원문 작가: 테크플로우 (techflowpost)
마침내 Eliza가 오늘 자신들의 기술 백서를 발표했습니다.
많은 AI 에이전트가 Eliza 오픈소스 프레임워크를 기반으로 제작되고 있지만, Eliza가 자신을 어떻게 정의하고 있는지, 기술적으로 자세하고 엄격한 설명이 부족했습니다.
이 백서는 Eliza가 AI와 Web3를 깊이 융합시키는 방법, 모듈화된 시스템 아키텍처 설계, 그리고 오픈소스 프레임워크로서의 기술적 구현 세부사항을 설명하는 좋은 답변이 되고 있습니다.
이 백서는 Shaw, 다수의 Eliza Labs 구성원, 그리고 다른 관련 조직의 기술 전문가들이 공동으로 작성했지만, 기술적 세부사항과 전문 개념이 많이 포함되어 일반 독자에게는 친화적이지 않을 수 있습니다.
테크플로우는 이를 단순화하고 정제하여 일반적인 언어로 이 백서의 내용을 빠르게 이해할 수 있도록 했습니다.
1. 왜 Eliza를 만들었나?
주목할 점은 편집자가 생각하기에 전제는 범위를 한정하는 것 - 즉, 암호화 또는 Web3 분야에서 왜 Eliza를 만들었는지, 그리고 이 프레임워크를 더 넓은 범위의 유사 AI 프레임워크와 비교하지 않는다는 것입니다.
이 관점에 따르면, 기술 백서의 소개와 배경 부분에서 이 문제에 대해 잘 설명하고 있습니다:
AI와 Web3의 교차 영역에는 명확한 공백이 존재합니다: Web3 애플리케이션을 완벽하게 통합할 수 있는 에이전트 프레임워크가 부족합니다.
구체적으로 백서는 Web3 분야가 다음과 같은 3가지 주요 과제에 직면했다고 말합니다:
탈중앙화된 거래의 복잡성 이더리움(ETH), 솔라나(SOL), BASE 등 다양한 블록체인의 발전으로 자산 관리와 거래 실행이 점점 더 도전적이 되고 있습니다. 시장에는 거래 플랫폼이 있지만, 맞춤형 요구사항이 있는 중급 이상의 사용자에게는 기본 기능이 충분하지 않습니다.
온체인 데이터의 가치 발굴 블록체인에는 보유 지갑 변화, 토큰 가격, 시총 등 기본 지표부터 고래 계정 비율, 마켓메이킹 스타일 등 고급 지표까지 많은 가치 있는 정보가 포함되어 있습니다. 이러한 복잡한 데이터를 효과적으로 통찰력 있는 정보로 전환하는 것이 시급한 과제입니다.
소셜 미디어 정보의 파편화 Twitter, Discord, Farcaster 등 소셜 플랫폼은 Web3 업계에 중요한 정보 채널입니다. 하지만 의견 선도자(KOL)의 수가 늘어나면서 정보가 점점 더 파편화되고 있습니다. 정보 홍수 속에서 가치 있는 통찰력을 얻는 것이 모든 거래자의 일반적인 과제가 되었습니다.
바로 이러한 현실적인 요구에 따라 Eliza가 등장했습니다. Eliza는 최초의 오픈소스 Web3 친화형 AI 에이전트 운영 체제로, 모듈식 설계를 채택하여 개발자와 사용자가 자신의 요구에 맞는 솔루션을 구축할 수 있습니다.
Eliza는 일반 사용자가 고급 AI 기능을 사용할 수 있는 진입 장벽을 낮추고자 합니다. 프로그래밍 경험이 깊지 않더라도 자신만의 AI 에이전트를 구축할 수 있습니다.
또한 백서는 자신과 다른 AI 프레임워크를 비교했는데, 다음 표에서 볼 수 있듯이 Web3 지원 측면에서 Eliza가 가장 적합하다고 주장하고 있습니다. 이것이 전체 백서가 전달하고자 하는 핵심 메시지입니다.
2. Eliza의 설계 이념과 기술 혁신
3대 설계 원칙: 단순하지만 단순하지 않음
Eliza의 성공은 우연이 아닙니다. 설계 초기부터 팀은 3가지 핵심 원칙을 수립했습니다:
Web3 개발자 우선 Web3 개발이 주로 JavaScript/TypeScript로 이루어지는 점을 고려하여 Eliza는 TypeScript를 개발 언어로 선택했습니다. 이를 통해 개발자는 익숙한 도구를 사용할 수 있고, 현존하는 웹 애플리케이션에 블록체인 기능을 쉽게 통합할 수 있습니다. 즉, Web3 개발자가 "바로 사용할 수 있도록" 하는 것이 목표입니다.
