아케이드 AI
무료
Arcade AI는 프로덕션 수준 다중 사용자 에이전트를 위한
아케이드AI
핵심 매개변수 및 통계
Arcade AI의 핵심 포지셔닝은 일반 채팅 도우미가 아니라 프로덕션 수준의 AI 에이전트를 실제 비즈니스 시스템과 연결하는 MCP 런타임입니다. 공식 홈페이지에서는 이를 보안 에이전트 인증, 신뢰할 수 있는 도구 및 거버넌스를 위한 런타임 레이어로 설명합니다. 공식 llms.txt는 기능을 에이전트 인증, 에이전트 최적화 도구 및 에이전트 수명 주기 거버넌스의 세 가지 주요 라인으로 더 나눕니다. 에이전트가 실제 사용자를 대신하여 SaaS, API 또는 내부 도구를 호출하는 시나리오를 처리하는 데 적합하지만 모델 추론, 벡터 데이터베이스 또는 일반적인 로우 코드 자동화 플랫폼을 대체하는 데는 적합하지 않습니다.
| 프로젝트 | 공공정보 |
|---|---|
| 공식 포지셔닝 | 프로덕션 AI 에이전트를 위한 MCP 런타임 |
| 핵심방향 | 에이전트 도구 호출, 사용자 권한 부여, 실행 신뢰성, 거버넌스 감사 |
| 도구 시스템 | 공식 정보는 7,000개 이상의 통합을 제공합니다. PyPI 프로젝트 설명은 81개의 MCP 서버에 걸쳐 사전 구축된 7,500개 이상의 도구를 설명합니다 |
| 인증 메커니즘 | 다중 사용자, 런타임, 작업 기반 인증, 에이전트 권한과 사용자 권한 결합 |
| 호환 가능한 생태계 | LangChain, OpenAI Agents, CrewAI, Vercel AI, Google ADK, Mastra 등 |
| MCP 클라이언트 | 커서, Claude Desktop, VS Code 및 기타 MCP 클라이언트 |
| 배포 양식 | 클라우드, 자체 관리형, 온프레미스, 에어갭 |
| 오픈 소스 구성 요소 | ArcadeAI/arcade-mcp, Python, MIT 라이센스 |
| 커뮤니티 데이터 | ArcadeAI/arcade-mcp는 현재 927개의 별, 97개의 포크 |
| 최신 공개 패키지 버전 | 아케이드-mcp 1.15.0, 2026-06-12, Python >=3.10 |
매개변수 의미: 이 숫자는 Arcade의 가치 초점이 "모델 매개변수 측면"이 아닌 "도구 실행 측면"에 있음을 나타냅니다. 에이전트가 Gmail, Slack, GitHub, Notion, 기업 내부 API 또는 기타 SaaS를 호출해야 할 때 실제로 어려운 점은 일반적으로 모델이 JSON 함수 호출을 생성하도록 하는 것이 아니라 사용자에게 권한이 있는지, 토큰이 격리되어 있는지, 실패를 재시도하는지, 감사를 추적할 수 있는지, 도구 버전을 관리할 수 있는지 여부를 확인하는 것입니다. Arcade는 이러한 문제를 런타임 레이어에 통합하여 개발자가 각 에이전트 프로젝트에서 인증, 자격 증명, 재시도 및 관찰 가능성을 복제할 필요가 없도록 합니다.
사용자 및 시장 인지도
Arcade AI는 개발자 플랫폼과 엔터프라이즈 에이전트 엔지니어링 팀을 대상으로 합니다. 공개 시장 신호는 주로 C-end 사용자 수보다는 공식 제품 생태계, 오픈 소스 창고, 패키지 관리 플랫폼 및 금융 공개에서 나옵니다. GitHub의 'ArcadeAI/arcade-mcp' 저장소에는 현재 927개의 별과 97개의 포크가 있으며, 언어는 Python, 라이선스는 MIT로 어느 정도 개발자의 관심을 끌고 있음을 나타냅니다. PyPI의 'arcade-mcp' 최신 패키지 버전은 1.15.0이고, 프로젝트 소개는 분명히 "Arcade.dev - Agents용 도구 호출 플랫폼"입니다.
