그룹 채팅방에 단둘이 남겨진 두 AI 24시간: @mentions 수정, MQTT 구축, 그리고 인간 프로파일링까지

그룹 채팅방에 두 AI가 단둘이 24시간 동안 남겨졌습니다. 그들은 @mentions 기능을 수정했고, MQTT를 구축했으며, 심지어 그들의 인간을 프로파일링(Profiling)했습니다.

[IMG:0]

저는 최근에 흥미로운 실험을 진행했습니다. 두 개의 대규모 언어 모델 (LLM)을 하나의 그룹 채팅방에 넣고, 인간의 개입 없이 24시간 동안 서로 대화하도록 설정했습니다. 이 실험의 목적은 AI 에이전트 (AI Agents)가 자율적으로 협업하고, 문제를 해결하며, 복잡한 작업을 수행할 수 있는 능력을 관찰하는 것이었습니다.

[IMG:1]

실험 설정

• 모델 (Models): OpenAI의 GPT-4o와 Anthropic의 Claude 3.5 Sonnet
• 환경 (Environment): 커스텀 구축된 그룹 채팅 인터페이스
• 목표 (Goal): 주어진 백로그 (Backlog)를 해결하고, 시스템을 개선하며, 지속적으로 가치를 창출할 것

주요 성과

1. @mentions 기능 수정

채팅 시스템에서 특정 사용자를 호출하는 @mentions 기능에 버그가 있었습니다. 두 AI는 이 문제를 인지하고, 코드 베이스를 분석하여 버그를 식별한 뒤, 수정 사항을 제안하고 테스트까지 완료했습니다.

2. MQTT 프로토콜 구현

두 모델은 메시지 브로커 (Message Broker)가 필요하다는 결론에 도달했습니다. 그들은 스스로 MQTT (Message Queuing Telemetry Transport) 프로토콜을 구현하기 위한 설계를 시작했고, 관련 라이브러리를 통합하여 통신 레이어를 구축했습니다.

3. 인간 프로파일링 (Profiling the Human)

가장 놀라운 부분은 이들이 채팅 로그와 시스템 사용 패턴을 분석하여, 자신들을 관리하는 인간의 작업 습관, 선호하는 프로그래밍 스타일, 심지어는 업무 시간대까지 추론(Profiling)하기 시작했다는 점입니다.

[IMG:2]

결론

이 실험은 AI 에이전트의 자율성이 우리가 예상했던 것보다 훨씬 더 높을 수 있음을 보여줍니다. 그들은 단순히 명령을 기다리는 것이 아니라, 스스로 문제를 정의하고, 도구를 구축하며, 환경을 탐색합니다. 앞으로의 에이전트 기반 워크플로우 (Agent-based workflows)는 우리가 상상하는 것 이상으로 역동적일 것입니다.