DeFAI 도구 총정리: AI Agent로 온체인 자산 관리를 구동하는 방법

特邀专栏作者

2026-04-07 05:54

이 기사는 약 7843자로, 전체를 읽는 데 약 12분이 소요됩니다

Web3와 AI 두 차원을 동시에 능숙하게 다룰 수 있는 팀에게 현재는 개입할 수 있는 창구기입니다. 실행 계층에서 더 신뢰할 수 있는 온체인 에이전트 시스템을 구축하든, 인프라 계층에서 데이터, 권한, 신뢰의 핵심 연결 고리를 구축하든, 채워야 할 상당한 공백 지대가 존재합니다.

AI 요약

펼치기

핵심 관점: DeFAI(분산 금융과 인공 지능 융합) 트랙은 개념 검증에서 제품화로 전환하는 중요한 창구기에 있으며, 기술적 타당성은 초기 검증을 거쳤지만 보안, 신뢰, 규모화 등 시스템적 도전에 직면하고 있어 Web3와 AI 복합 능력을 갖춘 팀에게 인프라와 실행 계층의 공백을 채울 기회를 제공합니다.
핵심 요소:
1. DeFAI는 자율적으로 운영 가능한 온체인 금융 실행 계층 구축을 목표로 하며, 그 진화는 정보 상호작용형에서 실행 폐쇄형까지 두 단계를 거쳤으며, 후자는 오프체인 계산, 온체인 실행 방식을 통해 실제 자산 관리를 가능하게 합니다.
2. 현재 상용화된 애플리케이션은 크게 네 가지 시나리오에 집중하고 있습니다: 크로스 프로토콜 자동 수익 최적화, 양적 전략 자동화, 자연어 명령어 실행, 그리고 리스크 관리 및 청산 모니터링으로, 효율성 향상, 진입 장벽 낮추기, 리스크 관리 강화를 목표로 합니다.
3. 보안은 핵심 도전 과제로, 업계는 MPC(다자간 계산) 또는 TEE(신뢰 실행 환경)를 사용하여 개인 키를 관리하고, Almanak의 Zodiac Roles Modifier와 같은 권한 제어 메커니즘을 중첩하여 에이전트의 권한 초과 조작을 방지합니다.
4. McKinsey의 2025년 보고서에 따르면, AI 에이전트의 일반 기업 시나리오에서 규모화 배포는 10% 미만이며, DeFAI 트랙의 내러티브 열기는 실제 상용화 진도보다 앞서 있고, 대부분의 프로젝트는 본질적으로 자율 에이전트가 아닌 자동화 도구입니다.
5. 미래 트렌드에는 AI 에이전트가 모니터링 경보와 같은 저위험 시나리오에서 기관의 신뢰를 얻을 가능성이 더 높다는 점과, RWA(실물 자산)와 융합하여 더 큰 규모의 온체인/오프체인 자산 포트폴리오를 관리하는 것이 포함됩니다.

Web3과 AI라는 두 차원을 동시에 능숙하게 다룰 수 있는 팀에게 현재는 개입의 창구기입니다. 실행 레이어에서 더 신뢰할 수 있는 온체인 에이전트 시스템을 구축하든, 인프라 레이어에서 데이터, 권한, 신뢰의 핵심 연결고리를 연결하든, 채워야 할 상당한 공백 지대가 존재합니다.

본격적인 분석을 시작하기 전에, 하나의 핵심 개념을 명확히 할 필요가 있습니다: DeFAI입니다.

DeFAI는 DeFi(탈중앙화 금융)와 AI(인공지능)의 융합 약어로, AI 에이전트를 온체인 금융 시나리오에 도입하여 시장 상태를 인지하고, 자율적으로 전략을 수립하며, 직접 온체인 작업을 실행할 수 있는 능력을 갖추는 것을 의미합니다. 이를 통해 실시간 인간 개입에 의존하지 않고 자산 배분, 리스크 관리, 프로토콜 상호작용 등 전통적으로 전문가가 수행해야 했던 일련의 금융 행동을 완수합니다.

간단히 말해, DeFAI는 DeFi 도구의 단순한 AI화 업그레이드가 아니라, 온체인에 자율적으로 운영될 수 있는 금융 실행 레이어를 구축하려는 시도입니다.

이 트랙은 2024년 4분기부터 급속히 뜨거워졌으며, 그 배경에는 주목할 만한 세 가지 상징적 사건이 있습니다. 이들은 각각 AI 에이전트가 Web3에 진입하는 세 가지 수준, 즉 내러티브의 대중화, 자산화 인프라 구축, 그리고 실행 능력의 실제 구현에 대응합니다.

