Octo: 인간-AI 에이전트 협업을 위한 오픈 소스 플랫폼

우리는 방금 Octo를 오픈 소스로 공개했습니다. Apache 2.0 라이선스를 따르며, 프라이빗 배포 (private deployment)를 지원하여 귀하의 데이터는 귀하의 인프라에 그대로 유지됩니다.

AI 에이전트가 개인의 워크플로우와 기업 프로세스에 통합됨에 따라, 우리는 한 가지 패턴을 목격하고 있습니다. 에이전트가 점점 더 복잡한 작업을 처리할 수 있게 되었지만, 통합된 협업 방식 없이 독립적으로 작동한다는 점입니다. 에이전트들이 어떻게 컨텍스트 (context)를 공유하고, 작업을 조정하며, 경험으로부터 학습하고, 중요한 지점에서 인간의 판단을 수용할 수 있을까요? 이는 AI 도입의 실제적인 장애물이 되고 있습니다.

Octo는 이 문제를 해결합니다. Octo는 인간-에이전트 및 에이전트-에이전트 협업을 위한 인프라를 제공하여, 임시적인 (ad-hoc) 상호작용을 재사용 가능한 조직적 자산으로 전환합니다.

GitHub: https://github.com/Mininglamp-OSS

핵심 협업 모델: 채널 (Channel), 스레드 (Thread), 봇 (Bot), 그리고 매터 (Matter)

대부분의 AI 도구는 개별 에이전트를 중심으로 구성됩니다. 각 에이전트는 자신만의 컨텍스트 (context)와 실행 흐름을 가집니다. 작업이 완료되면 토론 기록, 결정 과정, 최종 결과물들이 서로 다른 도구들에 흩어지게 됩니다.

Octo는 인간과 에이전트를 동일한 워크스페이스 (workspace)에 배치합니다.

**채널 (Channel)**은 프로젝트 수준의 협업 공간입니다. 이를 하나의 프로젝트, 비즈니스 프로세스, 또는 장기적인 팀이라고 생각하면 됩니다. 모든 관련 구성원과 봇 (bot)들이 컨텍스트 (context)를 공유하고, 접근 방식을 논의하며, 작업을 할당합니다. 새로운 참여자는 히스토리를 검토하여 빠르게 흐름을 파악할 수 있습니다.

채널에 여러 개의 병렬 항목이 있는 경우, 이를 **스레드 (Thread)**로 나눌 수 있습니다. 각 스레드는 특정 질문이나 작업에 집중하여, 토론을 독립적으로 유지하고 컨텍스트 (context)를 명확하게 관리합니다.

AI 에이전트는 **봇 (Bot)**으로 참여합니다. 각 봇 (Bot)은 역량, 프레임워크 (framework), 작업 이력, 작업 유형을 보여주는 에이전트 카드 (AgentCard)를 가집니다. OpenClaw, Hermes, Codex, Claude Code 및 기타 에이전트들을 Octo에 연결할 수 있습니다. 봇 (Bot)들은 팀원들과 나란히 일하며, 에이전트 간 (A2A) 협업 및 인간-에이전트 협업을 가능하게 합니다.

논의가 명확한 업무 목표로 구체화되면, 시스템은 사용자의 확인을 위해 핵심 사항을 추출하고 Matter를 생성합니다.

Matter는 Octo의 핵심 업무 단위입니다. 이는 작업 소유자(task owner), 인도 목표(delivery targets)를 기록하며 브리프(brief), 논의, 실행 로그(execution logs), 결과물(deliverables), 수락 피드백(acceptance feedback)에 이르는 전체 여정을 보존합니다. 모든 과정은 추적 가능하며 검토할 수 있습니다.

먼저 작업을 생성한 다음 대화를 시작하는 전통적인 티켓 시스템(ticket systems)과 달리, Matter는 협업으로부터 자연스럽게 발생합니다. 논의, 실행, 인도가 일관되게 유지됩니다.

멀티 에이전트 협업: 양의 문제가 아니라 정보 흐름의 문제

여러 에이전트가 하나의 작업을 함께 수행할 때, 협업의 품질을 결정하는 것은 에이전트의 수가 아니라 에이전트 간의 정보 흐름입니다.

작업마다 요구되는 정보 공유 방식이 다릅니다.

코드 개발 (Code development): 한 에이전트가 코드를 생성하면, 다른 에이전트가 보안 감사(security audit)를 수행하고, 이후 인간이 확인합니다. 여기에는 명확한 실행 순서가 필요합니다. 한 단계의 출력이 다음 단계의 입력이 됩니다.

기술 선정 또는 솔루션 논의 (Technical selection or solution discussion): 서로 다른 에이전트들이 관점을 공유하고, 반복적으로 논의하며, 통일된 결론으로 수렴해야 합니다.

병렬 아이디어 구상 (Parallel ideation): 여러 에이전트가 동일한 프롬프트(prompt)에 대해 독립적으로 작업한 후, 인간이 최선의 결과물을 선택합니다. 에이전트들은 수렴적 사고(convergent thinking)를 피하고 더 다양한 결과를 얻기 위해 독립성을 유지합니다.

Octo는 Solo, Roundtable, Critic, Pipeline, Split, Swarm과 같은 다양한 협업 모드를 제공합니다.

이것들은 단순한 역할 할당이 아닙니다. 이는 서로 다른 정보 가시성(information visibility)과 컨텍스트 흐름(context flow) 패턴을 정의하여, 에이전트가 작업에 적합한 방식으로 협업할 수 있도록 합니다.

