버추얼스 프로토콜과 마스터카드는 솔라나에서 자율적인 AI 에이전트를 통한 결제 기능을 가능하게 합니다.

2026년 6월 14일 일요일 오전 4:16 ET3분 읽기
MA--
VIRTUAL--
SOL--
BTC--
  • 마스터카드는 여러 결제 수단을 통한 AI 에이전트 간의 자율적인 고빈도 마이크로거래를 가능하게 하기 위해 ‘에이전트 페이’ 서비스를 출시했습니다.
  • Virtuals 프로토콜은 EconomyOS와 ERC-8126을 개발하여, 온체인에서의 인증 과정을 표준화하고 추론 비용을 최적화합니다.
  • 솔라나의 저렴한 수수료와 네이티브 스마트 컨트랙트 기능 덕분에, 솔라나는 AI 에이전트 거래 및 스테이블코인 결제에 있어 최적의 인프라로 자리매김하고 있습니다.
  • 초기 단계에서 블록체인 에이전트의 도입은 주로 등록 절차에 집중되고 있습니다. 운영상의 준비 상태와 평판 시스템도 아직 성숙해지는 과정에 있습니다.

마스터카드는 보안성이 높고 지속적으로 기계 간에 이루어지는 결제를 가능하게 하는 새로운 서비스인 ‘Agent Pay for Machines(AP4M)’를 도입했습니다. 이 서비스는 AI 에이전트가 자동으로 서비스를 구매하거나 판매할 수 있도록 해주며, 대량의 소액 거래도 프로그래밍을 통해 처리할 수 있습니다. 전통적인 POS 결제 방식과 달리, 이러한 거래는 보다 안전하고 효율적으로 이루어집니다.항상 실행 중이며, 백그라운드에서 처리됩니다.디지털 상거래의 세계입니다.

이 서비스는 Mastercard의 기존 Agent Pay 프로그램을 기반으로 하며, 자동화된 환경에서도 낮은 지연 시간을 보장합니다. 카드, 계정, 스테이블코인 등 다양한 수단을 통해 신원 확인, 권한 부여 및 결제 처리를 지원합니다. 주요 기능으로는 신뢰할 수 있는 인식 가능한 정보 제공, 프로그래밍 가능한 지출 한도 설정, 그리고 여러 수단을 통한 결제 처리로, 안정적이고 빠른 결제가 가능합니다.

마스터카드는 아젠, 코인베이스, 스트라이프, 아웨어 랩과 같은 주요 업계 파트너들과 협력하여 다양한 사용 사례를 검증하고 공통된 규칙을 마련하고 있습니다. 초기 적용 사례로는 AI 에이전트가 자동으로 도메인 이름을 구매하거나 호스팅 서비스나 운송 관련 자원을 구매하는 경우가 있습니다. 이러한 움직임은 에이전트들이 경제적 참여자로서 역할을 하며, 인간의 개입 없이 청구서를 처리하고 컴퓨팅 리소스를 구매할 수 있는 새로운 비즈니스 모델을 만들어내는 것을 목표로 합니다.

Virtuals Protocol은 AI 에이전트들이 자율적인 경제 참여자로서 기능할 수 있는 생태계를 구축하고 있습니다. 이를 통해 AI 에이전트들은 거래를 처리하고 지갑을 관리할 수 있습니다. 가장 중요한 목표는 AI 에이전트의 인식 비용을 줄이는 것입니다. 최근 추세에 따르면, 한 명의 활성화된 AI 에이전트가 한 번의 작업을 수행하는 데 약 11달러가 소요됩니다. 따라서 한 명의 활성화된 AI 에이전트가 연간으로 200만 달러에서 400만 달러 정도의 비용을 지출해야 합니다. 이러한 문제를 해결하기 위해, Virtuals Protocol은 Litebeam이라는 기술을 통합하고 있습니다.로드셰이더는 최적의 공급업체에게 요청을 보냅니다.실시간 경매를 통해 거래가 이루어지며, 결제는 800밀리초 이내에 USDC 온체인에서 처리됩니다.

이 생태계는 긴 시간 동안 유지될 수 있는 메모리와 보안과 같은 기술적 문제도 해결합니다. 가상화 환경에서는 Sibyl과 같은 메모리 인프라 플러그인을 지원하며, 이러한 플러그인은 시뮬레이션된 비즈니스 환경에서 100%의 성능을 보여주었습니다. 또한, 이 프로토콜은 ERC-8126이라는 표준을 제정했으며, 이 표준을 통해 에이전트들이 개인 정보를 노출시키지 않고도 코드의 안전성과 지갑 관리 기능을 입증할 수 있습니다. 이를 통해 애플리케이션과 에이전트 간의 신뢰할 수 없는 상호작용도 가능해집니다.

소프트웨어 외에도, 이 프로젝트는 로봇 분야로도 확장되고 있습니다. Eastworlds 시범 프로젝트를 통해, Virtuals는 실제 환경에서 인간형 로봇을 사용하여 훈련 데이터를 수집하고 있습니다. EXYLOS와 같은 기업들과의 협력을 통해, 로봇 조작에 관련된 시뮬레이션 기반의 데이터셋을 제공함으로써, 디지털 에이전트의 논리와 실제 로봇의 동작 간의 피드백 루프를 형성할 수 있습니다.

