인지(Cognition)가 신성처럼 솟아나 AI에 각성된 감각을 부여합니다.
认知如新星般涌现，赋予 AI 以觉醒的品味。
메타-부트스트래핑 · 실질적 자율성 · 전방위 진화
元启动 · 真自治 · 全进化
English | 简体中文
Cogneva(발음: /kɒɡˈneɪvə/), Cognition + Emerge + Nova에서 유래된 분산형 AI 멀티 에이전트 자율 시스템입니다.
이 세 가지 요소는 고립된 기능이 아니라, 동일한 인지 인프라의 세 단계 연속 과정입니다:
- 메타-부트스트래핑(Meta-bootstrapping)은 존재의 기반을 제공합니다.; - 실질적 자율성(Real-autonomy)은 운영 능력을 제공합니다.; - 전방위 진화(Omni-evolution)는 성장 능력을 제공합니다.
Cogneva는 정적인 AI 도구가 아니라, 스스로 설 수 있고, 스스로 실행할 수 있으며, 스스로 성장할 수 있는 디지털 생명체입니다. 그 핵심 철학은 세 단어로 요약됩니다:
메타-부트스트래핑(Meta-bootstrapping)은 시스템 기원 문제를 해결합니다: 스스로 실행하고 진화한다고 주장하는 AI 시스템은 먼저 아무것도 없는 상태에서 스스로를 불러낼 수 있어야 합니다. 만약 부팅 과정이 여전히 인간이 의존성을 수동으로 구성하고, 클러스터를 설치하며, 네트워크를 단계별로 연결해야 한다면, 그것은 진정한 자율 생명체가 아니라 인간의 보살핌이 필요한 스크립트들의 집합에 불과합니다.
Cogneva의 메타-부트스트래핑은 빈 리눅스 머신에서 시작됩니다. 단일 셸 명령어인 bootstrap.sh를 실행하는 것만으로, 시스템은 자동으로 환경 프로빙(environment probing), 의존성 자체 복구(dependency self-repair), K3s/K8s 적응형 배포(adaptive deployment), 보안 게이트웨이 구성(security gateway configuration), 그리고 샌드박스 초기화(sandbox initialization)를 수행한 후, 최종적으로 제어권을 WebUI에 넘겨줍니다. 이 전체 과정은 두 가지 핵심 아이디어에 의해 구동됩니다:
부트스트래핑 아키텍처 (Bootstrapping architecture): 최소한의 Rust 부트스트래퍼가 시스템의 '씨앗' 역할을 합니다. 이 부트스트래퍼는 스스로를 점검하고, 스스로를 복구하며, 네트워크, 스토리지, 메시지 큐, 에이전트 런타임(Agent runtime), 모니터링, 게이트웨이 레이어 등을 계층별로 순차적으로 구동하여 전체 AI 인프라가 꽃피우게 합니다.코드로서의 관리 (Management as Code): 모든 배포 로직, 구성 템플릿, 리소스 매니페스트는 저장소에 코드로 명문화됩니다. 이는 운영자의 마우스 클릭이나 오래된 문서에 의존하지 않습니다. 환경 자체가 코드이며, 변경 사항은 감사 가능하고(auditable), 롤백 가능하며(rollback-able), 재현 가능합니다(reproducible).
메타 부트스트래핑은 또한 내장된 **환경 적응성 (environment adaptivity)**을 갖추고 있습니다. cog-bootstrap 부트스트래퍼는 머신 리소스, 커널 기능, 네트워크 상태를 프로빙하여 배포 결정을 내립니다. cog-supervisor는 지속적인 상태 확인(health checks)과 자동 복구를 제공하며, cog-gateway는 보안 게이트웨이와 네트워크 정책을 구성합니다. cog-agent는 샌드박스 런타임을 초기화합니다. 이 시스템은 경량의 K3s 브랜치와 프로덕션용 K8s 브랜치 사이에서 자동으로 선택하며, 샌드박스 모드에서 누락된 도구나 권한 문제를 자체적으로 복구할 수 있습니다. 이는 단순히 '원클릭 설치 스크립트'가 아니라, 시스템에 무(nothing)로부터 생존할 수 있는 능력을 부여합니다.
