2025년의 에이전트 금융 생태계

이 글을 읽으려면 19 분

전반적인 생태계가 계속해서 성숙해질 것으로 예상되며, 결국에는 에이전트를 이용하는 것이 금융 참여의 주류 방식이 될 것입니다.

이 글은 Lincoln Murr(Coinbase), Stefano Bury(Virtuals), Rishin Sharma(Solana), Pilar Rodriguez(The Graph), David Mehi(Google Cloud), 그리고 Cambrian 회원 Ariel, Brian, Doug, Jason, Ricky, Tumay가 작성했습니다.

에이전트 금융(agent finance)은 임계점에 도달하여 지능형 에이전트를 활용하여 금융 행동을 개선하는 사람들에게 엄청난 경제적 잠재력을 제공합니다. AI 에이전트는 데이터 분석, 의사 결정 및 거래 실행이 가능한 자율적인 도구로, 다양한 수준의 인간 개입을 통해 작동합니다. 이러한 에이전트는 이제 대중에게 접근 가능해지면서 오랫동안 월가와 고빈도 알고리즘이 지배해 온 금융 시스템을 뒤흔들고 있습니다.

이 글은 탈중앙화 금융(DeFi)에서 에이전트 금융의 소매 적용에 중점을 두고, 개별 사용자에게 서비스를 제공하는 데 중점을 둔 현재 이용 가능한 자동화된 에이전트 프로젝트를 종합적으로 검토합니다. 이를 위해 프로젝트팀은 업계 내 수십 개 팀과 광범위한 조사 및 인터뷰를 진행하여, 엄선된 활성 프로젝트 목록을 작성하고 제품 범주별로 분류하며 각 범주 내 대표적인 제품에 주석을 달았습니다. 에이전트 기반 금융은 실시간 정보, 전문가 조언, 최적화된 사용자 경험을 제공하여 암호화폐 산업의 성숙도를 높이고 있으며, 일반 사용자의 DeFi 참여를 더욱 효율적이고 안정적으로 만들어줍니다. 다음은 현재 생태계의 구조적 개요입니다. 에이전트 기반 금융(AgentFi)이란 무엇일까요? 에이전트 기반 금융은 AI 또는 머신러닝을 활용하여 사용자 자금을 적극적으로 관리하거나 맞춤형 금융 자문을 제공하는 새로운 금융 상품군을 말합니다. 일부 상품은 상호작용 및 분석을 위해 대규모 언어 모델(LLM)을 활용하는 반면, 다른 상품은 규칙 엔진이나 기존 머신러닝 알고리즘을 사용합니다. 다양한 기본 기술 접근 방식에도 불구하고, 이러한 상품들은 일반적으로 스스로를 "에이전트 금융(agentic finance)"이라고 부릅니다.

현재 Agentic Finance는 초기 도입 곡선의 시작점인 혁신 단계에 있습니다. 곧 다양한 에이전트와 AI 비서가 금융 활동을 주도하게 될 것입니다. 출처: Ramp

하지만 가까운 미래에 트레이더, 자산 관리자, 재무 분석가와 같은 전문가들은 전문 지능형 에이전트 도구를 활용하여 효율성을 향상시킬 것으로 예상됩니다. 동시에 일반 사용자를 위한 자동화된 에이전트 버전도 동시에 출시될 것입니다. 이러한 추세는 이미 나타나고 있습니다. 예를 들어, Solana 네트워크에서는 자동 트레이딩 봇이 현재 거래량의 절반 이상을 차지하고 있습니다¹.

