안녕하세요. KT IT Ops본부에서 K RaaS Physical AI 플랫폼 개발을 담당하고 있는 오현지입니다.

스페인 바르셀로나에서 열린 MWC 2026에서 저희 팀은 K RaaS(Robot as a Service) 생태계와 AI Agent 기반 Physical AI의 미래를 공개했습니다.

그 중 하나인 K RaaS Order/Delivery Agent를 소개하고자 합니다.

From Order to Door, Powered by a Single Agent

이 서비스는 단순한 로봇 배송 데모가 아니라 대화형 AI Agent가 실제 물리적 공간의 로봇을 활용해 서비스를 수행하는 구조, 즉 Physical AI의 초기 형태를 보여주는 시도였습니다.

1. 로봇 서비스의 가장 큰 문제: 사용성

로봇 배송 서비스는 이미 다양한 곳에서 시도되고 있으나,

기존 로봇 서비스는 매장에 비치된 태블릿이나 로봇의 디스플레이와 같은 방식으로 사용자가 직접 조작해야 하는 구조였습니다.

저희는 다음과 같은 질문에서 출발해 AI Agent에서 답을 찾았습니다.

“어떻게 하면 사용자가 더 직관적이고 자연스럽게 로봇 서비스를 이용할 수 있을까?”

2. K RaaS 플랫폼: 로봇 서비스의 기반 인프라

다음과 같은 목표로 로봇 플랫폼을 개발해 왔습니다.

어떤 제조사의 로봇이든, 어떤 공간에서든 서비스로 사용할 수 있게 만들자.

K RaaS 플랫폼은 Order/Delivery Agent에 다음과 같은 기능을 제공하며,

덕분에 주문부터 배송까지 End-to-End 서비스를 제공할 수 있습니다.

A. 로봇 제어 및 운영 관리

로봇 상태 모니터링
원격 제어
스마트 배차
작업 스케줄링
다수 로봇 관리

B. 건물 설비 연동

엘리베이터 호출
보안 게이트 통과
자동문 제어

C. Open API 기반 서비스 확장

주문 시스템
결제 시스템
사용자 서비스
AI Agent

3. 대화형 인터페이스: AI Agent가 시작하는 로봇 서비스

K RaaS Order/Delivery Agent는 대화형 인터페이스를 통해 서비스를 시작합니다.

사용자는 사무실에 비치된 QR 코드를 스캔하고 채팅창에서 다음과 같이 입력합니다.

“카페라떼 한 잔 주문할게요.”

사용자가 별도의 앱을 켜거나 로봇을 조작할 필요 없이 대화만으로 전체 서비스가 시작되는 것입니다.

AI Agent는 사용자의 요청을 이해하고 다음과 같은 작업을 수행합니다.

사용자 의도 분석
메뉴 확인
주문 생성
로봇 배송 요청
배송 상태 관리

사용자는 채팅 화면에서 다음 정보를 실시간으로 확인할 수 있습니다.

로봇의 현재 위치
주문 상태
배송 진행 상황

즉, 대화형 인터페이스가 로봇 서비스의 새로운 UX가 되는 구조입니다.

4. LangChain & LangGraph 기반 Multi-Agent 아키텍처

사용자에게는 단순한 채팅 서비스처럼 보이지만, 내부적으로는 여러 Agent와 플랫폼이 동시에 동작합니다.

K RaaS Order/Delivery Agent는 LangChain과 LangGraph 기반의 Multi-Agent 아키텍처로 구성되어 있습니다.

LangGraph는 LLM 기반 Agent가 상태 기반(Stateful) 워크플로우를 수행할 수 있도록 설계된 프레임워크입니다.

이를 통해 Agent는 단순한 질문 응답이 아니라 복잡한 서비스 흐름을 계획하고 실행할 수 있습니다.

Agent는 사용자 대화를 분석해 다음 정보를 추출합니다.

주문 메뉴
배송 위치
서비스 수행 조건

이 정보는 내부 Agent 모듈들을 통해 처리됩니다.

A. Order Planner Agent

사용자의 요청을 바탕으로 전체 서비스 시나리오를 생성하고, 서브 Agent들에게 필요한 작업을 요청합니다.

