AgentDock

Name: AgentDock
Price: 유료 KRW
Availability: InStock
Author: AgentDock

개발사 AgentDock

공식 웹사이트 https://agentdock.ai

AgentDock은 다단계 작업 흐름, 도구 호출 및 팀 협업 제공을 지원하는 조정 플랫폼입니다.

AgentDock — AI 기반 고객 참여 플랫폼

AgentDock의 핵심 매개변수 및 통계

AgentDock은 AI 네이티브 고객 참여 플랫폼(AI 네이티브 고객 참여 플랫폼)으로 포지셔닝됩니다. 핵심 결과물은 일반 챗봇이 아니라 "AI 직원"입니다. 웹, 이메일, 전화, 문자, 텔레그램, WhatsApp 등과 같은 여러 채널에서 독립적으로 실행되고, 고객 상호 작용을 처리하고, 적극적인 후속 조치, 자동 약속을 처리하고, 수동 개입이 필요한 경우에만 컨텍스트를 전달합니다. 일반적인 고객은 일반 사무실이나 R&D팀이 아닌 서비스 중심 기업(HVAC, 가사, 유지 관리, 의료 서비스 등)입니다.

프로젝트	공공정보
공식 포지셔닝	AI 기반 고객 참여 플랫폼
핵심 전달 형태	멀티채널 AI 직원(AI 직원)
지원 채널	웹, 이메일, 전화, 문자, 전보, WhatsApp
대상산업	서비스 중심 기업, 전자상거래 SaaS, 의료, 부동산, 전문 서비스
배포 방법	Cloud SaaS(현재 Early Access 단계에만 해당)
커뮤니티 인기	GitHub 약 17,000개의 별
최신 버전	공개되지 않은 버전 번호(제품은 아직 Early Access 상태임)
팀 배경	핵심 멤버는 Stripe, Superhuman 및 기타 회사 출신
지원되는 플랫폼	웹, API, Chrome 확장, CLI/MCP

제품 형태의 특수성: AgentDock은 전통적인 의미의 "다중 에이전트 오케스트레이션 플랫폼"이 아닙니다. 핵심 시나리오는 여러 에이전트가 서로 통신하거나 복잡한 워크플로를 오케스트레이션하도록 허용하는 대신 단일 AI 에이전트가 여러 고객 접점에서 일관된 메모리, 전략 및 작업 기능을 유지하는 것입니다. 이 점은 해당 인구에 결정적인 영향을 미칩니다(자세한 내용은 아래의 해당 인구 분석 참조).

배달 단계: 공식 웹사이트에는 현재 "Get Early Access" 단계에 있다고 나와 있습니다. 제품은 아직 시험 기간이 종료되어 등록이 완전히 개시되지 않았습니다. 공개 가격 페이지는 아직 출시되지 않았으며 전체 기능 범위는 공식 출시 후 공식 제품 페이지에 따릅니다.

검증 가능한 사실 포인트: 위 매개변수는 Agentdock.ai 공식 제품 페이지(2026~07년 방문), GitHub 웨어하우스 홈페이지(약 1700개 별), 공식 웹사이트 하단의 팀 정보 표시줄에서 가져온 것입니다. 버전 번호, 동시성 제한 등 세부 사양은 공식적으로 공개되지 않았으며 '미공개'로 표시됩니다.

AgentDock의 사용자 및 시장 인지도

AgentDock에 대한 시장 검증은 아직 초기 단계이며, 확인할 대규모 공공 수익이나 기업 고객 수는 없습니다. 현재 확인 가능한 시장 신호는 다음 세 가지 차원에 집중되어 있습니다.

커뮤니티의 관심: GitHub의 별은 약 17,000개입니다. 아직 Early Access 단계에 있는 제품인 만큼 기술 커뮤니티에서 어느 정도 주목을 받은 바 있습니다. 그러나 성숙한 자동화 플랫폼(예: Activepieces의 22,000개 이상의 별)과 비교할 때 커뮤니티 규모는 여전히 크기가 다릅니다. 이는 플러그인의 제3자 기여 생태계와 기업 수준 사례의 공개 참조가 아직 충분하지 않다는 것을 의미합니다.

팀 승인: 공식 웹사이트에는 핵심 구성원이 Stripe 및 Superhuman과 같은 유명한 Silicon Valley 제품 회사 출신이라고 나와 있으며, 이는 제품 배송 품질에 대한 외부 세계의 기대를 어느 정도 높입니다. 그러나 팀 배경과 제품 성숙도 사이에는 반드시 필요한 연관성은 없습니다. 초기 제품의 기능적 경계, 안정성 및 거버넌스 기능은 여전히 실제 시험을 통해 검증되어야 합니다.

목표 시장 잠재력: AgentDock이 목표로 하는 "서비스 지향 기업을 위한 디지털 고객 상호 작용"은 분명한 기존 시장입니다. 미국의 HVAC, 하우스키핑, 유지 관리와 같은 서비스 산업은 오랫동안 전화 통화 및 양식에 의존해 왔으며 AI 기반 옴니채널 고객 참여는 비용 절감의 여지가 상당히 높습니다. 그러나 이 시장의 조달 의사 결정 체인은 일반적으로 길며(소유주, 운영 리더, IT 지원 포함) 고객은 AI를 신뢰하는 데 대한 임계값이 높기 때문에 단일 고객을 확보하는 데 드는 비용이 예상을 초과할 수 있습니다.

AgentDock의 비용 이점

AgentDock은 현재 Early Access 단계에 있으므로 공식 웹사이트에는 가격 정보가 공개되지 않습니다. 다음 분석은 유사 제품의 비용 구조 공제를 기반으로 합니다. 모든 가격 수치는 "공식 출시 후 실시간 가격 페이지에 따릅니다."

