 (full-stack engineering) 지원을 제공할 수 있습니다. 기술적 협업자가 필요하고 활발한 사용자 발굴 (user discovery)을 진행 중인 팀과 저를 매칭해 주세요.

프라이빗 매칭 (private matching) 제품을 위한 디자인 파트너 (design partners)가 필요합니다. 솔직한 피드백을 대가로 무료 설정 및 맞춤형 온보딩 (onboarding)을 제공할 수 있습니다.

MCP 서버를 위한 보안 도구 (security tooling)를 구축하고 있는 분을 찾고 있습니다. 저는 배포 (distribution)와 제품 피드백을 제공할 수 있습니다.

중요한 점은 이러한 요청들이 단순히 구조화되어 있다는 것만이 아닙니다.

중요한 점은 이 요청들이 반드시 공개된 목록 (public listings)이 될 필요가 없다는 것입니다.

에이전트 (agent)는 필요를 표현할 수 있습니다. 매칭 레이어 (matching layer)는 이를 다른 필요 및 제안들과 비교할 수 있습니다. 연락처는 매칭이 유의미할 때만 공개될 수 있습니다.

이는 모든 사용자가 다른 디렉토리 (directory)를 브라우징하게 만드는 것보다 에이전트에게 더 네이티브 (native)하게 느껴집니다.

이것이 기본적으로 프라이빗해야 하는 이유

여기서 프라이버시가 중요한 세 가지 이유가 있습니다.

첫째, 가장 좋은 요청은 구체적입니다.

"베타 사용자를 찾습니다"는 일반적입니다. "이미 스프레드시트와 AI를 사용 중이며 대조 작업 (reconciliation work)을 싫어하는 금융 운영자를 찾습니다"는 유용합니다.

구체성은 매칭을 개선하지만, 민감도 (sensitivity) 또한 높입니다.

둘째, 좋은 공급 (supply)은 종종 조용합니다.

최고의 협업자, 채용 대상, 어드바이저, 테스터 또는 구매자는 공개적으로 게시물을 올리지 않을 수도 있습니다. 그들은 적절한 매칭에는 열려 있을 수 있지만, 검색 가능한 상태가 되는 것에는 열려 있지 않을 수 있습니다.

셋째, 공개 목록은 스팸을 유도합니다.

시장이 목록이 되면, 사람들은 노출되는 것에 최적화합니다. 시장이 프라이빗할 때, 제품은 적합성 (fit)에 최적화할 수 있습니다.

이것이 흥미로운 제품의 표면 (product surface)입니다:

우리는 매칭이 브라우징보다는 심사된 소개 (judged introduction)처럼 느껴지게 만들 수 있을까요?

Pairoa가 위치한 곳

이것이 바로 Pairoa가 탐구하고 있는 카테고리입니다.

Pairoa는 MCP 및 OpenAPI를 기반으로 하는 필요, 제안 및 기회에 대한 프라이빗 매칭 레이어 (private matching layer)입니다.

사용자는 자신의 AI에게 자신이 무엇을 찾고 있는지, 그리고 무엇을 제공할 수 있는지를 말합니다. Pairoa는 이를 공개 리스팅 (public listing)으로 전환하지 않습니다. 대신 프라이빗 의도 (private intents)를 매칭하며, 실제 양방향 적합성 (two-sided fit)이 있을 때만 연락처를 공개합니다.

이러한 방식이 의미를 갖는 첫 번째 커뮤니티는 AI 빌더 (AI builders)입니다:

• 베타 사용자 (beta users)
• 디자인 파트너 (design partners)
• 협업자 (collaborators)
• 공동 창업자 대화 (cofounder conversations)
• 채용 니즈 (hiring needs)
• 프리랜서 또는 컨설팅 제안 (freelance or consulting offers)
• 오픈 소스 및 MCP 프로젝트 파트너십 (open source and MCP project partnerships)

이는 에이전트 스택 (agent stack)에서 GitHub, Playwright, 문서 (docs), 또는 데이터베이스 (databases)를 대체하기 위한 것이 아닙니다.

이것은 다른 레이어 (layer)입니다.

해당 도구들은 당신의 AI가 당신의 제품을 이해하고 작동하도록 돕습니다.

Pairoa는 당신의 AI가 제품 주변의 기회를 라우팅 (route)하는 데에도 도움을 줄 수 있는지 묻습니다.

더 넓은 관점

MCP는 아직 초기 단계이지만, 방향성은 점점 더 명확해지고 있습니다.

에이전트는 도구 (tools)에 대한 액세스뿐만 아니라 컨텍스트 (context), 권한 (permissions), 메모리 (memory), 워크플로우 (workflows), 결제 (payments), 신원 (identity), 그리고 궁극적으로는 다른 에이전트들에 대한 액세스도 필요할 것입니다.

이러한 레이어 중 일부는 소프트웨어 커넥터 (software connectors)의 형태를 띨 것입니다.

일부는 마켓 (markets)의 형태를 띨 것입니다.

프라이빗 의도 매칭 (Private intent matching)은 그 둘 사이의 어딘가에 위치합니다.

이는 보여주기 위한 공개 피드 (public feed)가 없기 때문에 일반적인 소셜 네트워크가 아닙니다.

둘러볼 수 있는 공개 인벤토리 (public inventory)가 없기 때문에 일반적인 마켓플레이스 (marketplace)도 아닙니다.

단위가 직업이나 리드 (leads)보다 더 광범위하기 때문에 단순한 CRM 또는 채용 도구도 아닙니다.

이것은 하나의 작은 프리미티브 (primitive)입니다:

나는 니즈 (need)가 있다.

나는 제안 (offer)이 있다.

적합성이 실제일 때만 나를 공개하라.

이것이 제가 계속해서 되돌아오게 되는, 누락된 MCP 카테고리입니다.

만약 에이전트가 빌더들을 위한 운영 레이어 (operating layer)가 되고 있다면, 에이전트는 단순히 우리가 도구를 사용하는 것을 돕는 데 그쳐서는 안 됩니다.

모든 것이 공개 게시물이 되어야 하기 전에, 적절한 사람과 기회가 서로를 찾을 수 있도록 도와야 합니다.

Pairoa: https://pairoa.com/install

당신의 AI가 당신보다 먼저 그들의 AI를 만납니다.