모듈화 플러그인 설계 Eliza는 핵심 런타임과 4개의 핵심 구성 요소로 시스템을 분해했습니다:
Adapter (데이터 어댑터)
Character (에이전트 성격)
Client (메시지 상호 작용)
Plugin (범용 기능)
이러한 설계를 통해 개발자는 핵심 런타임의 세부 사항을 신경 쓰지 않고도 자신만의 플러그인, 클라이언트, 캐릭터, 어댑터를 자유롭게 추가할 수 있습니다. 이를 통해 Eliza는 OpenAI, Llama, Qwen 등 다양한 모델 공급업체, Twitter, Discord, Telegram 등 다양한 플랫폼 통합, 그리고 이더리움(ETH), 솔라나(SOL), Ton 등 다양한 체인 호환성을 지원할 수 있습니다.
단순함을 추구하되 복잡하지 않음:
제한된 엔지니어링 자원 하에서, 내부 구현의 단순성을 유지하면 새로운 기능 개발, 새로운 시나리오 적응, AI 및 Web3 분야의 빠른 발전 속도를 따라갈 수 있습니다.
기술 혁신: 내부 강화와 외부 확장
구체적인 구현에서 Eliza의 혁신은 내부 강화와 외부 확장의 두 가지 차원으로 이루어집니다.
1. 내부 강화 AI 모델의 사고 능력을 높이기 위해 Eliza는 다음과 같은 선진 기술을 통합했습니다:
Chain-of-Thoughts (사고 연쇄):
기술 정의: 단계적 설명 도입
일반적 이해: 수학 문제를 풀 때 과정을 써내는 것처럼, AI도 결론을 바로 내놓는 것이 아니라 사고 과정을 단계별로 작성합니다. 이렇게 하면 결과가 더 정확하고 사람들도 AI가 어떻게 결론에 도달했는지 이해할 수 있습니다.
Tree-of-Thoughts (사고 트리):
기술 정의: 다중 해결책 탐색 허용
일반적 이해: 체스를 둘 때 여러 가지 수를 고려하는 것처럼, AI도 동시에 여러 가지 해결책을 탐색하고 최적의 것을 선택합니다. 이것은 사고의 나무에서 가장 좋은 가지를 선택하는 것과 같습니다.
Graph-of-Thoughts (사고 그래프):
기술 정의: 추론 경로 연결
일반적 이해: 문제를 하나의 네트워크로 보고, 각 아이디어 간의 관계를 연결하는 것입니다. 복잡한 문제를 해결할 때 우리가 관련된 아이디어들을 연결하여 사고 지도를 만드는 것과 같습니다.
Layer-of-Thoughts (사고 계층):
기술 정의: 계층적 추론 AI
일반적 이해: 필터와 같이 사고 과정을 다른 층위로 나누는 것입니다. 우리가 문제를 해결할 때 먼저 큰 방향을 고려하고 점차 세부 사항으로 내려가는 것과 같습니다.
2. 외부 확장 실제 문제 해결 능력을 높이기 위해 Eliza는 다양한 외부 기능을 통합했습니다:
RAG (Retrieval-Augmented Generation):
기술 정의: 검색을 통해 생성 능력 강화
일반적 이해: 학생이 숙제를 할 때 교과서를 참고하는 것처럼, AI도 질문에 답변할 때 자신의 "데이터베이스"를 참고하여 더 정확한 답변을 제공할 수 있습니다.
벡터 데이터베이스:
기술 정의: 구조화된 데이터의 저장 및 검색
일반적 이해: AI의 "도서관"과 같은 역할을 하며, 유사한 내용을 빠르게 찾을 수 있습니다. 예를 들어 "달에 관한 시를 찾고 싶어요"라고 하면 관련된 모든 시를 빠르게 찾아줄 수 있습니다.
웹 검색:
기술 정의: 실시간 인터넷 정보 획득
일반적 이해: AI가 사람처럼 인터넷을 검색하여 최신 정보를 얻을 수 있게 해줍니다. 고정된 지식 범위에 국한되지 않습니다.
텍스트를 이미지/비디오/3D 모델로 변환:
<모델 제공자의 지원도> <체인 호환성 상황> <기능 완전성 상황> <소셜 미디어 통합 상황>
3. Eliza OS: 정성스럽게 만든 Web3 AI 생태계
Eliza의 설계 이념을 이해한 후, 이 프레임워크가 어떻게 작동하는지 살펴보겠습니다. Eliza를 정교하게 설계된 레고 블록 시스템으로 생각할 수 있습니다. 각 부분이 완벽하게 맞물리면서도 매우 유연합니다.
핵심 구성 요소: 다섯 가지 핵심 역할
Eliza의 세계에서 다섯 가지 핵심 구성 요소가 상호 작용하여 완전한 지능형 시스템을 구성합니다.
