대부분의 사무 업무는 여전히 동일한 파일들로 마무리됩니다: Word 보고서, Excel 워크북, PowerPoint 슬라이드, 또는 레이아웃 변경 걱정 없이 보낼 수 있는 PDF가 그것입니다.

일반적인 챗봇(Chatbot)은 텍스트 작업에는 도움을 줄 수 있지만, 전체 업무를 안정적으로 수행할 수는 없습니다. 실제 오피스 파일을 생성, 검사, 복구, 변환 및 반환할 수 있는 에이전트(Agent)를 구축하려면, 명확한 책임이 부여된 소규모 도구 세트를 제공해야 합니다.

제가 사용할 스택은 다음과 같습니다.

모델이 아닌 작업부터 시작하세요

에이전트(Agent)의 작업은 설명하기 매우 간단합니다:

요청이나 첨부 파일을 수신하고, 문서를 작업하며, 결과를 검증한 뒤, 동료가 열어서 편집을 계속할 수 있는 파일을 반환한다.

이 정의는 "Office를 이해하는 AI"라는 말보다 훨씬 유용합니다. 이는 에이전트(Agent)가 무엇을 할 수 있어야 하는지를 알려줍니다:

• .docx, .xlsx, .pptx 파일을 생성 및 편집하기;
• 기존 파일을 맹목적으로 다시 만드는 대신 기존 파일을 검사하기;
• 반환하기 전에 결과물을 검증하기;
• 슬라이드만으로 부족할 때 애니메이션 프레젠테이션이나 짧은 시각적 설명 자료를 만들기;
• 완성된 파일을 PDF로 변환하기;
• 휴대폰을 포함한 채팅 앱에서 작업하기;
• 선택적으로 이메일 수신함에서 파일을 받고 초안이나 처리된 첨부 파일을 반환하기.

네 가지 구성 요소가 이 워크플로(Workflow)를 커버합니다.

1. OfficeCLI가 Word, Excel, PowerPoint를 처리합니다

리포지토리(Repository): iOfficeAI/OfficeCLI

OfficeCLI는 Office Open XML 파일을 다루는 AI 에이전트(Agent)를 위해 구축된 명령줄 도구(Command-line tool)입니다. Microsoft Office가 설치되어 있지 않아도 Word 문서, Excel 워크북, PowerPoint 프레젠테이션을 지원합니다.

에이전트(Agent)는 이를 다음과 같이 사용할 수 있습니다:

• 새로운 .docx, .xlsx 또는 .pptx 파일 생성;
• 문서를 가공되지 않은 이진 데이터 (raw binary data)가 아닌 구조화된 요소 (structured elements)로 읽기;
• 단락 (paragraphs), 표 (tables), 셀 (cells), 슬라이드 (slides), 도형 (shapes) 및 기타 객체 (objects)에 대한 쿼리 수행;
• 요소 (elements) 추가, 업데이트, 이동 또는 제거;
• JSON 데이터와 템플릿 병합;
• CSV 또는 TSV 데이터를 워크북 (workbook)으로 가져오기;
• 완성된 파일을 Open XML 스키마 (schemas)에 따라 검증;
• MCP 서버 또는 설치 가능한 에이전트 스킬 (Agent Skills)을 통해 기능을 노출.

이러한 기능 덕분에 OfficeCLI는 주요 파일 편집 레이어 (file-editing layer)가 됩니다. 언어 모델 (language model)이 무엇을 변경할지 결정하면, OfficeCLI가 포맷을 인식하는 방식 (format-aware way)으로 변경을 수행합니다.

예를 들어, 동일한 에이전트 (Agent)가 회의록을 서식이 지정된 Word 보고서로 변환하거나, Excel 워크북에 수식과 차트를 추가하거나, PowerPoint 덱 (deck)을 스크린샷으로 평탄화 (flattening)하지 않고도 복구할 수 있습니다.

2. HyperFrames는 모션 우선 프레젠테이션을 추가합니다

Repository: heygen-com/hyperframes

PowerPoint는 여전히 흔하게 사용되지만, 많은 프레젠테이션이 이제 애니메이션 설명 영상 (animated explainers), 제품 워크스루 (product walkthroughs) 또는 짧은 영상으로 공유됩니다. 정적인 덱 (static deck)이 항상 최선의 최종 포맷인 것은 아닙니다.