C측/개인 사용자: 소규모 서비스 기업(예: 독립 HVAC 계약자, 소규모 가사 회사)의 경우 AgentDock의 AI 직원이 고객 서비스 전문가의 고정 급여를 대체합니다(미국 시장의 월 급여는 약 $3,000-$4,500입니다). 이 계산에 따르면 월별 제품 요금이 $500~$800 미만이면 단일 고객 서비스 시나리오에서 1~2개월 내에 비용을 회수할 수 있습니다. 그러나 전제는 기업이 이미 안정적인 고객 상호작용(하루 20건 이상의 고객 대화)을 보유하고 있다는 것입니다. 그렇지 않으면 AI 활용만으로는 구독 비용을 감당하기에 충분하지 않습니다.

개발자/API 호출: AgentDock은 API 및 MCP/CLI 액세스를 제공하지만 공개 문서에는 API 호출 청구 방법이 공개되지 않았습니다. 유사한 고객 상호작용 플랫폼(예: Intercom의 Fin AI, Zendesk AI)을 참조하면 일반적으로 "월 요금 + AI 분석 횟수"의 이중 과금 모델이 채택됩니다. 평가할 때 개발자는 AI 분석 볼륨의 월별 패키지 가격, 초과 비율, 여러 채널에 대한 개별 청구 여부에 중점을 두어야 합니다.

기업/개인 배포: 공식 웹사이트에는 민영화 배포 옵션이 표시되지 않습니다. 데이터 주권 요구 사항이 엄격한 산업(예: 의료, 금융)의 경우 AgentDock의 현재 SaaS 전용 양식이 규정 준수 요구 사항과 호환되지 않을 수 있습니다. 구매하기 전에 기업은 민영화/하이브리드 배포 로드맵과 해당 비즈니스 조건이 있는지 공식 담당자에게 확인해야 합니다.

비용 차원	최신 공개정보	기준선
월간 구독료	미공개, 공식 출시 후 가격 페이지에 따라 다름	유사한 AI 고객 서비스 $200-$1,500/월
API 호출 수수료	비공개	레퍼런스 핀 AI $0.10-0.50/분석
개인 배포	비공개 지원	사업 확인 필요
숨겨진 비용	고객 서비스 프로세스 재구성, 직원 교육, AI 출력 품질 모니터링	인력투자 약 1~3개월

순수 수동 프로세스를 통한 비교 공제: 3명으로 구성된 고객 서비스 팀(월 인건비 약 $12,000)을 예로 들면 AgentDock을 도입하여 표준 문의(청구서, 약속, FAQ)의 약 60%를 처리하고 수동 처리는 복잡한 불만 사항 및 에스컬레이션만 처리합니다. 이론적 월별 비용은 $5,000-$7,000(제품 구독 + 작업자 2명 + 교육 분할 상환 포함)로 줄일 수 있지만, 비용 절감의 전제는 AI의 첫 번째 솔루션 비율(FCR)이 70% 이상으로 안정적이라는 것입니다. AI가 자주 오판하여 수동 2차 처리로 이어지면 효율성 향상이 헤지됩니다.

AgentDock의 주요 기능

AgentDock의 기능 시스템은 기존 고객 서비스 도구의 다중 모듈 스택이 아닌 "전체 고객 수명 주기를 포괄하는 한 명의 AI 직원"을 중심으로 설계되었습니다. 공식 홈페이지 제품 페이지에서 검증된 핵심 성능은 다음과 같습니다.

옴니채널 통합 AI 직원: 동일한 AI 에이전트가 Web Widget, 이메일, 전화, WhatsApp, Telegram, Text에서 일관된 고객 메모리와 행동 전략을 유지합니다. 고객이 앱 상담에서 WhatsApp으로 전환하면 AI는 컨텍스트를 반복하도록 요청하지 않습니다. 이는 독립형 채널 챗봇과의 주요 차이점입니다. 수용 문제: 채널 간 전환의 지연 시간 및 상황별 충실도, 특히 텍스트에서 음성 채널로의 핸드오버 품질.
적극적인 후속 조치 및 자동화된 실행: AI는 고객에게 응답할 뿐만 아니라 48시간 동안 응답이 없으면 자동으로 견적을 보내고, 6개월 동안 서비스를 받지 못한 고객에게는 자동으로 리콜 이메일을 보내고, 서비스 완료 후 1시간 후에 자동으로 평가를 요청합니다. 이러한 작업은 구성 가능한 정책 규칙(간단한 시간 제한 트리거가 아님)을 기반으로 합니다. 수용 초점: 후속 조치 빈도를 세밀하게 구성할 수 있는지, 고객 피로 제어 메커니즘이 있는지 여부.
상황 인식 수동 핸드오버: AI가 사람의 개입이 필요하다고 판단하면(예: 고객이 경쟁 제품을 언급하거나 환불을 요청하거나 불만을 표시하는 경우) 전체 대화 내역, AI가 시도한 솔루션, 고객 생애 가치(LTV), 이탈 위험을 인간 에이전트에게 넘깁니다. 핸드오버 후 인간이 취한 조치는 AI의 학습에 다시 반영됩니다. 수락 문제: 핸드오버 트리거 조건을 맞춤설정할 수 있는지 여부, 수동 인계 후 공동 편집 시 버전 충돌이 있는지 여부.
결정 인텔리전스: AI는 "만약에"라는 가상 질문에 답할 수 있습니다. - "이 고객에게 무료 유지 관리가 제공된다면 유지 확률은 얼마나 됩니까?" 시스템은 과거에 12개의 유사한 사례를 검색하고 83%의 유지 확률과 $9,400의 유보 수익을 예측합니다. 이는 일반 LLM의 환상이 아니라 제품 내의 구조화된 사례 라이브러리를 기반으로 한 패턴 일치입니다. 수용 문제: 사례 라이브러리의 적용 범위 규모, 예측 정확도의 검증 가능성 및 콜드 스타트 단계(이력 사례가 없는 경우)의 롤백 전략입니다.
Agent Studio 및 Dock Editor: 로우 코드 에이전트는 컨텍스트를 기반으로 구축되었으며 정책(비즈니스 규칙), 신호(메시지의 주요 신호), 선례(역사적 사례 일치) 및 가드레일(AI가 넘을 수 없는 경계) 설정을 지원합니다. Dock Editor는 구성 지원을 위한 Chrome 확장과 개발자 확장을 위한 CLI/MCP 인터페이스도 제공합니다. 수용 문제: 복잡한 조건을 결합하는 정책의 능력과 MCP 도구에 의해 노출된 특정 동작 목록(아래 도구 공개 목록 참조).
내장된 CRM, 작업 주문 및 지식 베이스: AI 직원은 백그라운드에서 시스템을 전환할 필요 없이 직접 고객 이력을 검색하고, 작업 주문을 생성하고, 지식 베이스에 쿼리할 수 있습니다. 아직 전문적인 CRM을 갖추지 못한 소규모 기업의 경우 이는 "원스톱 쇼핑"의 매력이 될 수 있습니다. 그러나 Salesforce 및 HubSpot과 같은 성숙한 CRM을 이미 사용하는 회사의 경우 AgentDock의 이중 쓰기 동기화 기능 및 데이터 충돌 전략을 사전에 검증해야 합니다.

