Atlassian, 인간과 AI 에이전트 팀을 관리하기 위한 AMP 발표

2026년 10월 7일 Atlassian은 공식적으로 Agentic Multiplayer Protocol, 약칭 AMP를 발표했습니다. 이 발표는 회사의 연례 컨퍼런스에서 이루어졌으며, 조직이 인간과 인공지능 에이전트가 혼합된 팀을 만들고 운영하며 감독할 수 있도록 설계되었습니다. Atlassian은 이 기술을 통해 AI 에이전트가 핵심 워크플로우에 적극적으로 참여할 때 필요한 가시성과 제어 기능을 제공하고자 했습니다. 발표에서는 AMP가 기존 제품군에 어떻게 삽입되는지, 그리고 어떤 문제를 해결하려는지에 대한 상세한 설명이 포함되었습니다. 특히, 기업 환경에서 AI 에이전트가 실제 협업 파트너로 작동할 때 발생할 수 있는 보안 및 책임 문제를 다루는 것이 핵심 목표였습니다. Atlassian은 이와 같은 필요성을 인식하고, AMP를 통해 투명한 행동 기록과 권한 관리가 가능하도록 했다고 강조했습니다. 이와 동시에, AMP는 별도의 외부 표준을 도입하지 않고 Atlassian 자체 기술 스택에 통합된다는 점을 강조했습니다. 따라서 고객은 기존 인프라를 크게 변경하지 않고도 새로운 거버넌스 기능을 활용할 수 있습니다.

AMP란 무엇이며 Atlassian은 어떻게 정의하고 있나요?

Atlassian의 AI 부문 부사장인 Jamil Valliani에 따르면, AMP는 공식적인 표준이라기보다 기술, UI 패턴 및 거버넌스 메커니즘이 결합된 통합 솔루션이라고 설명했습니다. 핵심 아이디어는 관리자가 AI 에이전트를 팀 구성원으로 취급하고, 명확히 정의된 권리와 책임을 부여할 수 있도록 하는 것입니다. 이를 위해 별도의 외부 프로토콜을 채택하거나 공급업체마다 별도 규칙을 만들 필요가 없다고 강조했습니다. AMP는 Atlassian 제품군 전반에 걸쳐 일관된 사용자 경험을 제공하도록 설계되었습니다. 관리자는 UI를 통해 에이전트의 행동을 모니터링하고, 필요에 따라 권한을 조정하거나 계정을 일시 중지할 수 있습니다. 또한, AMP는 에이전트가 수행하는 작업을 인간 사용자와 동일한 방식으로 기록하고 감사할 수 있게 합니다. 이러한 접근 방식은 AI와 인간이 협업하는 복합 환경에서 책임성을 확보하는 데 중점을 둡니다. Valliani는 AMP가 향후 AI 거버넌스의 기본 틀로 자리 잡을 것이라고 전망했습니다.

Teamwork Graph 기반 아키텍처

AMP는 Atlassian이 내부적으로 사용하는 Teamwork Graph 인프라 위에 구축됩니다. Teamwork Graph는 사람, 프로젝트, 콘텐츠 간의 관계를 저장하고 전파하는 관계형 데이터 엔진입니다. 이 그래프를 통해 컨텍스트 정보가 세밀한 권한 설정과 함께 전파되며, 모든 접근은 상세한 감사 로그에 기록됩니다. 각 엔터티—문서, 작업, 혹은 AI 에이전트—는 그래프의 노드에 연결되어 일관된 권한 및 접근 이력을 유지합니다. 이러한 구조는 복잡한 제품 생태계 전반에 걸쳐 일관된 보안 정책을 적용할 수 있게 합니다. 또한, 그래프 기반 접근 방식은 실시간으로 권한 변화를 반영하고, 필요한 경우 즉시 차단할 수 있는 유연성을 제공합니다. Atlassian은 이 그래프가 AI 에이전트와 인간 사용자의 상호작용을 투명하게 만들고, 전체 시스템의 무결성을 보장한다고 강조했습니다. 결과적으로, 팀워크 그래프는 AMP가 제공하는 거버넌스 기능의 핵심 토대가 됩니다.