지난 3년 동안 솔라나는 비트코인을 앞서고 있습니다. 솔라나의 성장률은 비트코인의 140%에 비해 250%나 높았습니다. 이는 솔라나가 주류 시스템에 통합될 수 있는 적합성을 가지고 있고, AI 에이전트의 사용에도 유용하기 때문입니다. 비트코인은 스마트 컨트랙트를 실행하기 위해 레이어 2 블록체인을 활용하는 반면, 솔라나는 그렇지 않습니다.초기부터 내장된 스마트 컨트랙트 지원 기능이로 인해 스테이블코인 결제 및 프로그래밍 가능한 금융 서비스를 제공하는 데 있어 기관들의 관심이 높아집니다.

AI 에이전트들은 스스로 결정을 내리고 거래를 처리합니다. 따라서 고속이며 저렴한 비용으로 마이크로거래를 처리할 수 있는 블록체인 인프라가 필요합니다. 솔라나의 낮은 수수료와 빠른 결제 속도 덕분에, AI 에이전트들이 매일 생성하는 수백만 건의 거래를 처리하는 데 매우 적합합니다. 이러한 기능을 통해 AI 에이전트들은 인간의 개입 없이도 돈을 사용하고, 청구서를 처리하며, 컴퓨팅 리소스를 구매할 수 있습니다.

비트코인은 여전히 더 안전하고 변동성이 낮은 자산이지만, 솔라나는 유연한 확장성과 낮은 시장 가치로 인해 더 큰 성장 잠재력을 가지고 있습니다. 금융 기관과 결제 제공업체들이 점점 더 블록체인을 사용하여 스테이블코인 및 에이전트 기반 상거래를 활용함에 따라, 솔라나는 이러한 시장 점유율을 얻기에는 더 유리한 위치에 있습니다. 스테이블코인의 도입과 AI 에이전트의 활동이 결합된 것은, 비록 소규모 암호화폐와 관련된 높은 변동성 리스크가 있음에도 불구하고, 솔라나가 장기적으로 더 나은 성과를 거둘 수 있는 근본적인 요인입니다.

ERC-8004 알고리즘을 처음 10,000개의 에이전트에 적용한 실증 분석 결과에 따르면, 이 표준 함수는 성숙한 에이전트 경제가 아니라, 단순히 식별 정보를 저장하는 역할을 하는 것으로 나타났습니다. 초기 단계에서는 등록 절차가 주로 이루어지지만, 실제 운영 측면에서는 그다지 발전하지 않았습니다.대부분의 에이전트들은 서비스 관련 정보를 제공하지 않습니다.평판 피드백 또는 분산형 네트워크 활동입니다.

분석 결과에 따르면, 초기 단계에서 ERC-8004의 채택은 등록 활동이 많지만, 실제 운영 측면에서는 그다지 활발하지 않다는 것을 알 수 있습니다. 신원 인증 관련 기능은 규모가 큰 경우에는 확인할 수 있지만, 메타데이터의 가용성, 서비스의 노출 정도, 평판 형성, 그리고 여러 체인 간의 연동 기능 등은 여전히 제한적입니다. 또한, 소유권과 피드백 활동도 상당히 집중되어 있으며, 이는 초기 단계에서의 참여가 일부 활동적인 지갑과 클라이언트들에 의해 결정되고 있음을 나타냅니다.

네트워크 분석 결과에 따르면, 더욱 풍부한 운영 관련 정보들은 생태계 전반에 걸쳐 널리 분산되어 있는 것이 아니라, 일부 소수의 에이전트들 주변에 집중되어 있습니다. 이러한 결과는 ERC-8004가 분산형 AI 에이전트들에게 중요한 신원 관리 기능을 제공한다는 것을 시사합니다. 하지만 에이전트의 신원 정보에서 에이전트 경제로의 전환은 아직 완전하지 않습니다.

통신 분야는 토큰미컨즈를 인공지능과 결합함으로써 구조적 변화를 겪고 있습니다. 이러한 접근 방식은 운영 지원 시스템과 비즈니스 지원 시스템을 최적화하는 것을 목표로 합니다.데이터 비용을 현저히 줄일 수 있습니다.엣지 처리, 네트워크 슬라이싱, 그리고 AI 기반의 최적화를 통해 해결됩니다.

AT&T는 이러한 전략을 주로 채택하는 기업으로, 토큰화된 AI 프레임워크를 활용함으로써 상당한 비용 절감과 효율성 향상을 이루었습니다. 핵심적인 방식은 토큰믹스를 활용하여 자원 공유를 장려하고 네트워크 사용량을 최적화하는 것입니다. 또한, AI 덕분에 대용량 언어 모델 및 기타 복잡한 처리 작업과 관련된 컴퓨팅 비용도 줄어듭니다. 이러한 두 가지 방법을 결합함으로써, 통신사들은 현대 네트워크가 요구하는 높은 컴퓨팅 성능을 더욱 저비용으로 관리할 수 있습니다.

전통적인 거래 전략과 최신 암호화폐 관련 지식을 결합하여 사용합니다.

댓글



댓글이 없습니다

아직 댓글이 없습니다