비즈니스 및 자본 신호: BusinessWire는 Arcade가 6천만 달러를 모금했다고 2026년 6월 15일에 공개했으며 보고서 제목에서는 이를 프로덕션 AI 에이전트 뒤의 보안 작업 계층으로 지정했습니다. 이 신호는 공식 웹사이트의 제품 설명과 일치합니다. Arcade의 비즈니스 초점은 개별 사용자에게 독립적인 대화 입구를 제공하는 것이 아니라 에이전트가 기업 생산 환경에서 안전하게 실제 작업을 수행할 수 있도록 하는 것입니다.
생태적 신호: 공식 문서와 홈페이지에는 LangChain, OpenAI Agents, CrewAI, Vercel AI, Google ADK, Mastra 및 Cursor, Claude Desktop, VS Code 등과 같은 MCP 클라이언트에 대한 액세스 경로가 동시에 표시됩니다. 이는 조달 또는 기술 선택의 경우 Arcade가 팀이 기존 에이전트 애플리케이션을 다시 작성하도록 강요하지 않고도 기존 에이전트 프레임워크에 내장할 수 있는 "에이전트 실행 중간 계층"에 가깝다는 것을 의미합니다.
불확실한 경계: Arcade는 전체 고객 수, 지불 고객 규모, 수익 또는 SLA 세부 정보를 공개하지 않습니다. 대중의 인정은 프로덕션 수준 에이전트 플랫폼 후보 목록에 진입하는 데 충분하지만 기업 구현에는 여전히 계약 조건, 지원 응답, 데이터 상주, 규정 준수 인증 및 민영화된 배포 기능에 대한 개별 확인이 필요합니다.
비용 이점
- C사이드/개인 : 핵심 기능 체험을 위해 주로 무료 버전을 제공하며, 빈도가 높은 경우에는 유료 패키지 가입이 필요합니다.
- API/개발자: 호출량에 따라 비용이 청구되며 자체 시스템에 유연하게 통합할 수 있는 개발팀에 적합합니다.
- 기업/민영화: 맞춤형 견적 및 배포 계획은 사업주에게 문의하세요. 구체적인 가격은 공식 실시간 가격 페이지에 따릅니다.
주요 기능
Arcade AI의 기능은 "에이전트가 외부 작업을 안전하고 안정적으로 수행할 수 있도록 하는 것"을 중심으로 이루어집니다. 핵심은 보다 신속한 단어 템플릿을 제공하는 것이 아니라 도구 호출 후 권한, 자격 증명, 실패 및 거버넌스 문제를 해결하는 것입니다.
- 에이전트 권한 부여: 다중 사용자, 작업 기반 런타임 권한 부여를 지원하고 에이전트 권한과 실제 사용자 권한을 교차하며 OAuth/IDP 프로세스와 통합됩니다. Gmail, Slack, GitHub, CRM, 작업 주문 시스템 등과 같은 사용자 ID 컨텍스트가 필요한 작업에 적합하며 LLM이 사용자 자격 증명에 직접 연락하지 않도록 허용합니다.
- 에이전트 최적화 도구: 공식 소스에서는 7,000개 이상의 통합을 강조하고, PyPI 프로젝트 설명에서는 81개 MCP 서버에 걸쳐 7,500개 이상의 사전 구축된 도구를 자세히 설명합니다. 자연어 의도를 정확한 API 호출로 매핑해야 하는 에이전트 애플리케이션에 적합합니다.
- 신뢰할 수 있는 실행: 공식 정보에는 병렬 실행, 자동 장애 조치 및 지능형 재시도가 언급되어 있습니다. 프로덕션 시스템의 경우 이는 단일 함수 호출의 성공보다 더 중요합니다. 외부 API에서 조절, 일시적 오류 또는 필드 변경이 자주 발생하기 때문입니다.
- 라이프사이클 거버넌스: 공유 검색, 버전 제어 OTel 호환 감사 로그 및 가시성 필터링을 지원합니다. 단일 프로젝트 자산에서 조직 플랫폼 자산으로 에이전트 도구 기능을 업그레이드하는 데 적합합니다.
