Generative UI의 시대: 에이전트에게 얼굴을 줄 때
자동화의 입력이 Configuration에서 Conversation으로 바뀌었다. 입력이 바뀌었으니 출력도 바뀌어야 한다. 에이전트에게 “얼굴”을 준다는 것 — 왜 하필 지금인가.
프론트엔드의 빈자리
2025년 하반기부터 에이전트 인프라의 백엔드가 빠르게 성숙했다. MCP(Model Context Protocol)가 에이전트의 도구 접근을 표준화했고, Google의 A2A(Agent-to-Agent)가 에이전트 간 협업 프로토콜을 열었다. LangGraph, CrewAI, AWS Strands Agents 같은 오케스트레이션 프레임워크도 프로덕션 수준에 올라섰다.
그런데 사용자에게 보이는 부분 — 에이전트의 “얼굴” — 은 어떤가? 대부분의 에이전트 시스템에서 사용자가 보는 것은 여전히 텍스트다. 마크다운 테이블, 코드 블록, 줄줄이 나열되는 숫자들. print(result)의 세계. 에이전트가 100행의 데이터를 분석하고, 외부 API 세 개를 호출하고, 동료 에이전트와 협업해서 결론을 도출해도, 그 결과물이 사용자에게 전달되는 형태는 장문의 텍스트 한 덩어리인 경우가 대부분이다.
인프라가 먼저 성숙하고 인터페이스가 따라오는 패턴은 반복돼왔다. TCP/IP 위에 웹 브라우저가, REST API 위에 React가 올라왔다. 백엔드 인프라가 자리를 잡은 지금, 프론트엔드의 빈자리가 드러나고 있다.
LLM 출력의 진화사
프론트엔드 빈자리의 맥락을 이해하려면, LLM 출력이 어떻게 진화해왔는지를 돌아봐야 한다.
초기에는 자유 텍스트(GPT-3 시절 정규식 파싱)에서 시작해, Function Calling과 Structured Outputs로 JSON 구조를 돌려받는 단계를 거쳤다. 데이터와 텍스트가 분리되기 시작한 것이다. 전환점은 그 다음부터다.
3세대: 컴포넌트 명세. Vercel AI SDK의 streamUI가 이 문을 열었다. LLM이 도구를 호출하면 그 도구가 React Server Component를 반환하는 패턴. “날씨 알려줘” → 모델이 get_weather 도구 호출 → 도구가 <WeatherCard /> 컴포넌트 반환. LLM의 출력이 데이터가 아니라 인터페이스가 된 첫 번째 순간이었다. 하지만 Vercel은 이 실험의 개발을 일시 중단(paused)했다. Next.js RSC에 강하게 결합됐고, 프레임워크 종속성이 높았다.
4세대: 완전한 UI 생성. Thesys C1 API, CopilotKit, Google A2UI가 여기에 있다. LLM이 텍스트가 아닌 실행 가능한 인터페이스를 직접 생성하거나 명세한다. 차트, 테이블, 폼, 대시보드 — 사용자 의도에 맞는 인터랙티브 UI가 실시간으로 만들어진다. streamUI가 열어두고 떠난 문을 다른 플레이어들이 밀고 들어온 것이다.
LLM의 출력이 “읽는 것”에서 “사용하는 것”으로, 텍스트에서 인터페이스로 이동하고 있다.
숫자가 말하는 시장
시장 데이터가 이 방향을 뒷받침한다.
Gen AI in Software Development 시장은 2025년 2.57B으로 성장이 예측되며, CAGR 38.7%라는 수치를 보인다1. 이 안에서 Gen UI SDK/툴킷 세그먼트만 떼어보면, 2025년 약 800M 규모로 추정된다1. 벤처 자금도 몰리고 있다. Thesys는 125M 시리즈 B를, CopilotKit은 GitHub 28K stars를 기록했다.
Jakob Nielsen이 2026년 예측에서 인용한 Google Research 결과에 따르면, 사용자가 AI 생성 인터페이스를 상위 웹사이트보다 90% 선호하고, 텍스트 전용 AI 답변보다 97% 선호했다2. 인간 전문 디자이너가 AI보다 아직 근소하게 앞서지만(56% vs 43%), Nielsen은 2026년 말이면 AI가 인간 디자이너를 추월할 것이라 예측했다3. 사용자가 적극적으로 원하고 있다는 시그널이다.
한 가지 더. Vercel AI SDK의 streamUI가 사실상 deprecated된 이후, 대안을 찾는 개발자 수요가 폭발하고 있다4. 실험적(experimental) 단계에서 멈췄고, Edge Runtime에서의 프로덕션 버그가 미해결 상태. 기존 사용자들이 대안을 필요로 하는 “공백”이 생긴 것이다.