도구 열기 목록(MCP/CLI 모드)

에이전트/MCP 도구인 AgentDock은 대규모 모델을 호출할 수 있도록 Dock 편집기의 에이전트 기본(CLI/MCP) 인터페이스를 통해 다음과 같은 검증 가능한 도구 동작을 노출합니다.

도구 이름	행동	설명
`탐색`	지정된 대화/고객/티켓 컨텍스트로 이동	AgentDock 인터페이스의 현재 포커스 제어
`검색_지식`	지식 베이스 검색	일치하는 지식 항목 반환, 의미 검색 지원
`lookup_customer`	ID/이메일/전화번호로 고객정보조회	고객 LTV, 과거 상호 작용, 태그 반환
`create_ticket`	새 티켓 만들기	우선순위 설정, 카테고리 설정, 상담원 할당
'업데이트_티켓'	작업 주문 상태/내용 업데이트	상태 이전 지원 및 메모 추가
`send_message`	지정된 채널을 통해 메시지 보내기	지원 웹/이메일/SMS/WhatsApp
`schedule_action`	향후 조치 계획(후속 조치/알림/검토 요청)	시간, 행동 유형, 대상 고객 설정
`쿼리_케이스`	과거 유사사례 조회	의사결정 인텔리전스를 위한 "What if" 분석
`읽기_로그`	상호작용 로그 읽기	AI 결정 링크, 트리거 규칙 및 예외 기록 가져오기

참고: 위의 도구 이름과 동작은 부분적으로 공식 웹사이트의 공개 기능 설명 및 MCP 모드 설명에서 파생되었으며 부분적으로 제품 스크린샷 및 문서를 기반으로 검증 가능한 추론입니다. 정확한 도구 이름과 매개변수는 공식 MCP 사양이 발표된 후 문서에 따릅니다.

AgentDock의 모델 및 버전 진화

AgentDock은 현재 Early Access 단계에 있으며 공식 버전 번호 시스템은 공개되지 않았습니다. 다음 정보는 공식 제품 페이지 GitHub 저장소 및 제품 반복 신호에서 공개적으로 검증 가능한 사실을 기반으로 합니다.

2024년(제품 개념 증명 기간): 공식 웹사이트 팀에 따르면 핵심 구성원은 Stripe 및 Superhuman에서 근무하는 동안 대규모 고객 상호 작용 시스템에 대한 경험을 축적했습니다. AgentDock의 제품 컨셉과 초기 프로토타입은 이 단계에서 완료되며 구체적인 버전 노드는 공개되지 않습니다.

2025년(개발 및 내부 테스트): GitHub 웨어하우스가 구축되고, 코어 백엔드 및 AI Agent 엔진 개발이 진행됩니다. 2025년 말까지 이 제품은 다중 채널 통합(웹, 이메일, 전화, WhatsApp) 및 예비 Decision Intelligence 모듈을 완료할 예정입니다.

2026년(Early Access 출시): 공식 웹사이트가 정식 출시되고 Early Access 애플리케이션이 오픈되었습니다. 현재 검증 가능한 역량 기준:

옴니채널 AI 직원: 웹, 이메일, 전화, 문자, 텔레그램, WhatsApp
선제적 후속조치 자동화 : 평가요청, 리콜, 견적 후속조치
상황별 핸드오버: 대화 내역 + AI 신호 + 고객 가치 + 위험 점수
의사결정 인텔리전스: 사례 라이브러리 매칭 + What-if 예측
Agent Studio: 정책, 신호, 판례, 가드레일
Dock 편집기: Chrome 확장 + CLI/MCP 인터페이스

무대	시간	주요 사실
개념 증명	2024	핵심팀 구성, 제품 방향 결정(정확한 날짜는 공개되지 않음)
개발 내부 테스트	2025	다채널 AI Agent 엔진 및 의사결정 인텔리전스 모듈 개발
앞서 해보기	2026-02 ~ 현재	공식 제품 페이지가 온라인에 있으며 Early Access 응용 프로그램이 열려 있습니다
공식 출시	미정	공식 발표 대상

버전 반복 예상: 제품이 아직 공식적으로 출시되지 않았으므로 장기적인 버전 추적 가능성은 없습니다. 공식 출시 후 다음 버전 지표에 주의하는 것이 좋습니다. ① 첫 번째 AI 분석 대 수동 검증 결과의 평균 정확도; ② 채널 통합 수의 성장 곡선; ③ Decision Intelligence 사례 라이브러리의 적용 범위. 이러한 지표의 버전별 변화는 버전 번호 자체보다 제품 성숙도를 더 잘 반영합니다.

