변호사, 마케터, 프로덕트 매니저—Xiaomi의 혁신적인 에이전트 제품 SoloEngine: 모두가 크리에이터가 되는 시대

6월 3일, Xiaomi는 자사의 오픈 소스 프로젝트인 SoloEngine의 최신 버전을 출시했습니다. 이는 최초의 로우코드 (low-code) 에이전틱 AI (Agentic AI) 개발 플랫폼입니다.

AIGC2026 서밋에서 Amazon Web Services는 놀라운 통계를 공개했습니다. 기업의 87%가 AI를 도입했다고 주장하지만, 실제로 AI로부터 실질적인 가치를 추출한 기업은 10%에 불과하다는 것입니다. 현재의 에이전트 산업 체인은 양 끝단은 뜨겁지만 중간은 비어 있는 기묘한 패턴을 보이고 있습니다. 업스트림 (upstream)의 파운데이션 모델 (foundation models)과 칩 (chips)은 자본을 끌어모으고, 다운스트림 (downstream)의 유스케이스 (use-case) 수요는 강력합니다. 하지만 미드스트림 (midstream)에는 도메인 전문 지식을 신뢰할 수 있는 에이전트로 변환할 수 있는 엔지니어링 플랫폼이 부족합니다.

이러한 격차가 발생하는 이유는 구체적입니다. 현재 AI 에이전트를 구축하는 방법은 두 가지로 나뉩니다. 하나는 로우코드 워크플로 (low-code workflow) 플랫폼입니다. Dify와 n8n은 사용자가 노드 (nodes)를 드래그 앤 드롭하여 AI 애플리케이션을 빠르게 조립할 수 있는 시각적 캔버스를 제공합니다. 하지만 워크플로는 미리 설정된 경로에 의존합니다. 즉, 단계 A가 단계 B로 이어지고, 단계 B가 단계 C로 이어지며, if/else 조건문이 분기를 제어하는 방식입니다. 설정된 범위를 벗어나는 상황이 발생하면 흐름이 끊어집니다. 기껏해야 AI 기반의 매크로 스크립트 (macro scripts) 역할을 수행할 뿐입니다. 다른 하나는 코드 기반 개발 프레임워크 (code-based development frameworks)입니다. LangChain과 CrewAI는 에이전트가 자율적인 결정을 내리고 전략을 동적으로 조정할 수 있는 진정한 에이전틱 AI (Agentic AI) 아키텍처를 지원합니다. 하지만 이를 위해서는 Python 프로그래밍 기술이 필요합니다. 변호사가 법률 에이전트를 만들기 위해 Python을 배워야 하고, CMO가 마케팅 에이전트 팀을 구성하기 위해 CrewAI 환경을 설정해야 합니다.

로우코드 플랫폼은 진정한 자율적 의사결정을 지원하지 않습니다. 코드 프레임워크는 프로그래머들만 접근할 수 있습니다. SoloEngine은 바로 이 격차를 메웁니다.

I. SoloEngine: 모두를 크리에이터로 만들기

브라우저를 엽니다. 캔버스(canvas) 위로 에이전트(Agents)를 드래그합니다. 협업 관계를 연결합니다. 필요한 도구들을 설정합니다. 실행 버튼을 누릅니다. 백엔드(backend)가 사용자의 설계를 실행 가능한 에이전트 AI (Agentic AI) 시스템으로 자동 컴파일합니다. 이 시스템은 작업을 계획하고, 작업을 수행하며, 결과를 전달합니다. 사용자는 그저 검토하고 확인하기만 하면 작업이 완료됩니다. 코드 한 줄도 필요 없고, 설정해야 할 if/else 로직도 없습니다.

