DEV Community

Cover image for 미로피쉬: 모든 것을 예측하는 오픈소스 AI 엔진
Rihpig
Rihpig

Posted on • Originally published at apidog.com

미로피쉬: 모든 것을 예측하는 오픈소스 AI 엔진

인공지능은 빠르게 진화하고 있지만, 대부분의 AI 도구들은 여전히 익숙한 패턴을 따릅니다. 모델에 프롬프트를 주면 응답을 생성하는 식이죠.

지금 Apidog을 사용해보세요

하지만 지난 몇 년 동안, 새로운 범주의 AI 시스템들이 주목받기 시작했습니다. 바로 다중 에이전트 시뮬레이션으로, 여러 AI 에이전트가 공유된 디지털 환경 내에서 서로 상호작용하는 시스템입니다.

하나의 모델이 답변을 예측하거나 생성하려고 하는 대신, 이 시스템들은 정보를 교환하고, 의견을 형성하며, 서로에게 영향을 미치는 자율 에이전트들의 전체 그룹을 시뮬레이션합니다.

이 분야에서 최근 가장 많이 언급되는 프로젝트 중 하나는 MiroFish입니다. 이 프로젝트는 수천 개의 AI 에이전트를 사용하여 실제 시나리오를 시뮬레이션하도록 설계된 오픈 소스 군집 지능 엔진입니다. 복잡한 사건들(금융 시장, 여론 변화, 정책 반응, 심지어 가상의 이야기까지)이 현실에서 일어나기 전에 시뮬레이션될 수 있는 디지털 샌드박스를 만드는 것이 목표입니다.

💡AI 에이전트 및 MCP 서버를 구축하거나 상호작용하고 계신가요? Apidog는 MCP 서버 디버깅 및 테스트를 위해 특별히 설계된 강력한 내장 MCP 클라이언트를 제공합니다. 로컬 프로세스를 위한 STDIO를 통해 연결하든, 원격 서버를 위한 HTTP를 통해 연결하든, Apidog는 실행 가능한 도구, 사전 정의된 프롬프트, 서버 리소스를 손쉽게 테스트할 수 있는 직관적인 시각적 인터페이스를 제공합니다. 복잡한 OAuth 2.0 인증을 자동으로 처리하고 풍부한 Markdown 및 이미지 응답을 동적으로 렌더링하여 원활한 MCP 통합 테스트를 위한 최고의 도구입니다.

기존 AI 도구와 달리, MiroFish는 AI 에이전트의 완전한 디지털 사회를 구축합니다. 각 에이전트는 고유한 기억, 성격 특성, 의사 결정 로직을 보유합니다. 속보, 정책 제안, 금융 신호와 같은 이벤트가 도입되면 에이전트들은 상호작용하며 정보에 반응하고 서로의 행동에 영향을 미칩니다.

시간이 지남에 따라 이 상호작용은 실제 사람들의 집단 행동 패턴과 유사한 결과를 만들어냅니다. 이를 통해 다양한 결과, 이야기, 정서 변화를 실험 및 예측할 수 있습니다.

mirofish-sim-1

출처: X

MiroFish란 무엇인가?

mirofish-sim-2

MiroFish는 다중 에이전트 인공지능을 기반으로 하는 군집 지능 시뮬레이션 엔진입니다.

단일 AI 모델이 아닌, 시뮬레이션된 디지털 환경 내에 수많은 자율 에이전트 집단을 생성합니다. 이들 에이전트는 가상 사회의 개별 참가자 역할을 하며, 각각 다음과 같은 특성을 가집니다:

  • 성격 특성
  • 행동 규칙
  • 장기 기억
  • 사회적 관계
  • 의사 결정 과정

에이전트들의 상호작용은 창발적 행동(Emergent Behavior)을 만들어냅니다. 즉, 개별 에이전트의 단순한 상호작용이 집합적으로 복잡한 집단 행동을 유발합니다.

