작성자: Satou & Shigeru
암호화폐와 AI 에이전트의 결합은 현재 가장 주목받는 주제 중 하나가 되었습니다. 기술의 지속적인 발전과 혁신에 따라 AI 에이전트는 2025년까지 암호화폐 분야에서 가장 발전 가능성이 크고 관심을 받는 분야 중 하나가 될 것으로 예상되며, 이번 시장 흐름의 핵심 동력이 될 것입니다. 본 기사는 프레임워크, 밈(meme), 그리고 애플리케이션의 세 가지 측면에서 현재 AI 에이전트의 시장 현황을 정리하고 있습니다.
AI 에이전트 프레임워크: AI 분야의 Layer1
AI 에이전트 프레임워크는 AI 에이전트의 핵심 기술 기반 레이어입니다. 이 프레임워크는 AI 에이전트의 개발, 배포, 협업을 위한 중요한 기반을 마련합니다. 따라서 현재 AI 에이전트 프레임워크에 대한 경쟁과 쟁탈전은 사실상 이 분야의 Layer1에 대한 경쟁이라고 할 수 있습니다. 현재 토큰 시가총액 기준으로 G.A.M.E, Eliza, Swarms가 3강 구도를 형성하고 있으며, Rig, ZerePy도 추격할 기회가 있습니다.
1. G.A.M.E
G.A.M.E는 Virtuals 팀이 개발한 프레임워크로, 모듈화 설계를 채택하여 여러 하위 시스템이 협력하여 AI 에이전트의 행동, 의사결정, 학습 과정을 공동 제어하도록 설계되었습니다. 이러한 모듈에는 개발자와 에이전트 행동 간 주요 인터페이스인 "Agent Prompting Interface", 입력 데이터를 적절한 형식으로 변환하는 "Perception Subsystem", 입력 정보를 기반으로 구체적인 행동 계획을 생성하는 "Strategic Planning Engine" 등이 포함됩니다. 사용자는 각 모듈의 매개변수만 수정하면 에이전트 설계에 참여할 수 있습니다.
G.A.M.E의 핵심 특징은 다음과 같습니다:
모듈화 설계: 전체 프레임워크가 명확하고 이해하기 쉬우며 추가 설계가 필요하지 않습니다.
저코드 또는 무코드 인터페이스 제공: 기술 장벽을 크게 낮추었습니다.
이러한 특징으로 인해 G.A.M.E는 빠른 배포와 복잡한 기술 설정에 관심이 없는 프로젝트에 특히 적합합니다. 그러나 에이전트의 각 부분을 깊이 있게 사용자 정의하거나 완전히 제어해야 하는 복잡한 프로젝트에는 적합하지 않습니다.
2. Eliza
Eliza는 ai16z가 개발한 오픈소스 다중 에이전트 프레임워크로, TypeScript를 프로그래밍 언어로 사용합니다. 이 프레임워크는 Agent Runtime이라는 시스템을 중심으로 구축되며, 핵심 기능은 다음과 같습니다:
역할 시스템: 개성화된 다수의 AI 에이전트를 동시에 배포 및 관리할 수 있으며, 모델 제공업체가 지원합니다.
메모리 관리자: 검색 증강 생성 시스템(RAG)을 통해 장기 메모리와 상황 인식 메모리 관리 기능을 제공합니다.
액션 시스템: 원활한 플랫폼 통합을 제공하며, X 등의 소셜 미디어 플랫폼과 안정적으로 연결할 수 있습니다.
Eliza는 Agent runtime 시스템을 중심으로 구축되어 역할 시스템, 메모리 관리자, 액션 시스템과 seamless하게 통합됩니다. Eliza는 또한 모듈식 기능 확장 플러그인 시스템을 지원하여 음성, 텍스트, 미디어 등 다중 모달 상호작용을 구현할 수 있으며 Llama, GPT-4, Claude 등의 AI 모델과 호환됩니다. 따라서 Eliza는 깊이 있는 맞춤형 솔루션과 복잡한 cross-platform 다중 에이전트가 필요한 프로젝트에 적합합니다.
3. Swarms
Swarms는 창립자 Kye Gomez가 개발한 오픈소스 다중 에이전트 오케스트레이션 프레임워크로, 여러 AI 에이전트의 협업을 통해 복잡한 문제를 해결하는 것을 핵심 아이디어로 합니다. 주요 특징은 다음과 같습니다:
다중 에이전트 협업: Swarms는 다양한 에이전트에게 투명하고 추적 가능한 환경을 제공하여 서로 협력하고 과제 수행 효율을 높일 수 있습니다.
인센티브 메커니즘: Swarms는 토큰을 에이전트의 인센티브 수단으로 사용하며, 과제의 난이도와 최종 결과의 품질에 따라 동적으로 토큰을 배분합니다.
