대부분의 AI 에이전트들은 유사한 구조를 따릅니다.

하나의 모델이 목표(objective)를 받고, 계획을 수립하며, 도구를 사용하고, 결과를 검토한 후, 자신의 작업이 성공적이었는지 여부를 결정합니다.

하지만 이 구조는 작업이 몇 번의 도구 호출을 넘어 커지기 시작하면 취약해집니다.
계획 단계에서의 실수가 실행에 영향을 미칩니다. 그리고 그 실수를 감지하는 책임까지 같은 컨텍스트(context)가 지게 됩니다. 도구 호출은 반복적이 되고, 모델 사용량은 늘어나며, 사용자는 여전히 전체 과정을 감독해야 합니다.

Minotauris는 다른 접근 방식을 취합니다.

구조화된 AI 팀

Minotauris는 책임을 네 부분으로 분리합니다.

리더(Leader)

리더는 모든 실행 단계를 수행하지 않으면서 목표를 유지하고 방향을 설정합니다.

매니저(Managers)

매니저는 작업을 분배하고, 워커(Workers)들을 조정하며, 더 큰 목표를 완료하는 데 필요한 컨텍스트를 보존합니다.

워커(Workers)

워커는 집중된 책임을 받아 브라우저, 데스크톱, 코드, 파일 및 도구 전반에 걸쳐 작업을 실행합니다.

어셈블리(Assembly)

어셈블리는 시스템이 실행 전에 계획에 도전하고, 가정을 검사하며, 가능한 결과를 고려할 수 있는 전용 장소를 제공합니다.

핵심은 단순히 에이전트의 수를 늘리는 것이 아닙니다.

핵심은 역할 분리입니다.

컴퓨터와 연결되다

Minotauris는 현재 브라우저 사용, 화면 및 컴퓨터 제어, 예약된 작업(scheduled tasks), 원격 접속, 코딩, 일반적인 작업 실행 기능을 갖춘 Windows 베타 버전으로 작동합니다.

이 프로젝트의 근본적인 질문은 간단합니다:

모든 책임을 하나의 모델 루프 안에 넣는 대신, 지능을 조정된 팀처럼 조직함으로써 AI 시스템이 더 신뢰할 수 있고 효율적이 될 수 있을까?

데모 및 제품:
[https://www.minotauris.app/]