모드 네트워크: DeFAI 스택으로 제시하는 에이전틱 경제

Key Takeaways

• 모드 네트워크는 디파이 특화 레이어2 블록체인에서 DeFAI 허브로 진화하고 있으며, AI 에이전트를 활용하여 디파이의 복잡성 문제를 해결함으로써 사용자 경험을 개선하고 자본 효율성을 최적화하는 것을 목표로 한다.

• 현재 DeFAI 솔루션은 단일 기능에 국한되고 여러 체인에 파편화되어 있다는 한계를 가지며, 이에 모드 네트워크는 멀티-에이전트 협업과 통합 네트워크 환경이라는 접근 방식을 채택하고 있다.

• 모드 네트워크의 DeFAI 스택은 세 가지 레이어로 구성된다: 인터페이스 레이어(AI 터미널, 에이전트 앱스토어, 모드 트레이드), 데이터 레이어(합성 데이터 생성을 위한 Synth 서브넷), 인프라 레이어(AI 보안 시퀀서 및 옵티미즘 슈퍼체인)

• 사용자의 신뢰 확보와 기술적인 안정성은 앞으로 모드 네트워크가 해결해야 할 과제로 남아있지만, 실질적인 가치를 창출하는 방향으로 충분한 발전이 이루어진다면 모드 네트워크의 접근방식은 디파이의 광범위한 채택을 위한 현실적인 대안으로 평가받기에 충분할 것이다.

1. 모드 네트워크가 제시하는 크립토와 AI의 중장기적 미래

결국 AI 에이전트는 한때 과장되었던 버즈워드에 불과했던 것일까? 크립토와 AI 에이전트의 결합이라는 아이디어가 불러온 기술적 상상력과 투기적 관심은 한 차례의 “AI 에이전트 사이클”을 만들어냈지만, 단기적으로 부풀려졌던 관심이 소강상태에 접어들면서 그 발전 속도도 주춤해지고 있다. 시장의 반응도 그러한 정체 현상을 반영하고 있다. 주요 AI 에이전트의 시가총액은 고점 대비 평균 약 69% 하락하며, 해당 섹터가 하향세에 접어들었다는 사실을 부정하기 어렵다.

그럼에도, 단기적인 가격 하락이 그 기술이 가진 중장기적 잠재력을 모두 반영한다는 의미는 아니다. 변하지 않은 사실은 AI 에이전트와 크립토가 여전히 유의미한 결합 가능성을 내포한다는 것이다. AI 에이전트 간의 협업에 활용되는 가치 교환 수단으로서 크립토의 범국가적인 페이먼트 레일은 효과적인 대안이 될 수 있으며, 마찬가지로 크립토는 AI 에이전트의 자율성을 통해 더 효율적인 자산 관리의 가능성을 갖게 된다. 이밖에도 AI 에이전트와 크립토는 오픈소스 개발, 데이터 소싱, UX 개선, 보안 등과 같이 폭넓은 영역에서 상호의 효율성을 높이는 데 충분한 시너지 효과를 주고받을 수 있다.

그렇다면, AI 에이전트와 크립토의 결합이 더욱 진일보한 발전을 달성하기 위해서는 어떠한 돌파구가 필요할까? 답은 꽤 단순하다. 대개 가치를 얻는 방식에 있어 어텐션 이코노미는 강력하지만, 관심의 속성이 그러하듯 매우 일시적이다. 반면, 사용자 트래픽이나 프로젝트의 수입, 혹은 혁신적인 기술 구조 등의 펀더멘탈은 느린 속도일지라도 지속적인 발전의 동력이 되어 준다. 일전의 사이클에서는 AI 에이전트가 단기적인 관심과 투기적 수요에 의존하였다면, 이제는 단기적인 관심도에 좌우되지 않도록 펀더멘탈한 가치를 창출하고 시장에 증명해낼 차례이다.

그러한 측면에서, 단기적으로 급변하는 시장 주기에 휘둘리기보다 꾸준히 펀더멘탈을 축적하고 있는 플레이어들에 주목할 필요가 있다. 이번 아티클에서 살펴볼 모드 네트워크(Mode Network, 이하 ‘모드’)가 바로 그런 사례이다. 모드는 디파이에 특화된 이더리움 레이어2로 시작했으며, 현재는 AI를 활용해 기존 디파이의 한계를 보완하는 'DeFAI' 특화 레이어2를 새롭게 제시하고 있다. 특히, 100개 이상의 레이어2가 존재하는 상황에서, 모드는 DeFAI라는 버티컬과 함께 자신들의 레이어2 인프라가 왜 필요한지에 대한 당위성을 설득력 있게 제시하고 있다.

이들이 구축하는 DeFAI는 어떻게 디파이를 한 단계 발전시키기 위해 시도하고 있을까? 모드는 왜 하필 레이어2라는 인프라를 활용해 DeFAI 생태계를 구축하려는 걸까? 본 아티클은 그러한 질문에 답을 내는 데 목적을 두고있다. 아래부터는 DeFAI가 무엇이고 어떠한 문제를 해결하는지 살펴보며, 모드가 제시하는 DeFAI 스택의 강점과 모드의 통합된 DeFAI 생태계가 만들어나갈 디파이의 미래를 조명해보고자 한다.

2. 디파이에서 DeFAI로의 진화: AI를 통한 디파이의 복잡성 해결

최근 디파이는 어느 때보다 긍정적인 발전을 보이고 있다. CEX 대비 DEX 사용량은 처음으로 20%를 상회하며 CEX 중심의 크립토 마켓이 DEX 중심으로 재편되는 양상을 보여준다. 한편, 디파이 생태계의 TVL은 $120B에 육박하며, 한 차례 디파이 썸머를 지나 침체되었던 2022년 이래로 꾸준한 성장세를 보이고 있다. 전통 기관의 유입과 지속 가능한 수익 모델의 정착도 가속화되고 있는데, 블랙록은 에테나와 함께 토큰화 펀드인 BUIDL을 기반으로 USDtb를 출시하고 아베 프로토콜은 수입을 통한 $AAVE의 바이백을 본격적으로 추진한다. 이러한 변화들은 디파이 산업이 얼마나 빠르게 성숙해가고 있는지를 말해주고 있다.

그러나, 디파이는 두드러지는 성장세에도 불구하고, 여전히 고질적인 문제를 안고 있다. 그 문제는 디파이 생태계가 점차 다변화됨에 따라 심화되는 디파이의 복잡성이 사용자의 가파른 학습 곡선을 요구한다는 것이다. 디파이 프로토콜들을 상호 결합하여 누구나 최적의 투자 전략을 실행할 수 있다는 것이 디파이의 가장 큰 장점인 만큼, 사용자에게는 금융 공학적 지식을 비롯하여 리스크와 온체인 인프라 등에 대한 충분한 이해가 요구된다.

이미 디파이에 능숙한 독자라면, 초보자의 시선에서 디파이에 처음 진입했던 순간을 떠올려보자. 온체인 환경을 사용하기 위한 월렛과 온램프 인프라처럼 기본적인 단계에서부터 사용자는 어려움을 맞닥뜨린다. 나아가 DEX의 AMM과 유동성풀, 렌딩 마켓의 대출 활용률(Utilization Rate)과 청산 메커니즘, 또는 유동성 스테이킹이나 보팅 에스크로 등의 메커니즘은 사용자에게 높은 진입장벽으로 작용한다. 이로 인해 현재 디파이는 사실상 제한된 시장 참여자들이 사용하는 전문화된 자본 시장으로만 활용되는 실정이다.