각 에이전트는 "생각(think) → 행동(act) → 관찰(observe) → 반복(repeat)"의 ReAct 루프를 실행하며, 모든 결정은 런타임(runtime) 시점에 동적으로 이루어집니다. 법률 AI (legal AI)에서의 계약서 검토를 예로 들어보겠습니다. 에이전트는 미리 설정된 체크리스트를 항목별로 따라가지 않습니다. 먼저 고위험 조항을 식별하고, 경업 금지 조항이 모호하다는 것을 발견하면, 스스로 관련 판례를 검색하고, 발견한 내용에 따라 검토 방향을 조정합니다. 미리 정해진 경로는 없습니다. 모든 단계는 이전 단계의 결과에 의해 동적으로 결정됩니다.

두 가지 대조적인 접근 방식은 SoloEngine이 나아가는 방향을 명확히 보여줍니다.

2026년 초, Manus는 "세계 최초의 범용 AI 에이전트 (general-purpose AI Agent)"로 자리매김하며 입소문을 탔고, 초대 코드가 한때 5만 위안에 재판매되기도 했습니다. 50개의 공식 테스트 케이스 중 87%가 정보 수집 및 기본 분석에 집중되어 있었고, 자동화된 보고서는 43%의 확률로 수동 검토가 필요했으며, 중간 단계 오류율은 약 12%였습니다. Manus와 2026년 초 화제가 되었던 OpenClaw 모두 모든 것을 할 수 있는 범용주의(generalist) 경로에 올인했지만, 깊이의 부족으로 인해 실제 프로덕션(production) 환경에서 사용하기는 어려웠습니다.

Claude Code, Cursor, 그리고 ByteDance의 Trae와 같은 도구들은 그 반대 극단인 수직적(vertical) 경로를 나타냅니다. IDE 내에서의 단 한 번의 프롬프트(prompt)로 AI가 전체 개발 라이프사이클(development lifecycle)을 처리하며 매우 효율적이지만, 이는 개발자 전용 도구로서 변호사나 마케터에게 훌륭한 결과를 제공하지는 못합니다.

SoloEngine은 수직적 접근 방식(vertical approach)을 취하되, 한 가지 차별점을 더했습니다. 바로 모든 산업 분야의 도메인 전문가(domain experts)가 자신의 에이전트(Agent)가 무엇을 할지, 어떻게 수행할지, 그리고 어떤 도구를 사용할지를 직접 정의할 수 있게 한다는 점입니다. 변호사의 에이전트는 오직 법률 업무만을 처리합니다. 마케터의 에이전트는 오직 마케팅 업무만을 처리합니다. 즉, 수직적이고 정밀합니다.

멀티 에이전트 협업(Multi-Agent collaboration)은 또 다른 핵심 설계 요소입니다. 여러 에이전트가 동일한 작업을 독립적으로 처리한 후, 각자의 출력값을 상호 검증(cross-verify)합니다. 한 에이전트의 사각지대를 다른 에이전트가 포착하고, 한 에이전트의 판단 편향(judgment bias)을 다른 에이전트가 수정합니다. Bloomberg Law의 조사에 따르면 실제로 AI 에이전트를 사용해 본 변호사는 5%에 불과하며, 이들의 핵심 우려 사항은 AI 출력의 정확성입니다. 멀티 에이전트 상호 검증은 이러한 우려를 직접적으로 해결합니다.

통합 적응 계층(unified adaptation layer)은 OpenAI, Anthropic, Ollama, DeepSeek, Tongyi Qianwen, Zhipu 및 기타 주요 모델을 아우릅니다. 하나의 인터페이스로 원활한 전환이 가능하며, 특정 모델 벤더에 종속(lock-in)되지 않습니다. 핫스왑(Hot-swappable) 설계와 점진적 공개(progressive disclosure) 방식을 통해 도구, 스킬(Skills), MCP 프로토콜을 필요할 때만 로드하여 토큰 소비량을 85% 이상 절감합니다.

조립된 에이전트 팀은 누구나 즉시 사용할 수 있도록 원클릭 패키징을 통해 완전한 제품으로 구성될 수 있습니다. 변호사가 패키징한 법률 에이전트는 동료 전문가들에게 판매될 수 있습니다. 마케팅 팀이 패키징한 마케팅 에이전트는 팀 전체에 배포되어 100개 이상의 클라이언트를 지원할 수 있습니다.