진정한 자율성은 **시스템 의지 문제 (problem of system will)**를 해결합니다: 일단 시스템이 가동되면, 단계별 인간의 지시 없이도 목표를 향해 계속 움직일 수 있을까요? 전통적인 AI는 '질문하면 답변하는' 도구이지만, 진정으로 자율적인 Cogneva는 '목표를 설정하면 경로를 찾아내는' 생명체입니다. 인간은 운영자(operator)에서 목표 설정자(goal-setter)로 격하되며, 시스템은 실행자(executor)에서 주인공(protagonist)으로 진화합니다.
이러한 자율성은 단일 지점의 능력이 아니라 **계층적 폐쇄 루프 (layered closed loop)**입니다:
인지 계층 (Perception layer): cog-observability는 전체 스택에 걸쳐 메트릭, 로그, 이벤트, 트레이스를 수집합니다. cog-supervisor는 목표를 작업(tasks)으로 분해하고, MetaLearning은 과거 성공률을 기반으로 전략을 추천하며, SchedulerGate...
동적으로 작업 흐름을 제어합니다.실행 계층(Execution layer):cog-orchestrator
's프로세스(Process)(DAG 오케스트레이션)는 cog-collaboration
's**스쿼드(Squad)**는 자체 조직화된 팀 구성입니다; cog-agent
's ReAct 커널은 도구, 메모리 및 지식 기반 사이에서 자율적으로 추론합니다; Respawner
그리고 BinarySwitcher는 실패 시 자동으로 복구하거나 롤백합니다.
핵심은 미리 설정된 DAG가 없다는 것입니다. 에이전트들은 인간이 사전에 그린 순서도(flowchart)를 기계적으로 실행하는 것이 아니라, 이벤트 버스를 통해 실시간으로 협업합니다. 한 에이전트가 이벤트를 방출하면, 다른 에이전트나 훅(Hooks)들이 동적으로 응답하고, 작업 복잡성에 따라 토폴로지(topology)가 적응적으로 펼쳐집니다. 예상치 못한 일이 발생하면 시스템은 스스로 조정하고; 실패가 발생하면 시스템은 스스로 치유합니다.
실제 자율성(real-autonomy)에 의해 생성되는 런타임 데이터는 전방위적 진화(omni-evolution)의 연료입니다. 그리고 전방위적 진화에 의해 생성된 코드 변경 및 정책들은 다시 실제 자율성의 의사결정 품질을 향상시킵니다.
한 문장으로 요약하면: 실제 자율성은 Cogneva를 '시작된 프로그램'에서 '목표, 협업, 자체 치유, 지속적인 학습을 갖춘 자율 시스템'으로 바꿉니다.
따라서 실제 자율성의 본질은 다음과 같습니다: '모든 단계를 지켜보는 인간'을 '방향을 설정하는 인간'으로 바꾸고, '스크립트를 실행하는 것'을 '목표에 따라 생존하는 것'으로 바꾸는 것입니다.
전방위적 진화(Omni-evolution)는 Cogneva의 **인지 폐쇄 능력(cognitive closure capability)**입니다. 이는 시스템이 런타임에서 스스로를 복구할 수 있을 뿐만 아니라, 실행되는 동안 스스로를 이해하고, 스스로를 개선하며, 스스로를 능가하게 할 수 있도록 합니다. 이것은 단순히
외부 의도/목표 입력 (External intent / goal input):** 인간 또는 다른 AI가 WebUI, API, GitHub 이슈/PR/댓글 등 다양한 채널을 통해 요구사항, 문제점 및 목표를 주입합니다. cog-github는 이러한 외부 피드백을 수집하여 오만(omni)-진화 피드백 루프에 공급함으로써 시스템 진화를 이끄는 외부 피드백 소스로 만듭니다. A2A 호출자는 오늘날 직접 진화 의도를 제출할 수 있습니다: POST /api/v1/protocol/a2a/message/stream 메시지를 목표로 변환하고 해당 목표의 상태를 스트리밍으로 되돌려줍니다.