자율성 vs. 지능성: AgentFi의 역량 척도

다양한 Agentic 프로젝트는 서비스 시나리오와 기술 역량에 따라 "자율성 - 지능성" 척도에 따라 분류됩니다. 가로축은 지능 수준을 나타냅니다. 왼쪽은 규칙 및 통계 모델 기반 도구, 가운데는 기존 머신 러닝 모델, 오른쪽은 대규모 언어 모델(LLM) 또는 그 후속 모델을 기반으로 하는 고급 에이전트입니다. 세로축은 자율성 수준을 나타냅니다. 하단에는 자문과 분석만 제공하는 "자문 에이전트", 상단에는 완전 자동화된 의사 결정 및 실행 권한을 가진 "완전 자동화 에이전트", 그리고 중간에는 "인간이 참여하는" 하이브리드 아키텍처가 있습니다. 에이전트 금융(agentic finance)에 대해 많은 사람들이 "보이지 않는 로봇"이나 자동으로 거래하고 포트폴리오를 독립적으로 관리할 수 있는 고급 LLM 시스템을 떠올립니다. 그러나 실제로 이러한 시스템은 LLM의 지속적인 안정성 문제로 인해 아직 대규모로 구축되지 않았습니다. 예를 들어, LLM은 여전히 허위 정보를 "환각"할 수 있으며, 최근까지는 딸기의 r 개수를 세는 것과 같은 기본적인 계산 기능조차 부족했습니다. 현재 대부분의 에이전트는 LLM을 인간-컴퓨터 인터페이스 또는 데이터 분석 계층에만 사용하는 반면, 펀드 관리는 여전히 수십 년 동안 전통 금융(TradFi)에서 사용되어 온 성숙한 통계 모델이나 머신러닝 알고리즘에 주로 의존하고 있습니다. LLM의 개발 이력을 살펴보면, 숫자 처리 및 논리적 추론의 약점이 역사적 배경을 가지고 있음을 알 수 있습니다. 원래는 언어 예측을 위해 설계되었습니다. 그러나 이러한 상황은 빠르게 변화하고 있습니다. 예를 들어, Anthropic은 기관에서 채택한 금융 상품을 출시했고, OpenAI는 국제 수학 올림피아드에서 경쟁력 있는 모델을 학습시켰습니다. 2025년 에이전트 금융 프로젝트 전망 다음은 현재 진행 중인 사용자 친화적인 에이전트 금융 프로젝트 목록이며, 자금 관리 기능을 갖추고 있습니다. 개발 또는 내부 테스트 단계에 있는 프로젝트는 포함되지 않았습니다. 또한, LLM을 인터페이스로만 사용하지만 사용자의 수동 의사 결정이 필요한 제품도 제외되었습니다. 따라서 이번 검토에는 많은 프로젝트가 포함되지 않았습니다.트레이딩 및 자산 배분 에이전트

트레이딩 에이전트는 에이전트 기반 금융 상품과 가장 흔히 연관됩니다. 이러한 에이전트는 포트폴리오를 자동으로 리밸런싱하거나 매매 자산을 선택하여 사용자 자금을 관리합니다. 자동 트레이딩을 구현하기 위해 에이전트 시스템은 일반적으로 트레이딩 권한, 자산 접근 권한, 예산 관리, 사전 설정된 전략, 고품질 데이터와 같은 구성 요소를 필요로 합니다. 다음은 현재 이러한 기능 중 하나 이상을 지원하는 프로젝트 목록입니다.

Cambrian이 X 플랫폼에서 실시한 최근 설문 조사에 따르면 대부분의 사용자는 고위험 트레이딩 에이전트에 매우 관심이 있는 것으로 나타났습니다.

유동성 공급(LP) 에이전트

탈중앙화 거래소(DEX)는 거래 가능한 자산을 제공하기 위해 제3자 유동성 공급자(LP)에 의존합니다. LP는 거래자가 지불하는 수수료를 받습니다. LP 수익은 비영구적 손실, 거래량, DEX 프로토콜 인센티브 등 다양한 요인에 따라 달라집니다. 다음 에이전트 도구는 LP가 최적의 유동성 배분 경로를 파악하는 데 도움이 될 수 있습니다.

대출 에이전트

암호화폐 시장에서 사용자는 차용자에게 자산을 제공하여 이자를 얻을 수 있습니다. 대출 프로토콜 참여 여부를 결정할 때 대출 에이전트는 일반적으로 수익률, 위험 노출, 기회비용과 같은 요소를 평가합니다. 현재 출시된 대출 에이전트 프로젝트는 다음과 같습니다.

예측 및 베팅 에이전트

예측 시장을 통해 사용자는 선거나 스포츠 경기와 같은 미래 이벤트의 결과에 베팅할 수 있습니다. 이러한 시장은 일반적으로 뉴스나 현실 세계의 정보를 실시간으로 추적하는 데 의존하며, 이러한 정보는 언제든지 변경될 수 있습니다. 예측 시장은 에이전트 기반 참여 메커니즘에 자연스럽게 적합하며, 이는 비탈릭 부테린이 제안한 정보 금융(InfoFi) 개념에서 강조한 개념입니다.