이렇듯 디파이의 복잡성이 신규 사용자의 진입을 가로막고 있는 상황에서 AI 에이전트의 기술적 성능을 빌려 디파이 경험을 단순화하고 누구나 디파이를 활용하며 자본 운용의 효율성을 높일 수 있도록 혁신하는 시도가 바로 DeFAI(DeFi + AI)이다. 일반적으로 DeFAI 솔루션들은 기존의 디파이를 개선하기 위해 다음과 같은 방식을 제시한다.

Source: aixbt Labs

1. 마켓 분석(탐색): AI 모델은 가격 데이터, 거래량, 유동성 지표, 온체인 활동, 소셜 센티먼트 등 수많은 변수를 동시에 처리함으로써 마켓의 정보를 분석하고 예측하는 기능에 특화되어 있다. 특히 aixbt의 사례가 그 효과성을 잘 보여주었듯이, LLM의 자연어 처리 능력은 정량적인 지표뿐만 아니라, 트위터나 텔레그램 등의 소셜 채널에서 생성되는 비정형 데이터에 대한 분석을 가능하게 한다. 이러한 기술적 특징들로 인해, AI 에이전트는 단순 알고리즘이나 인간의 분석에 비해 시장 정보의 수집, 자산 가격의 예측, 시장의 비효율을 포착하는 등의 마켓 분석을 보조하는 솔루션으로 부상하고 있다.

   

   Source: Griffain

2. 사용자 경험 추상화(실행): 이미 상용화된 ChatGPT나 Perplexity 등의 AI 코파일럿 제품처럼 자연어 명령을 통해 디파이 실행을 자율화하는 방식이다. 예컨대, 사용자가 “ETH-USDC 풀에 유동성을 공급해줘”라고 프롬프트를 입력하면, AI 에이전트는 가장 효율적으로 이자를 얻을 수 있는 유동성 풀을 찾아 자율적으로 트랜잭션을 실행한다. 이에 사용자는 디파이를 실행하기 위한 학습 단계를 최소화하면서도, 최적의 디파이 전략을 이용하여 자산을 효율적으로 운용할 수 있게된다.

   

   Source: Uniswap v4 Launch: A New Era for DeFi and AI Integration

3. 자율적인 포지션 조정(관리): 크립토 마켓은 24/7 멈추지 않고 돌아가기에 24/7에 걸쳐 포지션을 관리해주는 AI 에이전트는 적합한 솔루션이 되어줄 수 있다. 예를 들어, 유니스왑 v3의 CLMM(Concentrated Liquidity Market Maker, 집중화된 유동성 마켓메이커)에는 자산 가격의 변동성에 따라 유동성 공급 범위를 조절해주는 관리가 요구된다. 이때 AI 에이전트는 실시간의 시장 데이터를 반영하여 유동성 공급 범위를 자율적으로 조정하며 보조해줄 수 있다. 이처럼 AI 에이전트는 유동성 공급 포지션의 관리나 합성자산 볼트의 자산 리밸런싱 등과 같이, 실시간으로 시장의 정보를 모니터링하며 자율적으로 포지션을 관리하는 데 효과적인 솔루션으로 대두되고 있다.

이처럼 DeFAI는 기존 디파이의 열악한 사용자 경험을 개선하고 자본 효율성을 높이는 데 AI라는 해결책을 효과적으로 제시한다. 사용자 여정에 따라 정리하자면, 디파이를 사용하기 위한 탐색 단계에서 AI 에이전트가 파편화된 시장 정보들을 효과적으로 조사해주며, 실행 단계에서는 코파일럿과 같은 툴을 통해 자연어 명령만으로 누구나 쉽게 온체인 거래를 할 수 있도록 사용자 경험을 단순화한다. 나아가 관리 단계에서 AI 에이전트는 IF-THEN 구조의 결정적인 규칙에만 의존하던 기존 알고리즘 트레이딩과 달리, 실시간으로 복합적인 시장 패턴을 새롭게 학습하며 변화하는 시장 조건에 유연하게 대응한다.

3. 현 DeFAI 솔루션의 한계

3.1 디파이의 본질적 속성과 최근의 발전 양상

위와 같은 방식으로 기존 디파이의 한계를 보완하며 AI 에이전트의 실질적인 유틸리티를 창출하고자 하는 DeFAI의 접근은 시장 참여자들로 하여금 긍정적인 평가를 얻을 수 있었다. 이에 따라 DeFAI 코파일럿 제품이나 합성자산 펀드를 자율적으로 리밸런싱해주는 애플리케이션, 혹은 메테오라와 같은 DEX에서 LP 포지션을 동적으로 조절해주는 제품이 DeFAI 시장의 자리를 채우기 시작하고 있다.

다만, DeFAI의 경과를 객관적으로 평가하면, 현재 DeFAI 솔루션들이 전개하고 있는 접근 방식은 AI 에이전트의 활용을 통해 디파이의 자본 효율성과 사용자 경험을 향상시키는 미션을 달성하기에 충분한 성능을 제공하기 어려운 것으로 보인다. 물론, DeFAI가 이제 막 시작된 초기 단계라는 점을 감안할 필요가 분명히 있겠지만, 아직까지 그 기대만큼이나 디파이 생태계에 유의미한 변화를 가져왔다고 보기에는 어려운 것이 사실이다.

그렇다면, DeFAI가 더욱 효과적으로 활용되기 위해서는 어떠한 형태로 발전해야 할까? 그 방향성을 찾기 위한 선제적인 접근으로, DeFAI가 개선하려는 대상인 디파이의 본질적인 속성과 최근의 디파이 발전 양상을 먼저 살펴보자.

Source: DeFi Value Flows: Understanding DeFi Business Models and Revenues

먼저, 디파이의 가장 큰 장점은 인터넷 연결만 있다면 누구나 컴포저블하게 작동하는 디파이 프로토콜들을 상호운용하며 투자 전략을 실행할 수 있다는 특징에 있다. 즉 무허가적인 접근 하에 디파이 프로토콜들을 상호운용할 수 있다는 디파이의 특징은 전통적인 금융 시스템이 제공할 수 없는 효용을 제공한다. 이는 이른바 머니레고(Money Lego)라고 칭해지며 현재와 같이 디파이가 큰 규모의 산업을 성장하는 데까지의 과정에서 가장 주요한 성장 배경으로 작용해왔다.

그러한 디파이의 특징은 최근에 들어 더욱 심화되고 있다. 디파이 프로토콜들은 보다 긴밀한 구조로 결합하고 있으며, 갈수록 상호운용성을 극대화하기 위한 인프라 또한 발전하고 있다.

• 디파이 프로토콜의 구성 가능성(Composability) 강화

최근 모포(Morpho), 스파크(Spark), 에테나(Ethena)는 전략적 협력에 대한 내용을 공식적으로 발표했다. 디파이 생태계 내에서 규모 상으로 최상단에 위치하며 전체 디파이 생태계를 견인하고 있는 이들 메이저 프로토콜들의 협력은 주목할 만하다. 이들이 각자의 핵심 플랫폼과 금융 상품을 구조적으로 결합하는 이니셔티브는 디파이 머니레고(Money Lego)가 갈수록 복잡해지고 정교해지는 양상을 잘 보여준다.