- 배포 및 격리: 클라우드, 자체 관리, 온프레미스, 에어 갭 및 기타 형태를 지원합니다. 금융, 의료, 기업 IT 및 보안에 민감한 산업의 경우 배포 경계가 기능 수보다 더 중요한 경우가 많습니다.
- 개발자 액세스: Python 패키지 CLI 및 프레임워크 통합 경로를 제공합니다. 일반적인 명령에는
uv tool install Arcade-mcp,arcade new,arcadeconfigure claude/cursor/vscode,arcade login,arcade Deploy가 포함됩니다.
이러한 기능의 공통 목표는 에이전트를 "호출 매개변수 생성 가능"에서 "실제 권한, 실제 시스템 및 실제 감사 링크 하에서 작업 수행 가능"으로 업그레이드하는 것입니다. 승인 중에는 권한 부여 흐름이 조직 ID 시스템을 준수하는지, 도구 오류를 복구할 수 있는지, 로그가 기존 관찰 플랫폼에 들어갈 수 있는지 여부에 중점을 두어야 합니다.
모델 및 버전의 진화
Arcade AI는 기본 모델 제품이 아니므로 컨텍스트 창이나 모델 가중치와 같은 버전 라인이 없습니다. 버전의 발전은 주로 공식 MCP 도구 프레임워크 Python 클라이언트, 문서 및 플랫폼 기능에 반영됩니다.
메인라인 출시
- arcade-mcp 1.15.0, 2026-06-12: PyPI의 최신 공개 버전, 패키지 소개는 Arcade.dev 에이전트용 도구 호출 플랫폼이며 Python >=3.10이 필요하며 라이선스는 MIT입니다.
- 아케이드 Python 클라이언트 v1.10.0, 2025-11-06: 공식
ArcadeAI/arcade-pyGitHub 릴리스, Python 클라이언트 측의 공개 버전 노드를 나타냅니다. - arcade-mcp 1.0.0, 2025-10-03: 초기 프로덕션 종속성 평가를 위한 기록 기준으로 사용할 수 있는 PyPI용 안정적인 1.0.0 노드입니다.
공개 프로젝트 노드
- ArcadeAI/arcade-mcp, 2024-04-26: 공식 GitHub 저장소가 생성되었으며, 에이전트에 사용자 지정 기능을 구축하기 위한 MCP 서버 프레임워크 및 도구 개발 라이브러리로 설명됩니다.
- 2026-06-17 근처에 아직 웨어하우스 업데이트가 있습니다: GitHub 웨어하우스
updated_at은 2026-06-17이고pushed_at는 2026-06-16이며 이는 공개 프로젝트가 아직 유지 관리 중임을 나타냅니다.
버전 이해: 프로덕션 팀은 Arcade를 평가할 때 Arcade Python 클라이언트 버전, 호스팅 플랫폼 기능 및 기업 계약 기능과 별도로 'arcade-mcp' 버전을 살펴봐야 합니다. 오픈 소스 패키지 버전은 개발 라이브러리의 성숙도를 반영할 수 있지만 SSO/SAML, 테넌트 격리, 에어갭 배포 및 지원 SLA와 같은 엔터프라이즈 기능에는 여전히 공식 계약 및 콘솔 기능이 적용되어야 합니다.
기술적인 장점
아케이드 AI의 기술적 장점은 단일 지점 API 캡슐화 수보다는 "권한 부여, 도구 및 관리가 동일한 런타임에 포함되어 있다"는 점에서 비롯됩니다.
인증 메커니즘: Arcade는 런타임 시 각 사용자의 인증과 각 작업을 처리하고 에이전트 권한과 사용자 권한을 허용하여 도구 호출을 공동으로 제한합니다. 기계적 효과는 과도한 승인 및 서비스 계정 남용의 위험을 줄이는 것입니다. 다중 테넌트 SaaS, 기업 내부 Copilot, 고객 서비스 에이전트, 사용자를 대신하여 작업을 수행해야 하는 운영 및 유지 관리 에이전트 등의 시나리오에 적합합니다.
