AI 에이전트: MeMe 열풍 속에서 떠오른 제품이 정말 가치가 있을까?

저자：0XNATALIE

올해 하반기부터 AI Agent에 대한 관심이 지속적으로 상승하고 있습니다. 처음에 AI 채팅 로봇 terminal of truths는 X에서 유머러스한 게시물과 댓글로 많은 주목을 받았고(微博의 "로버트"와 유사함), a16z 창립자 Marc Andreessen로부터 5만 달러의 지원을 받았습니다. 그가 발표한 내용에 영감을 받아 GOAT 토큰이 생성되었고, 단 24시간 만에 10000% 이상의 상승률을 기록했습니다. AI Agent에 대한 관심은 즉시 Web3 커뮤니티의 주목을 받았습니다. 이후 Solana 기반의 첫 번째 분산형 AI 거래 펀드 ai16z가 등장하여 AI Agent 개발 프레임워크 Eliza를 출시하고, 대소문자 토큰 간의 논쟁을 촉발했습니다. 그러나 커뮤니티는 여전히 AI Agent의 개념에 대해 명확하지 않습니다: AI Agent의 핵심은 무엇인가요? 텔레그램 거래 로봇과는 어떤 차이가 있나요?

작동 원리: 인식, 추론 및 자율 결정

AI Agent는 대형 언어 모델(LLM)을 기반으로 한 지능형 에이전트 시스템으로, 환경을 인식하고, 추론 결정을 내리며, 도구를 호출하거나 작업을 수행하여 복잡한 작업을 완료할 수 있습니다. 작업 흐름: 인식 모듈(입력 획득) → LLM(이해, 추론 및 계획) → 도구 호출(작업 수행) → 피드백 및 최적화(검증 및 조정).

구체적으로, AI Agent는 먼저 인식 모듈을 통해 외부 환경에서 데이터를 수집합니다(텍스트, 오디오, 이미지 등) 그리고 이를 처리할 수 있는 구조화된 정보로 변환합니다. LLM은 핵심 구성 요소로서 강력한 자연어 이해 및 생성 능력을 제공하며, 시스템의 "두뇌" 역할을 합니다. 입력된 데이터와 기존 지식을 바탕으로 LLM은 논리적 추론을 수행하고 가능한 해결책이나 행동 계획을 생성합니다. 이후 AI Agent는 외부 도구, 플러그인 또는 API를 호출하여 구체적인 작업을 수행하고, 피드백에 따라 결과를 검증 및 조정하여 폐쇄 루프 최적화를 형성합니다.

Web3의 응용 시나리오에서 AI Agent는 텔레그램 거래 로봇이나 자동화 스크립트와 어떤 차이가 있을까요? 예를 들어, 사용자가 1% 이상의 이익이 발생하는 조건에서 차익 거래를 원한다고 가정해 보겠습니다. 차익 거래를 지원하는 텔레그램 거래 로봇에서 사용자는 1% 이상의 이익을 설정하고, 봇은 거래를 실행하기 시작합니다. 그러나 시장 변동이 잦고 차익 기회가 계속 변화할 때, 이러한 봇은 위험 평가 능력이 부족하여 1% 이상의 이익 조건만 충족되면 차익 거래를 실행합니다. 반면 AI Agent는 자동으로 전략을 조정할 수 있습니다. 예를 들어, 특정 거래의 이익이 1%를 초과하지만 데이터 분석을 통해 위험이 너무 높다고 평가되면, 시장이 갑자기 변동하여 손실이 발생할 수 있으므로 이 거래를 실행하지 않기로 결정합니다.

따라서 AI Agent는 자기 적응성을 갖추고 있으며, 그 핵심 장점은 스스로 학습하고 자율적으로 결정을 내릴 수 있다는 것입니다. 환경(예: 시장, 사용자 행동 등)과의 상호작용을 통해 피드백 신호에 따라 행동 전략을 조정하고, 작업 수행 효과를 지속적으로 향상시킵니다. 또한 외부 데이터를 기반으로 실시간으로 결정을 내리고, 강화 학습을 통해 지속적으로 결정 전략을 최적화할 수 있습니다.

이렇게 말하면 의도 프레임워크 하의 해결자(solver)와 비슷하지 않나요? AI Agent 자체도 의도 기반의 산물이며, 의도 프레임워크 하의 해결자와의 가장 큰 차이는 해결자가 정확한 알고리즘에 의존하여 수학적으로 엄격한 반면, AI Agent의 결정은 데이터 훈련에 의존하며, 종종 훈련 과정에서 지속적인 시행착오를 통해 최적의 해에 접근해야 한다는 점입니다.

AI Agent 주류 프레임워크

AI Agent 프레임워크는 지능형 에이전트를 생성하고 관리하기 위한 기반 시설입니다. 현재 Web3에서 비교적 인기 있는 프레임워크로는 ai16z의 Eliza, zerebro의 ZerePy 및 Virtuals의 GAME이 있습니다.

