알리타, AI 에이전트 경쟁 우승… '적을수록 좋다' 접근 방식으로 판도 바꿔
GAIA 벤치마크에서 최소주의 AI 에이전트, 복잡한 경쟁자들 압도하며 단순함의 위력 입증
클로드 통신원
획기적으로 단순한 AI 에이전트 '알리타(Alita)'가 권위 있는 GAIA 대회에서 우승을 차지하며, OpenAI와 같은 업계 거물들의 정교한 시스템들을 능가했다.
프린스턴 연구진의 논문에 상세히 설명된 이 혁신은 AI 비서 설계 방식에 있어 잠재적인 패러다임 전환을 의미한다. 이는 그동안 이 분야를 지배해 온 점점 더 복잡하고 도구 중심적인 접근 방식보다 미니멀리즘과 자기 진화를 선호하는 방식이다.
알리타 개발 연구진은 "단순함이 궁극적인 정교함이다"라고 선언했다. 알리타는 GAIA 벤치마크에서 첫 시도에 75.15%, 세 번의 시도에 87.27%라는 인상적인 통과율을 기록하며 범용 AI 에이전트 중 최고 자리를 차지했다.
복잡성의 순환 고리 끊기
대부분의 선도적인 AI 에이전트들이 광범위하게 사전 프로그래밍된 도구와 경직된 워크플로우로 무장하고 있는 반면(이는 최근 몇 년간 가속화된 추세다), 알리타는 극적으로 다른 접근 방식을 취한다. 이 시스템은 웹 에이전트라는 단 하나의 핵심 기능으로 시작하여, 그로부터 자율적으로 능력의 공백을 식별하고, 관련 코드를 검색하며, 필요에 따라 새로운 도구를 생성한다.
익명을 요구한 해당 프로젝트에 정통한 한 연구원은 "대규모의 수동으로 사전 정의된 도구에 대한 의존은 몇 가지 치명적인 한계를 초래한다"고 설명한다. 그는 "에이전트가 마주할 수 있는 광범위한 실제 작업에 필요한 모든 도구를 미리 정의하는 것은 불가능에 가깝다"고 덧붙였다.
이러한 제약은 AI 에이전트 개발에서 오랫동안 피할 수 없는 난제로 여겨져 왔다. 복잡한 작업은 종종 에이전트가 새로운 도구를 창의적으로 조합하거나 기존 도구를 새로운 방식으로 사용하도록 요구하는데, 이는 미리 설계된 워크플로우와 하드코딩된 구성 요소가 방해하는 경향이 있는 부분이다.
모델 컨텍스트 프로토콜을 통한 자기 진화
알리타 혁신의 핵심은 대규모 언어 모델에 컨텍스트를 제공하기 위한 개방형 표준인 모델 컨텍스트 프로토콜(Model Context Protocols, MCP) 사용에 있다. 알리타는 정적이고 미리 정의된 도구에 의존하는 대신, 각 작업의 특정 요구 사항에 따라 이러한 프로토콜을 동적으로 생성, 조정 및 재사용한다.
이 팀의 접근 방식은 최소한의 사전 정의와 최대한의 자기 진화라는 두 가지 핵심 원칙에 중점을 둔다. 이 시스템은 MCP 브레인스토밍 모듈을 사용하여 필요한 기능을 감지하고, 도구를 활용하여 새로운 기능을 즉석에서 가져오고, 생성하고, 검증하고, 통합한다.
각 성공적인 스크립트는 MCP 서버로 저장되어, 연구진이 "자기 강화적인 능력 라이브러리"라고 설명하는 것을 생성하며, 이는 사용함에 따라 더욱 강력해진다.
프로젝트에 정통한 또 다른 소식통은 "자동 MCP 생성은 미래의 주류가 될 수 있다"며, "이는 전통적인 도구 생성 접근 방식에 비해 더 나은 재사용성과 더 쉬운 환경 관리를 제공한다"고 언급했다.
모델 간 지식 전이
아마도 가장 흥미로운 점은 연구진이 "에이전트 증류"라고 부르는 것을 가능하게 하는 알리타의 능력일 것이다. 이는 강력한 모델이 개발한 기능을 약한 모델이 재사용할 수 있는 과정이다.
연구 논문은 "이러한 MCP는 다른 약한 에이전트들이 재사용하여 성능을 향상시킬 수 있다"고 설명한다. 또한 "알리타는 인간 개발자 대신, 시행착오를 통해 GAIA에 적합한 유용한 MCP 세트를 설계한다"고 덧붙였다.
한 가지 눈에 띄는 예시로, Claude-3.7-Sonnet 또는 GPT-4o와 같은 더 강력한 모델이 생성한 MCP가 더 작은 모델에 의해 재사용되었을 때 성능이 크게 향상되었다. 이는 값비싼 재훈련 없이 AI 기능 전이를 위한 새로운 접근 방식을 제시한다.
산업적 함의
AI 에이전트에 투자하는 기업과 조직에게 알리타의 성공은 개발 비용과 유지보수 오버헤드의 잠재적 절감을 시사한다. 광범위한 수동 도구 엔지니어링의 필요성을 제거함으로써 기업들은 더 적은 자원으로 적응력 있는 에이전트를 더 빠르게 배포할 수 있다.
프로젝트와 관련 없는 한 독립 AI 연구원은 "이는 소규모 조직의 진입 장벽을 극적으로 낮출 수 있다"며, "그들은 광범위한 도구 모음을 수작업으로 만들거나 라이선스할 필요 없이 강력한 에이전트 워크플로우에 접근할 수 있을 것이다"라고 언급했다.
이 접근 방식은 또한 전문화된 영역에 대한 더 나은 적응력을 약속한다. 금융에서 의료에 이르는 산업들은 개발자가 맞춤형 솔루션을 구축할 때까지 기다리는 대신, 필요에 따라 틈새 도구를 발견하고 통합하기 위해 알리타와 유사한 시스템을 활용할 수 있다.
과제는 존재한다
인상적인 성능에도 불구하고 알리타의 접근 방식에는 한계가 있다. 이 시스템은 기반 언어 모델의 코딩 및 추론 능력에 크게 의존하며, 더 약한 모델을 사용할 경우 성능이 크게 저하된다.
연구진은 또한 검증 및 테스트 데이터셋 간의 불일치를 지적하며