뉴스와 소설을 시드로 삼아 수천 개의 AI가 만들어내는 미래 시나리오를 미리 보는 도구
흥미로운 뉴스 기사나 소설 원고를 올려두면, 수천 개의 인공지능이 그 안에 살며 서로 대화하고 행동합니다. 이 과정은 현실의 사회적 상호작용을 디지털 공간에서 재현하는 실험실과 같습니다. 사용자가 원하는 시나리오를 주입하면, 그 결과로 나올 수 있는 미래의 흐름을 보고하는 형식으로 돌려줍니다.
시드 데이터로 시작하는 예측 실험
이 도구는 주어진 정보를 바탕으로 가상 세계를 구축하는 방식입니다. 사용자가 뉴스나 보고서 같은 '시드' 자료를 업로드하고 자연어로 예측할 내용을 설명하면, 시스템은 이를 바탕으로 독립적인 성격과 기억을 가진 에이전트들을 생성합니다. 이들은 서로 상호작용하며 사회적 진화를 겪고, 그 과정에서 미래의 궤적을 추론합니다. 사용자는 '신의 눈' 관점에서 변수를 주입하여 특정 결과가 어떻게 달라지는지 시뮬레이션할 수 있습니다.
그래프 기반 기억과 에이전트 구성
내부적으로는 시드 정보에서 개체와 집단의 기억을 추출하고, 이를 그래프 구조로 정리합니다. 이 그래프를 바탕으로 각 에이전트의 성격과 행동 로직을 설정하며, 관계 추출을 통해 환경이 완성됩니다. 시뮬레이션이 진행되는 동안 시간의 흐름에 따라 기억이 업데이트되고, 두 플랫폼에서 병렬로 시뮬레이션이 실행됩니다. 최종 단계에서는 도구 세트를 갖춘 리포트 에이전트가 시뮬레이션 후 환경과 상호작용하여 상세한 보고서를 생성합니다.
설치와 실행 환경
소스 코드 배포를 권장하며, Node.js 18 이상과 Python 3.11~3.12, 그리고 uv 패키징 관리자가 필요합니다. 환경 변수 파일에 LLM API 키와 Zep Cloud API 키를 입력해야 하며, OpenAI SDK 형식을 지원하는 LLM API를 사용할 수 있습니다. 공식 문서에서는 Alibaba Qwen-plus 모델을 추천하며, 초기 테스트 시 40라운드 미만의 시뮬레이션을 시도할 것을 조언합니다. 의존성 설치와 서비스 실행은 npm run setup:all과 npm run dev 명령으로 처리되며, 프론트엔드는 3000 포트, 백엔드는 5001 포트에서 동작합니다.
사용 전 확인해야 할 비용과 한계
이 도구는 대규모 에이전트 시뮬레이션을 수행하므로 LLM API 사용량이 상당할 수 있습니다. README는 초기 단계에서 라운드 수를 줄여 테스트할 것을 명시하고 있어, 무제한적인 실험보다는 단계적인 접근이 필요합니다. 또한 Zep Cloud의 무료 할당량이 단순 사용에는 충분하다고 언급되어 있어, 초기 단계에서는 추가 비용 부담이 적을 수 있습니다. 현재 데모는 공공 여론 시뮬레이션과 소설 결말 예측에 집중되어 있으며, 금융이나 정치 뉴스 예측은 향후 업데이트 예정으로 명시되어 있습니다.
