ANX: 프로토콜 우선 설계 기반의 AI 에이전트 상호 작용을 위한 프레임워크 및 3EX 분리 아키텍처

ANX: Protocol-First Design for AI Agent Interaction with a Supporting 3EX Decoupled Architecture

자율적인 디지털 액터인 AI 에이전트는 에이전트 전용 프로토콜이 필요합니다. 기존 방식으로는 GUI 자동화 및 MCP 기반 기술이 사용되지만, 통합된 최상위 프레임워크와 핵심 구성 요소의 부족으로 인해 높은 토큰 소비, 단편적인 상호 작용, 불충분한 보안 등의 문제가 발생합니다. 이러한 문제점을 해결하기 위해, 우리는 CLI, Skill, MCP를 통합하여 프로토콜 혁신, 아키텍처 최적화 및 도구 보완을 통해 문제점을 해결하는 개방적이고 확장 가능하며 검증 가능한 에이전트 전용 프로토콜 및 최상위 프레임워크인 ANX를 제안합니다. ANX의 주요 혁신은 다음과 같습니다. 1) 높은 정보 밀도, 유연성 및 강력한 적응성을 갖춘 에이전트 전용 설계(ANX Config, Markup, CLI)를 통해 토큰 소비를 줄이고 불일치를 제거합니다. 2) Skill의 유연성을 활용하여 에이전트 실행 명령어와 사용자에게 읽기 쉬운 UI를 동시에 제공하는 인간-에이전트 상호 작용을 지원합니다. 3) MCP를 기반으로 사전 등록 없이 필요에 따라 가볍게 실행 가능한 애플리케이션을 제공합니다. 4) ANX Markup을 통해 기계가 실행할 수 있는 SOP(Standard Operating Procedure)를 제공하여 모호성을 제거하고 안정적인 장기 작업 및 다중 에이전트 협업을 가능하게 합니다. 본 연구에서는 ANX의 설계, ANXHub를 포함하는 3EX 분리 아키텍처, 그리고 예비 타당성 분석 및 실험적 검증 결과를 제시합니다. ANX는 기본 보안을 제공합니다. LLM(Large Language Model)을 우회하는 UI-to-Core 통신을 통해 민감한 데이터를 에이전트 컨텍스트로부터 보호하며, 사용자 확인만을 통해 자동화된 오용을 방지합니다. Qwen3.5-plus/GPT-4o를 사용한 폼 작성 실험 결과, ANX는 MCP 기반 기술 대비 47.3% (Qwen3.5-plus) 및 55.6% (GPT-4o)의 토큰 감소, GUI 자동화 대비 57.1% (Qwen3.5-plus) 및 66.3% (GPT-4o)의 토큰 감소 효과를 보였으며, 실행 시간을 각각 58.1% 및 57.7% 단축했습니다.

AI agents, autonomous digital actors, need agent-native protocols; existing methods include GUI automation and MCP-based skills, with defects of high token consumption, fragmented interaction, inadequate security, due to lacking a unified top-level framework and key components, each independent module flawed. To address these issues, we present ANX, an open, extensible, verifiable agent-native protocol and top-level framework integrating CLI, Skill, MCP, resolving pain points via protocol innovation, architectural optimization and tool supplementation. Its four core innovations: 1) Agent-native design (ANX Config, Markup, CLI) with high information density, flexibility and strong adaptability to reduce tokens and eliminate inconsistencies; 2) Human-agent interaction combining Skill's flexibility for dual rendering as agent-executable instructions and human-readable UI; 3) MCP-supported on-demand lightweight apps without pre-registration; 4) ANX Markup-enabled machine-executable SOPs eliminating ambiguity for reliable long-horizon tasks and multi-agent collaboration. As the first in a series, we focus on ANX's design, present its 3EX decoupled architecture with ANXHub and preliminary feasibility analysis and experimental validation. ANX ensures native security: LLM-bypassed UI-to-Core communication keeps sensitive data out of agent context; human-only confirmation prevents automated misuse. Form-filling experiments with Qwen3.5-plus/GPT-4o show ANX reduces tokens by 47.3% (Qwen3.5-plus) and 55.6% (GPT-4o) vs MCP-based skills, 57.1% (Qwen3.5-plus) and 66.3% (GPT-4o) vs GUI automation, and shortens execution time by 58.1% and 57.7% vs MCP-based skills.