NVIDIA Agent Toolkit은 기업 에이전트를 회사 데이터에 연결하는 새로운 기반과 함께 에이전트의 활동을 제어하는 모델 및 도구를 추가하며 확장되고 있다. NVIDIA는 2026년 10월 21일 보고서에서 자사 공급망과 기업용 소프트웨어 플랫폼 전반의 배포 사례를 설명하면서, 이번 오픈소스 툴킷 확장의 핵심에 비즈니스 데이터 접근성을 두었다.
핵심 요점
- 새로운 Agent Knowledge Foundation은 회사 정보를 비즈니스 개념과 연결해 에이전트가 맥락을 검색하고 예측을 지원할 수 있도록 한다.
- NVIDIA는 Palantir, Databricks, Snowflake가 관련된 배포 사례를 소개했지만, 플랫폼별 구현 방식은 서로 다르다.
- NVIDIA는 Amazon OpenSearch Service, SAP, ServiceNow에서 검색 성능이 개선된 사례도 제시했다. 이러한 결과는 툴킷 전체가 아니라 개별 모델의 활용 사례에 관한 것이다.
목차
NVIDIA Agent Toolkit이 회사 데이터에 추가하는 기능
핵심 추가 요소는 NVIDIA Agent Knowledge Foundation으로, 데이터 처리 라이브러리와 검색 및 구조화 데이터 모델을 결합한다. NVIDIA에 따르면 기업은 기존 데이터 위치와 워크플로, 거버넌스 통제를 유지하면서 이를 활용할 수 있다.
새로운 Auto-Ontology 라이브러리는 에이전트가 원시 정보를 비즈니스 관점에서 해석하도록 지원한다. 기록을 서로 분리된 데이터 포인트로만 취급하는 대신 고객, 제품, 주문과 같은 개념을 식별하고 이들 간의 관계를 설정한다. 이러한 맥락 정보는 에이전트가 비즈니스 질문에 답하고 의사결정을 지원하는 데 도움이 되도록 설계됐다.
이 기반에는 cuDF, cuGraph, cuML, cuOpt, cuVS를 포함한 CUDA-X 라이브러리가 통합돼 있다. 모델 선택지에는 Nemotron Retriever와 Kumo Structured 제품군인 Kumo Tabular, Kumo Relational, Kumo Time Series, Kumo Forecast가 포함된다.
| 항목 | 세부 내용 |
|---|---|
| NVIDIA OpenShell | 기업이 에이전트의 접근과 동작을 제한할 수 있도록 하는 보안 런타임. |
| NVIDIA NemoClaw 블루프린트 | 특화된 작업에 맞춘 보안 에이전트를 구축하기 위한 참조 설계. |
| 최신 NemoClaw 최적화 블루프린트 | 에이전트의 지능을 개선하기 위한 단계별 시작 프레임워크. |
기업 배포 현황
NVIDIA의 공급망 조직은 Palantir의 Foundry, Ontology, AIP와 함께 이 기반을 사용하고 있다. NVIDIA에 따르면 이 구현은 독점 정보를 활용해 예측 및 의사결정 최적화를 수행하는 특화 에이전트를 지원한다. 이는 보고서에서 제안된 활용 사례에 그치는 것이 아니라, 실제 사내 배포 사례로 소개됐다.
Databricks는 맥락 정보를 활용하는 에이전트를 위해 자사의 Genie Ontology와 NVIDIA Kumo Anomaly를 결합하고 있다. Snowflake는 Kumo Engine과 Kumo Relational 모델을 Snowflake Notebook 환경 내에 배치해 고객이 그 안에서 예측 기능을 추가할 수 있도록 하는 방식을 택했다.
이러한 사례는 기업에서 활용되는 서로 다른 경로를 보여준다. NVIDIA의 운영상 배포, Databricks 통합, Snowflake의 노트북 환경을 통한 고객 대상 접근 방식이 그것이다. 이 사례들을 동일한 구현 방식이나 동등한 성과의 증거로 해석해서는 안 된다.
검색 성능 결과가 보여주는 것
NVIDIA는 Nemotron Retriever와 관련해 여러 결과를 제시하면서, 검색 및 재순위화 성능 개선을 기업 에이전트 전반의 가능성과 구분했다. NVIDIA에 따르면 Amazon OpenSearch Service에서는 임베딩 모델이 검색 단계를 줄이면서 관련성을 높였고, 추가 지연 시간은 거의 발생하지 않았다.
NVIDIA는 SAP의 파인튜닝된 재순위화 모델이 거의 3배 빨라졌다고 밝혔다. 또한 ServiceNow는 지연 시간을 거의 4분의 1 줄이는 동시에 재순위화 품질을 개선했다고 설명했다. 보고서에는 이러한 결과를 직접 비교할 수 있는 공통 벤치마크가 제시되지 않았다.
Zoom은 Zoom AI Services에서 문서 이해, 검색 관련성, 맥락 검색을 위해 Nemotron Retriever를 사용하고 있다. NVIDIA는 이 배포 사례에 대해 정량적인 성능 결과를 제시하지 않았다.
접근 및 에이전트 개선을 제어하는 방법
이번 확장은 에이전트에 더 많은 정보를 제공하는 데 그치지 않는다. 함께 제공되는 구성 요소들은 실행 범위, 특화 에이전트 설계, 최적화를 각각 다루며, 그 역할은 아래에 요약돼 있다.
NVIDIA는 최신 NemoClaw 최적화 블루프린트를 시간이 지나면서 에이전트 지능을 개선하기 위한 출발점으로 설명한다. 이는 개발자를 위한 참조 설계이지, 모든 기업 배포에서 이미 개선이 달성됐다는 증거는 아니다. 보고서는 툴킷의 도구 및 기술 가운데 NeMo Relay와 NeMo Compass도 언급하지만, 이들의 역할은 상세히 설명하지 않는다.
결론
이번 확장은 회사 데이터 해석, 검색, 실행 통제를 하나의 툴킷에 결합한다. 구체적인 근거로는 명시된 구현 사례와 모델 수준의 결과가 가장 뚜렷하지만, 이러한 사례가 에이전트 스택 전체의 단일 성과를 입증하는 것은 아니다.
더 많은 뉴스 보기
면책 조항
이 FinanceVelix 기사는 일반적인 정보를 제공하며, 개인별 금융·투자·법률·세무 자문이 아닙니다. 시장 가격, 금리, 경제 여건은 변동할 수 있으며 투자에는 손실 위험이 따릅니다. 사실관계는 게시 시점에 이용 가능한 자료를 반영하며 변경될 수 있습니다. 중요한 정보는 독립적으로 확인하고 필요한 경우 자격을 갖춘 전문가와 상담하세요. 자산, 회사 또는 서비스를 언급하는 것은 이를 추천한다는 뜻이 아닙니다.