첫 번째 사건은 2024년 7월에 발생했습니다. 개발자 Andy Ayrey가 구축한 트위터 봇 Truth Terminal은 a16z 공동 창립자 Marc Andreessen으로부터 5만 달러 상당의 BTC 기부를 받은 후 빠르게 대중의 관심을 받았고, GOAT 토큰의 바이럴 확산을 촉발했습니다. 이는 AI 에이전트가 온체인 경제 참여자로서 진정한 의미에서 대중의 시야에 처음으로 들어온 사건입니다.
두 번째 사건은 같은 해 10월에 발생했습니다. Virtuals Protocol이 Base 네트워크에서 폭발적인 인기를 얻으며 AI 에이전트 자체를 토큰화했고, 그 생태계 시가총액은 최고 350억 달러를 돌파하며 DeFAI 트랙 자산화 인프라 구축 단계의 전형적인 대표 사례가 되었습니다.
세 번째 사건은 Giza, HeyAnon, Almanak 등의 프로젝트가 잇따라 온체인 실행 레이어에서 구현되며, 업계가 내러티브 주도에서 제품화 단계로 전환되도록 추진한 것입니다. AI 에이전트가 단순히 정보 상호작용 수준에 머무르지 않고, 진정으로 온체인 작업을 '실행'하기 시작했습니다.

글로벌 시장 규모 측면에서, 여러 연구 기관들은 AI 에이전트 트랙의 성장 전망에 대해 높은 일치를 보이고 있습니다:

차트 1: 글로벌 AI 에이전트 시장 규모 예측 비교

데이터 출처: MarketsandMarkets (2025), Grand View Research (2025), BCC Research (2026.01)

그러나 자본의 열기와 산업 구현 사이에는 여전히 뚜렷한 격차가 존재합니다. McKinsey가 2025년 11월 발표한 'The State of AI in 2025' 보고서(105개국 1993명 응답자 기반)에 따르면, 88%의 조직이 최소한 하나의 비즈니스 기능에서 AI를 사용하고 있지만, 약 3분의 2는 여전히 실험 또는 파일럿 단계에 머물고 있습니다. AI 에이전트 분야로 구체화하면: 62%의 조직이 실험을 시작했고, 23%는 최소한 하나의 기능에서 확장을 추진하고 있지만, 단일 기능에서 확장 배포를 구현한 비율은 모두 10% 미만입니다.

이 데이터는 우리에게 다음과 같은 점을 시사합니다: DeFAI 트랙의 내러티브 열기는 현재 여전히 실제 구현 진도보다 앞서 있습니다. 이 격차를 이해하는 것이 이 트랙의 가치를 객관적으로 평가하는 전제 조건입니다.

DeFAI의 기술 기반: AI 에이전트가 온체인 세계와 어떻게 상호작용하는가

DeFAI가 어떻게 작동하는지 이해하려면, 먼저 핵심 질문에 답해야 합니다: AI는 어떤 메커니즘을 통해 온체인 금융 작업에 개입하는가?

DeFAI 시스템의 핵심 실행 단위는 대규모 언어 모델(LLM) 기반의 AI 에이전트입니다. Wang et al. (2023)의 학술 리뷰에 따르면, 그 핵심 능력은 세 계층 구조로 요약될 수 있으며, 각 계층은 온체인 시나리오에서 대응하는 구체적인 기능을 가집니다:

계획 계층은 목표 분해와 경로 최적화를 담당하며, 온체인 시나리오에서의 전략 생성 및 리스크 평가에 대응합니다.
기억 계층은 벡터 데이터베이스 등의 외부 저장소를 통해 교차 주기 정보 축적을 구현하며, 역사적 시장 데이터와 프로토콜 상태를 담당합니다.
도구 계층은 모델 능력을 확장하여 DeFi 프로토콜, 가격 오라클, 크로스체인 브리지 등의 외부 시스템을 호출할 수 있게 합니다.

그러나 여기서 명확히 해야 할 점이 있습니다: AI 모델 자체는 블록체인과 직접 상호작용할 수 없습니다. 현재 거의 모든 DeFAI 시스템은 오프체인 추론과 온체인 실행을 분리한 아키텍처를 채택하고 있습니다. AI 에이전트는 오프체인에서 전략 계산을 완료한 후, 결과를 온체인 트랜잭션 신호로 변환하여 실행 모듈이 대신 제출하도록 합니다. 이 아키텍처 설계는 현재 기술 조건 하에서의 현실적 선택이면서, 동시에 프라이빗 키 권한 부여, 권한 관리 등 일련의 보안 문제를 야기합니다.

AI 에이전트는 본질적으로 대규모 언어 모델 기반의 자율 의사결정 시스템으로, 작업 분해, 기억 관리, 도구 호출을 통해 폐쇄형 실행을 구현하며, 현재 AI 에이전트와 온체인 자산 측면의 상호작용도 이미 초기 형태를 갖추고 있습니다.

차트 2: AI 에이전트 3계층 아키텍처

DeFAI의 진화: 정보 상호작용에서 실행 폐쇄 루프로

DeFAI의 기술 기반을 명확히 한 후, 자연스럽게 제기되는 질문은 다음과 같습니다: 이 시스템은 어떻게 오늘날까지 단계적으로 발전해 왔는가?