데이터 보안: Swarms는 분산 저장 및 다자간 안전 계산(MPC) 기술을 사용하여 에이전트 간 데이터 교환 시 프라이버시와 데이터 보안을 보장합니다.
Swarms의 이러한 특징은 다양한 복잡한 분야에서 장점을 발휘하여 요구사항에 따라 높은 신뢰성과 확장성을 제공할 수 있습니다.
4. Rig
Rig은 ARC 팀이 개발한 Rust 기반의 오픈소스 프레임워크로, 대규모 언어 모델(LLM) 애플리케이션 개발을 단순화하기 위해 설계되었습니다. Rig 프레임워크의 특징은 다음과 같습니다:
통일된 인터페이스: OpenAI, Anthropic 등 다양한 LLM 공급업체와 MongoDB, Neo4j 등 다양한 벡터 저장소와의 원활한 상호작용을 위한 일관된 인터페이스를 제공합니다.
모듈화 아키텍처: 프레임워크는 "공급업체 추상화 계층", "벡터 저장소 통합", "에이전트 시스템" 등의 핵심 구성 요소로 이루어진 모듈화 설계를 채택하여 시스템의 유연성과 확장성을 높였습니다.
타입 안전성과 높은 성능: Rust 언어를 사용하여 컴파일 시 오류를 방지하는 타입 안전성을 구현하고, 비동기 작업을 통해 병렬 처리 능력을 높였습니다. 또한 내장된 고효율 직렬화 및 역직렬화 프로세스를 통해 데이터 처리를 최적화했습니다.
오류 처리 및 복구: 내장된 오류 처리 메커니즘을 통해 LLM 서비스 공급업체 또는 데이터베이스 장애에 대한 복구 능력을 높여 프레임워크의 안정성을 보장합니다.
이러한 특징으로 인해 다양한 LLM 모델과 저장 백엔드를 동일한 플랫폼에 쉽게 통합할 수 있습니다. 따라서 Rig은 Rust로 AI 애플리케이션을 구축하려는 개발자와 성능, 신뢰성, 보안성이 높은 프로젝트에 적합합니다. 다만 Rust 언어 자체의 학습 비용이 있습니다.
5. ZerePy
ZerePy는 Python으로 작성된 오픈소스 프레임워크입니다. ZerePy는 개인화된 AI 에이전트의 개발 및 배포 프로세스를 단순화하는 데 중점을 두고 있으며, 특히 소셜 플랫폼에서의 콘텐츠 창작 애플리케이션 시나리오에 적합합니다. 이 프레임워크를 통해 개발자는 소셜 미디어에서 게시, 답변, 좋아요, 리트윗할 수 있는 AI 에이전트를 쉽게 만들 수 있습니다. 또한 ZerePy는 음악, 메모, NFT, 디지털 아트 등 창의적 분야에도 특히 적합합니다. ZerePy는 창의성 면에서 뛰어나며 가벼운 에이전트를 빠르게 배포하는 데 적합하지만, 다른 프레임워크에 비해 적용 범위가 상대적으로 좁습니다.
기본 프레임워크는 AI 에이전트 분야의 중요한 방향입니다. 현재 가장 인기 있는 프레임워크들은 각각 고유한 특징을 가지고 있으며, 적용 분야도 다릅니다. 하지만 이들의 궁극적인 목표는 종합적인 AI 에이전트 생태계를 구축하여 대규모 지능형 에이전트 응용의 견고한 플랫폼이 되는 것입니다. 향후 이러한 프레임워크들이 지속적으로 발전하면서 다양한 프로젝트의 시작점이 되고, 다양한 토큰 가치 증가의 토대가 될 것입니다.