이 개념은 실제 인간 사회의 여론, 시장 움직임, 사회적 트렌드가 수많은 개별 결정의 결과로 나타나는 것과 유사합니다. MiroFish는 이를 디지털로 시뮬레이션하여 "만약 ~라면" 시나리오를 실험할 수 있는 샌드박스를 제공합니다.

비전: 집단 지성의 거울

mirofish-sim-3

MiroFish의 비전은 현실 세계 집단 지성의 거울이 되는 것입니다.

전통적 예측 시스템은 과거 데이터와 통계 모델에 크게 의존하지만, 인간 행동이 예측 불가능해지는 복잡한 환경에서는 한계가 있습니다. 예를 들어:

  • 금융 시장은 투자 심리로 크게 변동합니다.
  • 소셜 미디어 트렌드는 예측 불가능하게 확산됩니다.
  • 정책에 대한 대중 반응은 순식간에 바뀔 수 있습니다.

MiroFish는 데이터를 통한 직접적 예측이 아니라, 개인의 상호작용과 영향력의 전파를 시뮬레이션함으로써 가능성 있는 집단 행동을 관찰합니다.

시드 데이터에서 디지털 세계로

mirofish-sim-4

MiroFish 시뮬레이션은 시드 자료 입력으로 시작합니다.

시드 자료 예시:

  • 뉴스 기사
  • 재무 보고서
  • 정책 초안
  • 연구 논문
  • 소셜 미디어 토론
  • 가상의 이야기

사용자는 자료를 업로드하고, 자연어로 예측 목표를 설명합니다. 예시:

  • 새로운 정책 발표에 따른 시장 반응 시뮬레이션
  • 논란 발언에 대한 대중 반응 시뮬레이션
  • 미완성 이야기의 전개 예측

MiroFish는 이 정보를 바탕으로 에이전트가 상호작용하는 평행 디지털 환경을 구축합니다.

MiroFish 워크플로우: 시뮬레이션 파이프라인 작동 방식

mirofish-sim-5

MiroFish는 실제 데이터를 동적 시뮬레이션 환경으로 변환하는 파이프라인을 따릅니다.

1. 지식 그래프 구성

graphrag-mirofish

  • 시드 데이터(속보, 보고서, 정책 등)에서 정보를 추출합니다.
  • 추출된 정보를 기반으로 GraphRAG 아키텍처로 지식 그래프를 구축합니다.
  • 에이전트가 사용할 엔티티, 관계, 상황 정보가 그래프에 포함됩니다.
  • 에이전트의 개별 및 그룹 기억도 주입됩니다.

2. 환경 생성

env-mirofish

  • 엔티티 및 관계 추출
  • 에이전트 페르소나 생성
  • 소셜 네트워크 구축
  • 시뮬레이션 파라미터 설정

에이전트는 신원, 배경, 행동 규칙을 할당받아 실제 사회적 역동성을 반영합니다.

3. 병렬 시뮬레이션 실행

  • 수천 명의 에이전트가 환경에서 동시에 작동
  • 이벤트에 반응하고, 서로 상호작용
  • 병렬 시스템에서 시뮬레이션을 실행하여 대규모 에이전트 운영 가능

자동 처리:

  • 예측 요청 해석
  • 사회적 상호작용 시뮬레이션
  • 에이전트의 시간 기반 메모리 갱신
  • 환경의 동적 변화 적용

4. 보고서 생성

  • ReportAgent가 시뮬레이션 결과를 분석
  • 주요 결과, 트렌드, 행동 인사이트, 위험요소를 요약한 예측 보고서 생성

5. 시뮬레이션과의 심층 상호작용

interact-mirofish

  • 사용자는 시뮬레이션 세계와 직접 상호작용 가능
  • 개별 에이전트와 대화, 의사결정 과정 질의, 내부 사회적 역학 탐색
  • ReportAgent와 후속 질문 또는 심층 분석 요청

이 대화형 계층은 시뮬레이션 환경을 더욱 유연하게 만듭니다.

