저자: 테크플로우 (techflowpost)
오랜 기다림 끝에 Eliza가 드디어 기술 백서를 발표했습니다.
많은 AI 에이전트가 Eliza 오픈소스 프레임워크를 기반으로 제작되고 있지만, Eliza 자체가 어떻게 정의되고 기술적으로 어떤 모습인지에 대해서는 자세하고 엄밀한 설명이 부족했습니다.
이번 백서는 Eliza가 AI와 Web3를 어떻게 깊이 융합시키고, 모듈화된 시스템 아키텍처를 설계했으며, 오픈소스 프레임워크로서의 기술적 구현 세부사항을 설명하는 좋은 답변이 되고 있습니다.
이 백서는 Shaw, Eliza Labs 멤버들, 그리고 관련 조직의 기술 인력들이 함께 작성했지만, 기술적 세부사항과 전문 개념이 많아 일반 독자에게는 다소 친화적이지 않을 수 있습니다.
테크플로우는 이를 쉽게 정리하고 요약하여, 누구나 쉽게 이해할 수 있도록 하고자 합니다.
1. 왜 Eliza를 만들었나?
주목할 점은 이 문제를 암호화폐 또는 Web3 영역 내에서 생각해야 한다는 것입니다. 즉, 다른 유사한 AI 프레임워크와 비교하는 것이 아니라, 이 영역에서 Eliza를 만든 이유가 무엇인지 입니다.
이 관점에서 볼 때, 기술 백서의 소개와 배경 부분에서 이 문제에 대한 좋은 답변을 제시하고 있습니다:
AI와 Web3의 교차점에는 명확한 공백이 존재했습니다. 즉, Web3 애플리케이션을 완벽하게 통합할 수 있는 에이전트 프레임워크가 부족했습니다.
구체적으로 백서는 Web3 영역에 다음과 같은 3가지 주요 과제가 있다고 지적합니다:
- 탈중앙화 거래의 복잡성: 이더리움, 솔라나, BASE 등 다양한 블록체인의 발전으로 자산 관리와 거래 실행이 점점 더 어려워지고 있습니다. 일부 거래 플랫폼이 있지만, 맞춤형 요구사항이 있는 중급 이상 사용자에게는 기본 기능이 부족합니다.
- 체인 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 담겨 있습니다. 이를 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)가 늘어나면서 정보가 점점 더 파편화되고 있습니다. 정보 홍수 속에서 가치 있는 통찰을 얻는 것이 모든 거래자의 공통된 과제입니다.
이러한 현실적 요구에 기반하여 Eliza가 등장했습니다. Eliza는 Web3 친화적인 최초의 오픈소스 AI 에이전트 운영 체제로, 모듈식 설계를 통해 개발자와 사용자가 자신의 요구에 맞게 솔루션을 구축할 수 있습니다.
Eliza는 일반 사용자도 고급 AI 기능을 쉽게 활용할 수 있도록 하며, 다른 AI 프레임워크와 비교했을 때 Web3 지원 수준이 가장 높다고 주장합니다.
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 개발은 주로 JavaScript/TypeScript로 이루어지므로, Eliza는 TypeScript를 개발 언어로 선택했습니다. 이를 통해 개발자들은 익숙한 도구를 사용할 수 있고, 기존 웹 애플리케이션에 블록체인 기능을 쉽게 통합할 수 있습니다. 즉, Web3 개발자들이 "가져다 쓸 수 있도록" 하는 것이 목표입니다.
모듈화 플러그인 설계 Eliza는 핵심 런타임과 4가지 핵심 구성요소로 시스템을 분해했습니다:
Adapter (데이터 어댑터)
Character (에이전트 성격)
Client (메시징 인터페이스)
Plugin (범용 기능)
이러한 설계를 통해 개발자는 핵심 런타임의 세부사항을 신경 쓰지 않고도 자신만의 플러그인, 클라이언트, 캐릭터, 어댑터를 자유롭게 추가할 수 있습니다. 이를 통해 Eliza는 OpenAI, Llama, Qwen 등 다양한 모델 제공업체, Twitter, Discord, Telegram 등 다양한 플랫폼 통합, 그리고 이더리움, 솔라나, TON 등 다양한 블록체인 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.
내부 강화 AI 모델의 사고 능력을 높이기 위해 Eliza는 다음과 같은 선진 기술을 통합했습니다:
Chain-of-Thoughts (사고 연쇄):
기술 정의: 단계적 설명 도입
통속적 이해: 수학 문제를 풀 때 과정을 써내는 것처럼, AI도 결과만 내놓는 것이 아니라 사고 과정을 단계적으로 보여줍니다. 이를 통해 결과의 정확성이 높아지고 사람들도 AI의 추론 과정을 이해할 수 있습니다.