자격 증명 격리: 공식 정보에서는 토큰 수명 주기를 관리하고 LLM에서 자격 증명을 격리하는 것을 강조합니다. 그 결과 LLM은 OAuth 토큰이나 장기 키를 직접 보유하지 않고 도구 호출 기능과 권한 부여 결과만 볼 수 있습니다. 이는 보안 팀이 모델이 민감한 자격 증명에 영향을 미치는지 여부에 대한 명확한 요구 사항이 있는 조직에 적합합니다.
실행 안정성: 에이전트 최적화 도구는 장애 조치 및 재시도의 병렬 실행과 결합하여 자연어 의도를 API 호출에 매핑하는 것을 지원합니다. 기계적 이점은 외부 시스템 불안정성을 도구 런타임에 수렴하고 애플리케이션 계층에서 재시도 및 예외 처리 논리의 반복 쓰기를 줄이는 것입니다.
거버넌스 및 관찰 가능성: OTel 호환 감사 로그, 버전 제어 및 가시성 필터링을 통해 도구 기능을 기업의 기존 모니터링, 감사 및 변경 관리 시스템에 통합할 수 있습니다. 프로덕션 에이전트의 경우 "누가 어떤 에이전트를 호출했는지, 결과는 무엇인지"를 설명할 수 있는 것이 단일 통화 속도보다 더 중요한 경우가 많습니다.
배포 탄력성: 신속한 파일럿부터 높은 규정 준수 배포까지의 경로를 포괄하는 클라우드, 자체 관리형, 온프레미스, 에어 갭입니다. 비용은 팀이 제한된 경계, 네트워크 액세스, 키 관리 및 도구 릴리스 프로세스를 보다 신중하게 설계해야 한다는 것입니다.
사용방법
Arcade AI의 접근 방식은 개발자와 플랫폼 팀에 더 중점을 두고 있습니다. 일반적인 경로는 먼저 Arcade 플랫폼이나 문서에서 대상 도구와 인증 방법을 확인한 다음 Agent 프레임워크에서 Arcade의 도구 런타임에 액세스하는 것입니다.
| 입구 | 군중에게 적합 | 일반적인 용도 |
|---|---|---|
| 공식 웹사이트 및 콘솔 | 제품 리더, 플랫폼 팀, 엔터프라이즈 관리자 | 솔루션 이해, 계정 개설, 통합 및 엔터프라이즈 기능 관리 |
| 공식 문서 | 개발자 에이전트 엔지니어 | 인증 공급자, MCP 서버, 샘플 에이전트 및 참조 문서 보기 |
PyPI 아케이드-mcp |
Python 개발자 MCP 서버 개발자 | 도구 생성, 클라이언트 구성 및 MCP 도구 기능 배포 |
| MCP 클라이언트 구성 | 커서, Claude Desktop, VS Code 사용자 | 아케이드 도구를 로컬 또는 데스크톱 MCP 클라이언트에 연결 |
| 에이전트 프레임워크 통합 | LangChain, OpenAI Agents, CrewAI 및 기타 팀 | 기존 에이전트 애플리케이션에 인증 도구 호출 기능 추가 |
기본 단계: 개발자는 arcade-mcp를 설치하고 arcade new를 통해 도구 프로젝트를 생성하고 arcadeconfigure claude/cursor/vscode를 사용하여 MCP 클라이언트를 구성한 다음 arcade login 및 arcade Deploy를 통해 로그인 및 배포를 완료할 수 있습니다. OAuth가 필요한 도구는 서비스 계정이나 장기 키가 에이전트에 직접 노출되지 않도록 먼저 범위, 사용자 인증 프로세스, 콜백 구성을 명확히 해야 합니다.
파일럿 경로: 더 안전한 접근 방식은 '캘린더 읽기 및 회의 요약 생성', '티켓 시스템에서 초안 생성', 'CRM을 Slack 알림으로 동기화'와 같이 가치가 높고 중단이 적은 작업으로 시작하는 것입니다. 승인, 감사, 실패 재시도 및 수동 확인 프로세스가 모두 안정적이면 이메일 보내기, 기록 수정, 작업 주문 마감 등 영향력이 큰 작업으로 확장합니다.