스파크는 DAI 스테이블 코인을 모포의 볼트인 메타 모포(MetaMorpho)에 직접 공급한다. 초기에 1억 달러 규모의 DAI가 볼트로 전송되며, 해당 DAI 유동성은 모포의 렌딩 마켓인 모포 블루(Morpho Blue) 플랫폼에서 sUSDe/DAI와 USDe/DAI 마켓을 만드는 데 분배된다. 이를 통해 사용자는 기본적으로 에테나의 자산인 sUSDe와 USDe를 담보로 제공하고 DAI를 대출받을 수 있게된다.

이러한 구조를 통해 사용자는 목적에 따라 자본을 최대한 효율적으로 운용하기 위해 다양한 전략을 취할 수 있게된다. 예를 들어, 에테나의 sUSDe를 모포 블루에 담보로 제공하고 DAI를 대출받아 더 많은 sUSDe를 구매하는 레버리지 전략을 이용하거나, USDe의 스테이킹 수익률과 DAI 대출 이자율 간의 차이를 활용하는 금리차익을 얻을 수 있다. 또는 sUSDe 스테이킹 보상을 유지하면서도 DAI를 통해 추가 유동성을 확보하는 것도 가능해진다.

• 크로스체인 인프라

상기한 바와 같이 디파이의 머니레고가 갈수록 극대화되어가는 과정에서 디파이 프로토콜 간의 결합을 기술적으로 뒷받침하는 인프라 또한 중요한 역할을 하고 있다. 특히 파편화된 유동성을 하나로 통합하기 위한 크로스체인 인프라의 중요성은 더욱 부각된다. 가장 큰 시장 규모의 디파이 생태계를 보유한 이더리움만 고려하더라도 이미 100여개의 레이어2가 존재하고 있으므로 한정된 규모의 유동성이 여러 레이어2에 분산되어 있는 환경이 만들어졌다. 그 결과, 사용자는 브릿지 사용이 불가피하여 추가적인 비용과 지연시간을 경험하거나 부족한 유동성에 의해 과도한 슬리피지를 부담하는 문제를 겪는다.

이러한 유동성 분산 문제가 심화됨에 따라 크로스체인 인프라는 급속하게 발전하고 있다. 예컨대, 이더리움 생태계의 유동성 분산 문제를 해결하기 위해 유니체인은 레이어2 자체적으로 경제적 최종성을 확보하는 방식으로 체인 간 토큰 전송의 마찰을 줄이는 데 필요한 기반 기술을 도입한다. 또한 슈퍼체인을 비롯한 이더리움의 다양한 프로토콜들은 ERC-7683이라는 인텐트 기반의 토큰 브릿지를 통해 통합된 생태계를 준비하고 있으며, 이밖에도 레이어제로는 OFT(Omnichain Fungible Token)와 같은 토큰 프레임워크를 출시하며 크로스체인 토큰 전송을 통해 여러 네트워크에 걸쳐 원활한 토큰 유통을 가능하게 한다.

3.2 DeFAI의 진보를 위한 전제조건

다시 돌아와서, 위와 같이 디파이 생태계에서 보여지는 두 가지 흐름은 기존 디파이의 대안이 되어줄 DeFAI가 한 단계 발전하기 위해 갖춰야 할 전제조건을 짚어보는 과정에도 중요한 시사점을 제공한다. DeFAI가 더 나은 성능을 제공하기 위해서, 또 실질적으로 사용자 경험을 개선하기 위한 합리적인 발전 방향은 다음과 같이 정리할 수 있다.

3.2.1 멀티-에이전트 협업 시스템 구축

현재 대부분의 DeFAI 솔루션은 (1) 마켓 분석, (2) AI 코파일럿, (3) 포지션 조정 등의 단일 기능에 국한되며 전체적인 사용자 여정의 특정 부분만 지원하는 서비스를 제공한다. 그러나, 실질적으로 디파이의 사용자 여정은 (1) 시장을 탐색하고 (2) 트랜잭션을 실행하고 (3) 실시간으로 포지션을 관리하는 모든 단계가 서로 단절된 프로세스가 아닌 서로 영향을 주고받는 피드백 루프에 가깝다. 변화하는 시장 상황을 모니터링하면서 포지션을 재조정하거나 자산을 입출금하는 등의 실행을 실시간으로 진행하는 것처럼 말이다. 더욱이 앞서 살펴본 바와 같이 디파이 프로토콜 간의 결합이 심화됨에 따라 사용자가 고려해야 할 요소는 더욱 많아지며 사용자 여정 또한 그 복잡함을 한층 배가시킨다.

예를 들어, 사용자가 디파이 프로토콜을 이용하여 이자 수익을 창출하는 과정에서 AI 에이전트가 해당 과정을 보조한다고 하였을 때, 여기에는 매우 복잡한 로직의 프로세스가 요구된다. 일단 자연어 명령을 통해 사용자의 요청사항을 입력받은 뒤, 여러 디파이 프로토콜들의 구성 가능성을 고려하여 가장 높은 수익을 창출할 수 있는 전략을 고안해야 한다. 이후 가장 높은 수익을 내는 최적의 풀을 선별하여 변화하는 시장 상황에 대응하며 토큰을 스왑하거나 자산을 입출금 혹은 담보 비율을 조정하는 등의 작업이 실시간으로 실행되어야 한다.

이러한 복잡한 작업의 수행이 요구됨에 따라 단일한 AI 에이전트로는 데이터나 추론 능력에 있어 복잡한 과업을 수행하는 것에 성능 상의 한계를 가질 수 있다. 따라서 제한적인 기능만을 수행하는 단일 AI 에이전트를 개별적으로 활용하기보다 다수의 AI 에이전트를 통합하는 방식이 최근 디파이가 발전하는 방향성에 더욱 부합할 수 있다. 소위 멀티-에이전트라고 불리듯이, 각자 다른 역할과 지식 베이스 및 공동의 데이터 레이어를 가진 다수의 AI 에이전트가 공동의 목표를 위해 협력하여 단일 에이전트만으로는 해결하지 못하는 더욱 복잡한 디파이 실행을 가능하게 하는 것이다.

3.2.2 통합된 네트워크 환경의 필요성

다음으로 AI 에이전트가 모두 파편화된 상태로 별개의 블록체인에서 상호작용하고 있다는 점은 현재 DeFAI가 가진 한계라고 말할 수 있다. DeFAI의 본질적인 목적이 기존 디파이의 열악한 사용자 경험을 개선하는 데 있음에도 불구하고, 각기 다른 네트워크 환경에 걸쳐 DeFAI가 파편화된 솔루션으로 존재한다면 체인 간 브릿징이나 지갑 전환 등의 복잡성을 그대로 여전히 마주해야 한다.

이는 개별 체인에 국한된 DeFAI 솔루션이 결국 또 다른 형태의 파편화된 사용자 경험을 제공하게 되어 오히려 사용자 경험의 개선에 역행하는 결과를 낳을 수 있다. 더욱이 크로스체인 통합을 향해 나아가는 디파이의 발전 양상과 비교하여, 유동성 분산 문제를 그대로 남겨두어 풍부한 유동성을 확보하기 어렵다는 한계를 갖는다.