에이전트 거버넌스와 관리자 제어

관리 콘솔에서는 AI 에이전트가 별도의 계정으로 표시되며, 관리자는 이를 직접 확인할 수 있습니다. 콘솔 화면에서 관리자는 에이전트가 수행한 각 작업을 검토하고, 필요 시 계정을 일시 중지하거나 영구적으로 차단할 수 있습니다. 또한, 권한을 세부적으로 수정하여 에이전트가 접근할 수 있는 도구와 데이터 범위를 제한할 수 있습니다. 이러한 제어 모델은 최소 권한 원칙에 기반하여, 에이전트가 수행하는 작업에 꼭 필요한 권한만 부여하도록 설계되었습니다. 결과적으로, 기업 환경 내 위험 표면을 최소화하면서도 AI 에이전트가 효율적으로 작업을 수행하도록 지원합니다. 관리자는 실시간 대시보드를 통해 에이전트 활동을 모니터링하고, 이상 징후가 감지되면 즉시 대응 조치를 취할 수 있습니다. 이와 같은 기능은 기존 보안 정책과 자연스럽게 통합되어, 별도의 복잡한 설정 없이도 강력한 거버넌스를 구현합니다. Atlassian은 이러한 관리 기능이 AI와 인간 협업의 신뢰성을 크게 향상시킬 것이라고 주장했습니다.

지원되는 에이전트는 인간 사용자와 동일한 수준의 팀 멤버로 추가될 수 있으며, 내부 Multiparty Computation(MCP) 및 Agent‑to‑Agent(A2A) 프로토콜을 활용합니다. 이러한 프로토콜은 이미 AMP 내부에서 작동하고 있어, 별도의 외부 설정 없이도 에이전트 간 안전한 데이터 교환이 가능합니다. 또한, 외부 애플리케이션에서 OpenAI 모델을 호출하는 경우와 같이 외부 세션을 캡처하여 Jira 이슈와 연결할 수 있습니다. 이를 통해 에이전트가 수행한 각 단계가 티켓에 기록되어 감사와 문제 해결이 용이해집니다. 에이전트 활동이 티켓에 자동으로 연결되면, 담당자는 언제든지 해당 기록을 검토하고 필요한 조치를 취할 수 있습니다. 이 과정은 모든 상호작용을 투명하게 만들고, 책임 소재를 명확히 하는 데 기여합니다. Atlassian은 이러한 통합이 기존 워크플로우를 방해하지 않으면서도 AI 활용을 확대하는 핵심 요소라고 강조했습니다. 결과적으로, 조직은 AI 에이전트를 기존 프로젝트 관리 체계에 자연스럽게 녹여낼 수 있습니다.

Rovo Work 확장 및 장기 작업 계획

AMP 생태계 내에서 Rovo Work 기능은 장기 작업을 생성하고 검토 가능한 계획을 수립하도록 지원합니다. 이 기능은 자동 알림과 제한된 권한 설정을 포함하여, 작업 진행 상황을 실시간으로 프로젝트 콘솔에 반영합니다. 장기 작업은 에이전트 또는 혼합 팀에 할당될 수 있으며, 진행 상황은 지속적으로 업데이트됩니다. 구조화된 계획과 세밀한 접근 제어를 결합함으로써, 복잡한 AI 기반 프로젝트에서도 명확한 추적성을 유지할 수 있습니다. Rovo Work는 작업 일정이 변경될 경우 자동으로 알림을 전송하고, 관련 이해관계자에게 최신 정보를 제공합니다. 또한, 권한이 제한된 사용자만 특정 단계에 접근하도록 설정하여 보안 위험을 최소화합니다. Atlassian은 이 기능이 AI와 인간이 공동으로 수행하는 대규모 프로젝트 관리에 필수적이라고 설명했습니다. 따라서 조직은 유연성을 유지하면서도 프로젝트 전반에 걸친 투명성을 확보할 수 있습니다.

Atlassian이 강조하는 주요 과제는 AMP가 제공하는 가시성과 거버넌스가 외부 공급업체와의 효과적인 통합에 달려 있다는 점입니다. 현재 아키텍처는 행동을 기록하고 정책을 적용하도록 설계되었지만, 실제 기록 품질과 실시간 제어 능력은 각 서드파티 에이전트가 AMP 커넥터를 통해 필요한 데이터를 제공하느냐에 따라 달라집니다. 관리자는 이제 통합 콘솔에서 에이전트를 감사하고, 일시 중지하거나 재구성할 수 있지만, 완전한 거버넌스 효과를 얻기 위해서는 AI 파트너가 Atlassian이 정의한 통합 메커니즘을 채택해야 합니다. 이러한 의존성은 초기 도입 단계에서 협력 업체와의 긴밀한 협업이 필요함을 의미합니다. Atlassian은 파트너에게 명확한 통합 가이드라인을 제공하고, 향후 표준화된 인터페이스를 통해 호환성을 높일 계획이라고 밝혔습니다. 결국, AMP의 성공적인 운영은 내부 관리 도구와 외부 AI 서비스 간의 원활한 데이터 흐름에 달려 있습니다. Atlassian은 이 과제를 해결함으로써 기업이 AI와 인간 협업을 안전하고 효율적으로 확장할 수 있을 것이라고 전망했습니다.