서브 Agent가 수행한 작업 결과를 바탕으로 다음 작업들을 진행하며 전체 시나리오를 처리할 수 있도록 합니다.

판교 사옥 환경에서는 다음과 같은 workflow가 생성됩니다.

주문 접수 → 로봇 배정 및 배송 요청 -> 사원증 수령 → 메뉴 픽업 → 사용자에게 배송

B. Search Agent

메뉴 정보 및 주문 가능 여부를 외부 주문 시스템에서 조회합니다.

매장의 위치, 메뉴와 상세 옵션 등을 조회하여 주문 가능한지를 검증합니다.

검증을 마치면 Order Planner Agent에게 결과를 전달합니다.

C. Robot Control Agent

로봇 배송이 필요한 경우 RaaS 플랫폼 API를 통해 로봇 작업을 요청합니다.

여기서 중요한 점은 Agent가 로봇을 직접 제어하지 않는다는 것입니다.

Agent는 서비스 흐름을 결정하는 오케스트레이터 역할을 하고, 실제 실행은 플랫폼이 담당합니다.

이 구조는 AI 시스템과 로봇 제어 시스템을 분리하는 아키텍처를 만들어 안정성을 확보합니다.

D. Event-driven 로봇 서비스 아키텍처

로봇 서비스는 실시간 상태 변화가 많기 때문에 Event-driven 구조로 설계되었습니다.

Kafka를 통해 로봇 위치, 작업 상태, 배송 진행 단계, 설비 연동 상태 정보가 지속적으로 전달됩니다.

AI Agent 내부의 Delivery Status Handler는 이 이벤트를 구독하고 상태를 분석합니다.

이를 통해 Agent는 다음 상황을 판단할 수 있습니다.

로봇이 메뉴 픽업 장소로 이동 중인지
주문이 준비되었는지
로봇이 사용자에게 이동 중인지
배송이 완료되었는지

그리고 그 결과를 사용자 채팅 인터페이스에 실시간으로 반영합니다.

결과적으로 사용자에게는 단순한 채팅 경험이지만, 그 뒤에서는 AI Agent + 로봇 플랫폼 + 이벤트 시스템이 함께 동작하며 서비스가 수행됩니다.

E. Agent-to-Agent 확장 가능성 (A2A)

이 서비스는 A2A(Agent-to-Agent) 확장을 고려해 설계되었습니다.

각 Agent는 A2A Message Protocol을 적용하여 향후 여러 Agent가 협력하는 서비스형 AI 에코시스템으로 확장될 수 있습니다.

5. Physical AI로 가는 첫 단계, 앞으로의 가능성

이번 프로젝트는 단순한 로봇 데모가 아닌,

AI Agent를 통해 디지털 영역을 넘어 물리적 세계에서 행동하는 구조로 만든 첫 단계입니다.

이러한 방향은 최근 이야기되는 Physical AI 개념과도 자연스럽게 연결됩니다. AI가 단순히 정보를 처리하는 것을 넘어 현실 세계에서 행동하는 시스템으로 발전하는 흐름입니다.

다양한 기술과 결합해 더 확장된 서비스로 발전할 가능성도 있습니다.

예를 들어 VLA(Vision-Language-Action) 기술이 적용된다면,

Agent는 사용자의 언어뿐 아니라 주변 환경까지 이해하며 더 자연스럽게 로봇의 행동을 결정할 수 있습니다.

또 다른 가능성은 R2R(Robot to Robot) 협업 구조로,

여러 로봇이 역할을 나누어 하나의 서비스를 함께 수행하는 방식입니다.

앞으로는 하나의 Agent가 모든 것을 처리하는 구조를 넘어

여러 Agent와 로봇이 협력하는 Physical AI 서비스 생태계가 만들어질 것입니다.

그리고 우리는 지금, Physical AI가 현실이 되는 그 시작의 순간을 함께 만들어가고 있습니다.

"커피 하나 주문할게요" AI Agent로 만든 로봇 배송 서비스 이야기 — Physical AI의 시작