Tree-of-Thoughts (사고 트리):
기술 정의: 다중 해결책 탐색 허용
통속적 이해: 체스를 둘 때 여러 가지 수를 고려하는 것처럼, AI도 동시에 여러 해결책을 탐색하고 최적의 것을 선택합니다. 이는 사고의 나무에서 가장 좋은 가지를 선택하는 것과 같습니다.
Graph-of-Thoughts (사고 그래프):
기술 정의: 추론 경로 연결
통속적 이해: 문제를 네트워크로 보고, 각 아이디어 간 연결고리를 만드는 것입니다. 복잡한 문제를 해결할 때 우리는 관련된 아이디어들을 연결하여 사고 지도를 만듭니다.
Layer-of-Thoughts (사고 레이어):
기술 정의: 계층적 추론 AI
통속적 이해: 필터와 같이 사고 과정을 다른 층위로 분리하는 것입니다. 우리가 문제를 해결할 때 먼저 큰 방향을 고려하고, 점차 세부사항으로 내려가는 것과 같습니다.
외부 확장 실제 문제 해결 능력을 높이기 위해 Eliza는 다양한 외부 기능을 통합했습니다:
RAG (Retrieval-Augmented Generation, 검색 강화 생성):
기술 정의: 검색을 통해 생성 능력 강화
통속적 이해: 학생이 숙제를 할 때 교과서를 참고하는 것처럼, AI도 질문에 답변할 때 자신의 "자료실"을 참고하여 더 정확한 답변을 제공할 수 있습니다.
벡터 데이터베이스:
기술 정의: 구조화된 데이터의 저장 및 검색
통속적 이해: AI의 "도서관"과 같은 역할을 합니다. 예를 들어 "달에 관한 시를 찾고 싶어요"라고 하면 관련 시를 빠르게 찾아낼 수 있습니다.
웹 검색:
기술 정의: 실시간 인터넷 정보 획득
통속적 이해: 사람처럼 AI도 웹을 검색하여 최신 정보를 얻을 수 있게 하는 것입니다. 고정된 지식 범위에 갇히지 않고 확장될 수 있습니다.
텍스트 to 이미지/비디오/3D 모델:
기술 정의: 텍스트 설명을 멀티미디어로 변환
통속적 이해: 화가가 텍스트 설명으로 그림을 그리듯이, AI도 텍스트 설명을 바탕으로 이미지, 동영상, 심지어 3D 모델을 생성할 수 있습니다.
与其他 Web3 领域的框架的对比
在当前的 Web3 AI 代理框架中, Eliza 展现出明显的优势。根据来自 50 多位 AI 研究人员和高级区块链开发者的反馈, Eliza 在以下关键指标上都优于其他框架
模型提供者的支持度
链兼容性情况
功能完整性情况
社交媒体集成情况
3.Eliza OS：一个精心打造的 Web3 AI 生态系统
在了解了 Eliza 的设计理念后, 让我们来看看这个框架究竟是如何运作的。可以把 Eliza 想象成一个精心设计的乐高积木系统, 每个部分都能完美配合, 又保持着极强的灵活性。
核心组件：五个关键角色
在 Eliza 的世界里, 五个核心组件相互配合, 构成了一个完整的智能系统。
Agents（代理）：系统的主角
它们就像一个个独立的"数字助手", 负责处理各种自主交互。每个代理都拥有自己的"记忆"和"性格", 能通过 Discord、Twitter 等不同渠道与用户进行连贯的对话和互动。
Character Files（角色配置）：代理的"人设"
要让这些代理富有个性, 就需要 Character Files（角色配置）的支持。这相当于代理的"个人简历", 不仅定义了其身份和个性特征, 还规定了它能使用哪些模型（如 OpenAI、Anthropic）, 以及可以执行哪些操作（如区块链交易、NFT 铸造）。通过精心设计的角色配置, 每个代理都能展现出独特的专业特长和行为方式。
Providers（提供者）：代理的"感知系统"
在与外界互动时, 代理需要 Providers（提供者）作为其"感知系统"。就像人类需要感官来感知世界一样, 提供者为代理提供市场数据、钱包详情、情绪分析等实时信息, 帮助它们更好地理解当前环境和上下文。
Actions（行动）：代理的"技能库"
当需要采取具体行动时, Actions（行动）就成为代理的"技能库"。从简单的买卖订单到复杂的 NFT 生成, 每个操作都经过严格的安全验证, 确保在处理金融相关任务时万无一失。这些技能让代理能够真正地在 Web3 世界中发挥作用。
Evaluators（评估器）：代理的"决策系统"
最后, Evaluators（评估器）则担任代理的"决策系统", 负责评估对话内容, 提取重要信息, 并帮助代理建立长期记忆。它不仅追踪目标完成进度, 还确保整个对话过程的连贯性。
智能交互：不只是简单的对话
在交互方面, Eliza 采用了多层次的理解系统, 就像一个经验丰富的翻译官, 不仅要理解字面意思, 还要理解说话的背景和意图。这个系统能够准确理解用户的真实需求, 在不同的通讯平台保持一致的体验, 并根据上下文灵活调整回应方式。