HyperFrames를 사용하면 에이전트 (Agent)가 HTML, CSS, JavaScript, 미디어 및 구조화된 타이밍 (structured timing)을 사용하여 장면 (scenes)을 정의하고, 그 결과를 프레임 단위 (frame by frame)로 렌더링할 수 있습니다. HyperFrames의 스킬 (Skills)은 프레젠테이션, 슬라이드쇼, 모션 그래픽 (motion graphics), 제품 영상, 자막 및 기타 비디오 워크플로 (workflows)를 다룹니다.

이 Office 에이전트 (Office Agent)에서 HyperFrames는 선택적인 프레젠테이션 레이어 (presentation layer)입니다. 다음과 같은 작업이 가능합니다:

• 보고서 또는 덱 (deck) 개요를 애니메이션 프레젠테이션으로 변환;
• 스프레드시트 (spreadsheet) 데이터를 사용하여 짧은 설명 영상 제작;
• 비동기 검토 (asynchronous review)를 위한 모션 중심의 제품 업데이트 제작;
• 구조화된 콘텐츠로부터 반복 가능한 MP4 생성;
• 일반적인 슬라이드가 제한적이라고 느껴질 때 대화형 또는 탐색 가능한 덱 (deck) 구축.

요청된 결과물이 편집 가능한 .pptx인 경우 OfficeCLI는 여전히 이를 생성해야 합니다. HyperFrames는 움직임이 정보를 더 쉽게 이해하게 만들 때 또 다른 출력 옵션을 추가해 줍니다.

3. Hermes Agent는 런타임(runtime)과 채팅 채널을 제공합니다

Repository: NousResearch/hermes-agent

에이전트(Agent)에는 런타임(runtime)도 필요합니다. 즉, 스킬(Skills)을 로드하고, 명령줄 도구(command-line tools)를 호출하며, 작업 컨텍스트(working context)를 유지하고, 파일을 처리하며, 사용자와 통신할 수 있는 공간이 필요합니다.

Hermes Agent는 에이전트를 채팅 채널에 연결하는 동시에 도구와 스킬(Skills)을 실행할 수 있기 때문에 실용적인 선택입니다. 이는 사무 업무에서 매우 중요합니다. 자리를 비운 사이 스프레드시트(spreadsheet)를 받았을 때, 채팅에서 에이전트에게 이를 확인하도록 요청하고 동일한 대화에서 결과를 검토할 수 있기 때문입니다.

Hermes는 다음과 같은 기능을 제공할 수 있습니다:

• 스킬(Skill) 및 CLI 오케스트레이션 (orchestration);
• 영구 메모리(persistent memory) 및 세션 컨텍스트 (session context);
• 예약 및 백그라운드 작업;
• 파일 및 미디어 전달;
• Telegram 및 기타 설정된 채널과 같은 채팅 플랫폼과의 연결;
• 중대한 동작을 수행하기 전의 승인 지점 (approval points).

4. LibreOffice는 결과를 PDF로 변환합니다

Repository: LibreOffice/core

OfficeCLI는 편집 가능한 오피스(Office) 파일을 생성합니다. LibreOffice는 작업의 다른 부분을 담당합니다. 즉, 해당 파일들을 전체 오피스 제품군(office suite)에서 열고 명령줄(command line)에서 PDF로 내보내는 작업입니다.

전형적인 헤드리스(headless) 변환은 다음과 같습니다:

libreoffice --headless \
  --convert-to pdf \
  --outdir ./output \
...

동일한 방식이 지원되는 스프레드시트(spreadsheets)와 프레젠테이션(presentations)에도 적용됩니다. 이를 통해 에이전트는 필요할 때 두 가지 결과물을 제공할 수 있습니다:

• 지속적인 작업을 위한 편집 가능한 소스 파일;
• 검토, 승인, 아카이빙(archiving) 또는 사외 전송을 위한 PDF.

PDF 변환은 파일 검증(file validation) 이후에 이루어져야 합니다. 또한 PDF를 렌더링하고 확인하는 것도 가치가 있는데, 구조적으로 유효한 오피스 파일이라 하더라도 텍스트 잘림, 예상치 못한 페이지 분할 또는 글꼴 대체(font substitutions)가 포함될 수 있기 때문입니다.

구성 요소들이 함께 작동하는 방식

일반적인 요청은 다음과 같을 수 있습니다:

첨부된 판매 스프레드시트를 가져와서 이번 달 실적을 요약하고, 3페이지 분량의 경영 보고서를 작성한 뒤, Word와 PDF 버전 모두를 반환해 줘.