AgentDock의 기술적 장점

AgentDock의 기술적 이점은 "보다 강력한 LLM"이 아니라 "전체 고객 상호 작용 수명 주기"를 중심으로 구축된 엔지니어링 프레임워크에 있습니다. 아키텍처는 세 가지 수준에서 이해될 수 있습니다.

아키텍처 링크:

``인어 흐름도 LR A[고객 메시지] --> B{채널 게이트웨이} B --> C[웹 위젯] B --> D[이메일] B --> E[WhatsApp] B --> F[전화/음성] B --> G[텔레그램/SMS] C --> H[AI 에이전트 엔진] 디 --> H 이자 --> H 에프 --> H G --> H H --> I[의사결정 엔진] I --> J[대소문자 일치] I --> K[정책 규칙] I --> L[국경수비대] H --> M[액션 실행] M --> N[메시지 보내기/작업 주문 생성/작업 예약] H --> O{수작업이 필요함,} 아 -->|예| P[에이전트에게 전달된 컨텍스트] 아 -->|아니요| H P --> Q[수동 처리] Q --> R [AI 학습에 대한 피드백]


**옴니채널 통합 메모리 레이어 메커니즘**: 대부분의 고객 서비스 AI는 서로 컨텍스트를 공유하지 않고 각 채널에 독립적으로 봇을 배포합니다. AgentDock의 접근 방식은 AI Agent 엔진 위에 통합된 "고객 메모리 레이어"를 구축하는 것입니다. 각 채널의 메시지는 동일한 엔진으로 처리되어 고객 정보, 과거 상호 작용 및 활성 전략을 공유합니다. 즉, 고객이 웹에서 문의를 시작하고 WhatsApp을 통해 커뮤니케이션을 계속하면 AI가 각 채널을 처음부터 시작하는 것이 아니라 원활하게 연결할 수 있다는 의미입니다. **엔지니어링 비용**: 통합 메모리 계층에는 타이밍 일관성과 메시지의 멱등성 처리 기능이 필요합니다. 비동기 채널(이메일)과 실시간 채널(채팅, 전화) 간의 타이밍 병합에는 본질적인 기술적 복잡성이 있습니다. 가끔 발생하는 컨텍스트 연결 오류(예: 두 고객의 잘못된 조각 병합)에는 완전한 모니터링 및 롤백 메커니즘을 설정해야 합니다.

**Decision Intelligence의 케이스 매칭 메커니즘**: 일반적인 LLM의 무작위 추론과 달리 AgentDock의 "What if" 기능은 구조화된 케이스 라이브러리를 기반으로 패턴 매칭을 수행합니다. AI가 행동의 결과를 예측해야 할 때 LLM에게 처음부터 답변을 생성하도록 요청하지 않습니다. 대신 과거 사례에서 가장 유사한 12개의 기록을 불러와 성공률, 고객 유사성, 행동 결과를 종합해 통계적 예측을 내놓는다. 이러한 "사례 추론 + LLM 설명"의 하이브리드 아키텍처는 해석 가능성 측면에서 순수 블랙박스 추론보다 우수하지만 콜드 스타트 단계(사례 라이브러리 < 50개 항목)에서의 효율성은 의문입니다. 신규 고객이 처음 사용할 때 "사전 설정된 사례"의 품질과 적용 범위는 출시 초기 단계의 AI 신뢰성에 직접적인 영향을 미칩니다.

**정책 및 가드레일**: AgentDock을 사용하면 운영자가 AI 작업의 경계를 정의할 수 있습니다. 예: "고객의 신원을 확인하지 않으면 환불을 수행할 수 없습니다." "단일 할인은 $50로 제한됩니다." "법률 용어와 관련된 응답은 수동으로 전달해야 합니다." 프롬프트에 모호하게 설명되는 대신 이러한 규칙은 LLM의 규정 준수 불확실성을 우회하여 정책 엔진에서 구조화된 If-Then 조건으로 컴파일 및 실행됩니다. **주요 제한 사항**: 정책 엔진 복잡성의 상한 - 규칙 수가 50~100개를 초과하고 교차 조건이 존재하는 경우 정책 충돌 감지 및 우선 순위 지정은 엔지니어링 문제가 됩니다. 현재 공식 웹사이트에서는 정책 엔진의 충돌 해결 알고리즘을 공개하지 않습니다.

**Dock Editor의 MCP/CLI 기능**: AgentDock의 Dock Editor는 Agent Native(CLI/MCP) 인터페이스를 제공합니다. 이는 개발자가 MCP 프로토콜을 통해 AgentDock의 기능을 더 높은 수준의 대규모 모델 오케스트레이션 시스템에 연결할 수 있음을 의미합니다. 이로 인해 AgentDock은 독립적인 제품일 뿐만 아니라 대규모 엔터프라이즈 자동화 플랫폼(예: Activepieces, n8n)에 내장된 "고객 상호 작용 하위 에이전트"로 사용될 수도 있습니다.

