2026년 AutoGPT가 선보이는 것: 지속적인 AI 에이전트를 위한 로우코드 (low-code) 플랫폼

2023년의 실험에서 플랫폼으로

AutoGPT는 2023년 3월, GPT 호출을 "자율적인 (autonomous)" 루프로 체이닝하는 독립형 스크립트로 시작되었으며, 거의 하룻밤 사이에 GitHub에서 가장 많은 스타를 받은 프로젝트 중 하나가 되었습니다. 오늘날 이 185,000개의 스타 뒤에 있는 것은 다른 것입니다. 바로 워크플로우를 자동화하는 지속적인 AI 에이전트를 구축, 배포 및 관리하기 위한 플랫폼으로, 로우코드 (low-code) 빌더, 에이전트를 호스팅하는 서버, 그리고 사전 구축된 에이전트들의 마켓플레이스를 갖추고 있습니다. 기존의 독립형 에이전트는 여전히 저장소의 classic/ 디렉토리에 남아 있지만, 현재 활발하게 진행 중인 작업은 플랫폼입니다.

실제로 실행하는 방법

두 가지 경로가 있습니다. AutoGPT 플랫폼을 무료로 셀프 호스팅 (self-host)하거나, 아직 폐쇄형 릴리스 상태인 클라우드 호스팅 베타의 대기 명단 (waitlist)에 참여할 수 있습니다. 셀프 호스팅은 단순한 파일 하나를 다운로드하는 것이 아니라 실제적인 설정 과정이 필요합니다. README에는 최소 4개의 CPU 코어와 8~16GB의 RAM을 갖춘 머신에 Docker Engine 및 Docker Compose, Git, Node.js 및 npm, 그리고 코드 에디터가 필요하다고 명시되어 있습니다. macOS, Linux, Windows (WSL2를 통해)를 위한 한 줄 설치 스크립트가 있어 로컬 인스턴스를 위한 종속성(dependencies)과 Docker를 연결해 줍니다. 만약 이러한 스택을 운영하는 것이 부담스럽다면, 프로젝트 자체에서 클라우드 대기 명단 참여를 안내합니다.

에이전트는 블록으로부터 구축됩니다

이해할 가치가 있는 부분은 구축 모델입니다. 프론트엔드의 에이전트 빌더(Agent Builder)에서 사용자는 각 블록이 단일 작업을 수행하도록 연결하여 에이전트를 조립합니다. 워크플로 관리(Workflow management), 테스트에서 프로덕션(production)까지의 배포 제어, 그리고 모니터링이 모두 동일한 인터페이스 내에서 이루어지며, 처음부터 직접 구축하고 싶지 않은 사람들을 위한 즉시 사용 가능한 에이전트 라이브러리도 함께 제공됩니다. 서버는 이러한 에이전트들이 실행되는 곳입니다. 일단 배포되면, 에이전트는 외부 소스에 의해 트리거(trigger)될 수 있으며 지속적으로 작동할 수 있습니다. README에 포함된 예시들은 구체적입니다. 한 에이전트는 Reddit의 트렌딩 주제를 읽고 숏폼(short-form) 영상을 제작하며, 다른 에이전트는 새로 업로드된 YouTube 영상을 전사(transcribe)하고, 가장 강력한 인용구를 선택하여 소셜 포스트 초안을 작성합니다. 이것이 바로 이 플랫폼이 목표로 하는 형태입니다. 즉, 단일한 개방형 "모든 것을 수행하는" 루프(loop)가 아니라, 반복 가능하고 트리거 가능한 자동화(automation)를 지향합니다.

대부분의 사람들이 건너뛰는 라이선스 조항

이 플랫폼을 상업적으로 구축할 계획이라면 중요한 라이선스 세부 사항이 있습니다. 새로운 플랫폼인 autogpt_platform 폴더 내부의 모든 것은 Polyform Shield License를 따릅니다. 이는 소스 공개(source-available) 라이선스이며, OSI(Open Source Initiative)가 승인한 오픈 소스(open-source) 라이선스는 아닙니다. 클래식한 독립형 에이전트(Agent), Forge, 그리고 agbenchmark 도구를 포함한 저장소의 나머지 부분은 MIT 라이선스를 유지합니다. 따라서 "AutoGPT는 MIT이다"라는 말은 이제 절반만 사실입니다. 실제로 배포하게 될 플랫폼은 Shield 약관을 따르기 때문입니다. 플랫폼을 제품으로 포크(fork)할 수 있다고 가정하기 전에 반드시 해당 약관을 읽어보십시오.

위치와 주의 사항

에이전트 자동화를 탐색하는 소규모 팀에게 AutoGPT는 직접 프레임워크를 작성하지 않고도 블록 기반 (block-based) 접근 방식을 실제로 확인해 볼 수 있는 합리적인 방법이며, 이미 만들어진 에이전트들과 agbenchmark는 비교 측정할 수 있는 기준을 제공합니다. 솔직한 주의 사항은 모든 지속적 에이전트 (continuous-agent) 시스템이 안고 있는 것과 같습니다. 셀프 호스팅 (Self-hosting)은 주말에 즐기는 장난감이 아니라 지속적인 인프라 작업입니다. 모든 트리거(trigger)에서 실행되고 매번 모델을 호출하는 에이전트는 실제적이고 가변적인 비용이 발생하므로, 모니터링과 예산 제한은 선택 사항이 아닙니다. 그리고 가장 매끄러운 경로인 관리형 클라우드 (managed cloud)는 여전히 대기 명단 (waitlist) 뒤에 있습니다. 지금은 AutoGPT를 에이전트 워크플로 (agent workflows)를 프로토타이핑하고 이해하는 수단으로 활용하되, 라이선스가 귀하의 계획에 부합하는지 확인하고, 이 시스템을 중요한 무언가에 연결하기 전에 운영 오버헤드 (operational overhead) 비용을 산정하십시오.

GitHub: https://github.com/Significant-Gravitas/AutoGPT