	Dify/n8n	LangChain/CrewAI	SoloEngine
진정한 에이전트 AI 지원 (True Agentic AI support)	✗ 사전 설정된 경로의 워크플로우만 가능	✓ ReAct / 멀티 에이전트	✓ ReAct / 멀티 에이전트
...

II. 세 가지 산업, 세 가지 변화

법률. Wolters Kluwer의 2026년 조사에 따르면 법률 전문가의 92%가 일상 업무에서 최소 하나 이상의 AI 도구를 사용하고 있습니다. 하지만 Bloomberg Law의 데이터는 변호사의 단 5%만이 실제로 AI 에이전트를 사용해 보았음을 보여줍니다. 대다수는 에이전트가 실질적인 법률 업무를 자율적으로 처리하게 하기보다는, 이메일 초안 작성이나 문서 서식 지정과 같은 기본적인 텍스트 처리 용도로 AI를 사용하고 있습니다.

SoloEngine을 통해 변호사는 자신만의 에이전트 (Agent) 팀을 구축할 수 있습니다. 캔버스 위에 "사건 파일 분석 에이전트 (Case File Analysis Agent)", "법률 조항 검색 에이전트 (Legal Statute Search Agent)", "판례 편집 에이전트 (Case Precedent Compilation Agent)", "논거 분석 에이전트 (Argument Analysis Agent)", 그리고 "문서 에이전트 (Document Agent)"를 끌어다 놓고, 이들의 협업 관계를 연결한 뒤 실행 버튼을 누르기만 하면 됩니다. 멀티 에이전트 (Multi-Agent) 교차 검증을 통해 결과물이 전달되기 전 여러 에이전트에 의해 검증됩니다. 이 모든 과정은 완전한 노코드 (Zero-code)로 이루어집니다.

마케팅 (Marketing). 기업 마케팅 팀의 34%가 이미 최소 하나 이상의 자율 에이전트 (Autonomous Agent)를 실무에 운용하고 있으며, 이는 6개월 전 수치보다 두 배 이상 증가한 것입니다. 하지만 마케터의 87%는 시장 분석, 경쟁사 조사, 전략 수립을 자율적으로 처리할 수 있는 에이전트 팀을 구축하기보다는, 여전히 기본적인 텍스트 다듬기나 이메일 초안 작성 용도로만 AI를 사용하고 있습니다.

SoloEngine은 마케터가 자신만의 팀을 구축할 수 있게 해줍니다. 캔버스에 "타겟 분석 에이전트 (Audience Analysis Agent)", "경쟁사 조사 에이전트 (Competitive Research Agent)", "전략 작성 에이전트 (Strategy Writing Agent)", 그리고 "카피 생성 에이전트 (Copy Generation Agent)"를 끌어다 놓고 실행하면, 완성된 마케팅 계획이 자동으로 전달됩니다.

1인 기업 (One-Person Companies, OPCs). 전국적으로 1인 유한회사가 1,600만 개를 돌파하며 전체 기업의 27.4%를 차지했습니다. 2026년은 20개 이상의 도시가 전용 OPC 지원 정책을 내놓으면서 "1인 기업의 해"로 불리고 있습니다. 이 그룹의 핵심 니즈는 "1인 + AI = 완전한 기업"입니다. SoloEngine의 원클릭 패키징 기능을 통해 OPC 창업자들은 에이전트 팀을 구축하고 이를 판매 가능한 제품으로 직접 패키징할 수 있습니다.

SoloEngine의 포지셔닝: 워크플로 (Workflow) 없음. 오케스트레이션 (Orchestration) 코드 없음. 그저 일을 완수하는 에이전트 (Agents)만 있을 뿐입니다.

프로그래머부터 변호사, 엔지니어부터 마케터까지—모두가 자신만의 에이전트 팀을 구축할 수 있습니다. GitHub에서 SoloEngine을 방문하여 첫 번째 에이전트를 구축해 보세요.