그러면 에이전트(Agent)는 다음과 같은 구체적인 순서를 따를 수 있습니다:

1. 작업 디렉토리(working directory)에 첨부 파일을 저장합니다.
2. OfficeCLI를 사용하여 시트(sheets), 범위(ranges), 수식(formulas), 차트(charts)를 포함한 워크북(workbook)을 검사합니다.
3. 요청된 수치를 계산하거나 요약합니다.
4. OfficeCLI를 사용하여 회사 템플릿으로부터 Word 보고서를 생성합니다.
5. 워크북과 문서를 검증(validate)합니다.
6. LibreOffice를 사용하여 보고서를 PDF로 변환합니다.
7. 시각적 문제를 확인하기 위해 최종 파일을 렌더링(render)하거나 검사합니다.
8. 채팅창에 .docx 및 .pdf 파일을 반환합니다.

만약 사용자가 애니메이션이 포함된 경영 업데이트를 요청한다면, 에이전트는 승인된 수치와 서사(narrative)를 HyperFrames로 전달하여 MP4 또는 대화형 프레젠테이션을 반환할 수도 있습니다.

모델은 이 시스템의 일부분일 뿐입니다. 유용한 동작은 도구(tools), 워크플로(workflow), 그리고 출력물에 대한 검증(checks)에서 나옵니다.

파일 작업이 안정화되면 이메일 수신함을 추가하세요

핵심 파일 워크플로가 작동하기 시작하면, 이메일은 자연스러운 확장 기능이 됩니다.

에이전트는 권한이 부여된 수신함을 모니터링하여 Office 첨부 파일이 포함된 메시지를 식별하고, 요청을 요약하며, 처리된 파일이나 답장 초안을 준비할 수 있습니다. 예시는 다음과 같습니다:

• 공급업체의 업데이트된 가격표 확인
• 주간 Excel 보고서에서 수치 추출
• 회의 전 PowerPoint 첨부 파일 복구
• 서명되거나 승인된 문서를 PDF로 변환
• 완성된 파일이 첨부된 답장 초안 작성

처음에는 승인 후에 전송(sending behind approval)하는 방식을 유지하세요. 첨부 파일을 읽고, 파일을 준비하며, 답장 초안을 작성하는 것은 위험도가 낮은 자동화(low-risk automation)입니다. 외부 이메일을 전송하거나, 공유 문서를 교체하거나, 모호한 지침에 따라 행동하는 것은 소유자의 확인을 기다려야 합니다.

작은 에이전트가 신뢰하기 더 쉽습니다

이 스택은 범용적인 사무직 직원을 만들려고 시도하지 않습니다. 대신 하나의 에이전트에게 정의된 책임, 즉 일반적인 사무용 파일을 처리하고 사용 가능한 결과물을 반환하는 역할을 부여합니다.

경계는 명확합니다:

• OfficeCLI는 편집 가능한 Office 문서 작업을 담당합니다.
• HyperFrames는 애니메이션 및 모션 중심의 프레젠테이션 출력을 담당합니다.
• Hermes Agent는 오케스트레이션 (Orchestration), 컨텍스트 (Context), 채널 (Channels) 및 승인 (Approvals)을 담당합니다.
• LibreOffice는 PDF 변환을 담당합니다.

이러한 분리는 에이전트를 테스트하기 더 쉽게 만듭니다. 에이전트가 실제 업무를 처리하도록 허용하기 전에 각 도구를 개별적으로 검증할 수 있습니다.

직접 조립하고 싶다면 위의 저장소(Repositories)들이 주요 빌딩 블록을 제공합니다. 이미 연결되고 테스트된 도구들로 시작하고 싶다면, ClawMama의 즉시 사용 가능한 Office Agent를 통해 채팅 대화로부터 Word, Excel, PowerPoint 파일을 생성, 검사 및 복구할 수 있습니다.

매주 다루는 실제 문서 하나로 시작해 보세요. 신뢰할 수 있는 에이전트는 한 번에 파일 하나씩 더 많은 책임을 얻어 나가야 합니다.

저장소 요약:

• iOfficeAI/OfficeCLI: 에이전트를 위한 Word, Excel, PowerPoint 파일 작업.
• heygen-com/hyperframes: HTML 기반 프레젠테이션, 애니메이션 및 비디오 렌더링.
• NousResearch/hermes-agent: 에이전트 런타임 (Runtime), 스킬 (Skills), 도구 (Tools), 메모리 (Memory) 및 채팅 채널.
• LibreOffice/core: 여기서는 헤드리스 (Headless) PDF 변환을 위해 사용되는 오피스 제품군.