그들은 독립적인 "디지털 비서"와 같은 역할을 하며, 다양한 자율 상호 작용을 처리합니다. 각 에이전트는 자신만의 "기억"과 "성격"을 가지고 있어, Discord, 트위터 등 다양한 채널을 통해 사용자와 일관된 대화와 상호 작용을 할 수 있습니다.
이러한 에이전트들을 개성 있게 만들려면 Character Files(캐릭터 파일)의 지원이 필요합니다. 이는 에이전트의 "이력서"와 같아서, 그들의 정체성과 성격 특성을 정의할 뿐만 아니라 어떤 모델(예: OpenAI, Anthropic)을 사용할 수 있고 어떤 작업(예: 블록체인 거래, NFT 발행)을 수행할 수 있는지 규정합니다. 정성스럽게 설계된 캐릭터 파일을 통해 각 에이전트는 고유한 전문성과 행동 방식을 보여줄 수 있습니다.
외부와 상호 작용할 때 에이전트에게는 Providers(제공자)가 "감각 시스템"으로 필요합니다. 인간이 감각기관으로 세계를 인지하듯이, 제공자는 에이전트에게 실시간 시장 데이터, 지갑 정보, 감정 분석 등의 정보를 제공하여 현재 환경과 상황을 더 잘 이해할 수 있게 해줍니다.
구체적인 행동을 취해야 할 때 Actions(행동)이 에이전트의 "기술 라이브러리"가 됩니다. 단순한 매매 주문부터 복잡한 NFT 생성까지, 각 작업은 엄격한 보안 검증을 거쳐 금융 관련 작업 시 완벽한 안전성을 보장합니다. 이러한 기술로 에이전트는 Web3 세계에서 실제로 역할을 할 수 있습니다.
마지막으로 Evaluators(평가자)는 에이전트의 "의사 결정 시스템"으로, 대화 내용을 평가하고 중요 정보를 추출하며 에이전트의 장기 기억을 구축합니다. 목표 달성 진행 상황을 추적할 뿐만 아니라 전체 대화 과정의 일관성을 보장합니다.
지능형 상호 작용: 단순한 대화 이상
상호 작용 측면에서 Eliza는 다층적 이해 시스템을 사용합니다. 마치 경험 많은 통역관처럼 문자 그대로의 의미뿐만 아니라 말하는 배경과 의도까지 이해합니다. 이 시스템은 사용자의 실제 요구를 정확하게 이해하고, 다양한 통신 플랫폼에서 일관된 경험을 제공하며, 상황에 따라 유연하게 대응할 수 있습니다.
플러그인 시스템: 무한한 확장 가능성
Eliza의 플러그인 시스템은 본질적으로 도구 상자이며, 이를 통해 강력한 확장성을 제공합니다. 이러한 확장성은 멀티미디어 생성, Web3 통합, 기반 시설 등 세 가지 방향으로 나타납니다:
- 멀티미디어 생성 측면에서 이미지, 동영상, 3D 모델 생성을 지원하고 NFT 시리즈의 자동 생성과 이미지 설명 및 분석 기능을 제공합니다.
- Web3 통합 측면에서 이더리움, 솔라나 등 다양한 체인 작업을 지원하고 완벽한 거래 기능 세트와 DeFi 작업을 제공합니다.
- 기반 시설 측면에서 브라우저 서비스, 문서 처리, 음성-텍스트 변환 등의 기본 기능을 제공합니다.
이러한 모듈식 설계를 통해 Eliza는 시스템의 안정성을 유지하면서도 개발자에게 거의 무한한 확장 가능성을 제공합니다. 이를 통해 Eliza는 Web3 세계에서 끊임없이 등장하는 새로운 요구와 시나리오에 적응할 수 있습니다.
4. Eliza의 실력은 어떨까? 데이터로 본 진실
새로운 기술 프레임워크가 등장하면 사람들은 주로 그 실제 성과에 관심을 가집니다. Eliza도 이 부분에 대해 솔직한 답변을 제시했습니다.
GAIA 벤치마크 테스트(AI 에이전트의 현실 문제 해결 능력을 평가하는 전용 테스트 플랫폼)에서 Eliza는 괄목할 만한 실력을 보여주었습니다. 이 테스트는 단순한 문답 능력이 아니라 논리적 추론, 멀티모달 처리, 웹 탐색, 도구 사용 등 다양한 기술을 요구합니다.
비록 테스트에서 Eliza의 점수(19.42%)가 현재 최고 수준의 솔루션과 차이가 있지만, Web3 분야에 특화된 프레임워크라는 점을 고려하면 이 성과는 매우 인상적입니다. 특히 기본 작업 처리(Level 1)에서 32.21%의 완수율을 달성한 것은 Eliza의 견고한 기본 역량을 보여줍니다.
