Multica'nın en uygun kullanıcıları insanlar değil, bizzat Temsilciler olabilir. Bir öğleden sonra Multica'yı denedikten sonra edindiğim e…
요약
Multica는 사람보다는 'Representative'라는 자율적인 에이전트(Agent)를 주 사용자 대상으로 설계된 오픈 소스 관리형 플랫폼입니다. 이 시스템은 문제 생성부터 할당, 실행, 검토까지의 전체 워크플로우를 자동화하며, 특히 CLI 중심의 설계를 통해 에이전트 간의 자율적이고 조직적인 협업을 강조합니다. 개발자는 이를 Mac Mini M4 환경에서 Go + Next.js + PostgreSQL 스택으로 성공적으로 구축하고 테스트했으며, 다중 머신 스케줄링 및 스킬 재사용 같은 고급 기능을 활용할 수 있습니다. 글쓴이는 대규모 모델의 발전 추세에 따라 인간-에이전트 협업 도구들이 직면한 근본적인 모순을 지적하며, 문제 중심 시스템에서 에이전트는 여전히 인간이 정의하는 작업 경계 내에서 실행자 역할을 할 것이라고 분석합니다. 따라서 Multica와 같은 백그라운드 인프라 기반의 시스템은 향후 가치가 기하급수적으로 증가할 것으로 전망합니다.
핵심 포인트
- Multica는 사람보다 자율적인 'Representative' 에이전트를 주 사용자 대상으로 하는 플랫폼이다.
- CLI 우선 설계(CLI-first design)를 통해 브라우저 없이도 문제 생성, 할당, 추적 등 모든 워크플로우가 가능하다.
- 시스템은 다중 머신 스케줄링을 지원하여 특정 회사 환경에 연결된 에이전트에게 작업을 제한할 수 있다.
- 핵심 기능 중 하나는 해결책(Solution)을 '스킬(Skill)'로 변환하고 공유하여 재사용성을 극대화하는 것이다.
- 향후 AI 에이전트 협업 도구들은 인간이 정의한 작업 경계 내에서 실행자 역할을 수행하는 문제 중심 시스템에 초점을 맞출 것이다.
Multica의 가장 적합한 사용자들은 사람들보다는 바로 Representatives일 수 있습니다.
어느 오후 Multica를 사용해본 후 얻은 가장 큰 인상은 바로 이것이었습니다. 2주 만에 10,000개의 별을 넘어선 오픈 소스 관리형 Representative 플랫폼입니다. 기본 경험은 사람들과 Representatives가 동일한 제어판을 공유하는 것입니다. 문제를 생성하고, Representative에게 할당하면 Representative가 자동으로 작업을 인수하고, 저장소를 복제하며, 격리된 디렉토리에서 실행한 후 최종 승인을 위해 "검토 중" 단계로 이동시킵니다.
Representatives가 왜 가장 적합한 사용자들일까요? CLI가 매우 포괄적이기 때문입니다. Multica는 제어판이 할 수 있는 모든 것을 할 수 있습니다 – 문제 생성, Representative 목록, 서비스 상태 – 이 모든 것이 CLI 안에 있습니다. Representative가 작업을 부분으로 나누고, 다른 Representatives에게 할당하며, 진행 상황을 추적해야 할 때 CLI를 호출하기만 하면 됩니다; 브라우저가 필요 없습니다. 이 CLI 우선 설계가 "Representative는 1급 팀 동료입니다"라는 철학과 결합되면, Representatives 간의 자율적으로 조직되는 협업을 가리킵니다.
집에 있는 Mac Mini M4에서 실행해 보았습니다. Go + Next.js + PostgreSQL 아키텍처를 사용하며, Docker Compose로 단 세 개의 컨테이너로 실행할 수 있습니다. 데몬이 시작된 후 PATH에서 AI CLI를 자동으로 스캔합니다. Claude, codex, gemini를 포함해 7개를 감지했습니다. 원치 않는 것은 환경 변수를 사용해 비활성화할 수 있습니다; 저는 claude와 codex만 남겼습니다. 프로덕션 모드에 문제가 있습니다: APP_ENV=production 설정이 범용 인증 코드 888888을 비활성화하고, 재전송 이메일 API가 미리 구성되지 않았다면 자신을 잠그게 됩니다.
몇 가지 설계 고려사항:
에이전트들은 런타임에 연결되어 있으며, 런타임들은 머신에 연결되어 있습니다. 제 Mac이 세 대 있는데, 일부 프로젝트는 회사 컴퓨터에서만 작동할 수 있습니다. 회사 런타임에 연결된 에이전트를 생성하면, 작업이 그 머신에만 할당되도록 합니다. 다중 머신 스케줄링은 매우 중요합니다.
평가에서 가장 자주 언급된 기능은 스킬 재사용이었습니다. 에이전트가 문제를 해결하면, 해결책이 스킬로 변환되고, 작업 영역의 모든 에이전트들이 이를 공유하고 재사용합니다.
Twitter에서
@hiyeshu
가 매우 적절한 지적을 했습니다: 대규모 모델들이 더 효율적이고 자율적으로 된다면, 채팅과 문제 도구들은 더 이상 인간-에이전트 협업을 가능하게 하지 않을 것입니다. 결과적으로 모든 제품들은 "인간을 위해 정보를 어떻게 단순화할까"에 초점을 맞출 것입니다. 문제 중심 시스템들은 본질적으로 여전히 인간이 작업 경계를 정의하는 데 관한 것이며; 에이전트는 단지 실행자일 뿐입니다. 이 모순은 현재 모든 에이전트 협업 도구들이 직면한 상황입니다.
이것들은 유용하지만 현재 널리 사용되지 않고 있습니다. 백그라운드 프로그램을 설치하고 인프라 투자로 실행하세요. 에이전트 능력이 발전함에 따라, 그 가치가 기하급수적으로 증가할 것입니다.
Claude Code ile kodlama yaparken, aynı dosyayı tekrar tekrar okuması ve tek bir fonksiyonu bulmak için tüm dizinleri taraması yaygın bir durumdur ve bu da inanılmaz derecede yüksek token tüketimine yol açar.
Son zamanlarda, Claude Code için "ikinci bir beyin" sağlayan ve
AI 자동 생성 콘텐츠
본 콘텐츠는 X @DeepTechTR (AI/오픈소스)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기