Databricks Unity AI Gateway GA: 에이전트·모델·MCP를 Unity Catalog 안에서 거버넌스하는 방법

AI 에이전트 거버넌스의 공백

데이터 플랫폼 팀이 LLM 에이전트를 프로덕션에 올리면서 새로운 운영 문제가 생겨났다. 모델 접근 제어, 토큰 비용 추적, MCP(Model Context Protocol) 서버 권한 관리, 에이전트 감사 로그—이 모든 것이 기존 데이터 거버넌스 도구 바깥에 있었다.

전통적인 Databricks 환경에서 테이블과 볼륨은 Unity Catalog를 통해 세밀하게 제어된다. 누가 어떤 데이터를 어떤 조건에서 쿼리할 수 있는지, 접근 이력이 어떻게 남는지 모두 명확하다. 그런데 같은 조직에서 같은 데이터를 참조하는 AI 에이전트는 비용이 얼마나 나가는지, 어떤 도구를 호출했는지, 누가 승인했는지 불투명한 경우가 많았다.

2026년 8월 4일, Databricks는 Unity AI Gateway를 정식 출시(GA)하면서 이 공백을 채웠다. 핵심은 AI 에이전트, LLM 모델, MCP 서버를 Unity Catalog의 보안 가능한 객체(securable object)로 다루고, 데이터와 동일한 거버넌스 프레임워크 안에 편입시키는 것이다.

세 개 레이어로 나뉘는 거버넌스

Unity AI Gateway는 거버넌스를 세 차원으로 나눈다.

Unity AI Gateway — 3차원 AI 거버넌스 아키텍처

① 자산 거버넌스: AI를 Unity Catalog 객체로 등록

Unity Catalog는 원래 테이블, 뷰, 볼륨, 함수 등 데이터 자산의 레지스트리였다. Unity AI Gateway GA와 함께, 다음 AI 자산도 같은 레지스트리에 등록되고 관리된다.

모델 서비스: Databricks가 호스팅하는 DBRX, Meta Llama, Mistral 모델과 외부 OpenAI, Anthropic, Azure OpenAI 엔드포인트
MCP 서버: Model Context Protocol을 지원하는 도구 서버, 각 도구의 입출력 스키마 포함
에이전트와 스킬: 프로덕션에 배포된 코딩 에이전트, 데이터 조회 에이전트 등

등록된 AI 자산에 대해 기존 Unity Catalog의 권한 문법이 그대로 적용된다. GRANT EXECUTE ON model_endpoint TO [email protected]처럼, 테이블에 SELECT 권한을 부여하는 방식과 동일하다. 기존 ABAC(Attribute-Based Access Control) 정책도 그대로 확장 적용된다.

② 트래픽 거버넌스: 모든 AI 요청이 단일 제어 경로를 통과

Unity AI Gateway는 모든 모델 서비스와 MCP 서비스 요청을 중앙 제어 플레인을 통해 라우팅한다. 에이전트가 직접 외부 API를 호출하는 것이 아니라, Unity AI Gateway가 중개자 역할을 하면서 요청을 기록하고 정책을 집행한다.

이 구조에서 가능해지는 것들:

하드 지출 한도: 사용자, 팀, 애플리케이션, 모델 공급자 단위로 토큰 소비 예산을 설정할 수 있다. 예산이 소진되면 요청이 자동으로 차단된다. 월말에 예상치 못한 청구서가 오는 것을 방지한다.

토큰 비용 귀속: 어떤 사용자가, 어떤 에이전트에서, 어떤 모델 공급자에게, 얼마나 토큰을 소비했는지 단일 뷰에서 확인할 수 있다. 비용 분배와 부서별 청구(chargeback)가 가능해진다.

Smart Routing (베타): 요청을 품질, 비용, 성능, 가용성 기준으로 가장 적합한 모델로 동적으로 보낸다. 예를 들어 코드 생성 요청은 코딩 특화 모델로, 일반 질의응답은 비용이 낮은 모델로 라우팅할 수 있다.

③ 행동 거버넌스: 요청·응답 내용 수준의 런타임 정책

앞의 두 레이어가 "누가 무엇을 쓸 수 있는가"를 다룬다면, 행동 거버넌스는 "실제 AI 상호작용 내용을 어떻게 제어하는가"를 다룬다.

서비스 정책(Service Policy): 요청이나 응답의 내용을 분석해 허용, 거부, 또는 승인 요청을 내릴 수 있다. "이 에이전트는 고객 이름이 포함된 응답을 반환하면 안 된다"처럼 비즈니스 규칙을 런타임 정책으로 표현할 수 있다. 서비스 정책과 LLM 가드레일은 현재 베타 상태다.

내장 가드레일: PII(개인 식별 정보) 감지와 프롬프트 인젝션 차단이 기본 제공된다. 외부 필터 서비스를 별도로 구성하지 않아도 된다.

통합 추적: 모델 호출, MCP 도구 호출이 단일 감사 텔레메트리 레이어에 기록된다. "이 에이전트가 지난 24시간 동안 어떤 도구를 몇 번 호출했는가"를 하나의 뷰에서 확인할 수 있다.

