개인정보 보호를 통한 더 나은 AI 컨텍스트 관리. 사례 연구: Plurality, Ekai

올해 초, 저는 AI 메모리 문제와 잠재적인 해결책에 대해 심도 있게 논의한 바 있습니다. 저는 이것이 메모리 제약 문제를 해결하는 방법이라고 굳게 믿기 때문에, 당시 AI 컨텍스트 관리 (Context Management)를 연구하고 있는 몇몇 이름들을 언급했습니다.

여기서 저는 이 측면에서 진전된 두 가지 프로젝트를 더 자세히 탐구하고, 우리의 경험을 다음 단계로 끌어올릴 수 있는 AI 미래의 단면을 보여드리고자 합니다.

Plurality & 휴대 가능한 AI 컨텍스트 (Portable AI Context)

이것을 생각해 보십시오. 모델을 전환하거나 새로운 세션을 시작할 때마다 끊임없이 처음부터 다시 시작하거나, 이전 대화를 반복하고 요약할 필요가 없다면 어떨까요?

Plurality는 바로 이 질문에 답하려는 시도에서 시작되었습니다. 그들의 목표는 개방형 컨텍스트 레이어 (Open Context Layer)를 개발하는 것입니다. 그 결과, 사용자는 자신의 데이터와 채팅을 특정 메모리 버킷 (Memory Buckets)에 자율적으로 저장할 수 있게 되었습니다. 이는 더 나은 컨텍스트 관리 (Context Management)를 도울 뿐만 아니라, 필요에 따라 컨텍스트를 공유하는 것도 가능하게 합니다.

AI 컨텍스트 플로우 (AI Context Flow)

휴대 가능한 AI 메모리 (Portable AI Memory) 문제를 해결하기 위한 방안으로 홍보되는 Plurality는 **AI Context Flow**를 구축했습니다. 이 도구는 ChatGPT, Claude, Gemini, Grok, 그리고 Perplexity와 함께 작동합니다.

AI Context Flow의 독보적인 강점 (USP) 중 하나는 내장된 개인정보 보호 제어 (Privacy Control)입니다. 따라서 클라우드 저장소와 데이터 마이닝 (Data Mining)이 주로 사용자의 인지나 동의 없이 이루어지는 대부분의 다른 솔루션들과는 차별화됩니다. Plurality는 Oasis와 협력하여 TEE (Trusted Execution Environment) 기반의 개인정보 우선 컨텍스트 관리 (Privacy-first Context Management)를 구현했습니다. 이를 통해 사용자는 AI가 무엇을 볼 수 있는지 결정할 수 있고, 자신의 재량에 따라 액세스 권한을 취소할 수 있으며, 완전한 데이터 소유권을 가질 수 있습니다.

이제 Plurality와 Oasis가 개인정보 보호 문제를 어떻게 다루는지 살펴보겠습니다.

개인정보 보호 문제 (Privacy Problem)

AI Context Flow는 한 가지 문제를 해결하지만, 인프라 문제라는 새로운 과제를 던져줍니다. 휴대 가능한 컨텍스트 (Portable context)가 다른 서버를 통해 흐르도록 돕는 것은 까다로우며, 본질적인 신뢰 격차 (Trust gaps)를 유발합니다.

가장 먼저 떠오르는 쉬운 해결책은 Model Context Protocol (MCP)을 채택하는 것입니다. MCP는 에이전트 (Agents)가 도구, 데이터, 메모리 및 API에 접근할 수 있게 해줍니다. 인프라는 강력하며, 점점 더 많은 AI 제품들이 그 위에서 구축됨에 따라 성장하고 있습니다. 하지만 개인정보 보호의 고충 (Privacy pain point)은 여전히 남아 있습니다.

대부분의 사람들은 AI 개인정보 보호에 대해 이야기할 때 모델을 생각합니다. 하지만 실제로는 기반 인프라에서 대부분의 개인정보가 노출됩니다. 도구가 MCP를 사용할 때, MCP 운영자는 서버를 통해 실행되는 모든 것을 볼 수 있습니다. 즉, 휴대 가능한 컨텍스트는 얻을 수 있지만 개인정보 보호 가드레일 (Privacy guardrails)은 없는 상태가 됩니다. Plurality는 AI Context Flow를 구축하는 과정에서 사용자의 의도, 이력 및 민감한 정보가 제3자의 접근에 취약해지는 이 문제에 직면했습니다.