### 엔지니어링 함정 가이드(에이전트/MCP 시나리오에 공통)

현재 Early Access 단계에서 AgentDock의 제품 기능 및 MCP 인터페이스 디자인을 기반으로 다음은 잠재적인 엔지니어링 함정 및 예방 조치입니다.

1. **데드 루프 및 토큰 폭발 위험**: AI 직원의 의사 결정 체인에 "메시지 보내기 -> 고객 응답 -> 재전송"의 루프가 나타나고 단계 수에 제한이 없으면 고주파 시나리오에서 무의미한 대화가 많이 발생하여 API 토큰 예산을 삼킬 수 있습니다. **예방 조치**: MCP/CLI 호출 시 'max_steps' 설정(단일 회전 시나리오의 경우 상한 3단계 권장), 시간 제한(단일 상호 작용이 30초를 초과하지 않아야 함) 및 반복 동작 감지 - AI가 2회 연속으로 동일한 동작 조합을 수행하는 경우 회로 차단기가 트리거되고 수동으로 전환되어야 합니다.

2. **다중 채널 컨텍스트 오버로드**: 다중 채널 메시지를 집계할 때 통합 메모리 계층은 전체 고객 상호 작용 기록(몇 개월 또는 몇 년 간의 이메일, 채팅 및 통화 기록)을 LLM 컨텍스트 창에 주입하여 추론 지연이 급증하고 토큰 소비가 통제 불능 상태가 될 수 있습니다. **예방 조치**: 컨텍스트 정리 전략을 구현합니다. 가장 최근의 N개 상호 작용(20~50개 권장)만 추출하고, 높은 신호 메시지(의도 변경, 감정 전환, 행동 약속 포함) 유지에 우선 순위를 부여하고, 과거의 순수한 인사말 메시지를 하나씩 로드하는 대신 요약하고 보관합니다. AgentDock의 API는 호출자가 제어할 수 있는 `context_window_limit` 매개변수를 제공해야 합니다.

3. **되돌릴 수 없는 작업에 대한 보안 거버넌스**: AI 직원은 메시지 보내기, 작업 주문 생성, 작업 예약, 환불 수행 등의 권한을 갖습니다. 프롬프트 주입이나 잘못된 판단으로 인해 되돌릴 수 없는 작업(예: 모든 고객에게 오류 알림 보내기, 일괄 환불 시작 등)으로 이어지면 결과는 심각할 것입니다. **예방 조치**: ① "방송 메시지 전송", "가격 수정", "일괄 환불" 등 위험도가 높은 작업에 대해 2차 확인 지점(Human-In-The-Loop)을 설정합니다. ② 정책 엔진의 기본 테스트 실행 모드 - AI 결정은 로그만 생성하고 실제로 실행되지는 않으며 대시보드 검토 후 수동으로 해제됩니다. ③ 읽기 전용 모드: 기업은 초기 단계에서 읽기 전용 배포를 완전히 활성화하고 AI 분석 및 권장 사항만 허용할 수 있으며 모든 실행은 수동으로 트리거됩니다.

### 3분이면 빠르게 시작할 수 있습니다(MCP 장착 구성).

AgentDock의 MCP 서버는 Dock Editor의 CLI를 통해 빠르게 시작할 수 있습니다. 다음은 일반적인 구성 예입니다(`claude_desktop_config.json` 마운트를 예로 사용).

``json
{
  "mcpServer": {
    "에이전트 독": {
      "명령": "npx",
      "인수": [
        "@agentdock/mcp-서버",
        "--api-키",
        "<YOUR_AGENTDOCK_API_KEY>",
        "--작업 공간",
        "<WORKSPACE_ID>"
      ],
      "환경": {
        "AGENTDOCK_BASE_URL": "https://api.agentdock.ai"
      }
    }
  }
}

시작 확인: 구성을 저장한 후 Claude Desktop을 다시 시작하고 대화 상자에 "내 AgentDock 티켓 보기"를 입력합니다. MCP 서버가 성공적으로 연결되면 에이전트는 현재 작업 영역에 티켓 목록을 반환합니다. 연결이 실패할 경우, API Key 권한 범위와 AGENTDOCK_BASE_URL 컨텍스트 변수가 올바른지 확인하세요.

참고: 위의 MCP 서버 이름 @agentdock/mcp-server는 공식 "Agent Native(CLI/MCP)" 기능 설명을 기반으로 합니다. 정확한 npm 패키지 이름과 시작 매개변수는 공식 문서에 따릅니다. 공식 MCP 패키지가 출시되기 전에 REST API 엔드포인트 https://api.agentdock.ai를 통해 기본 도킹 테스트를 수행할 수 있습니다.

AgentDock 사용 방법

AgentDock은 다양한 역할의 상호 작용 습관에 적응할 수 있는 여러 사용 포털을 제공합니다.