따라서 DeFAI가 실질적으로 디파이의 사용자 경험과 자본효율성을 개선하려면 DeFAI 또한 통합된 환경을 전제로 발전할 필요가 있다. 즉, 하나의 네트워크이거나, 적어도 크로스체인 인프라가 충분히 갖추어져 있어 체인 간의 자산 이동이 심리스하게 이루어질 수 있는 네트워크 환경에서 DeFAI 솔루션을 제공하는 편이 더욱 합리적이다.

통합된 네트워크는 (1) AI 에이전트들이 다양한 프로토콜의 데이터에 쉽게 접근하게 하고, (2) 에이전트 간 학습 결과와 실행 데이터를 효율적으로 공유하여 집단 지능을 형성하며, (3) 사용자에게 단일 인터페이스를 통해 다양한 DeFAI 기능을 제공한다. 이는 DeFAI 생태계의 효율성을 극대화하고, 진정한 사용자 경험 개선을 실현하는 핵심 요소가 될 수 있다.

여기까지 살펴본 DeFAI의 필요조건을 고려할 때, 다음 장에서 알아볼 모드는 DeFAI에 특화된 인프라와 옵티미즘 슈퍼체인 기반 레이어2를 활용해 통합된 DeFAI 생태계를 구축하는 대안으로 주목해볼 가치가 있다. 그리하여 아래부터는 모드가 레이어2를 기반으로 AI와 AI간의 상호작용으로 어떠한 에이전틱 경제(Agentic Economy)를 구축하고자 하는지, 이를 위해 DeFAI만을 위해 설계된 인터페이스 레이어, 데이터 레이어, 인프라 레이어가 어떻게 서로 유기적으로 작동하는지 보다 구체적으로 살펴본다.

4. 모드 네트워크: 통합된 DeFAI 생태계

4.1 디파이 특화 레이어2에서 에이전틱 경제로

앞서 언급하였다시피, 모드는 OP 스택 기반의 옵티미스틱 롤업으로 구축된 이더리움 레이어2다. 옵티미즘 슈퍼체인의 일원이기도 한 모드는 한때 $400M 이상의 TVL을 기록하며 슈퍼체인 내에서 베이스와 OP 메인넷에 이어 세 번째로 큰 규모의 에코시스템으로 성장하였다. 모드의 시장 접근 방식은 디파이라는 버티컬 영역을 성장시키는 목적에 중점을 두고 디파이 특화 레이어2로서 모드를 소개하는 것이었다. 이에 적지 않은 레이어2가 출시 이후에 유저 채택에 실패하고 유의미한 성장세를 만드는 것에 어려움을 겪는 데 반해, 차별화된 모드의 접근 방식은 시장 참여자들의 이목을 끌기에 충분하였다.

초기 모드는 디파이에 특화된 레이어2로서의 가치 제안을 실현하기 위해, 주요 디파이 프로토콜을 생태계에 확보하는 데 주력했다. 그 결과, 이더 파이(Ether.Fi), 벨로드롬(Velodrome)과 같은 플레이어들이 모드에 온보딩하였으며, 모드는 당시 시장의 주요 내러티브였던 LRT(Liquid Restaing Token, 유동성 리스테이킹 토큰) 등의 이자수익형 자산을 활용하여 디파이 전략을 실행하기에 매력적인 플랫폼으로 자리매김했다.

이밖에도 모드는 지속적으로 새로운 시장 접근방식을 제시해왔다. 모드의 토크노믹스 또한 디파이 특화 레이어2라는 비전에 걸맞게 자체 토큰인 $MODE에 보팅 에스크로(Voting Escrow, ve) 메커니즘을 도입하여 레이어2 자체적으로 디파이 프로토콜과 상호운용되고 생태계 참여주체의 이해 관계를 조율할 수 있도록 설계되었다.

모드는 슈퍼체인의 일원으로서 OP 그랜트를 옵티미즘 체인으로부터 분배받는데, 모드는 해당 그랜트를 $veMODE의 보유자와 프로토콜에 분배한다. 이때 $veMODE 보유자는 어떠한 프로토콜이 인센티브($MODE, $OP)를 받을 것인가에 대한 게이지 보팅에 참여할 수 있다.

거의 모든 레이어2의 자체 토큰이 거버넌스 기능만을 하는 한정된 유틸리티를 갖는 문제는 항상 고질적인 한계로 꼽힌다. 이와 비교하여 보팅 에스크로까지 결합하며 자체 토큰을 생태계 내의 경제 시스템의 일환으로 녹인 토큰 이코노미는 디파이 특화 레이어2로서 차별성을 강화하고자 하는 모드의 노력이 돋보이는 대목이다.

그러다 최근 AI 에이전트와 크립토의 결합 가능성이 대두되면서 모드는 디파이 특화 레이어2로서의 가치제안을 강화하기 위한 돌파구로 DeFAI라는 새로운 목표를 설정하였다. 특히 AI와 AI가 상호작용하는 방식으로 고성능의 DeFAI 솔루션을 구현하여 기존 디파이의 진입장벽을 낮추고 디파이의 광범위한 채택을 달성하는 것에 중점을 두고 있다. 이를 위해 모드는 인터페이스 레이어, 데이터 레이어, 보안 레이어를 포함하는 DeFAI 스택을 새롭게 고안하였으며, 각 레이어가 유기적으로 연결되어 AI 에이전트 기반의 디파이 경험을 완성시키는 통합된 DeFAI 생태계를 구축하고자 한다.

4.2 통합된 DeFAI 생태계의 핵심: 모드 DeFAI 스택

모드가 제안하는 DeFAI 스택은 인터페이스 레이어, 데이터 레이어, 보안 레이어 이상 세 가지로 구분되며, 각 레이어는 모여 일반 사용자 혹은 개발자가 AI 에이전트를 완결성있는 방식으로 활용할 수 있는 환경을 제공하고자 한다. 아래서부터는 각 레이어에서 모드가 제공하는 DeFAI 관련 기능들을 구체적으로 살펴본다.

4.2.1 인터페이스 레이어: AI 터미널, AI 에이전트 앱스토어, 모드 트레이드

디파이를 DeFAI로 발전시키는 과정에서 가장 중요한 변화는 사용자가 프로토콜 및 네트워크와 상호작용하는 방식에서 나타난다. 모드는 사용자가 더 이상 디파이 애플리케이션의 프론트엔드와 상호작용하는 것이 아니라, 모드의 AI 기반 터미널과 에이전트를 사용하여 디파이 작업을 수행하도록 인터페이스 레이어를 제공하고자 한다.

• AI 터미널: 디파이 코파일럿

Source: Mode Network

AI 터미널은 코파일럿을 통해 사용자가 자연어로 다양한 온체인 작업을 수행할 수 있게한다. 예를 들어, 사용자는 터미널에서 대화하듯이 벨로드롬, 밸런서, 에테나 sUSDe 등의 주요 디파이 프로토콜과 자산을 기반으로 스왑, 예치, 일드 파밍 등의 디파이 작업을 간편하게 실행할 수 있다.