Web3 분야: 개척자적 표준 수립자
더 주목할 만한 것은 Eliza가 Web3 분야에서 "표준 수립자" 역할을 하고 있다는 점입니다. Web3 지향 AI 시스템이 아직 초기 단계이기 때문에, Eliza는 완전한 평가 기준 체계를 최초로 제시하여 업계 전체의 발전 방향을 제시했습니다.
이 평가 체계는 3단계로 구성되며, 백서에서는 이를 Web3 AI 버전의 "튜링 테스트"라고 부릅니다:
<기본 기능: 지갑 생성, 토큰 거래, 스마트 계약 상호 작용 등 기본 작업>
<고급 기능: 최신 AI 기술 통합, 텍스트-비디오/3D 변환, RAG 지원 등>
<고도 기능: 사용자 지시에 따라 자율적으로 계획하고 추론하여 진정한 지능적 의사 결정 구현>
현재 Eliza는 기본 단계의 모든 기능을 성공적으로 구현했으며, 고급 단계로 나아가고 있습니다. 팀은 향후 몇 년 내에 완전히 자율적인 AI 에이전트 시스템을 실현할 수 있을 것이라고 확신하고 있습니다.
5. 실제 적용: 시장이 진짜 돈으로 투표
원래 백서에는 코드 시연 섹션이 있어 현재 이 프레임워크로 만들 수 있는 실제 애플리케이션을 보여줍니다. 그러나 이해하기 어려운 기술 세부 사항을 고려하여 여기서는 생략하고 더 거시적인 실제 적용 상황만 소개하겠습니다.
백서에 따르면 2025년 1월 기준, 여러 중요한 Web3 프로젝트가 Eliza를 기반으로 자신들의 AI 에이전트 시스템을 구축했으며, 이들 협력 파트너의 총 시가총액은 200억 달러를 넘습니다.
이 숫자 자체가 Eliza 기술력에 대한 시장의 최고 인증이라고 할 수 있습니다.
더 중요한 것은 Eliza 팀이 미래에 대해 자신감을 가지고 있다는 점입니다. 그들은 이러한 "지능형 에이전트"가 계속 진화함에 따라 여러 AI 단위가 협력하는 새로운 시대가 도래할 것이라고 믿고 있습니다. Anthropic의 CEO Dario Amodei가 말한 "천재 데이터 센터" 비전에서 Eliza가 그 길을 열고 있습니다.
6. 현재 한계와 미래 전망: 솔직한 자기 분석
어떤 기술 프레임워크도 완벽할 수는 없습니다. Eliza 팀도 백서에서 현재 프레임워크의 한계를 솔직히 지적했습니다.
해결해야 할 3대 과제
<작업 흐름 시스템의 부재: 숙련된 비서가 표준화된 작업 흐름이 필요하듯이, 개발자가 일상적인 작업(예: 다양한 소스에서 데이터 정기적으로 통합)을 구현하려면 Eliza 프레임워크에 아직 준비된 솔루션이 없습니다. 이러한 요구에는 Dify나 Coze와 같은 그래픽 인터페이스 기반 워크플로 시스템이 도움이 될 수 있습니다.>
<다중 에이전트 시스템의 성능 문제: 에이전트 수가 늘어나면 처리해야 할 상황 정보와 기억 내용이 지수적으로 증가합니다. 특히 대량의 입출력 작업을 처리할 때 계산 비용과 실행 효율성을 균형 있게 관리하는 것이 여전히 해결해야 할 기술적 과제입니다.>
<다국어 지원 확장 요구: 현재 Eliza는 주로 TypeScript 기반이지만, 더 많은 개발자를 유치하려면 Python, Rust 등 다른 프로그래밍 언어에 대한 지원을 확장해야 합니다.>전망: 탈중앙화 AI 새 시대 개막
이러한 제한이 있음에도 불구하고, Eliza의 의미는 기술 프레임워크 자체를 넘어섰습니다. 이는 AI 기술과 Web3 애플리케이션의 깊은 융합을 시도한 개척적인 사례를 나타냅니다.
각 기능 모듈을 표준 TypeScript 프로그램으로 설계함으로써 Eliza는 사용자의 완전한 시스템 통제권을 보장합니다. 또한 블록체인 데이터 및 스마트 계약과의 seamless 통합 기능을 제공합니다. 이러한 설계는 보안성을 보장하면서도 뛰어난 확장성을 유지합니다.
백서 결론에서 언급했듯이, Eliza의 가능성은 사용자의 상상력에 의해서만 제한됩니다. AI와 Web3 기술이 지속적으로 발전함에 따라 Eliza 또한 계속 발전하며 탈중앙화 AI의 발전 방향을 선도할 것입니다.