제품 가격
가격 모델은 공식 실시간 페이지를 따릅니다. 일반적으로 부분 유료화 또는 구독 시스템이 채택됩니다. 기본 기능은 무료로 사용할 수 있으며, 고급 기능이나 자주 사용하려면 유료 구독이 필요합니다. 사용자는 실제 사용량을 기반으로 최적의 솔루션을 평가하는 것이 좋습니다.
애플리케이션 시나리오
Arcade AI는 "에이전트가 실제 사용자를 대신하여 시스템 전반에 걸쳐 작업을 수행해야 하는" 비즈니스 링크, 특히 권한 및 감사를 단순화할 수 없는 시나리오에 가장 적합합니다.
- Enterprise Copilot 및 내부 비서: 직원이 Agent를 통해 달력, 문서, 작업 주문 CRM 또는 내부 시스템을 쿼리하고 자신의 권한에 따라 후속 작업을 수행할 수 있습니다. 이점은 사용자 수준 인증 경계를 유지하면서 시스템 전환 비용을 줄이는 것입니다.
- 판매 및 고객 성공 자동화: 상담원은 CRM, 이메일, 회의록 및 작업 주문 시스템을 읽어 후속 작업이나 초안 작업을 생성할 수 있습니다. 중요한 수용 포인트는 승인된 사용자의 범위 내에서만 고객 데이터를 읽고 쓸 수 있도록 허용하는 것입니다.
- 개발자 및 IT 운영 에이전트: GitHub, PagerDuty, Slack, Linear 및 Jira 시스템 간의 문제 위치, 알림 및 작업 업데이트를 조정합니다. 가치는 도구 재시도, 감사 로그 및 작업 추적 가능성에서 나옵니다.
- 고객 서비스 및 운영 프로세스: 상담원은 지식 기반, 주문 시스템 및 고객 서비스 시스템을 기반으로 응답을 생성하고 작업 주문을 생성하거나 상태를 업데이트합니다. 큰 영향을 미치는 작업은 수동 확인 또는 등급별 권한을 유지해야 합니다.
- 높은 규정 준수 산업 에이전트 플랫폼: 금융, 의료, 기업 보안 및 대규모 조직은 온프레미스, 에어갭, 테넌트 격리 및 감사 로그에 집중하여 데이터 경계 및 감사 링크를 제어할 수 있습니다.
이러한 시나리오의 일반적인 전제는 조직에 이미 명확한 ID 시스템과 비즈니스 시스템 경계가 있다는 것입니다. 비즈니스 프로세스가 표준화되지 않은 경우 도구 런타임을 직접 도입해도 프로세스 혼란 문제가 자동으로 해결되지 않습니다.
해당자
Arcade AI는 엔지니어링 및 플랫폼 사용자, 특히 Agent를 데모에서 프로덕션으로 추진하는 팀에 더 적합합니다.
- 에이전트 애플리케이션 개발자: LangChain, OpenAI Agents, CrewAI 등과 같은 프레임워크에서 OAuth 권한 부여 및 실행 관리를 호출하기 위한 실제 도구를 추가해야 하며 처음부터 자격 증명 및 재시도 계층을 구축하고 싶지 않습니다.
- 플랫폼 엔지니어링 및 보안 팀: 에이전트 호출 가능 도구, 권한, 감사 로그 및 버전 변경 사항을 통합 관리하여 각 비즈니스 라인이 불투명한 도구 연결을 유지하지 않도록 해야 합니다.
- 엔터프라이즈 제품 팀: 에이전트가 실제 비즈니스 작업을 안전하게 수행할 수 있도록 내부 Copilot, 고객 지원 에이전트, 영업 보조 또는 IT 자동화 에이전트를 구축하고 있습니다.
- MCP 도구 개발자: 맞춤형 MCP 서버를 구축하거나 기존 API를 에이전트에서 사용할 수 있는 도구로 캡슐화하고 Cursor, Claude Desktop, VS Code 등과 같은 MCP 클라이언트와 인터페이스하고 싶습니다.