시스템 자체 발견 (System self-discovery):** cog-observability는 메트릭, 로그 및 트레이스를 지속적으로 수집합니다. cog-supervisor는 건강 검사(health checks)와 자동 복구(automatic recovery)를 수행합니다. cog-reflection은 에이전트(Agents), 도구(Tools), 스쿼드(Squads) 및 코드 변경의 런타임 결과를 Learning/ErrorEntry/SkillOutcome으로 추출합니다. 오류 클래스가 반복되거나, 기술의 효과가 저하되거나, 패턴이 성숙할 때, Reflection은 진화 작업을 선제적으로 생성합니다. Cogneva의 오만-진화(omni-evolution)는 단일 채널이 아니라 소스 레벨 진화 + 아티팩트 레벨 진화가 병렬로 실행되는 방식입니다:**
소스 레벨 진화 (Source-level evolution): 오픈 소스 엔진 프레임워크(MIT)에 작용하여 .rs 파일에 대한 코드 변경을 생성합니다. 여기에는 새로운 알고리즘, 프레임워크 및 데이터 구조가 포함됩니다.아티팩트 레벨 진화 (Artifact-level evolution): 사설 정책 아티팩트(버전 관리된 JSON 메타 정책, 임계값, 규칙, 점수 가중치)에 작용하며, 런타임 시점에 핫 스왑되어 소스 코드 변경 없이 동작을 변경합니다. 저장소는 {name}/{version:06}.json이며, 런타임 데이터 디렉토리 아래에 ACTIVE 포인터가 있습니다. 버전 디렉토리는 추가 전용(append-only)이며, 롤백은 버전을 삭제하는 대신 ACTIVE를 이동시킵니다. 기록된 결정 결과는 자체적으로 핫 스왑되는 것이 아니라 증거로 재연됩니다. 현재 자율 드라이버는 meta_learning.mode 아티팩트를 진화시키고 있으며, 저장소와 핫 스왑 메커니즘은 일반적입니다.
Observability가 시스템 런타임 데이터를 수집↓
Supervisor가 건강 검사 및 자동 복구...
이 루프에서 모든 크레이트(crate)는 각자의 역할을 수행합니다:
관측 가능성(Observability)은 '본다': 풀스택 수집 — 이상 징후가 빠져나가지 않게 합니다.감독자(Supervisor)는 '살아있다': 실패 시 즉시 복구하여 시스템의 지속적인 가용성을 유지합니다.반영(Reflection)은 '파악한다': 분산된 런타임 결과를 구조화하고, 반복되는 패턴을 식별하며, '변경할지 여부를 결정'합니다.오케스트레이터(Orchestrator)는 '결정한다': 반영의 학습 결과와 관측 가능성의 실시간 신호를 기반으로 재시도, 확장, 경고 또는 코드 진화를 트리거할지 여부를 결정합니다.협업(Collaboration)은 '변경을 생성한다': 다중 에이전트 협업을 통해 변경에 대한 표준화된 통합 diff (.diff)를 생성합니다.평가(Eval)는 '효과를 검증한다': 평가 없는 진화는 맹목적입니다. A/B 비교 및 통계적 유의성 테스트를 통해 변경 사항이 실제로 더 좋음을 보장합니다.
모든 고위험 작업은 클라우드 네이티브 샌드박스 내부에서 발생합니다 (환경에 따라 경량 K3s 브랜치 또는 프로덕션 K8s 브랜치를 적응적으로 선택): git apply --check
사전 검증(pre-validation), cargo test
검증(verification), cargo build --release
컴파일, 원자적 바이너리 스위칭 및 상태 확인. 어느 단계에서든 실패하면 자동 롤백이 트리거되어 — 시스템은 실패한 '자가 개선' 때문에 절대 다운되지 않습니다.