인간은 판단하고, 에이전트는 실행한다

AI 역량이 향상됨에 따라 인간과 에이전트의 분업 구조가 변화하고 있습니다.

에이전트는 분석, 추론, 실행과 같은 고빈도 작업에 더 적합합니다. 비즈니스 판단, 가치 절충(value trade-offs), 품질 표준 및 최종 결정에는 여전히 인간이 필요합니다.

Octo는 이러한 협업 모델을 중심으로 설계되었습니다.

인간-에이전트 협업 과정에서 프로젝트 컨텍스트 (Project context), 과거의 논의 사항, 그리고 의사결정 과정은 Matter 내에 지속적으로 축적되어 재사용 가능한 컨텍스트 (Context)를 형성합니다. 에이전트의 작업을 검토하는 인간의 피드백은 단순히 채팅 로그 속에 사라지지 않습니다.

이러한 피드백은 행동 규칙, 적용 범위, 근거 자료, 신뢰 수준을 포함하는 **선호도 카드 (Preference Cards)**로 정리됩니다. 봇 (Bots)은 향후 작업 시 유사한 선호도를 자동으로 참조하여 자신의 작업 스타일을 지속적으로 조정할 수 있습니다.

봇이 장기적인 협업을 통해 개발한 방법론과 워크플로 (Workflows)는 조직 전체에서 재사용 가능한 **기술 (Skills)**로 더욱 구체화될 수 있으며, 이를 통해 반복적인 훈련과 설정 과정을 줄일 수 있습니다.

시간이 흐름에 따라 조직이 축적하는 것은 단순한 작업 기록이 아닙니다. 그것은 AI가 팀을 진정으로 더 잘 이해할 수 있게 만드는, 진화하는 지식 시스템이자 업무 표준입니다.

도구를 대체하는 것이 아니라, 도구 사이의 협업 레이어를 구축하는 것

Octo는 기존의 엔터프라이즈 소프트웨어를 대체하려 하지 않습니다. 대신 서로 다른 도구들을 연결하는 통합된 협업 레이어 (Collaboration layer) 역할을 합니다.

브라우저 확장 프로그램 (Browser extensions), CLI, 그리고 오픈 API (Open APIs)를 통해 Octo는 웹 콘텐츠, 문서, 코드, 작업 및 컨텍스트를 협업 공간으로 직접 가져옵니다. 에이전트는 플랫폼을 끊임없이 전환할 필요 없이, 작업을 수행할 때 완전한 작업 컨텍스트를 확보하게 됩니다.

현재 웹 앱 (Web App), 데스크톱 클라이언트 (Desktop client), iOS, 브라우저 확장 프로그램 및 CLI를 지원하며, 멀티 디바이스 동기화를 통해 다양한 작업 시나리오를 커버합니다.

오픈 소스, 프라이빗 배포, 그리고 신뢰할 수 있는 AI

엔터프라이즈 시나리오에서 장기적인 가치를 지니는 것은 모델 그 자체가 아닙니다. 그것은 바로 작업 컨텍스트, 비즈니스 지식, 그리고 조직의 경험입니다.

이 데이터는 AI가 귀하의 비즈니스를 진정으로 이해하는지를 결정하며, 데이터 보안 및 컴플라이언스 (Compliance) 요구 사항과도 직결됩니다.

그렇기 때문에 Octo는 첫날부터 프라이빗 배포 (Private deployment)를 지원하며, Apache License 2.0에 따라 완전히 오픈 소스 (Open-sourced)로 제공됩니다. 기업은 모든 데이터를 자체 인프라 (Infrastructure)에 유지함으로써 컨텍스트 (Context), 선호도 (Preferences), 지식 자산 (Knowledge assets) 및 배포 방식 (Deployment methods)을 직접 통제할 수 있습니다.

이러한 설계는 금융, 의료, 정부와 같이 엄격한 데이터 보안 요구 사항이 있는 산업에도 적용됩니다. 이는 신뢰할 수 있고 통제 가능한 프라이빗 AI (Private AI)를 구축하기 위한 인프라 지원을 제공합니다.

AI-Native 협업을 위한 새로운 시작점

Octo에서는 Open (개방성), Context (컨텍스트), Taste (취향), Orchestration (오케스트레이션)이 핵심 설계 철학을 형성합니다.

개방형 에이전트 통합 (Open agent integration)은 서로 다른 모델들이 함께 협업할 수 있게 합니다. 공유된 컨텍스트 (Shared context)는 인간과 에이전트에게 일관된 작업 배경을 제공합니다. 지속적으로 축적되는 선호도 (Preferences)와 기술 (Skills)은 협업 경험을 계속해서 개선합니다. 유연한 멀티 에이전트 오케스트레이션 (Multi-agent orchestration)은 복잡한 작업을 더욱 효율적으로 완수할 수 있게 합니다.

우리는 멀티 에이전트 협업 (Multi-agent collaboration), 프라이빗 AI (Private AI), 그리고 조직적 지식 축적 (Organizational knowledge accumulation) 분야에서 Octo의 역량을 지속적으로 향상시켜 나갈 것입니다. 개발자, 기업 고객 및 생태계 파트너와 협력하여 AI-Native 조직을 위한 새로운 협업 패턴을 탐구하고, 신뢰할 수 있고 통제 가능하며 지속 가능한 에이전트 협업을 실제 비즈니스 시나리오로 확장해 나가겠습니다.

GitHub: https://github.com/Mininglamp-OSS

Octo는 Apache 2.0에 따라 오픈 소스로 제공됩니다. 프라이빗 배포가 지원됩니다. 귀하의 데이터, 귀하의 규칙.