센티먼트, 펀더멘털, 뉴스 및 기술 분석 에이전트

투자자들은 종종 시장 분석을 통해 "무엇을 살지", 센티먼트 분석을 통해 "언제 매수 또는 매도할지"를 결정합니다. LLM은 이러한 유형의 분석에서 혁신적인 가치를 보여줍니다. 분석 가능한 데이터의 규모와 속도를 크게 확장할 뿐만 아니라, 데이터 소스 간의 연관성을 파악하여 맥락적 이해를 향상시키고 더욱 포괄적인 인사이트를 제공합니다.
앞서 언급한 거래를 실행할 수 있는 에이전트와 달리, 분석 에이전트는 정보 지원만 제공하며 직접 거래를 실행하지는 않습니다. 다음은 몇 가지 대표적인 프로젝트입니다.

Agentic Finance 생태계는 빠르게 발전하고 있으며 기존 프로젝트들은 끊임없이 사업 영역을 확장하고 있다는 점에 주목할 필요가 있습니다. 예를 들어, 현재 대출 중개업체로 분류되는 상품은 향후 유동성 관리 등의 분야로 확장될 수 있습니다.

에이전틱 금융의 미래 트렌드

온체인 자산은 지속적으로 증가하고 있으며, 온체인 스테이블코인 거래량은 사상 최고치를 경신했습니다. 또한, 기존 핀테크 기업들도 온체인 인프라에 통합되고 있습니다. 예를 들어, Robinhood는 최근 미국 주식 토큰화 서비스를 출시하여 24시간 온체인 거래를 가능하게 하고 전 세계 투자자들에게 개방했습니다.

암호화폐 산업은 점차 "투기적 거래"라는 틀을 벗어나 투자 기능을 포함한 더 광범위한 사용 사례로 나아가고 있습니다.

그러나 많은 사용자에게 DeFi에 성공적으로 참여하는 것은 여전히 상당한 진입 장벽으로 작용합니다. 바로 이 부분에서 에이전트 기반 제품이 등장합니다. 에이전트 기반 제품은 사용성과 수익성을 크게 향상시킬 수 있는 잠재력을 가지고 있으며, DeFi 도입의 핵심 동력이 될 것입니다.

에이전트 금융은 새로운 시장 분야이며, 위에서 언급한 도구들은 TradFi와 DeFi 모두에서 처음 선보이는 것들입니다. 일부 초기 프로젝트들은 기대에 부응하지 못할 수도 있지만, 전반적인 생태계는 계속해서 성숙해질 것입니다. 궁극적으로 에이전트 활용은 금융 참여의 주류가 될 것이며, "에이전트 기반 금융"에 일찍 첫발을 내딛는 사람들은 장기적인 보상을 얻을 가능성이 더 높아질 것입니다.

또한, 개발자들이 안정적인 수익을 지속적으로 제공함에 따라 사용자들은 에이전트 전략의 세부적인 부분에 덜 신경 쓰게 될 것입니다. 앞으로 에이전트는 여러 기능(예: 거래 및 LP 포지션 동시 관리)을 더욱 통합하여 복잡성과 효율성을 높일 수 있을 것입니다.

향후 초점

향후 주제는 다음과 같습니다.

에이전트 간(A2A) 통신 및 결제 메커니즘

에이전트 인프라 및 개발 프레임워크

데이터 인프라 및 온체인 인덱서

온체인 ID 관리

에이전트 발급 플랫폼 및 시장

개인정보 보호 및 검증 가능성

금융 모델링 및 시뮬레이션 시스템

저자 소개

Cambrian Network의 설립자인 Sam Green은 에이전트 기반 시스템을 위한 금융 인텔리전스 계층 구축에 주력하고 있습니다. 이전에는 Semiotic Labs의 공동 설립자이자 CTO로서 The Graph에서 AI 및 검증 가능성 연구를 이끌었습니다. 그는 누적 거래량 1,000억 달러에 300만 명 이상의 사용자에게 서비스를 제공하는 거래 플랫폼 Odos의 개발에도 참여했습니다. 이전에는 샌디아 국립 연구소에서 AI 및 암호학 연구원으로 근무했습니다. 그는 캘리포니아 대학교 산타바바라 캠퍼스에서 응용수학 석사 학위와 컴퓨터공학 박사 학위를 취득했습니다.

Cambrian 소개

Cambrian은 에이전트를 위한 온체인 금융 인텔리전스 계층입니다. 해당 API는 Agentic DeFi 애플리케이션에 실시간 및 과거 블록체인 데이터를 제공합니다. 이 데이터는 수익률, 유동성 포지션, 위험 노출, 고래 역학, 시장 심리, 표준 DeFi 지표를 포괄하며, 검증 가능한 재무적 통찰력을 제공하기 위해 최선을 다하고 있습니다.

자세한 내용은 https://www.cambrian.ai