插件系统：无限扩展的可能
Eliza 的插件系统本质上是个工具箱, 为整个框架带来了强大的扩展性, 这种扩展体现在多媒体生成、Web3 集成和基础设施三个方向上:
- 在多媒体生成方面, 它能够生成图片、视频、3D 模型, 支持 NFT 系列的自动生成, 还提供图片描述和分析能力。
- 在 Web3 集成方面, 它支持以太坊、Solana 等多链操作, 提供完整的交易功能套件, 并集成各类 DeFi 操作。
- 在基础设施方面, 它提供了浏览器服务、文档处理、语音转文字等基础能力。
通过这种模块化的设计, Eliza 不仅保持了系统的稳定性, 还为开发者提供了近乎无限的扩展可能。这也使得 Eliza 能够适应 Web3 世界中不断涌现的新需求和新场景。
4.Eliza 的实力几何？从数据看真相
当一个新技术框架出现时, 大家最关心的往往是它的实际表现。Eliza 在这方面给出了一个坦诚的答案。
在 GAIA 基准测试（这是一个专门评估 AI 代理解决现实问题能力的测试平台）中, Eliza 展现出了不俗的实力。这个测试不是在考察简单的问答能力, 而是要求 AI 代理具备逻辑推理、多模态处理、网页浏览和工具使用等多项技能。
虽然在测试中, Eliza 的得分（19.42%）与当前最顶尖的方案还有一定差距, 但考虑到它是一个专注于 Web3 领域的框架, 这个成绩已经相当亮眼。特别是在基础任务的处理上（Level 1）, Eliza 达到了 32.21% 的完成率, 显示出其扎实的基础能力。
Web3 领域：开创性的标准制定者
更值得关注的是, Eliza 在 Web3 领域实际上扮演着"标准制定者"的角色。由于 Web3 导向的 AI 系统仍处于早期阶段, Eliza 率先提出了一个完整的评估标准体系, 为整个行业指明了发展方向。
这个评估体系分为三个层次, 白皮书把它叫做 Web3 AI 版本的 "图灵测试":
- 基础能力：包括钱包创建、代币交易、智能合约交互等基本操作
- 进阶功能：整合最新的 AI 技术, 如文本转视频/3D、RAG 支持等
- 高级特性：能够基于用户指令自主规划和推理, 实现真正的智能决策
目前, Eliza 已经成功实现了基础层次的全部功能, 并正在向进阶层次迈进。团队表示, 他们坚信在未来几年内, 将能够实现完全自主的 AI 代理系统。
5.实际应用：市场用真金白银投票
根据白皮书描述, 截至 2025 年 1 月, 已经有多个重要的 Web3 项目基于 Eliza 构建了他们的 AI 代理系统, 这些合作伙伴的总市值超过 200 亿美元。
这个数字或许本身就是市场对 Eliza 技术实力的最好背书。
更重要的是, Eliza 团队对未来充满信心。他们认为, 随着这些"智能代理"的不断进化, 我们将看到一个由多个 AI 单元协同工作的新时代。正如 Anthropic 的 CEO Dario Amodei 所说的"天才数据中心"愿景, Eliza 正在为这个未来铺平道路。
6.现存限制与未来展望：诚恳的自我剖析
任何技术框架都不可能十全十美, Eliza 团队在白皮书中也坦诚地指出了当前框架存在的局限性。
해결해야 할 3대 과제
워크플로우 시스템의 부재: 숙련된 조수에게 표준화된 워크플로우가 필요한 것처럼, 개발자가 일상적인 작업(예: 여러 소스에서 데이터를 정기적으로 통합)을 수행하려고 할 때 현재의 Eliza 프레임워크는 즉시 사용 가능한 솔루션을 제공하지 못합니다. 이러한 요구사항의 경우 Dify 또는 Coze와 같은 GUI 기반 워크플로우 시스템을 활용해야 할 수 있습니다.
다중 에이전트 시스템의 성능 문제. 에이전트 수가 늘어남에 따라 시스템이 처리해야 할 컨텍스트와 메모리 콘텐츠가 지수적으로 증가합니다. 특히 많은 입출력 작업을 처리할 때 계산 오버헤드와 실행 효율성 간의 균형을 어떻게 맞출지가 해결해야 할 기술적 과제입니다.
다국어 지원 확장 요구사항. 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 제한사항에도 불구하고, Eliza의 의미는 기술 프레임워크 자체를 넘어섭니다. 이는 AI 기술과 Web3 애플리케이션의 깊은 융합을 시도한 개척적인 사례입니다.
각 기능 모듈을 표준 TypeScript 프로그램으로 설계함으로써 Eliza는 사용자의 완전한 시스템 제어권을 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 Eliza도 계속 발전하며 탈중앙화 AI의 발전 방향을 이끌어 갈 것입니다.