사용법	적합한 사람	특징	현재 가용성
웹 대시보드	운영자, 관리자	AI 직원 구성, 정책 관리, 상호 작용 로그 보기	조기 액세스 가능
웹 위젯	최종 고객	브랜드 웹사이트에 삽입, 직접적인 고객 대화	조기 액세스 가능
모바일 단말기(독립 앱)	비공개	현재 웹 형태로만 모바일 단말 로드맵 공개되지 않음	비공개
API/레스트	개발자	시스템 통합, 데이터 가져오기 및 내보내기	조기 액세스 가능
CLI/MCP	개발자	상위 계층 AI 오케스트레이션 시스템 내장	조기 액세스 가능
크롬 확장	운영자	Dock 편집기 지원 구성	조기 접속 가능

일반적인 구현 단계(서비스 지향 기업의 경우):

시나리오 선택: AI 직원이 처리하는 고객 상호 작용 유형(예: 약속 문의, 청구서 문의, 일반적인 문제 해결 등)의 첫 번째 배치를 확인합니다. 도입 기간 동안 환불, 불만 등 매우 민감한 시나리오를 AI가 처리하도록 하는 것은 권장되지 않습니다.
정책 구성: Agent Studio에서 정책(예: "고객은 계정 정보를 제공하기 전에 자신의 신원을 확인해야 합니다"), 가드레일(예: "할인 한도 $50") 및 신호(예: "고객이 '취소'를 언급할 때 이탈 알림 트리거")를 설정합니다.
지식베이스 가져오기: 자주 묻는 질문(FAQ), 서비스 범위, 가격표, 정책 문서를 지식베이스로 가져옵니다. 지식베이스의 품질은 AI의 최초 해결률에 직접적인 영향을 미칩니다. 최소한 상위 20개 고객 문제를 다루는 것이 좋습니다.
채널 활성화: 우선순위에 따라 채널을 활성화합니다. 권장 경로: Web Widget(온라인으로 전환하는 가장 빠른 속도) → 이메일(비동기 쿼리 캡처) → WhatsApp/Text(모바일 범위) → 전화(가치 높은 음성 상호작용).
A/B 비교 실행: AI를 2~4주 동안 기존 고객 서비스와 병렬로 실행하여 주요 지표(최초 해결률, 고객 만족도, 평균 처리 시간)를 비교합니다. AI FCR이 인위적인 기준선을 안정적으로 초과하게 되면 AI 독립 처리 권한이 점차 개방될 예정이다.
수동 검토 주기: 초기 단계에서는 AI가 처리하는 모든 상호 작용을 매일 검토하여 오판 패턴을 식별하고 정책 규칙을 업데이트합니다. 사례 기반이 커짐에 따라 감사 빈도는 샘플링 감사로 점차 줄어들 수 있습니다.
지속적 최적화: Decision Intelligence 모듈을 사용하여 "What if" 시나리오를 분석하고 후속 전략, 할인 전략 및 서비스 업그레이드 경로를 최적화합니다.

API 빠른 시작 예(Python):

``파이썬 수입요청

API_KEY = "" BASE_URL = "https://api.agentdock.ai"

고객정보 조회

응답 = 요청.get( f"{BASE_URL}/v1/고객/조회", headers={"Authorization": f"Bearer {API_KEY}"}, params={"email": "[email protected]"} ) 고객 = response.json() print(f"고객: {고객['name']}, LTV: ${customer['lifetime_value']}")

AI 직원을 통해 메시지 보내기

페이로드 = { "고객_ID": 고객["ID"], "채널": "왓츠앱", "message": "안녕하세요! 방금 확인했습니다. 최근 서비스는 어땠나요?", "schedule": "after_service+1h" #서비스 완료 후 1시간 후에 전송됩니다. } 보내기 = 요청.포스트( f"{BASE_URL}/v1/메시지/전송", 헤더={ "승인": f"전달자 {API_KEY}", "콘텐츠 유형": "응용 프로그램/json" }, json=페이로드 ) print(f"메시지가 전송되었습니다. ID: {send.json()['message_id']}")



**API Key 발급**: 현재 Early Access 단계이므로, 공식 홈페이지를 통해 Early Access 신청 후 정식으로 API Key를 발급받아야 합니다. 정식 출시 이후에는 대시보드에 셀프 서비스 생성 진입 기능을 제공할 예정이다.

## AgentDock 제품 가격

AgentDock은 아직 공식 가격을 발표하지 않았습니다. 다음 프레임워크는 유사한 제품과 현재 제품 단계를 기반으로 합니다. 모든 구체적인 수치는 공식 출시 후 실시간 가격 페이지에 적용됩니다.

**현재 단계**: 앞서 해보기 동안 제품은 핵심 시나리오를 검증하기 위해 무료 평가판 할당량(예: 30일 또는 500개의 AI 상호 작용)을 제공할 가능성이 높습니다. Early Access를 신청하는 기업은 공식 할인 또는 Founder's Plan에 가입하여 공식 가격보다 낮은 가격으로 장기 구독을 얻을 수 있습니다.

**예상 가격 구조**:
- **기본 버전**: AI 직원 1명, 2~3개 채널, 제한된 수의 AI 상호 작용을 포함하는 고정 월별 요금입니다. 1인이 운영하는 소규모 서비스 사업에 적합합니다.
- **Professional Edition**: 더 높은 상호 작용 제한, Decision Intelligence 전체 기능을 갖춘 API 및 MCP 액세스를 위한 옴니채널 지원. 팀 단위 운영에 적합한 중규모 서비스 회사입니다.
- **Enterprise Edition**: 사용자 정의 상호 작용 할당량 SSO, 감사 로그, 비공개 배포 옵션(사용 가능한 경우). 엄격한 규정 준수 요건을 갖춘 조직에 적합합니다.

**구매 결정 전 확인 필수**: ① AI 상호작용 횟수를 측정하는 방법(고객 메시지 하나당 1회로 계산되나요, 아니면 AI 작업 하나당 1회로 계산되나요?); ② 여러 채널을 독립적으로 과금하는지 여부 ③ 초과비율 ④ Decision Intelligence 모듈의 추가 비용 여부 ⑤ 연간계약할인 여부 ⑥ 데이터 보유 기간 및 내보내기 형식.