The Block의 연구에 따르면, DeFAI의 진화는 하루아침에 이루어진 것이 아니라 두 개의 다른 단계를 거쳤습니다. 초기 정보 처리 중심의 상호작용형 에이전트에서, 현재는 진정으로 온체인 작업에 개입할 수 있는 실행형 시스템으로 발전했습니다.

두 단계는 목표 포지셔닝, 기술 수단, 리스크 수준에서 본질적인 차이를 가집니다.

차트 3: DeFAI 두 차례 진화 경로 비교

두 단계의 진화 흐름은 다음과 같이 이해할 수 있습니다:

첫 번째 물결은 상호작용형 에이전트로, 대화 가능하고 분석 가능한 지능형 에이전트 프레임워크 구축에 중점을 둡니다. 대표적인 프로젝트로는 ElizaOS(구 ai16z)의 Eliza 프레임워크, Virtuals의 G.A.M.E. 등이 있습니다. 이 단계의 본질은 여전히 정보 도구입니다. 에이전트는 읽고, 말하고, 분석할 수 있지만, 그 기능 경계는 정보 계층에서 멈추며, 어떠한 자산 실행 작업도 다루지 않습니다.

두 번째 물결인 실행형 DeFAI 에이전트에서야 비로소 의사결정 실행 폐쇄 루프에 진입합니다. 대표 프로젝트로는 HeyAnon, Wayfinder, Giza(ARMA 에이전트) 및 Almanak 등이 있습니다. 이러한 시스템의 공통된 특징은 다음과 같습니다: AI는 오프체인에서 실행되어 구조화된 전략 신호를 출력하고, 온체인 실행 모듈을 통해 트랜잭션을 완료합니다. 이는 기존 DeFi 프로토콜을 대체하는 것이 아니라, 그 위에 AI 의사결정 메커니즘을 도입하여 전체 작업 흐름을 '사람이 명령 내림'에서 '에이전트 자율 실행'으로 변화시킵니다.

두 물결 진화의 본질적 차이는 기술 복잡성에 있는 것이 아니라, 진정으로 자산을 다루는지 여부에 있습니다. 이는 또한 두 번째 물결 시스템이 신뢰 메커니즘, 권한 설계, 보안 아키텍처 측면에서 직면하는 도전이 첫 번째 물결보다 훨씬 더 복잡하다는 것을 결정합니다. 이는 다음 장에서 중점적으로 논의할 내용입니다.

DeFAI의 구현 그림: 네 가지 주류 응용 시나리오

기술 아키텍처에서 진화 경로에 이르기까지, DeFAI의 '무엇을 할 수 있는가'는 점차 명확해지고 있습니다. 그렇다면 실제 제품 측면에서, 그것은 어떤 실제 문제를 해결하고 있습니까?

전체적으로 볼 때, 현재 DeFAI의 응용 탐구는 네 가지 핵심 방향을 중심으로 상대적으로 성숙한 구현 패턴을 형성하고 있으며, 이는 각각 온체인 작업에서 '수익 효율성, 전략 실행, 상호작용 진입 장벽, 리스크 관리'라는 네 가지 핵심 문제점에 대응합니다.

수익 최적화: 크로스 프로토콜 자동 포트폴리오 조정

수익 최적화는 현재 가장 성숙하게 구현된 DeFAI 응용 시나리오입니다. 그 핵심 논리는 다음과 같습니다: Aave, Compound, Fluid 등 주류 DeFi 프로토콜의 예금 연간 수익률(APY)을 지속적으로 스캔하고, 사전 설정된 리스크 매개변수를 결합하여 포트폴리오 조정이 필요한지 판단하며, 각 작업 전에 트랜잭션 비용 분석을 실행합니다. 수익 증가가 전체 가스 비용 및 거래 수수료를 충당할 수 있을 때만 실제로 자금을 이전하여, 크로스 프로토콜 자동화 최적 구성을 실현합니다.

Giza를 예로 들면, 그들의 ARMA 에이전트는 2025년 2월 Base 네트워크에서 스테이블코인 수익 전략을 출시하여 Aave, Morpho, Compound, Moonwell 등 프로토콜의 금리 변화를 지속적으로 모니터링하고, 프로토콜 APY, 수수료 비용, 유동성을 종합적으로 고려한 후 사용자 자금을 지능적으로 조정하여 수익을 극대화합니다. 공개 데이터에 따르면, ARMA는 현재 약 6만 명의 독립 보유자, 3만 6천 개 이상의 배포된 에이전트를 보유하고 있으며, 관리 자산 규모(AUA)는 2천만 달러를 초과합니다.

DeFi 프로토콜 수익이 지속적으로 변동하는 시장 환경에서, 인간의 모니터링과 수동 포트폴리오 조정의 효율성과 적시성은 자동화 시스템에 훨씬 미치지 못합니다. 이것이 바로 이 시나리오의 핵심 가치입니다.

차트 4: Giza 플랫폼 ARMA 에이전트 예시 그림