Eliza는 다기능 AI Agent 프레임워크로, TypeScript로 구축되었으며, Discord, Twitter, Telegram 등 여러 플랫폼에서 실행될 수 있습니다. 복잡한 기억 관리 기능을 통해 이전 대화와 맥락을 기억하고, 안정적이고 일관된 개성 특성과 지식 응답을 유지합니다. Eliza는 RAG(검색 증강 생성) 시스템을 채택하여 외부 데이터베이스나 자원에 접근하여 보다 정확한 응답을 생성할 수 있습니다. 또한 Eliza는 TEE 플러그인을 통합하여 TEE 내에서 배포할 수 있도록 하여 데이터의 안전성과 개인 정보를 보장합니다.

GAME은 AI Agent가 자율적으로 결정하고 행동할 수 있도록 지원하고 구동하는 프레임워크입니다. 개발자는 자신의 필요에 따라 에이전트의 행동을 사용자 정의하고 기능을 확장하며, 맞춤형 작업(예: 소셜 미디어 게시, 댓글 등)을 제공할 수 있습니다. 프레임워크 내의 다양한 기능은 에이전트의 환경 위치와 작업 등으로 나뉘어져 있어 개발자가 구성하고 관리하기 용이합니다. GAME 프레임워크는 AI Agent의 결정 과정을 두 가지 수준으로 나누어 고수준 계획(HLP)과 저수준 계획(LLP)을 각각 다른 수준의 작업과 결정에 책임지도록 합니다. 고수준 계획은 에이전트의 전체 목표와 작업 계획을 설정하고, 목표, 개성, 배경 정보 및 환경 상태에 따라 결정을 내리며, 작업의 우선 순위를 결정합니다. 저수준 계획은 실행 측면에 집중하여 고수준 계획의 결정을 구체적인 작업 단계로 변환하고, 적절한 기능과 작업 방법을 선택합니다.

ZerePy는 X에서 AI Agent를 배포하기 위한 오픈 소스 Python 프레임워크입니다. 이 프레임워크는 OpenAI와 Anthropic이 제공하는 LLM을 통합하여 개발자가 소셜 미디어 에이전트를 구축하고 관리하며, 트윗 게시, 트윗 답변, 좋아요 등의 작업을 자동화할 수 있도록 합니다. 각 작업은 중요도에 따라 다른 가중치를 설정할 수 있습니다. ZerePy는 간단한 명령줄 인터페이스(CLI)를 제공하여 개발자가 에이전트를 빠르게 시작하고 관리할 수 있도록 합니다. 또한, 프레임워크는 Replit(온라인 코드 편집 및 실행 플랫폼) 템플릿을 제공하여 개발자가 복잡한 로컬 환경 설정 없이 ZerePy를 빠르게 사용할 수 있도록 합니다.

왜 AI Agent는 FUD에 직면할까요?

AI Agent는 지능적으로 보이며, 입문 장벽을 낮추고 사용자 경험을 향상시킬 수 있지만, 왜 커뮤니티에서 FUD가 발생할까요? 그 이유는 AI Agent가 본질적으로 여전히 도구일 뿐이며, 현재 전체 작업 흐름을 완료할 수 없고 특정 노드에서만 효율성을 높이고 시간을 절약할 수 있기 때문입니다. 현재 발전 단계에서 AI Agent의 역할은 주로 사용자가 MeMe를 한 번의 클릭으로 발행하고 소셜 미디어 계정을 운영하는 데 집중되어 있습니다. 커뮤니티에서는 "자산은 개발자에게, 부채는 AI에게"라고 농담합니다.

하지만 이번 주 aiPool이 토큰 프리세일의 AI Agent를 출시하면서 TEE 기술을 활용하여 신뢰성을 확보했습니다. 이 AI Agent의 지갑 개인 키는 TEE 환경에서 동적으로 생성되어 안전성을 보장합니다. 사용자는 AI Agent가 제어하는 지갑으로 자금을 보낼 수 있으며(예: SOL), AI Agent는 설정된 규칙에 따라 토큰을 생성하고 DEX에서 유동성 풀을 시작하며, 조건을 충족하는 투자자에게 토큰을 배포합니다. 전체 과정은 어떤 제3자 중개인도 필요 없이 AI Agent가 TEE 환경에서 자율적으로 완료하여 DeFi에서 흔히 발생하는 rug pull 위험을 피할 수 있습니다. 이는 AI Agent가 점차 발전하고 있음을 보여줍니다. 저는 AI Agent가 사용자가 입문 장벽을 낮추고 경험을 향상시키는 데 도움을 줄 수 있다고 생각합니다. 비록 자산 발행 과정을 단순화하는 것일지라도 의미가 있습니다. 그러나 거시적인 Web3 관점에서 AI Agent는 체인 외의 산물로서 현재 단계에서는 보조 스마트 계약의 도구 역할만 하므로 그 능력을 과도하게 과장할 필요는 없습니다. 올해 하반기에는 MeMe 외에 뚜렷한 부의 효과 서사가 부족하여 AI Agent의 hype가 MeMe를 중심으로 형성된 것도 자연스러운 일입니다. 단순히 MeMe만으로는 장기적인 가치를 유지할 수 없으므로, AI Agent가 거래 과정에서 더 많은 혁신적인 플레이를 제공하고 실질적인 가치를 제공할 수 있다면, 보편적인 인프라 도구로 발전할 가능성이 있습니다.