## AgentDock의 응용 시나리오

AgentDock의 기능은 "고객 상호 작용을 핵심"으로 하는 서비스 시나리오에 자연스럽게 적합합니다. 다음 세 가지 유형의 시나리오에는 공개 제품 페이지에 명확한 사용 사례 설명이 있습니다.

- **서비스 중심의 기업 고객 관리(현재 주요 권장 시나리오)**: 공식 홈페이지 데모는 HVAC(난방, 환기, 공조) 유지보수 업체를 기반으로 함 - AI 직원이 전화 수신 예약 처리("AC 정지, 95도" → 자동으로 긴급도 파악, 고객 장비 유지 보수 기록 조회, 기사 네이트 파견), 48시간 동안 응답 없는 견적 자동 후속 조치, 서비스 1시간 후 자동 평가 요청, 미응답 고객에게 자동 리콜 발송 6개월 동안 연락했어요. **수익 반영**: 고객 서비스 응답 시간을 며칠에서 몇 분으로 단축하고, 지속적인 후속 조치를 통해 단일 고객 평생 가치(LTV)가 자연스러운 성장을 달성합니다. **구현 팁**: 이 시나리오의 효과는 과거 고객 데이터의 완전성에 크게 좌우됩니다. 회사에 이전에 체계적인 고객 기록이 없는 경우 AI의 "콜드 스타트" 단계에는 추가적인 수동 데이터 입력 투자가 필요합니다.

- **전자상거래 A/S 자동화**: 환불 요청 처리, 주문 상태 조회, 물류 추적. "완료되었습니다. 카드로 48달러를 환불했습니다. 3~5일 안에 도착합니다." - AI가 고객 본인 확인 후 자동으로 환불을 진행하고 결과를 피드백합니다. **혜택 반영**: 수동 상담원이 표준 환불을 처리하는 데 걸리는 시간을 줄이고 수동 리소스를 복잡한 불만사항(예: 손상된 상품, 모조품)에 집중합니다. **확인 요점**: 환불 금액에 대한 자동 승인 상한 설정 - AgentDock의 정책 엔진은 "$X 미만의 환불은 자동으로 실행되고, $X 이상의 환불은 수동 처리로 전환됩니다" 설정을 허용해야 합니다.

- **SaaS 고객 성공 및 갱신 관리**: AI는 사용 빈도가 감소한(90일 이상 로그인하지 않은) 고객을 사전에 식별하고 리콜 이메일을 보내고 만료된 갱신을 상기시킵니다. 고객이 취소를 제안하면 AI는 자동으로 과거 서비스 기록을 검색하고, 이탈 위험 수준을 결정하며, 고가치 고객 시나리오에서 유지 전략(예: 월간 크레딧 제공)을 자동으로 일치시킵니다. **수익 반영**: 능동적 리콜이 수동적 이탈을 대체하고 갱신율이 높아집니다. **구현 팁**: SaaS 시나리오에서 고객 의도를 판단하는 것은 서비스 지향 기업의 판단보다 더 복잡합니다. "취소"라고 말하는 고객은 실제로 취소를 원할 수도 있고 할인을 원할 수도 있습니다. AI는 이 두 가지 유형의 의도를 구별하고 다양한 대응 전략을 실행해야 하며, 이를 위해서는 보다 세밀한 신호 구성이 필요합니다.

**부적합한 시나리오**: AgentDock의 현재 포지셔닝으로 인해 두 가지 유형의 시나리오에 부적합합니다. ① 핵심 모델이 내부 엔터프라이즈 프로세스 조정이 아닌 "한 명의 AI 직원 대 한 명의 고객"이기 때문에 다중 에이전트 협업(예: 승인 흐름, 부서 간 주문 처리)이 필요한 내부 비즈니스 프로세스 자동화입니다. ② 데이터 주권에 대한 엄격한 요구 사항이 있고 SaaS 배포를 수용할 수 없는 조직(군수 산업, 정부 업무, 금융 핵심 시스템 등)은 공식적으로 민영화 계획을 시작하기 전에 신중하게 평가해야 합니다.

## AgentDock 적용 그룹

AgentDock의 서비스 대상은 기술팀이나 개별 생산성 도구 사용자가 아닌 "최종 고객과 직접 상호 작용하는 기업"을 핵심으로 합니다.

- **서비스 사업주/운영 리더**: 가장 일반적인 사용자입니다. 일일 고객 상호 작용이 많지만 정규 고객 서비스 팀을 고용할 여력이 없는 5~50명의 직원을 보유한 서비스 비즈니스(하우스키핑, 유지 관리, 진료소, 전문 서비스). AgentDock의 "한 명의 AI 직원" 모델은 일부 고객 서비스 기능을 직접 대체합니다. **부적합한 경계**: 기업의 일일 평균 고객 상호 작용량이 10~15회 미만인 경우 AI 직원의 활용률이 구독 비용을 감당하기에 충분하지 않습니다. 서비스 프로세스가 고도로 개인화되면(각 고객은 맞춤형 솔루션이 필요함) AI의 표준화된 전략은 수요를 충족할 수 없습니다.

- **고객 성공 및 지원 팀 관리자**: 기존 고객 서비스 팀이 있는 조직에서 AgentDock은 표준 쿼리에 대한 "AI 사전 필터링 계층" 역할을 할 수 있으므로 상담원이 고가치/고위험 상호 작용에 집중할 수 있습니다. 관리자는 AI 작업의 경계를 제어하기 위해 정책과 가드레일을 정의할 수 있는 능력이 필요합니다. **부적절한 경계**: 팀이 표준화된 SOP(표준 운영 절차) 및 고객 분류 체계를 확립하지 못한 경우 AI 전략 구성에 근거가 부족해 효과가 크게 감소합니다.

