AgentSight, eBPF로 AI 에이전트를 코드 수정 없이 관찰

무엇이 바뀌었나

AgentSight라는 오픈소스 도구가 Hacker News의 Show HN 게시판에 공개됐다. eBPF 기술을 기반으로 AI 에이전트의 코드를 수정하지 않고도 커널 레벨에서 LLM API 호출, 토큰 소비량, 프로세스 동작을 캡처해 관찰할 수 있다는 것이 핵심 특징이다[1]. 게시물은 2026년 8월 21일 15시 21분(UTC)에 올라왔다[1].

도구는 ANOLISA CLI라는 명령줄 인터페이스를 중심으로 구성되며, 관찰 데이터를 웹 대시보드로 확인할 수 있게 하는 Dashboard, 실행을 제어하는 agentsight-enforcer, 토큰 없이 동작하는 인증 방식인 Tokenless 등 여러 하위 구성 요소로 나뉘어 있다[1]. Dashboard는 기본적으로 7396번 포트를 사용하며 접근 토큰은 64자리 16진수 문자열로 발급된다[1]. 관찰 데이터를 저장하는 기본 데이터베이스는 최대 200MB로 제한돼 있고, 예를 들어 agentsight summary --last 168 명령으로 168시간, 즉 일주일 단위의 사용량 변화를 비교 조회할 수 있다[1].

해당 저장소는 Alibaba 계정 아래 anolisa라는 이름으로 관리되고 있으며, Alinux라는 자체 리눅스 배포판, OpenClaw(openclaw-gateway), Copilot Shell(cosh) 같은 다른 구성 요소와 함께 systemd 서비스로 구동되는 것으로 확인된다[1].

중요성

AI 에이전트가 실제 업무에 투입되는 사례가 늘면서, 에이전트가 어떤 API를 호출하고 얼마나 많은 토큰을 소비하며 시스템에서 어떤 프로세스를 실행하는지 파악하는 일은 비용 관리와 보안 점검 모두에서 중요한 과제로 떠오르고 있다. AgentSight의 접근 방식이 눈에 띄는 부분은 에이전트 코드 자체를 건드리지 않고 커널 레벨(eBPF)에서 관찰한다는 점이다[1]. 이는 에이전트 하니스나 애플리케이션 코드에 로깅을 심어야 했던 기존 방식과 달리, 에이전트가 어떤 프레임워크나 언어로 작성됐는지와 무관하게 동일한 방식으로 모니터링을 적용할 수 있다는 뜻으로 해석할 수 있다. 최근 NVIDIA 보안팀이 에이전트 보안 통제는 개발자가 수정 가능한 하니스가 아니라 런타임·인프라 계층에 둬야 한다고 주장한 것과 맞물리는 지점이다.

실무 도입 시 확인할 조건

회사 내부에서 AI 에이전트를 다수 운용하는 조직이 AgentSight 같은 도구를 검토한다면 몇 가지 구체적인 조건을 먼저 확인할 필요가 있다. 기본 데이터베이스 용량이 200MB로 제한돼 있다는 점은 에이전트 호출량이 많은 환경에서는 데이터 보존 기간이나 롤오버 정책을 별도로 설계해야 함을 시사한다[1]. 또한 대시보드 접근이 64자리 16진수 토큰 방식으로 이뤄지고 기본 포트가 7396으로 고정돼 있다는 점은, 사내 방화벽이나 접근 제어 정책에 맞춰 포트와 토큰 관리 절차를 IT·보안 부서가 사전에 정의해야 한다는 의미로 볼 수 있다[1]. eBPF 기반 도구는 일반적으로 커널 모듈 로딩이나 root 권한에 준하는 접근을 요구하는 경우가 많아, 시스템 관리자와 보안 담당자가 배포 전에 권한 범위와 systemd 서비스 구성을 함께 검토하는 과정이 필요할 것으로 보인다[1].

불확실성

공개된 자료는 뉴스 기사가 아니라 GitHub 저장소의 사용자 가이드·README 문서로, Hacker News에 게시된 시각(2026년 8월 21일)이 도구의 실제 출시일인지 아니면 기존 문서의 갱신 시점인지는 명확히 확인되지 않는다[1]. 또한 이 저장소가 Alibaba 계정 아래 있다는 점 외에 Alibaba가 이 프로젝트를 공식적으로 얼마나 지원하거나 운영에 관여하고 있는지도 현재 공개된 정보로는 확인하기 어렵다.