다섯 진영의 경쟁 지형
이 공백을 메우려는 다섯 가지 접근법이 동시에 경쟁하고 있다.
| 접근법 | 핵심 아이디어 | 강점 / 약점 |
|---|---|---|
| Thesys C1 | LLM이 직접 UI 생성 | baseURL만 변경하면 동작. 블랙박스, React 전용 |
| CopilotKit + AG-UI | 오픈 프로토콜로 표준화 | 16+ 이벤트 타입, LangGraph/CrewAI 등 확산. 아직 초기 |
| Google A2UI | UI를 코드가 아닌 데이터로 | 선언적 JSON, 크로스 플랫폼. 표현력 제한 |
| MCP-UI | 기존 MCP 생태계에서 확장 | 진입 장벽 낮음. 샌드박스 iframe 기반 |
| Vercel RSC | RSC로 UI 스트리밍 | 패러다임 대중화 공로. 개발 일시 중단 |
가장 활발한 움직임은 Thesys(LLM 직접 생성)와 CopilotKit(프로토콜 표준화) 진영이다. 전자는 단순함으로, 후자는 생태계 확장으로 승부하고 있다. 다섯 진영이 수렴할지 하나가 이길지는 모르지만, 방향은 같다 — 에이전트의 출력을 텍스트에서 인터페이스로.
빌드타임 AI vs 런타임 AI
여기서 빠지기 쉬운 혼동이 하나 있다. “AI로 UI를 만든다”는 말은 두 가지 전혀 다른 의미를 가진다.
빌드타임 AI는 개발자를 위한 코드 생성 도구다. v0.dev가 프롬프트 하나로 프로덕션급 React/Tailwind 컴포넌트를 만들고, bolt.new가 프론트+백엔드+DB 전체를 스캐폴딩한다. 출력은 소스 코드이고, 대상은 개발자이며, 시점은 빌드타임이다.
런타임 AI는 최종 사용자를 위한 실시간 UI 생성이다. Thesys C1이 사용자의 “매출 트렌드 보여줘”에 라이브 라인 차트를 생성하고, CopilotKit이 대화 중에 인터랙티브 폼을 띄운다. 출력은 실시간 인터랙티브 UI이고, 대상은 최종 사용자이며, 시점은 런타임이다.
둘 다 “AI로 UI를 만든다”이지만, 풀려는 문제가 근본적으로 다르다. v0은 개발자의 생산성을 높이고, C1은 사용자의 경험을 바꾼다. 전자는 “코드를 더 빨리 쓰는 것”이고, 후자는 “에이전트가 매 순간 맥락에 맞는 얼굴을 만드는 것”이다. Generative UI 논의의 핵심은 후자, 런타임 AI다.
에필로그: 얼굴은 누가 결정하는가
에이전트에게 얼굴을 준다는 것은, 결국 “UI의 결정권을 누가 가지느냐”라는 질문으로 귀결된다.
CopilotKit은 Generative UI를 세 가지 스펙트럼으로 분류한다5. Static — 미리 만든 컴포넌트에 AI가 데이터만 채운다. 결제 화면, 컴플라이언스 대시보드처럼 미션 크리티컬한 영역. Declarative — 컴포넌트 레지스트리에서 AI가 조합을 결정한다. 대시보드, 챗 어시스턴트에 현실적. Open-ended — AI가 HTML/CSS를 직접 생성한다. 프로토타이핑에는 강력하지만 프로덕션에는 위험하다.
“모델에 더 많은 자유를 줄수록, 가드레일에 더 많은 투자가 필요하다.” 이 스펙트럼에서 어디에 서느냐는 기술적 선택인 동시에 철학적 선택이다.
지금 벌어지고 있는 것은 단순히 “챗봇에 차트를 넣자”가 아니다. 에이전트가 무엇을 할 수 있는지(MCP), 에이전트끼리 어떻게 협업하는지(A2A)의 문제가 해결되고 나니, 이제 에이전트가 사용자에게 어떤 모습으로 나타나는지가 남은 미해결 퍼즐이 된 것이다. MCP(손) + A2A(동료) + AG-UI(얼굴) — 세 계층이 갖추어지면 에이전틱 인프라 스택이 완성된다.
다음 글에서는 이 “얼굴”의 구체적인 형태를 다룬다. 에이전트의 출력이 텍스트가 아니라 인터페이스가 되어야 할 때, 그 인터페이스는 어떤 모습이어야 하는가. Thesys라는 11명짜리 스타트업이 내놓은 답, Review Paradox를 구조적으로 해결하는 UI 패턴, 그리고 Confidence-based Routing이 왜 Generative UI를 필수로 만드는지를 이야기할 것이다.
출처
Footnotes
-
Research and Markets / Grand View Research, “Gen AI in Software Development” 시장 분석. TAM/SAM 추정은 C0 PRD 시장 분석 참조. ↩ ↩2
-
Jakob Nielsen, “Generative UI from Gemini 3 Pro”, Nielsen Norman Group Substack. Google Research 결과 인용. ↩
-
Jakob Nielsen, “18 Predictions for 2026”, Nielsen Norman Group Substack. ↩
-
Vercel AI SDK — RSC Overview. streamUI는 experimental 단계에서 개발이 일시 중단됨. ↩
-
CopilotKit, “The Three Kinds of Generative UI”, 2026. ↩