모드의 AI 터미널은 여타 DeFAI 코파일럿 대비 차별화된 기능을 도입하는데, 하나는 후술할 비트텐서 서브넷의 합성 데이터를 통합함으로써 시장 데이터에 대한 확률적 질문에 답할 수 있는 고유 기능을 갖추고자 한다. 예컨대 “다음 주에 BTC 가격이 $100K를 상회할 가능성이 얼마나 돼?”라는 질문에 AI 터미널은 학습한 데이터를 토대로 그 가능성에 대한 답변을 제공할 수 있다. 이외에도 일반 사용자 대상 기능뿐만 아니라, 개발자도 AI 터미널을 활용하여 스마트 컨트랙트를 배포하거나, 여러 주소로 토큰을 동시에 전송하고 NFT 컬렉션을 생성하는 등의 개발 작업을 실행할 수 있다.

이와 같은 기능들을 통해 AI 터미널은 디파이 사용자에게는 심리스한 온체인 경험을, 개발자에게는 향상된 개발 생산성을 제공함과 동시에, 일반적인 시장 참여자를 유입하기에 유용한 기능인 시장 예측까지 제공한다. 하여 DeFAI 생태계의 주요한 AI 코파일럿이자 모드가 구축하는 DeFAI 생태계의 가장 초입에서 사용자에게 편의를 제공하는 인터페이스로 자리매김할 가능성을 갖는다.

• AI 에이전트 앱스토어: AI 에이전트의 협업 창구

Source: Mode Network

AI 에이전트 앱스토어(이하 앱스토어)는 파편화된 상태로 존재하는 다양한 AI 에이전트들을 한 곳에서 검색하고 이용할 수 있도록 한다. 모드의 말을 빌리자면, “앞으로 사용자가 디파이 전략을 선택하는 행위는 AI 에이전트를 선택하는 행위”가 될 것이다. 이러한 미래의 에이전틱 경제(Agentic Economy)에서 앱스토어는 AI 에이전트의 협업을 위해 가장 주요한 역할을 할 인터페이스 레이어이다. 현재는 일드 최적화, 자연어 인터페이스, 유동성 관리 등의 다양한 기능을 수행하는 AI 에이전트가 앱스토어에 배포되어 있으며, 그중 유의미한 유즈케이스를 간단히 살펴보면 다음과 같다:

Source: Giza

ARMA는 모드의 아이오닉(Ionic), 레이어뱅크(LayerBank), 아이언클래드(Ironclad)와 같은 대출 프로토콜에서 스테이블 코인 예치금(USDT, USDC)의 수익을 극대화하도록 설계된 AI 에이전트이다. 예를 들어 사용자가 USDC를 맡기면, ARMA는 효율적인 스테이블 파밍을 위해 자율적으로 여러 대출 프로토콜의 이율을 지속적으로 평가하고 가장 기대 수익이 높은 풀로 자금을 재할당하며 포트폴리오를 최적화한다.

Source: Amplifi

Amplifi는 AI 에이전트를 기반으로 BTC 및 스테이블 코인 중심의 최적화된 수익 전략을 제공하는 DeFAI 솔루션이다. 디파이의 열악한 사용자 경험을 개선한다는 목적에 부합하도록 사용자에게 아토믹한 기능들을 주력으로 제공하는데, 사용자는 원클릭-볼트(One-Click Vaults) 기능을 통해 옴니체인 유동성과 AI의 자율적인 포트폴리오 최적화를 활용하여 직접 가스비, 스왑, 브릿징 과정을 거칠 필요없이 최상의 수익을 얻을 수 있다.

이외에도 모드의 앱스토어에는 자연어 인터페이스나 유동성 관리 등의 기능을 수행하는 AI 에이전트가 다수 배포되어 있어 다양한 AI 에이전트들을 한 곳에서 검색하고 이용할 수 있도록 제공한다. 나아가서 모드는 앱스토어의 확장을 위한 로드맵으로, 상호운용 프로토콜을 활용하여 여러 체인에 걸쳐 디파이 전략을 실행하는 크로스체인 액션을 도입할 계획이다. 또한 장기적으로는 무허가 방식으로 더 많은 개발자들이 앱스토어에 참여하여 누구나 자신들의 AI 기반 디파이 서비스를 제공할 수 있도록 개방형 플랫폼으로 이를 발전시킬 것으로 예상된다.

• 모드 트레이드(Mode Trade): AI 기반 무기한 선물 거래 플랫폼

모드 트레이드(Mode Trade)는 무기한 선물 거래, 인공지능(AI), 그리고 Synth 데이터를 하나의 플랫폼에 통합한 트레이딩 서비스다. 기존에는 기관 투자자들만 활용하던 고급 예측 분석 도구와 시뮬레이션 기능을 일반 사용자도 손쉽게 사용할 수 있도록 설계한 것이 가장 큰 특징이다. 특히, 예측형 AI가 플랫폼에 직접 내장되어 있어, 복잡한 거래도 간단한 텍스트 명령어만으로 직관적으로 실행할 수 있다.

모드 트레이드의 선물 거래 기능은 오덜리(Orderly)의 중앙 주문서(CLOB) 기반 인프라 위에 구축되어 깊은 유동성과 빠른 체결을 제공한다. 현재 100개 이상의 인기 토큰 페어와 최대 50배 레버리지를 지원하고 있으며, 앞으로는 토큰화된 주식 거래 기능도 추가될 예정이다.

무엇보다, AI 터미널과 후술할 Synth 데이터를 포함한 다양한 모드의 AI 스택들이 통합된다는 점은 모드 트레이드의 가장 큰 차별점이다. 텍스트 명령어를 통해 포지션 오픈부터 조정, 종료까지 일관된 흐름으로 거래를 관리할 수 있고, 브릿지나 스왑 또는 스테이킹같은 온체인 작업까지 자연스럽게 처리할 수 있도록 한다. 여기에 탈중앙화된 예측 데이터 시스템인 Synth가 통합되어, 비트텐서 기반의 확률적 예측 모델을 통해 정밀한 리스크 관리와 전략의 최적화를 가능하게 한다.

4.2.2 데이터 레이어: Synth 서브넷

Source: Synth Subnet

데이터 레이어는 AI 에이전트들의 추론 능력과 의사결정을 뒷받침할 데이터 인프라로, 모드가 설계하는 DeFAI 스택의 배경에는 Synth 서브넷이 그 핵심에 위치해있다. Synth는 합성 데이터(Synthetic Data)를 생성하는 비트텐서(Bittensor) 기반의 서브넷으로, AI 모델이 더욱 개선된 예측과 추론을 수행할 수 있도록 고품질의 시뮬레이터 데이터를 제공한다. 이는 온체인 상의 DeFAI 환경에서 데이터 부족 문제를 해결하고, AI 에이전트가 불확실한 시장 상황에서 적절한 의사결정을 내리도록 데이터를 학습하는 데 핵심 요소로 작용한다.

서브넷의 설명에 앞서, 모드가 합성 데이터를 확보하기 위한 근간이 되는 인프라로 비트텐서를 활용한다. 비트텐서란 탈중앙화된 머신러닝 네트워크로, 참여자들이 협력하여 AI 모델을 훈련할 수 있도록 설계된 네트워크이다. 비트텐서에서 참여자는 마이너 또는 밸리데이터로 활동하며 AI 모델을 실행하거나 검증하는 역할을 수행하고 이에 대한 보상으로 TAO 토큰을 받는다. 이러한 인센티브 메커니즘에 기반하여 마이너들은 지속적으로 예측 성능을 개선하도록 동기부여되며, 네트워크는 높은 품질의 합성 데이터를 지속적으로 확보할 수 있게된다.