- **독립 개발자 및 시스템 통합업체**: API, CLI 및 MCP 인터페이스를 통해 AgentDock의 고객 상호 작용 기능을 더 큰 시스템 에코시스템에 포함하거나 여러 서비스 지향 기업 고객에게 AgentDock 배포 및 유지 관리 서비스를 제공합니다. **구현 팁**: Early Access 단계에서는 API 안정성과 문서 완성도를 실제로 평가해야 합니다. 정식 출시 이후 대규모 통합을 진행하는 것을 권장합니다. 통합자는 공식이 화이트 라벨 또는 다중 테넌트 관리 기능을 제공하는지 여부에 주의를 기울여야 합니다.

**대중에게 적합하지 않음**: ① 개인 능률 사용자(AgentDock은 일반적인 Q&A, 글쓰기 지원 및 기타 개인 기능을 제공하지 않습니다) ② 내부 프로세스 자동화가 필요한 IT팀(워크플로 조정 플랫폼이 아닌 고객 중심의 외부 상호 작용 시스템) ③ 고객과의 상호작용이 전혀 없는 기업 또는 조직(내부 부서 간 의사소통은 해당 범위에 해당하지 않음).

## 요약 및 전망

AgentDock의 핵심 가치는 "고객 라이프사이클 상호 작용에 대한 AI 직원 통합 관리"에 있습니다. 이는 여러 채널의 봇 모음이 아니라 메모리, 전략 및 행동의 일관성을 유지하는 AI 기본 시스템입니다. 서비스 지향 기업을 위한 가치 논리는 분명하지만(구독료는 고객 서비스 보상의 일부를 대체하는 데 사용됨) 현재 SaaS 전용 형태와 Early Access 단계의 제품 성숙도에 의해 제한됩니다.

**현재 핵심 장점**: 옴니채널 통합 메모리 레이어 설계는 고객 경험 연속성 측면에서 독립 채널 봇 솔루션보다 우수합니다. Decision Intelligence의 사례 추론 메커니즘은 순수 LLM 블랙박스보다 더 해석하기 쉽습니다. 정책 엔진(정책 및 가드레일)은 구조화된 조건으로 LLM 규정 준수 불안정성을 우회하여 주요 작업에 대한 더 강력한 제어 기능을 제공합니다. 팀 배경(스트라이프/슈퍼휴먼)은 제품 배송의 신뢰성을 높입니다.

**현재 주요 제한사항**: 제품은 아직 초기 액세스 단계에 있으며 버전 번호가 누락되고 진행 중인 사례가 거의 없습니다. 공식 웹사이트는 API 빈도 제어 제한 및 데이터 보존 정책 SLA 약속을 공개하지 않습니다. 민영화된 배포를 지원하지 않으며 데이터 주권에 민감한 산업에서 채택할 수 없습니다. 콜드 스타트 단계에서는 사례 라이브러리가 비어 있으며 AI의 신뢰성은 사전 설정된 사례의 품질에 따라 달라집니다. 지식 기반 및 정책 엔진 규모의 상한선은 공개되지 않으며 기업 수준 시나리오의 수용 능력은 알려져 있지 않습니다.

**추가 관찰 포인트**: ① 공식 출시 이후 버전 번호 및 업데이트 빈도 - 빈도가 높은 반복은 팀의 전달 능력을 나타내는 신호이고, 장기적인 침묵은 위험 신호입니다. ② 가격 페이지 출시 후 3단계 비용 구조(기본/전문/기업)가 유사 제품 대비 합리적인지 여부 ③ MCP/CLI 인터페이스의 개방성 - 내부 도구로만 사용하고 SDK가 공개되지 않으면 타사 생태계의 성장이 제한됩니다. ④ 민영화 배포 계획 및 관련 규정 준수 인증(SOC) 2. HIPAA 등) 개시 여부 ⑤ 최초 공개 고객 사례의 AI FCR 및 LTV 개선 데이터 - 이는 제품의 최종 가치에 대한 핵심 증거입니다.

**조달 및 채택 위험 평가**: 일일 평균 20회 이상의 고객 상호 작용이 있는 서비스 기반 비즈니스의 경우 AgentDock의 조기 액세스 단계는 평가판을 신청할 가치가 있습니다. 시험 기간 동안 중점적으로 검증하는 것이 좋습니다. ① 실제 고객 메시지에 대한 AI의 최초 해결률(목표: 60% 이상); ② 정책 엔진이 기업의 주요 Guardrails 요구 사항(환불 한도, 신원 확인, 매뉴얼로 전달되는 민감한 주제)을 다루고 있는지 여부 ③ 채널 전환의 상황적 충실도. 일일 평균 상호 작용량이 10회 미만이거나 데이터 주권에 대한 엄격한 요구 사항이 있는 기업의 경우 공식 출시 및 민영화 계획이 명확해질 때까지 기다린 후 평가하는 것이 좋습니다. 어떠한 경우에도 생산이 온라인으로 전환되기 전에 최소 2주간의 A/B 병렬 검증이 완료되어야 하며, AI가 수행하는 주요 작업(환불, 메시지 전송, 작업 주문 생성)이 감사 로그 모니터링에 포함되어야 합니다.

관련 도구: crewai, langchain

버전 정보

다중 에이전트 런타임 ：다중 에이전트 공동 실행 및 오류 복구 메커니즘을 추가하여 작업 조정 안정성을 최적화합니다. （2026-02）
최초 출시 ：시각적 워크플로 편집기 및 기본 실행 엔진 출시 （2024-06）

사용자 후기

후기를 불러오는 중...