2025년, Adobe Analytics는 미국 리테일 사이트의 AI 에이전트 트래픽이 전년 대비 4,700% 증가했다고 보고했다. 오타가 아니다. 동시에 Gartner는 AI 챗봇과 가상 에이전트의 부상으로 전통적인 검색 엔진 사용량이 2026년까지 25% 감소할 것으로 전망한다. 웹의 주 사용자 구성이 바뀌고 있다는 신호다. 그리고 대부분의 프론트엔드 코드는 아직 그 변화를 모르고 있다.
에이전트가 현재의 웹에서 실패하는 이유
현대 웹은 근본적으로 인간의 감각 체계를 전제로 설계되었다. 시각적 계층 구조, 맥락 추론 능력, 손가락으로 누르는 인터랙션. AI 에이전트는 이 중 어느 것도 갖추고 있지 않다. 에이전트가 하나의 버튼을 클릭하기 위해 거쳐야 하는 과정을 생각해보면 문제가 명확해진다. HTML 전체 파싱, 렌더링된 스크린샷에 대한 비전 모델 추론, 인터랙티브 요소 식별, 의미 추측, 사이드 이펙트 예측—이 모든 단계가 하나의 버튼 클릭에 선행된다. 비싸고, 느리고, 취약하다. 사이트 리디자인이나 A/B 테스트 하나로 에이전트의 워크플로우 전체가 무너질 수 있다.
WebMCP: ARIA의 에이전트 버전
dev.to의 글이 소개하는 WebMCP(Web Model Context Protocol)는 이 문제에 대한 구조적 응답이다. Google과 Microsoft 엔지니어들이 공동 개발한 이 W3C 표준은 2025년 8월 공식 제안됐고, 2026년 초 Chrome 146 얼리 프리뷰에 진입했다. 핵심 아이디어는 단순하다. 웹사이트가 자신의 기능을 '도구'로 선언하고, AI 에이전트는 시각적 추측 대신 navigator.modelContext 브라우저 네이티브 API를 통해 직접 그 도구를 호출한다.
비유가 정확하다. ARIA가 "이 버튼은 폼을 제출한다, 이 영역은 네비게이션이다"라고 스크린 리더를 위해 의미를 선언하듯, WebMCP는 에이전트를 위해 "여기서 할 수 있는 것은 이것이고, 이렇게 호출하면 이런 결과가 반환된다"고 선언한다. 접근성(a11y)의 철학이 기계 접근성(machine accessibility)으로 확장된 것이다.
arXiv 연구(Perera, 2025, arXiv:2508.09171)가 1,890건의 실제 API 호출로 검증한 결과는 주목할 만하다. WebMCP의 구조적 접근 방식은 전통적인 비주얼 스크래핑 대비 처리 오버헤드를 67.6% 절감하면서 97.9%의 태스크 성공률을 유지했다. 에이전트가 처리하는 정보의 밀도가 높아지니 토큰 소비가 줄고, API 비용이 34~63% 절감된다. 에이전트 인프라를 '비싼 실험'에서 '실제 프로덕션 구조'로 전환하는 데 필요한 숫자다.
구현 방법은 두 가지다. 단순한 폼 인터페이스라면 HTML 속성 기반의 Declarative API로 10분 안에 대응할 수 있다. 복잡한 멀티스텝 워크플로우라면 Imperative API로 조건부 로직과 중간 상태를 처리하는 도구를 직접 정의한다. 기존 비주얼 디자인은 건드리지 않는다. 사람은 프론트 도어로, 에이전트는 API 도어로 입장한다. 건물을 허물지 않고 두 번째 입구를 추가하는 것이다.
'기계가 읽는 프론트엔드'라는 더 넓은 맥락
WebMCP가 에이전트를 위한 능동적 인터페이스 선언이라면, Technical SEO 체크리스트는 같은 방향을 다른 각도에서 조명한다. dev.to의 2026년 풀스택 개발자용 Technical SEO 가이드가 강조하듯, AI 개요와 LLM 검색 엔진(RAG)이 주류가 된 지금 렌더링 아키텍처 자체가 기계 가독성의 첫 번째 관문이 됐다.
CSR 중심의 SPA는 AI 크롤러에게도 불투명하다. ISR이나 SSR로 초기 HTML 페이로드에 구조적 껍데기와 핵심 텍스트를 담아야 하고, 하이드레이션 불일치는 AI 크롤러가 신뢰 리스크로 플래그를 세운다. JSON-LD 스키마가 DOM 텍스트와 일치하지 않으면 리치 결과를 잃는다. robots.txt는 이제 Google·Bing만의 이야기가 아니다. OAI-SearchBot, GPTBot, Google-Extended 각각에 대해 의도적인 허용/차단 전략이 필요하다.
Core Web Vitals도 같은 맥락에서 재해석된다. LCP, INP, CLS는 인간 사용자의 체감 성능 지표이기도 하지만, 동시에 사이트의 DOM 구조가 얼마나 예측 가능하고 안정적인지를 반영한다. fetchpriority="high", scheduler.postTask(), 이미지의 명시적 width/height 지정—이 조치들은 사람의 렌더링 경험과 기계의 파싱 신뢰도를 동시에 높인다. 퍼포먼스 최적화와 기계 가독성은 이제 같은 목표를 향한다.
지금 설계 결정이 달라져야 할 지점
두 기사를 함께 읽으면 프론트엔드 설계에 실질적인 체크포인트가 생긴다.
첫째, 의미 선언을 습관화하라. ARIA를 접근성 체크박스로 다루던 시절은 끝났다. 시맨틱 마크업, ARIA 속성, 그리고 곧 WebMCP 도구 선언은 에이전트가 인터페이스를 이해하는 직접적인 경로다. 의미 없이 렌더링되는 요소는 에이전트에겐 존재하지 않는 것과 같다.
둘째, 렌더링 전략을 기계의 시선으로 다시 보라. CSR에서 SSR/ISR로의 전환은 SEO를 위한 타협이 아니라 AI 인덱싱 가능성의 전제 조건이다. 초기 HTML이 의미 있는 내용을 담지 않으면 사람도 기계도 기다려야 한다.
셋째, 크롤러 거버넌스를 의식적으로 결정하라. AI 크롤러의 종류와 목적이 다양해진 지금, 어떤 에이전트에게 무엇을 허용하고 거부할지는 기술 결정이자 비즈니스 결정이다. robots.txt를 마지막으로 업데이트한 게 언제인지 기억하는가?
전망: 에이전트 퍼스트가 기본값이 되기 전에
모바일 브라우저가 등장했을 때 "모바일 대응은 나중에"를 선택한 팀들이 뒤에서 따라잡느라 치른 비용을 우리는 알고 있다. AI 에이전트 트래픽은 이미 크래시하고 있는 파도다. AI 에이전트 시장은 2025년 78억 달러에서 2030년 526억 달러로 연평균 46.3% 성장이 예측된다. IDC는 2026년 말까지 기업용 애플리케이션의 80%에 AI 코파일럿이 내장될 것으로 본다.
웹이 사라지는 게 아니다. 두 번째 인터페이스가 추가되는 것이다. 눈과 손이 아닌, 구조적 추론 시스템을 위한 인터페이스. WebMCP가 가져올 변화의 속도를 감안하면, 지금 묻고 싶은 질문은 단 하나다. 당신의 프론트엔드에는 아직 두 번째 문이 없는가?