MCP 서버 거버넌스: 에이전트 도구 접근 제어

Unity AI Gateway GA에서 주목할 변화 중 하나는 MCP 서버를 Unity Catalog 보안 객체로 등록하고 거버넌스할 수 있다는 점이다.

2026년 들어 기업 환경에서 MCP 서버 수가 빠르게 늘었다. 데이터베이스 쿼리 도구, 코드 실행 샌드박스, 내부 API 래퍼 등이 MCP 서버 형태로 배포되기 시작했다. 그런데 어떤 에이전트가 어떤 MCP 도구를 호출할 수 있는지, 비용은 얼마나 발생하는지, 감사 로그는 어디 있는지 관리 체계가 없었다.

Unity AI Gateway는 이를 다음과 같이 해결한다.

에이전트
MCP 도구 호출 요청

→

Unity AI Gateway
정책 검사 · 비용 기록 · 라우팅

→

MCP 서버
Unity Catalog 등록 객체

거부된 요청
정책 위반 시 차단

→

감사 로그
도구·사용자·비용 기록

Unity AI Gateway의 MCP 서버 거버넌스 흐름

MCP 서버가 Unity Catalog에 등록되면, 데이터 자산과 동일한 접근 제어 정책이 적용된다. 특정 에이전트에만 특정 MCP 도구 호출을 허용하거나, 사용량 한도를 설정할 수 있다.

운영자가 확인해야 할 경계

GA 출시 시점에 모든 기능이 완전 GA는 아니다. 기능별 상태를 확인하고 도입 계획을 세워야 한다.

기능	상태
자산 거버넌스 (등록, ABAC 권한)	GA
트래픽 라우팅, Rate Limit	GA
토큰 비용 귀속 및 하드 지출 한도	GA
통합 추적 (Unified Tracing)	GA
서비스 정책 (Service Policies)	베타
LLM 가드레일 (PII·프롬프트 인젝션)	베타
MCP 페이로드 로깅	베타 (계정팀 등록 필요)
Smart Routing	베타

베타 기능 중 일부는 Databricks 계정 콘솔의 Previews 페이지에서 계정 관리자가 활성화할 수 있고, 일부는 계정팀을 통해 등록해야 한다.

기존 AI Proxy / Gateway 솔루션과의 차이

LiteLLM, Portkey, Helicone 같은 AI 게이트웨이 솔루션이 이미 존재한다. Unity AI Gateway가 추가로 제공하는 것은 데이터 자산과의 통합이다.

기존 솔루션: LLM 요청을 프록시하고, 비용과 사용량을 추적한다.
Unity AI Gateway: 동일한 Unity Catalog 안에서 데이터 자산과 AI 자산을 하나의 거버넌스 프레임워크로 연결한다. Lineage, Data Discovery, Access History가 데이터와 AI 호출에 걸쳐 통합된다.

데이터브릭스 플랫폼 위에서 데이터 접근과 AI 호출을 함께 감사해야 하는 조직, 특히 규제 요건이 있는 금융·헬스케어 환경에서 이 통합의 의미가 크다.

도입 체크리스트

[ ] Unity Catalog가 활성화된 Databricks 워크스페이스인지 확인
[ ] 기존 외부 모델 엔드포인트를 Unity AI Gateway로 등록
[ ] 에이전트·팀별 토큰 예산 정책 설계 및 하드 한도 설정
[ ] MCP 서버를 Unity Catalog에 등록하고 ABAC 권한 부여
[ ] 베타 기능(서비스 정책, 가드레일) 도입 여부 계정팀과 협의
[ ] Smart Routing 활성화 전 모델 품질·비용 기준 정의

Open question: Smart Routing이 GA로 전환될 때, 라우팅 결정 로직이 공개될지 여부가 명확하지 않다. 모델 공급자 간 전환이 자동으로 이루어지는 경우 재현성과 감사 추적이 복잡해질 수 있다.

요약

항목	내용
출시	GA 2026년 8월 4일
핵심 위치	Unity Catalog 확장 — 데이터·AI 통합 거버넌스
자산 거버넌스	모델·MCP·에이전트·스킬을 UC 보안 객체로 등록
트래픽 거버넌스	단일 제어 플레인, 하드 지출 한도, 토큰 비용 귀속
행동 거버넌스	서비스 정책(베타), 가드레일(베타), 통합 추적(GA)
MCP 거버넌스	MCP 서버 등록·ABAC 권한·페이로드 로깅(베타)
Smart Routing	베타 — 품질·비용·가용성 기반 동적 모델 선택

Unity AI Gateway가 다루는 핵심 질문은 하나다. AI 에이전트가 어떤 모델을, 어떤 도구를, 누구의 승인으로, 얼마의 비용으로 사용했는가. 데이터 거버넌스를 이미 Unity Catalog에서 운영하는 팀에게, AI 자산을 같은 틀 안에서 관리하는 경로가 열린 것이다.