빠른 시작: MiroFish 로컬에서 실행하기

개발자는 소스 배포 또는 Docker 배포 방식으로 MiroFish를 로컬에 설치할 수 있습니다.

시스템 요구 사항

도구 버전 목적
Node.js 18+ 프론트엔드 런타임
Python 3.11–3.12 백엔드 런타임
uv 최신 버전 Python 패키지 관리

설치 확인:

node -v
python --version
uv --version
Enter fullscreen mode Exit fullscreen mode

1단계: 환경 변수 구성

예제 구성 파일 복사:

cp .env.example .env
Enter fullscreen mode Exit fullscreen mode

.env 파일을 편집하여 필요한 API 키를 추가합니다.

LLM API 구성

MiroFish는 OpenAI SDK와 호환되는 모든 LLM API를 지원합니다.

예시:

LLM_API_KEY=your_api_key
LLM_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
LLM_MODEL_NAME=qwen-plus
Enter fullscreen mode Exit fullscreen mode

문서에서는 Alibaba Bailian 플랫폼의 Qwen 모델 사용을 권장합니다.

대규모 시뮬레이션은 컴퓨팅 자원을 많이 소모하므로 40라운드 미만으로 시작하는 것이 좋습니다.

메모리 시스템 구성

에이전트의 장기 기억 관리를 위해 Zep Cloud를 사용합니다.

예시:

ZEP_API_KEY=your_zep_api_key
Enter fullscreen mode Exit fullscreen mode

Zep Cloud 무료 티어는 소규모 실험에 충분합니다.

2단계: 의존성 설치

모든 의존성 일괄 설치:

npm run setup:all
Enter fullscreen mode Exit fullscreen mode

또는 개별 설치:

Node 의존성

npm run setup
Enter fullscreen mode Exit fullscreen mode

Python 백엔드 의존성

npm run setup:backend
Enter fullscreen mode Exit fullscreen mode

위 명령은 Python 가상 환경을 자동 생성합니다.

3단계: 플랫폼 실행

프론트엔드+백엔드 동시 실행:

npm run dev
Enter fullscreen mode Exit fullscreen mode

실행 후 접속:

서비스를 개별적으로 실행하려면:

백엔드만

npm run backend
Enter fullscreen mode Exit fullscreen mode

프론트엔드만

npm run frontend
Enter fullscreen mode Exit fullscreen mode

Docker 배포

컨테이너 환경이 필요한 경우, Docker로 배포할 수 있습니다.

  1. 환경 변수 구성: 
cp .env.example .env
Enter fullscreen mode Exit fullscreen mode
  1. Docker Compose 실행: 
docker compose up -d
Enter fullscreen mode Exit fullscreen mode

기본 포트 매핑:

  • 프론트엔드: 3000
  • 백엔드 API: 5001

Docker 구성 파일에는 이미지 다운로드를 위한 미러 소스 예시도 주석 처리되어 있습니다.

마지막 생각

mirofish-end

군집 지능 플랫폼은 AI가 복잡한 사회 환경을 시뮬레이션할 수 있는 미래를 보여줍니다. 정책 시행 전 테스트, 금융 발표 전 시장 반응 탐색, 정보 확산 경로 조사 등 다양한 활용이 가능합니다.

완벽한 예측은 불가능하지만, MiroFish와 같은 플랫폼은 AI가 질문에 답변하는 것을 넘어 전체 사회를 모델링하는 새로운 예측 도구의 가능성을 엽니다.

오픈 소스 프로젝트로 시작한 이 도구는 이미 개발자와 연구자 사이에서 주목받고 있습니다. 다중 에이전트 시뮬레이션의 발전은 앞으로 디지털 세계에서 미래를 실험할 수 있는 새로운 기술 패러다임이 될 수 있습니다.

Top comments (0)