Oasis 솔루션

Oasis는 인프라 노출 딜레마를 해결하기 위해 기밀 컴퓨팅 (Confidential computation)을 위한 Runtime Off-chain Logic (ROFL)을 제공하며 등장합니다. 이제 컨텍스트는 신뢰 실행 환경 (Trusted Execution Environment, TEE) 내부에서 실행되는 MCP 서버를 통해 흐를 수 있습니다. 이는 다음을 의미합니다:

• 운영자는 메모리 내의 컨텍스트를 읽을 수 없음
• 호스트 OS가 실행을 조작할 수 없음
• 실행되는 코드는 원격 검증 (Remote attestation)을 통해 증명 가능함

따라서 Plurality가 ROFL 위에서 MCP 서버를 실행하면, 인프라 계층의 기밀성은 단순한 신뢰 가정에 기반하는 것이 아니라 실제로 검증 가능해집니다. 컨텍스트는 타인의 시선으로부터 떨어진 보안 엔클레이브 (Secure enclave) 내에 저장 및 처리되며, 필요할 때만 모델에 노출되고 접근할 수 있습니다.

Plurality의 다음 단계

개인정보 보호에 초점을 맞춘 컨텍스트 관리는 새로운 기회를 열어줍니다. 다음 단계에서 Plurality는 이 기반 위에 컨텍스트 마켓플레이스 (Context marketplace)를 구축하는 데 집중하고 있습니다.

간단히 말해, 컨텍스트 마켓플레이스 (Context marketplace)는 보통 파편화되어 사일로 (Silos)에 갇혀 있는 정보와 지식을 집계하여, 누구나 원하는 AI 도구에 주입할 수 있는 패키지 형태로 제공합니다. 여기서도 개인정보 보호 (Privacy) 제약 조건은 잠재적인 결정적 장애물 (Deal-breaker)이 될 수 있습니다. Oasis는 자체적인 프라이버시 레이어 (Privacy layer)를 통해, 마켓플레이스에서 거래를 중개하는 당사자들이 컨텍스트에 접근할 수 없도록 하면서도 컨텍스트의 공유와 수익화 (Monetization)를 가능하게 합니다.

Ekai & AI 컨텍스트 레이어 (AI context layer)

AI를 광범위하게 사용하는 것에 따른 트레이드오프 (Trade-off)는, 우리가 프롬프트 (Prompts)를 미세 조정 (Fine-tuning)하고 응답 레이어를 축적하며 오랜 시간 공들여 구축해 온 컨텍스트에 대한 의존성입니다.

Ekai는 스마트 모델 라우팅 (Smart model routing)을 통해 소중한 컨텍스트를 잃지 않으면서도 다양한 AI 모델 사이를 원활하고 비용 효율적으로 전환할 수 있는 개발자 중심의 솔루션을 구축했습니다. Oasis는 이러한 컨텍스트 엔진이 작동하는 데 필요한 신뢰가 필요 없는 (Trustless) 검증 가능한 프라이버시 엔진 (Verifiable privacy engine)을 제공합니다.

이는 오늘날 AI 분야의 두 가지 주요 페인 포인트 (Pain points)를 해결합니다.

• 액세스 제어 (Access control): 액세스 공유는 사용자들 사이에서 흔히 발생하는 관행입니다. 사용자들은 편의를 위해 친구나 동료가 AI 모델에 액세스할 수 있도록 허용합니다. 이는 프로젝트 협업 시 가장 빈번하게 나타납니다. 하지만 실제 자격 증명 (Credentials)을 공개하는 것은 위험 부담이 매우 큰 일입니다.

• 에이전트 컨텍스트 (Agent context): 액세스를 공유하는 것은 쉽지만, 컨텍스트 (Context)를 공유하는 것이 진정한 과제입니다. 예를 들어, 당신이 한 시간 동안 에이전트와 함께 작업하면, 에이전트는 패턴, 결정, 내용, 출력물, 그리고 이 모든 것을 연결하는 로직을 축적하게 됩니다. 이 컨텍스트는 평문 (Plaintext) 형태로 존재하며 공유가 가능합니다. 하지만 새로운 세션이 시작될 때마다 컨텍스트는 사라지거나, 이를 찾아 참조하는 과정이 악몽처럼 어려워집니다. 때로는 단일 세션 내에서도 세션 시간이 경과함에 따라 컨텍스트가 저하되어 환각 (Hallucinations) 현상을 유발하기도 합니다. 요약 (Summarization) 방식은 한계가 있는데, 압축된 세부 정보가 AI의 메모리 아키텍처 (Memory architecture) 내에서 손실되는 경향이 있기 때문입니다.

Ekai는 AI 에이전트를 위한 컨텍스트 엔진 (Context engine)이 됨으로써 이 문제를 해결하고자 합니다.