덜 적합한 상황에는 일회성 스크립트만 필요한 경우, 단일 사용자 로컬 자동화, 순수 챗봇, 외부 시스템 호출이 없는 콘텐츠 생성 도구, 아직 OAuth, 권한, 감사 및 생산 실패 복구를 처리할 준비가 되지 않은 초기 단계 프로젝트가 포함됩니다. 아케이드의 가치는 '다중 사용자, 실제 행동, 다중 도구, 거버넌스'에 의존할수록 더 많이 반영될 것입니다.
요약 및 전망
Arcade AI의 핵심 역량은 에이전트의 "액션 레이어"를 제품화하는 데 있습니다. 기본 모델에 대한 액세스를 놓고 경쟁하지 않고 에이전트와 실제 시스템 간의 권한 부여, 도구, 실행 및 거버넌스 런타임을 담당합니다. MCP 생태계가 확장됨에 따라 기업은 더 이상 에이전트가 도구를 호출할 수 있는지 여부만 묻지 않고 "인증된 사람, 자격 증명은 어디에 있는지, 오류 처리 방법, 감사 검토 가능 여부, 도구 버전 관리 방법"에 더 많은 관심을 기울일 것입니다. 아케이드는 이 생산 문제에 베팅하고 있습니다.
현재 제한 사항도 명확히 해야 합니다. 공개 페이지에서는 전체 고객 수, 세부 가격, 기업 계약 조건, 각 파일에 대한 호출 할당량 및 모든 규정 준수 인증을 제공하지 않습니다. 활성화된 오픈 소스 패키지 버전이 호스팅 플랫폼의 모든 엔터프라이즈 기능이 특정 업계 요구 사항을 즉시 충족할 수 있다는 의미는 아닙니다. 고위험 작업에는 수동 확인, 권한 분류 및 롤백 전략도 필요합니다. 런타임 거버넌스는 비즈니스 위험이 자동으로 사라지므로 오해될 수 없습니다.
후속 관찰은 세 가지 범주에 중점을 둡니다. 첫째, 'arcade-mcp' 및 Python 클라이언트의 버전 리듬이 안정적으로 유지될 수 있는지 여부; 둘째, 7,000개 이상의 통합과 81개의 MCP 서버 범위를 고품질, 낮은 실패율 생산 도구로 변환할 수 있는지 여부입니다. 셋째, Enterprise 계층의 SSO/SAML, 테넌트 격리, Air-Gapped 및 감사 기능을 실제 고객 사례를 통해 지속적으로 검증할 수 있는지 여부입니다. 구현 시 파일럿 목적으로 위험도는 낮지만 빈도가 높은 작업 링크 1~2개를 먼저 선택하고 승인 성공률, 도구 호출 성공률, 수동 인계율, 감사 추적성 및 오류 복구 시간을 승인 지표로 사용한 다음 점차 영향력이 높은 비즈니스 작업으로 확장하는 것이 적절합니다.
관련 도구: crewai, langchain
버전 정보
- 아케이드-MCP 1.15.0 ：PyPI가 게시한 최신 버전의 Arcade-mcp는 Arcade.dev의 에이전트 지향 도구 호출 플랫폼으로 포지셔닝되고 Python 3.10 이상을 지원하며 MIT 라이선스를 채택합니다.
- 아케이드-MCP 1.0.0 ：PyPI에 있는 아케이드-mcp의 1.0.0 안정 버전 노드는 MCP 서버 프레임워크와 도구 개발 라이브러리가 버전에 의존하는 단계에 진입했음을 나타냅니다.
- 아케이드 Python 클라이언트 v1.10.0 ：Arcade 공식 Python 클라이언트의 GitHub 릴리스 노드는 Python 개발자가 Arcade 플랫폼 기능에 액세스하는 데 사용됩니다.
- 아케이드-mcp 공개 저장소 ：ArcadeAI/arcade-mcp 공식 GitHub 창고 생성 노드, 창고 설명은 MCP 서버 프레임워크 및 도구 개발 라이브러리입니다.
사용자 후기