AI 밈: AI 에이전트의 첫 번째 성공적인 등장
밈 코인은 암호화폐 시장에서 중요한 개념 섹터 중 하나였습니다. 기존 밈 코인과 달리 AI 밈은 AI 에이전트에 의해 구동되며, 그 뒤에 있는 문화나 현상도 에이전트가 표현합니다. GOAT, FARTCOIN 등 AI 밈 코인의 시가총액이 지속적으로 증가하면서 AI 밈도 점점 더 주목받고 있습니다. AI 밈은 암호화폐 시장에서 AI 에이전트의 첫 번째 성공적인 등장이라고 할
진정으로 AI 밈을 활성화시킨 것은 Goatseus Maximus 프로젝트였습니다. 이 이야기는 2024년 3월에 시작되었는데, 개발자 Andy Ayrey가 Infinite Backrooms Escape라는 실험 시스템을 출시했습니다. 이 시스템은 여러 개의 대규모 언어 모델을 통합하여 상호 대화를 허용했습니다. 실험 결과, AI 간의 대화가 제한 없이 매우 창의적인 상호 작용을 보여주었고, 심지어 GNOSIS OF GOATSE라는 초현실적인 종교까지 생성되었습니다. 이어서 Andy와 Claude Opus가 AI가 어떻게 밈 종교를 창조하는지에 대한 연구 논문을 공동 집필했고, GOATSE가 첫 번째 사례로 분석되었습니다. 이 일련의 탐구는 결국 'Truth of Terminal'(ToT)이라는 AI 에이전트를 낳았습니다. 7월, a16z의 공동 창립자 Marc Andreessen이 ToT의 트윗을 발견하고 일련의 대화 끝에 ToT의 비트코인 지갑에 5만 달러의 비트코인을 송금했습니다. 10월 10일, 익명의 사용자가 소셜 플랫폼에 GOAT 밈 코인을 발행했고, ToT가 이를 공개적으로 지지했습니다. GOAT 밈 코인은 며칠 만에 시가총액이 급증했습니다. Andreessen의 기부는 GOAT에 큰 노출을 가져다주었고, GOAT 시가총액 상승의 핵심 요인 중 하나가 되었습니다. GOAT의 최고 시가총액은 13억 달러를 넘었습니다.
2. 팟코인
팟코인의 탄생은 GOAT와 밀접한 관련이 있는데, 둘 다 ToT에서 비롯되었습니다. 대규모 언어 모델 대화 중에 머스크가 방귀 소리를 좋아한다는 언급이 나왔고, 팟코인이라는 토큰을 만들자는 제안이 나왔습니다. 이를 바탕으로 팟코인이 등장했는데, 시기적으로는 GOAT보다 조금 늦었습니다. 팟코인도 재치 있는 탄생 시기로 인해 일정 부분 관심을 끌었지만, 초기에는 GOAT에 미치지 못했습니다. 이후 11월 16일, 팟코인의 트위터 팔로워 수가 갑자기 몇 시간 만에 두 배로 늘었고, 가격도 약 15% 상승했지만, 이 성장은 지속적인 논의로 이어지지 못했습니다. 12월 13일 Marc Andreessen이 팟코인 관련 트윗을 리트윗했지만, 이로 인한 토큰 가격의 급격한 상승은 없었습니다. 팟코인 가격 상승의 주요 원인은 일부 대형 자금일 가능성이 있는데, 초기 구매 주소 중에 투자 펀드 Sigil Fund로 추정되는 곳이 있었기 때문입니다. 또한 Sigil Fund 창립자는 트위터에서 AI 밈에 대한 긍정적인 의견을 여러 차례 표현했고, Sigil Fund가 팟코인을 보유하고 있는지 묻는 트윗도 리트윗한 바 있습니다. 팟코인은 결국 소셜 미디어의 광범위한 관심을 받았고, 최고 시가총액은 15억 달러를 넘었습니다.
AI 에이전트 응용: 에이전트는 더 많은 것을 할 수 있습니다
암호화폐 분야에서 AI 에이전트의 활용이 더욱 확대됨에 따라, 시장의 관심은 GOAT와 팟코인과 같은 순수 AI 주도 밈 코인에서 더 상호 작용적이고 창의적인 AI 에이전트 응용 프로그램으로 확장되고 있습니다.
1. 엔터테인먼트형 에이전트
AI 에이전트의 첫 번째 실제 응용은 엔터테인먼트입니다. 예를 들어 Luna와 앞서 언급한 ToT가 있습니다. Luna는 가상 아이돌로, 자체 토큰 LUNA와 긴밀히 통합되어 Virtuals 플랫폼의 일부로 출시되었습니다. Luna는 소셜 미디어에서 24시간 실시간 방송을 하고 자주 트윗을 게시합니다. 따라서 Luna의 방송과 트윗의 품질은 그 시가총액에 영향을 미치는 핵심 요인 중 하나이지만, 현재로서는 이러한 모델에서 토큰 성장 여력이 제한적입니다. 반면 ToT의 트윗은 주로 독창적이고 유머러스한 내용에 초점을 맞추고 있으며, GOAT 또는 다른 토큰과 연계되어 있지 않습니다. ToT는 가끔 GOAT 토큰을 언급하지만, 이는 핵심 관심사가 아닙니다. Luna와 ToT 두 AI 에이전트 모두 토큰이 서사 홍보에서 핵심적인 역할을 하지만, Luna의 경우 토큰이 그 존재의 핵심 의미를 나타내는 반면, ToT의 경우 GOAT 토큰은 영향력 확대를 위한 중요한 수단이 되고 있습니다.