Contexto

AI 에이전트를 위한 컨텍스트 레이어 (Context layer)로 설계된 **Contexto**는 현재 OpenAI, Anthropic, Google, xAI, OpenRouter, Groq와 연동되며, 게이트웨이는 ROFL 위에서 실행됩니다. OpenClaw 플러그인으로 구축되었기 때문에 마이그레이션 (Migration)이 필요하지 않습니다.

아키텍처 관점에서 보면, Contexto는 이전 작업들을 저장하고 인덱싱 (Indexing)함으로써 메인 스레드 (Main thread)를 깨끗하게 유지하는 방식으로 작동합니다. 따라서 에이전트가 이를 호출하면, 도구가 관련 컨텍스트를 자동으로 검색합니다.

모든 작업과 하위 작업은 격리된 상태로 실행되며, 컨텍스트가 반영된 출력물과 조립된 컨텍스트를 짧고 단순한 결과로 반환하는 스코프가 지정된 하위 에이전트 (Scoped sub-agents)에 의해 처리됩니다. 그러나 어떤 것도 버려지지 않으며, 전체 세부 사항을 추적해야 하는 경우 요청에 따라 복구가 가능합니다.

Oasis가 추가하는 것

Ekai의 Control Plane은 Oasis Sapphire를 통해 암호화된 API 키를 온체인(on-chain)에 저장할 수 있게 하여, 모델 제한, 지출 한도, 즉각적인 권한 취소와 같은 세밀한 제어(granular controls)를 통해 액세스 권한을 위임할 수 있도록 합니다. 복호화는 보안 엔클레이브(secure enclave) 또는 TEE(Trusted Execution Environment) 내에서만 수행되므로, 자격 증명(credential)을 공유하지 않고도 액세스 공유가 가능합니다.

이제 컨텍스트(context)에 대해 살펴보겠습니다. AI 모델과의 세션 윈도우(session windows)가 커짐에 따라, 신뢰가 깨졌을 때 잃게 되는 것도 더 많아집니다. 컨텍스트 평문(plaintext)이 액세스 권한을 가진 누구라도 보고 조작할 수 있도록 기록되기 때문입니다. 이러한 컨텍스트 기밀성(context confidentiality) 문제는 ROFL이 TEE 내부에서 컨텍스트 레이어(context layer)를 실행함으로써 해결됩니다. 결과적으로, 컨텍스트는 평문을 전혀 노출하지 않고 보안 엔클레이브 내에서 저장, 인덱싱 및 검색됩니다.

Ekai의 향후 계획

현재 Control Plane과 OpenClaw 플러그인으로서의 컨텍스트 레이어 모두 메인넷(mainnet)에서 운영 중입니다. 다음 단계는 컨텍스트 저장소(context store)를 ROFL 엔클레이브로 가져오는 설계를 진행함에 따라, 지속적인 컨텍스트(persistent context)를 기본적으로 비공개(private by default)로 만드는 것을 포함합니다.

이는 에이전트 간 컨텍스트 라우팅(agent-to-agent context routing)을 위한 발판을 마련할 것입니다. 이것이 가능해지면, 사용자의 에이전트는 누구에게나 속한 에이전트들과 협업할 수 있게 됩니다. 이렇게 서로 다른 에이전트들은 내장된 규칙과 개인정보 보호 정책을 바탕으로 관련 컨텍스트를 공유할 수 있습니다.

맺음말

Oasis AI 책임자인 Marko Stokić가 그의 Forbes 기사에서 언급한 AI 메모리에 관한 논의가 떠오릅니다.

우리는 사용자가 언제, 어떤 AI 모델로 이동할지를 결정할 수 있고, 상호 운용 가능한 메모리 레이어가 사용자의 데이터 주권(data sovereignty)과 개인정보 보호를 따르는, 기밀성이 보장되어 계산되고 검증 가능한 휴대형 AI 컨텍스트(portable AI context)가 필요합니다. Oasis의 기술 스택을 사용하여 프라이버시 우선(privacy-first) 접근 방식을 채택한 Plurality와 Ekai 모두 그러한 미래를 향한 의지를 보여주고 있습니다.

AI의 지속적인 메모리 문제 (memory problem)를 해결하려는 이러한 프로젝트들에 대해 당신은 어떻게 생각하시나요? 댓글 섹션에서 의견을 나누어 봅시다.
그리고 Oasis가 검증 가능한 에이전트 (verifiable agents)를 배포하는 데 어떻게 도움을 줄 수 있는지 더 자세히 알아보고 싶다면, 그 여정은 여기에서 시작됩니다.