도커가 AI 에이전트를 만들고 실행하는 도구인 '도커 에이전트(docker-agent)'를 공개했다. 도커 엔지니어링 팀이 개발한 이 프로젝트는 스스로를 'AI 에이전트 빌더 겸 런타임'으로 규정한다. 핵심 아이디어는 간단하다. 애플리케이션을 선언형 설정으로 다뤄 온 도커의 방식을 AI 에이전트에도 그대로 적용하겠다는 것이다. 사용자는 코드를 작성하는 대신 YAML 설정 파일에 에이전트를 정의하고, 거기에 도구를 붙인 뒤 실행하면 된다. 여러 에이전트가 협업해 복잡한 문제를 해결하도록 하는 멀티 에이전트 오케스트레이션도 지원 범위에 들어간다.
주목할 지점은 이 도구가 별도의 독립 애플리케이션이 아니라 도커 CLI 플러그인으로 동작한다는 사실이다. 즉 docker agent 명령으로 호출하며, 이미지 빌드나 컨테이너 실행 같은 기존 도커 워크플로와 같은 자리에서 에이전트를 다룰 수 있다. 컨테이너를 이미 일상적으로 쓰는 개발팀이라면 새로운 사고 체계를 익힐 필요 없이, 늘 쓰던 CLI 안에서 에이전트라는 개념을 하나 더 얹는 형태가 된다. 이 통합 방식 자체가 도커가 이 기능을 어떤 사용자층을 겨냥해 설계했는지를 보여준다.
설치와 모델 연결
설치 경로는 세 가지로 정리된다. 도커 데스크톱 4.63 버전 이상을 쓴다면 플러그인이 기본 탑재돼 있어 곧바로 docker agent를 실행할 수 있다. 맥OS 사용자는 홈브루로 brew install docker-agent를 통해 설치해 docker-agent를 직접 실행하거나, 바이너리를 ~/.docker/cli-plugins/docker-agent 경로에 심볼릭 링크로 걸어 docker agent 형태로 쓸 수 있다. 깃허브 릴리스에서 바이너리를 내려받는 방법도 같은 심볼릭 링크 방식을 따른다. 결국 도커 데스크톱을 최신으로 유지하는 환경이 가장 마찰이 적고, 그 밖의 경우에는 CLI 플러그인 디렉터리에 링크를 거는 한 단계가 공통적으로 필요하다.
에이전트가 실제로 작동하려면 모델이 연결돼야 한다. 도커 에이전트는 최소 하나의 API 키를 설정하는 클라우드 경로와, 도커 모델 러너(Docker Model Runner)를 통해 로컬 모델을 쓰는 경로를 모두 제시한다. 두 방식의 전체 절차는 프로젝트 문서의 '모델 설정(Set Up a Model)' 안내에서 다룬다. 로컬 모델 선택지가 명시돼 있다는 점은 외부로 데이터를 내보내기 어려운 보안 요건이나 비용 통제가 중요한 환경에서 의미가 있다. 다만 어떤 모델을 쓰느냐에 따라 에이전트의 추론 품질과 도구 호출 신뢰도가 좌우되므로, 로컬과 클라우드 중 무엇을 택할지는 과제의 성격에 맞춰 판단해야 한다.
실무자가 따져봐야 할 지점
'코드가 필요 없다(no code required)'는 설명은 진입 장벽을 낮춘다는 측면에서 매력적이지만, 실무에서는 그만큼 따져볼 대목이 있다. 선언형 YAML은 구성을 명료하게 보여주고 버전 관리에 올리기 좋다는 장점이 있는 반면, 에이전트의 동작이 복잡해질수록 설정만으로 의도를 표현하는 데 한계가 드러나기 쉽다. 도구 생태계가 '풍부하다'고 소개되지만 구체적으로 어떤 도구들이 기본 제공되고 어디까지 커스터마이즈할 수 있는지는 원문 설명만으로는 확인되지 않으며, 실제 적용 전에는 저장소의 예제 디렉터리(examples/)를 직접 살펴 범위를 가늠하는 편이 현실적이다.
프로젝트의 성숙도를 짐작할 단서 하나는 도커 팀이 도커 에이전트를 만드는 데 도커 에이전트를 쓴다고 밝힌 대목이다. 이른바 '도그푸딩'으로, 개발 주체가 자신들의 도구를 실제 작업에 투입하고 있다는 신호다. 다만 이것이 외부 조직의 프로덕션 환경에서의 안정성을 보증하지는 않는다. 또한 이 도구는 익명 사용 데이터를 수집해 개선에 활용한다고 명시하고 있어, 텔레메트리 정책을 확인하고 필요하다면 비활성화 여부를 조직 기준에 맞춰 검토하는 것이 좋다.
정리하면 도커 에이전트는 'AI 에이전트를 컨테이너처럼 선언하고 실행한다'는 구도를 CLI 플러그인 형태로 구현한 초기 단계의 오픈소스 프로젝트다. 기여 가이드와 도커 커뮤니티 슬랙의 전용 채널(#docker-agent)을 통해 참여 경로를 열어둔 점에서 커뮤니티 기반으로 다듬어 나가려는 의도가 읽힌다. 당장 핵심 업무에 투입하기보다는, 익숙한 도커 환경 안에서 로컬 모델까지 포함해 멀티 에이전트 구성을 가볍게 실험해 보려는 팀에게 먼저 검토할 만한 선택지로 보는 것이 적절하다.