인센티브 아래, 참여자들은 독립적으로 운영되는 비트텐서의 하위 노드 네트워크인 서브넷에서 AI 모델을 학습시키고 평가한다. 각 서브넷은 특정한 AI 기능이나 서비스를 수행하기 위해 생성되는 것으로, 서브넷의 목적마다 개별적인 학습과제나 데이터 연산을 진행한다. 예를 들어, 어떠한 서브넷은 자연어 처리, 다른 서브넷은 이미지 분석, 또 다른 서브넷은 금융 데이터 예측과 같은 특정 작업을 담당하는 것이다. 결론적으로, 이와 같은 서브넷 구조를 활용하여 모드의 Synth는 에이전트의 학습에 필요한 고품질의 합성 데이터를 지속적으로 생성하고자 한다.

이에 모드의 Synth는 서브넷 초기 단계에서 가격 예측 시뮬레이터를 통해 BTC(비트코인) 의 가격을 예측하는 것으로 서브넷 성능의 고도화를 위한 기틀을 마련하고 있다. Synth가 BTC 가격을 예측하는 방식은 매우 정교하게 이루어지는데 자세한 프로세스는 다음과 같다:

1. 마이너의 가격 예측 과정: 마이너는 일정 주기로 미래 BTC의 가격 움직임을 약 100개의 가격 경로를 시뮬레이션하여 제출한다. 예측 모델을 돌리기 전에 온체인 데이터(블록체인 상의 거래량, 지갑 활동 등)와 Pyth 등의 오라클 데이터를 활용하여 각종 데이터를 입력값으로 활용한다. 그렇게 현재의 시장 상황과 온체인 상의 데이터를 종합하여 예측 모델을 학습시키고 시뮬레이션하면, 최대한 현실적인 범위 내에서 미래 가격의 가능성을 예측할 수 있게된다.

2. 밸리데이터의 검증 과정: 밸리데이터는 서브넷 내에서 마이너들이 생산한 AI 산출물의 품질을 검증하고 평가하는 노드이다. Synth 서브넷에서 밸리데이터는 매 라운드마다 모든 마이너로부터 BTC 가격 경로 예측을 받아 로컬 스토리지에 기록해두었다가, 해당 예측 기간(24시간)이 지난 시점에 Pyth 등의 신뢰 가능한 가격 데이터 공급자로부터 실제 가격 시계열을 가져와서 마이너가 제출한 데이터의 진위와 정확성을 다각도로 검증한다.

3. 스코어링 시스템 및 보상: 검증을 마친 밸리데이터는 마이너가 제출한 여러 시나리오의 분포가 실제 가격과 얼마나 가까운지 예측 정확도를 측정하여 점수화한다. 그렇게 모든 마이너들의 점수를 비교하여 순위를 매기고 정규화된 점수를 산출하면, 그 결과를 바탕으로 정확한 예측을 한 마이너들에게 보상으로 토큰을 지급한다. 반대로, 부정확한 예측을 지속적으로 내놓은 마이너들은 점수가 낮아져 패널티를 받게된다. 이러한 피드백 구조는 마이너들이 지속적으로 예측 모델을 개선하고 경쟁에 의해 정확성을 높이도록 유도한다.

위 과정을 반복하며 Synth 서브넷은 시간이 지날수록 풍부한 합성 데이터를 축적하게 된다. 마이너들이 제출한 수많은 가격 경로 시뮬레이션과 그에 대한 검증 결과가 쌓여가며 실제 시장의 특성을 잘 반영한 고품질의 확률 분포 데이터 모음을 형성하는 것이다. 이렇게 얻어진 데이터는 차후에 AI 에이전트가 학습하는 데 활용될 수 있다.

모드가 이러한 Synth를 구축한 이유는 명확하다. 지금까지 DeFAI의 주요 한계 중 하나는 AI 에이전트가 학습할 유용한 데이터의 부족으로 예측력이 제한적이었다는 점이다. Synth는 그러한 문제를 해결하여, AI 에이전트들이 미래의 다양한 시나리오를 훈련 데이터로 삼아 학습함으로써 더욱 뛰어난 예측과 의사결정 능력을 갖추게 된다.

초기 단계에서 Synth의 데이터는 AI 에이전트의 모델 학습과 옵션 가격 결정 모델 고도화 및 포트폴리오 리스크 관리 등에 활용될 것으로 보인다. 예를 들어, AI 에이전트 앱스토어에 배포되어 있는 AI 에이전트가 Synth 데이터로 학습을 거친 다음, 가격 변동의 확률 분포를 고려한 디파이 전략을 고안하거나 다변화된 자산 운용 전략까지 실행할 수 있는 것이다.

향후에는 개발자를 위한 API 및 애플리케이션도 제공되어 외부 개발자들이 Synth의 합성 데이터를 누구나 활용할 수 있게 될 예정이다. 이는 모드 생태계 외부의 프로젝트들도 Synth 데이터를 서비스에 통합하거나 자체적인 알고리즘을 훈련시키는 데 사용할 수 있음을 의미하며, 결론적으로는 모드가 Synth를 중심으로 DeFAI 생태계 전체를 아우르는 공공재 역할을 하게될 가능성을 시사한다.

4.2.3 인프라 레이어: AI 보안 시퀀서와 옵티미즘 슈퍼체인

다음으로, 인프라 레이어는 레이어2 환경에서 DeFAI를 실행하는 모드의 설계가 중요한 이유를 잘 설명해주는 대목이다. AI 모델이 급속하게 발전하고 있지만, 자신의 자산을 온전히 맡길 수 있는가에 대한 질문에는 쉽사리 대답하기 어렵다. 이러한 심리적 장벽을 완화하기 위해 모드는 레이어2 시퀀서 구조에 보안 레이어를 추가함으로써 사용자의 자산에 악영향을 줄 수 있는 AI 에이전트의 트랜잭션을 필터링하여 자산을 보호한다.

한편, 슈퍼체인 상호운용성을 적극 활용할 수 있다는 기술적 우위 또한 모드가 OP 스택을 기반으로 구축된 레이어2이기에 가능한 전략이다. 다양한 레이어2 체인의 유동성과 사용자 베이스를 활용할 수 있다는 이점은 디파이 전략의 효율을 높일 수 있는 중요한 경쟁 우위가 된다. 아래에서 DeFAI 스택의 인프라 레이어의 일부인 AI 보안 시퀀서와 슈퍼체인 상호운용성에 대해 자세히 알아보도록 하자.

• AI 보안 시퀀서 (AI-Secured Sequencer)

AI 보안 시퀀서는 모드의 시퀀서에 전달되는 모든 거래를 AI가 사전적으로 심사하도록 구현한 인프라이다. 모드는 에이전틱 경제를 지향하는 만큼, 철저한 네트워크 보안을 필요로 한다. 큰 규모의 디파이 거래들을 안정적으로 지원할 수 있는 여건이 먼저 마련되어야 하므로, 이를 대비하기 위해 탑재한 인프라 레이어가 바로 AI 보안 시퀀서이다.