2. 투자 분석형 에이전트
엔터테인먼트 응용 외에도 AI 에이전트는 암호화폐 분야의 투자 분석에도 활용될 수 있습니다. 현재 이 분야에서 가장 주목받는 에이전트는 aixbt입니다. aixbt는 Virtuals Protocol에 출시된 AI 에이전트로, X 등 소셜 미디어 플랫폼의 토론을 분석하여 암호화폐 시장의 핫 토픽과 트렌드를 파악하고, 잠재적인 투자 기회를 사용자에게 제공합니다. aixbt는 Kaito에서 지속적으로 가장 높은 CT 사용자 관심도를 보이고 있으며, 그 능력이 이미 인간 KOL을 능가하는 추세입니다.
3. DeFi + AI 에이전트
Luna와 aixbt가 아직 실질적인 용도가 크지 않고 밈 수준에 머물러 있다면, AI 에이전트와 DeFi의 결합은 에이전트에 실제 응용 시나리오를 부여했습니다. 이러한 DeFi와 AI 에이전트의 결합을 DeFAI라고 부릅니다. DeFAI의 발전은 두 가지 방향으로 이루어지고 있습니다.
사용자 지원 에이전트
AI 에이전트를 통한 사용자 지원의 주요 목적은 DeFi 운영의 복잡성을 단순화하여 더 많은 일반 사용자가 DeFi 프로젝트에 쉽게 참여하고 관리할 수 있게 하는 것입니다. 사용자는 자연어로 AI 에이전트에게 직접 작업을 지시할 수 있어, 복잡한 기술적 세부 사항을 숨길 수 있습니다. 시장에는 이미 일부 DeFAI 프로젝트가 등장하기 시작했습니다. Griffain과 Neur를 예로 들면, 두 프로젝트 모두 Solana 기반의 AI 어시스턴트로, 사용자가 지갑 생성 및 관리, 토큰 분석, 토큰 거래 등의 작업을 수행할 수 있도록 지원합니다. 사용자 경험 측면에서 Griffain이 더 많은 기능을 제공하는 반면, Neur는 기능이 상대적으로 적지만 더 세부적이며 성능이 뛰어납니다. 이들의 비교를 통해 향후 이 분야의 주요 관심사가 기능 완성도, 사용자 경험, 수수료 등의 문제에 집중될 것으로 보입니다.
자율 거래 에이전트
Griffain과 Neur와 같은 모델에서는 여전히 사용자가 DeFi의 주체이지만, 자율 거래 에이전트 모델에서는 AI가 DeFi의 주체가 됩니다. 과거 거래 봇이 단순히 사전 설정된 거래 전략을 실행했던 것과 달리, AI 에이전트는 실시간 시장 정보를 수집하고 상황을 분석하며 시장 추세를 학습하여 그에 따라 전략을 조정할 수 있습니다. 이를 통해 에이전트는 동적으로 변화하는 시장 환경에서 더 정확한 의사 결정을 내리고 기존 프로그램 설정을 넘어서는 복잡한 작업을 수행할 수 있습니다. 관련 프로젝트로는 Cod3x, Almanak 등이 있지만, 이 분야는 아직 초기 발전 단계에 있으며 시장 검증이 필요한 상황입니다. 자율 거래 에이전트의 가장 큰 장애물은 신뢰 문제입니다. 첫째, 실제로 에이전트가 거래를 수행한다는 것을 믿어야 하고, 둘째, 에이전트의 거래 전략이 불필요한 손실을 초래하지 않을 것이라고 믿어야 합니다. 향후 프로젝트가 성과를 거두려면 이러한 신뢰 문제를 해결해야 합니다.
수개월의 발전 끝에, 암호화폐 분야의 AI 에이전트는 순수 밈에서 엔터테인먼트 응용, 그리고 실질적인 응용으로 이어지는 여러 단계를 거쳤습니다. 사실 암호화폐 종사자들은 Crypto x AI의 가능성을 끊임없이 탐색해 왔으며, 2023년 이래 CGV Research는 Crypto x AI 트랙의 프로젝트 진행 상황을 지속적으로 주목해 왔습니다.
향후 기반 인프라가 더욱 성숙해짐에 따라 에이전트 시스템이 더욱 지능화되고 안정화되면, 누구나 자연어로 쉽게 에이전트를 배포하고 사용할 수 있게 될 것입니다. 이때 에이전트 프레임워크는 기반 인프라가 되며, 다양한 응용 프로그램이 이 프레임워크 위에 구축될 것입니다. 에이전트 프레임워크의 가치 평가는 계속 돌파구를 찾을 것이며, 일부 에이전트 응용 프로젝트는 뛰어난 비즈니스 능력과 사용자 경험으로 인해 시장의 관심과 투자 가치를 더 많이 포착할 수 있을 것입니다.