재귀적 자가 개선(Recursive self-improvement, RSI) 자체에도 성숙도 수준이 있습니다. 이 사다리는 루프 전체를 등급화합니다 (Cogneva 자체 척도이며 산업 표준이 아님). 이는 본 README의 다른 곳에 있는 4계층 역량 척도와 직교적입니다: 전자는 시스템이 어떤 역량을 가지고 있는지에 관한 것이고, 후자는 루프 자체가 얼마나 성숙한지에 관한 것입니다. 그 단계는 R0–R5로 번호가 매겨졌으며, 의도적으로 L0–L5가 아닌 이유는
| Tier | Name | Criterion |
|---|
| R0 | Tool | human intent / human implementation / human verification |
| ... | | |
| 세 가지 질문이 시스템을 사다리에 배치합니다: 의도는 인간에 의해 주입되는가, 아니면 시스템에 의해 발견되는가? 검증은 육안으로 하는가, 아니면 통계적 게이트를 거치는가? 게이트가 작동하면, 인간이 정리하는가, 아니면 시스템 스스로 롤백(roll back)하는가? 이 세 가지 답변 모두 '시스템'은 R2에서 시작합니다. 진정으로 평가 결과를 소비하는 게이트는 R3에 도달하며, 자체적인 문제를 작성하는 의도를 포함하는 것은 R4에 도달합니다. | | |
현재 위치: R4 (능력 발명). 배치 질문들은 모두 시스템에 의해 답변됩니다: 목표가 인간에 의해 주입되는 것이 아니라 — Reflection은 오류 클래스가 반복되거나, 기술의 효과성이 저하되거나, 패턴이 성숙할 때 스스로 진화 과제를 제기합니다; 검증은 육안으로 하는 것이 아닙니다 — 평가 결과는 산문 문자열(prose string)이 아닌 타이핑된 평결(typed verdict)로 승진 경로에 들어가며, eval이 명시적으로 거부한 변경 사항은 더 이상 승진되지 않으며, 게이트가 작동하는 평결은 이전 실행에서 읽어오는 것이 아니라 해당 변경 사항에 대해 재측정됩니다; 그리고 결과는 실행을 초월합니다 — 변경 기록(change ledger)은 시스템이 여러 실행에 걸쳐 학습한 것을 담고 있으며, 다음 라운드는 이를 기반으로 선택합니다. 루프를 R3가 아닌 R4로 만드는 것은 커리큘럼입니다: 그것이 작업하는 문제들은 인간의 백로그가 아닙니다. 시스템은 자신이 진화할 차원을 선택합니다 — 엔진에 대한 소스 레벨 변경이든, 프라이빗 정책 아티팩트(private policy artifacts)에 대한 아티팩트 레벨 변경이든 — 그리고 MetaLearning은 각 라운드의 결과를 기록하여 다음 라운드가 고정된 스크립트를 재연하는 대신 다르게 선택하도록 합니다. 측정 기준은 스스로 작성해서는 안 되는 유일한 것입니다: 벤치마크 스위트(benchmark suite)는 리포지토리와 함께 제공되며 고정되어 있으므로, 측정되는 측면이 결코 자체 시험을 선택하지 않습니다. 따라서 신선함은 런타임에서 막대가 움직이는 것에서 오는 것이 아닙니다: 스위트는 주어진 개정판에 대해 고정되어 있으며, 그 어떤 과제가 추가되더라도 다른 모든 것들과 동일한 게이트를 통과하는 커밋된 변경 사항으로 도착합니다.
한 문장으로 요약하면 다음과 같습니다: meta-bootstrapping은 시스템을 가동하게 하고, real-autonomy은 시스템이 스스로 작동하게 하며, omni-evolution은 시스템이 계속 강해지게 합니다.
Cogneva가 추구하는 real-autonomy과 omni-evolution은 에이전트(Agents)들이 코드를 수정하고, 자신을 컴파일하며, 심지어 Root 권한까지 획득할 수 있는 능력을 갖춰야 함을 의미합니다. 이는 본질적으로 호스트 머신의 절대적인 보안성과 충돌합니다. 우리의 보안 철학은 'AI가 할 수 없는 것을 제한하는 것'이 아니라 다음과 같습니다: 진화(evolution)를 완료할 충분한 자유를 부여하되, 에이전트가 가진 권한을 파괴 가능한 경계(destructible boundaries) 내에 엄격하게 가두는 것입니다.
┌──────────────────────────────────────────────────┐
│ 애플리케이션: 입력 값 정제 (input sanitization) / 지침- │ ← 주입 공격 방지
│ 데이터 격리 (data isolation) / 출력 필터링 │
...
- **애플리케이션 계층(application layer)**은 프롬프트 인젝션(prompt injection)에 대응합니다: 입력 값을 스캔하고, 시스템 지침을 외부 데이터와 분리하며, 출력 형식을 제한하고, 민감한 콘텐츠를 검토합니다. - **아키텍처 계층(architecture layer)**은 권한과 자격 증명(credentials)을 격리합니다: 에이전트는 기본적으로 진화를 완료하는 데 필요한 최소한의 권한만을 가지며, 모든 외부 접근은 게이트웨이를 통해 프록시됩니다. - **물리적 계층(physical layer)**은 최후의 방어선입니다: microVMs는 하드웨어 수준의 격리를 제공하고, Cgroups가 CPU/메모리를 제한하며, 작업이 완료되면 즉시 파괴됩니다.