먼저, 모드는 네트워크의 보안 강화를 위해 포타(Forta)와 협력하여 파이어월(Firewall)을 도입하였다. 포타 파이어월은 기존 인터넷의 방화벽(WAF, Web Application 파이어월)과 같이 블록체인 네트워크의 사전 위험 탐지능력을 한 단계 발전시켜주는 위협 차단 시스템으로, 모드의 트랜잭션을 시퀀서가 처리하기 이전에 시퀀서 앞단에 위치하여 트랜잭션에 대한 사전 검사를 진행한다.

모드를 포함한 일반적인 옵티미스틱 롤업에서 시퀀서는 사용자나 컨트랙트가 실행한 트랜잭션을 순서대로 정렬해 롤업 블록에 포함시키는 역할을 한다. 하지만, 기본적으로 시퀀서는 서명 여부나 수수료 등과 같은 트랜잭션의 유효성만을 확인할 뿐, 시퀀서 내부에 보안을 점검하는 기능은 내재하지 않는다. 따라서 기존에는 컨트랙트에 취약점이 있을 경우, 공격자가 트랜잭션을 보내면 시퀀서는 이를 그대로 처리하고 블록에 포함시킨 후에야 사기 증명(Fraud Proof)과 같은 절차를 통해 사후적으로 이상 징후를 탐지할 수 있었다.

이에 모드는 롤업 네트워크로 유입되는 모든 트랜잭션을 우선 포타 파이어월로 전달되도록 설계하였다. 포타 파이어월은 시퀀서 이전의 과정에서 트랜잭션에 대한 위험도 평가를 진행하고 그 과정에서 고위험으로 분류된 트랜잭션은 아예 시퀀서에 전달되지 않고 여과된다. 이러한 검증 과정은 평균 80ms 이내로 매우 신속히 이루어지므로, 사용자 입장에서는 거의 지연을 느끼지 못하면서도 99% 이상의 잠재적 해킹 시도를 탐지하는 방화벽으로부터 보안성을 보장받을 수 있다.

더욱이, 포타 파이어월은 DeFAI 특화 레이어2라는 모드에 걸맞게 시퀀서로 전달되는 모든 트랜잭션의 사전 검사는 AI 모델을 통해 이루어진다. AI의 검사 성능을 빌려 모든 트랜잭션을 검사하고 악의적 의도나 해킹 징후가 있는지 판단한 뒤 안전한 경우에만 정산 처리하도록 하는 것이며, 이를 위해 시퀀서 앞단에는 머신 러닝 기반의 위험평가 엔진이 배치된다.

여기에는 포타의 자체적인 AI 모델인 FORTRESS가 그 사전 검사를 담당하는데, 과거 수많은 해킹 사례로부터 학습한 패턴을 기반으로 새로운 트랜잭션에 대해 시뮬레이션을 실행함으로써 그 행동을 분석하고 0부터 1사이의 위험 점수를 부여한다. 가령, 특정한 트랜잭션이 과거에 빈번했던 공격(재진입 공격, 자금 탈취 시도 등)의 패턴과 유사하다면 위험 점수가 높게 책정될 것이다. 이에 네트워크 운영자는 정책적으로 몇 점 이상을 고위험으로 볼지 임계값을 설정할 수 있고, 점수가 그 임계치를 넘는 트랜잭션은 즉시 블록 포함을 거부할 수 있다.

이처럼 모드는 에이전틱 경제라는 지향점에 걸맞게 보안 레이어에서부터 AI 모델을 적극 도입하여 보안적인 차별점을 마련한다. 이에 생태계 내 빌더들은 별도의 보안 장치를 마련하지 않아도 안전한 환경에서 DeFAI 솔루션을 개발하는 데 전념할 수 있게되고 사용자들은 한층 더 강화된 보안 아래 솔루션을 이용할 수 있게된다.

• 슈퍼체인 상호운용성 (Superchain Interoperability)

슈퍼체인의 일원으로서 슈퍼체인 생태계의 인프라 기반을 활용할 수 있다는 점은 인프라 차원에서 모드가 가장 핵심적으로 갖는 차별점이다. 옵티미즘 슈퍼체인이란, OP 스택을 기반으로 구축된 여러 개의 레이어2 블록체인을 상호 연결하여 마치 하나의 통합 네트워크처럼 운영하고자 하는 레이어2 합의체를 의미한다. 이 슈퍼체인에는 OP 스택 하에 OP 메인넷, 베이스, 모드, 유니체인 등의 레이어2가 기술과 경제 및 거버넌스 차원에서 긴밀하게 연결되어 있으며, 궁극적으로는 사용자가 어떤 체인 위에 있는지 신경 쓰지 않고도 디앱을 이용할 수 있는 경험을 제공하여 이더리움의 수평적 확장을 효과적으로 달성하는 것을 목표로 한다.

슈퍼체인의 핵심은 네이티브 상호운용성을 OP 스택에 도입하여 레이어2 간 직접적이고 신속한 연결을 가능하게 하는 것이다. 이를 통해 데이터와 자산은 반드시 이더리움 L1을 거치지 않더라도 슈퍼체인 내의 레이어2들 간에 심리스하게 이동할 수 있게 된다. ERC-7683 인텐트 표준 인터페이스나 슈퍼체인 ERC-20 토큰 표준 등의 핵심 기술과 함께 슈퍼체인 상호운용성이 본격적으로 도입되면 사용자는 레이어2에서 다른 레이어2로 자산을 보낼 때 수 초 이내에 전송을 완료할 수 있고, 더 이상 L1 브릿지 대기 시간이나 레이어2 중개 브릿지의 높은 수수료를 감내하지 않아도 된다. 또한 생태계 차원에서도 결과적으로 슈퍼체인에 참여하는 모든 체인은 공유된 사용자 기반과 유동성의 혜택을 누릴 수 있다.

이와 같은 슈퍼체인 내에서 모드는 중요한 위치를 차지하고 있다. 모드는 옵티미즘 재단으로부터 530만 달러 규모인 200만 개의 OP 토큰을 그랜트로 지원받고, 모드에서 발생하는 자체 시퀀서 수익의 일부를 슈퍼체인의 경제 및 거버넌스 협의체인 옵티미즘 콜렉티브(Optimism Collective)에 환원하기로 한 바있다. 이는 모드가 베이스와 OP 메인넷에 이어, 슈퍼체인 중 세번째로 큰 규모를 가진 레이어2체인으로서 슈퍼체인과 매우 긴밀한 연결성을 갖추고 있다는 것을 시사한다.

따라서 슈퍼체인 상호운용성이 확보된다면 모드 상의 유동성이 슈퍼체인 전체의 유동성과 연결되고, 반대로 다른 체인의 유동성도 모드와 원활히 연결될 수 있다. 이는 모드가 DeFAI 생태계를 구축하는 과정에서 AI 에이전트들의 활동 범위를 크게 확장시켜준다.

모드의 AI 에이전트는 슈퍼체인을 통해 레이어2들의 데이터와 유동성 풀에 실시간으로 접근할 수 있으므로, 보다 광범위한 시장에서 최적의 수익 기회를 찾고 거래를 실행할 수 있다. 예를 들어, 모드의 AI 에이전트가 유니체인의 DEX 가격과 모드의 DEX 가격을 비교하여 차익거래 기회를 발견하면, 별도의 브릿지 지연 없이 즉각적으로 두 체인 간 토큰을 이동시켜 거래를 성사시킬 수 있다. 이는 모드의 DeFAI 생태계에 막대한 유동성 이점을 제공한다.

이처럼 모드는 슈퍼체인의 경제적 연결성 속에서 상호 간의 시너지 효과를 확보할 수 있다. DeFAI 실행을 위한 풍부한 유동성부터 사용자 베이스, 그리고 최적의 수익을 위한 시장 기회까지 다른 레이어2와의 통합은 모드가 에이전틱 경제를 구현하는 과정에서 유용한 기반을 제공한다. 더 나아가 모드는 자체적으로 개발 중인 Synth 서브넷, AI 앱 스토어 등의 DeFAI 인프라를 슈퍼체인의 공공재처럼 공유함으로써 전체 생태계에 기여하는 동시에 슈퍼체인 내 DeFAI의 핵심 허브로 자리매김할 것으로 기대된다.

4.3 미래 시나리오: DeFAI 스택의 보다 선명한 청사진

여기까지 모드의 DeFAI 스택에 대한 기술 구성을 살펴보았을 때, 필자가 짐작해볼 수 있는 독자의 감상은 해당 기술들이 서로 유기적으로 상호작용하며 작동할 DeFAI의 실제 모습이 다소 막연하게 느껴질 수 있다는 것이다. DeFAI가 아직까진 보편적으로 활용되고 있지 않기 때문에 그 구현방식에 대한 명확한 청사진이 그려지지 않아 의구심이 드는 것도 자연스럽다.

이에 앨리스(Alice)가 디파이 실행을 위한 요청을 함에 따라 DeFAI 스택들이 어떻게 통합적으로 기능할 수 있는지 가상의 시나리오를 통해 간략히 살펴보도록 한다. 단, 모드가 앞으로 기술적인 로드맵을 발전시켜 나감에 따라 세부적인 구도는 충분히 달라질 수 있으므로, 이는 DeFAI가 만들어갈 잠재적인 미래를 반추해보는 목적으로 이해해주길 바란다.

DeFAI 작동 시나리오: 모드의 DeFAI 스택 구동 절차

• 사용자 요청: 모드의 AI 터미널에 접속한 앨리스가 “지갑에 있는 100 USDC를 가지고 최적의 이자를 창출해줘”라고 간단한 자연어 명령으로 요청한다.

• 인터페이스 레이어: AI 터미널은 앨리스의 요청을 분석하고 최적의 실행 계획을 수립한다. 수립한 계획에 따라 작업을 수행하기 위해 앱 스토어에서 최적의 AI 에이전트를 조합하여 선택한다. 예를 들어, ARMA는 다양한 렌딩 마켓 간의 이자율을 비교하고 분석하는 역할을, Brian은 앨리스의 자연어 명령을 실행 가능한 트랜잭션으로 변환하는 역할을 맡는다. 이러한 전문화된 에이전트들이 협업하여 복잡한 디파이 작업을 자동화함으로써, 앨리스는 단순히 최종 계획을 원클릭으로 승인하기만 하면 된다.

• 데이터 레이어 & 인프라 레이어: 선택된 AI 에이전트들은 Synth 서브넷이 제공하는 고품질의 온체인 데이터를 활용해 시장 동향을 분석하고 최적의 투자 전략을 도출한다. 에이전트들은 실시간의 시장 데이터와 트랜잭션 이력 데이터를 종합적으로 분석하여 가장 높은 수익률을 제공하는 디파이 기회를 식별하고, 이를 실행하기 위한 온체인 트랜잭션을 생성한다. 이때, 모든 생성된 트랜잭션은 포타 파이어월이 통합된 AI 보안 시퀀서를 통해 악의적 패턴이나 보안 위험이 있는지 사전 검증되며, 오직 안정성이 확인된 트랜잭션만 시퀀서로 전송된다. 이러한 보안 방화벽 덕분에 앨리스는 AI 에이전트를 신뢰하며 자산을 위임할 수 있다.

• 슈퍼체인 상호운용성: 모드는 슈퍼체인 상호운용성을 활용하여 앨리스의 자본 운용을 여러 체인에 걸쳐 최적화한다. 모드 뿐만 아니라 슈퍼체인으로 연결된 다른 레이어2들의 디파이 프로토콜까지 포괄적으로 분석하고, 더욱 높은 수익률이 예측되는 체인으로 자산을 자율적으로 재배치한다. 예를 들어, 일부 자산은 모드 체인의 Velodrome 풀에 배치하고, 일부는 Base 체인의 렌딩 마켓에 공급하며, 나머지는 예측되는 시장 변동에 대비하여 USDC로 보유하는 등, 복합적인 전략을 동시에 실행한다.

이와 같이 기존에는 사용자가 각 체인을 수동으로 왕래하며 브릿지를 통해 자산을 이동시키고, 각기 다른 프론트엔드로 여러 트랜잭션을 처리해야 했으나, 모드의 DeFAI 스택은 그 과정을 효과적으로 단순화한다. AI 에이전트가 모든 과정을 백그라운드에서 일괄 처리해 주므로, 앨리스는 단일 인터페이스에서 수차례의 예측 시뮬레이션을 거쳐 최적의 수익률을 기대해 볼만한 디파이 전략을 크로스체인 환경에 기반하여 실행할 수 있다.

5. 마치며: 모드의 에이전틱 경제가 가리키는 디파이의 발전 방향

모드의 에이전틱 경제는 사용자가 AI 에이전트에게 자연어로 명령을 내리고, 이를 받은 에이전트들이 최적의 방식으로 디파이 전략을 실행하는 미래를 그려내고 있다. 청사진의 실현을 위해 모드는 디파이 특화 레이어2에서 시작하여 이제는 AI 터미널과 앱스토어 및 모드 트레이드, 합성 데이터 생성 서브넷, AI 보안 시퀀서 등을 포괄하는 통합형 DeFAI 스택을 구축한다. 더욱이 옵티미즘 슈퍼체인의 상호운용성을 기반으로 크로스체인 환경에서 원활한 자산 이동과 유동성 통합을 가능하게 함으로써, 기존 디파이의 복잡성 문제를 극복하는 해결책을 비교적 명확하게 제시하고 있다.

그러나 이러한 비전이 현실화되기 위해서는 아직까지 많은 기술적 발전이 요구된다. 특히 사용자가 자신의 자산을 AI 에이전트에 위임해야 한다는 점에서, DeFAI 솔루션의 신뢰성 구축은 핵심적인 과제로 남아있다. 모드를 비롯한 DeFAI 프로젝트들은 실제 유즈케이스와 광범위한 테스팅을 통해 시스템의 안정성과 보안성을 입증해야 하며, 단계적인 도입을 통해 사용자의 자산을 보호하면서도 편의성을 제공하는 균형을 찾아야 할 것이다. 이는 단순한 기술적 과제를 넘어 사용자의 심리적 장벽을 허무는 과정이기도 하다.

그럼에도, 모드가 제시하는 DeFAI 스택의 비전은 디파이의 다음 발전 방향을 보여주는 중요한 이정표로서 충분히 기대해 볼만하다. DeFAI가 단기적인 시장의 방향에 좌우되는 버즈워드를 넘어서 실질적인 가치를 창출하는 방향으로 충분한 발전이 이루어진다면, 모드의 접근 방식은 디파이의 광범위한 채택을 위한 현실적인 대안으로 평가되기에 충분할 것이다.