이 기사의 출처: Deep Value Memetics
편집│오데일리 플래닛 데일리(@OdailyChina)
번역가│아즈마(@azuma_eth)
요점 요약
이 보고서에서는 암호화폐 및 AI 분야의 여러 주류 프레임워크의 개발 패턴에 대해 논의합니다. 현재 4가지 주류 프레임워크인 Eliza(AI16Z), GAME(GAME), Rig(ARC), ZerePy(ZEREBRO)를 살펴보고 기술적 차이점과 개발 가능성을 분석합니다.
지난 주에 우리는 위의 4가지 주요 프레임워크를 분석하고 테스트했으며, 결론은 다음과 같습니다.
우리는 Eliza(시장 점유율 약 60%, 원저자가 기사를 작성할 당시 시장 가치 약 9억 달러, 출판 시점 기준 시장 가치 약 14억 달러)가 계속해서 시장 점유율을 장악할 것이라고 믿습니다. . Eliza의 가치는 Github에서 193명의 기여자, 1,800개의 포크, 6,000개 이상의 별표를 통해 입증된 것처럼 선점자 이점과 개발자 채택 가속화에 있습니다. 이는 Github에서 가장 인기 있는 소프트웨어 저장소입니다.
GAME(시장점유율 약 20%, 원저자가 글을 쓸 당시 시가총액 약 3억 달러, 게재 당시 시가총액 약 2억 5,700만 달러)은 지금까지 매우 순조롭게 발전해 왔습니다. , 또한 앞서 Virtuals Protocol에서 발표한 바와 같이 빠른 채택을 경험하고 있습니다. 이러한 방식으로 GAME를 기반으로 구축된 프로젝트가 200개가 넘으며 일일 요청이 150,000을 초과하고 주간 성장률이 200%를 초과합니다. GAME은 VIRTUAL의 폭발적인 증가로 계속해서 이익을 얻을 것이며 생태계에서 가장 큰 승자가 될 가능성이 높습니다.
Rig의 모듈식 설계(시장 점유율 약 15%, 원저자가 집필 당시 시장 가치 약 1억 6천만 달러, 출판 당시 시장 가치 약 2억 7900만 달러)가 매우 눈길을 끕니다. 운영이 용이하며 솔라나 생태계(RUST)에서 중요한 위치를 차지할 것으로 예상됩니다.
Zerepy(시장 점유율 약 5%, 원저자가 집필 당시 시장 가치 약 3억 달러, 출판 당시 시장 가치 약 4억 2,400만 달러)는 특정 특정 분야의 틈새 애플리케이션입니다. 광적인 ZEREBRO 커뮤니티 , 그리고 최근 ai16z 커뮤니티와의 협력으로 인해 시너지 효과가 있을 수 있습니다.
위 통계에서 '시장점유율'은 시장가치, 개발실적, 기본운영체제 단말기 시장의 폭 등을 고려하여 계산된다.
우리는 AI 프레임워크가 이 주기에서 가장 빠르게 성장하는 부문이 될 것이며 약 17억 달러에 달하는 현재 부문의 총 시장 가치가 2021년 최고점의 Layer1 가치 평가와 비교하여 쉽게 200억 달러로 성장할 것이라고 믿습니다 . , 이 수치는 여전히 상대적으로 높을 수 있습니다. 당시 많은 단일 프로젝트의 가치가 200억 달러 이상이었습니다. 위의 프레임워크는 다양한 최종 시장(체인/생태계)에 서비스를 제공하지만 이 부문이 전반적으로 성장할 것이라고 믿기 때문에 시가총액 가중 접근 방식을 채택하는 것이 상대적으로 신중할 수 있습니다.
4가지 주요 프레임워크
AI와 암호화폐의 교차점에서 Eliza(AI16Z), GAME(GAME), Rig(ARC) 및 ZerePy(ZEREBRO)를 포함하여 AI 개발 가속화를 목표로 하는 여러 프레임워크가 등장했습니다. 오픈 소스 커뮤니티 프로젝트부터 성능 중심의 엔터프라이즈 솔루션까지, 각 프레임워크는 에이전트 개발의 다양한 요구 사항과 철학을 충족합니다.
아래 표에는 각 프레임워크의 주요 기술, 구성 요소 및 장점이 나열되어 있습니다.
이 보고서는 먼저 이러한 프레임워크가 무엇인지, 사용하는 프로그래밍 언어, 기술 아키텍처, 알고리즘 및 잠재적인 사용 사례가 있는 고유 기능에 중점을 둘 것입니다. 그런 다음 사용 용이성, 확장성, 적응성 및 성능을 기준으로 각 프레임워크를 비교하고 장점과 한계를 논의합니다.
엘리자
Eliza는 ai16z에서 개발한 오픈 소스 다중 에이전트 시뮬레이션 프레임워크로, 자율 AI 에이전트를 생성, 배포 및 관리하도록 설계되었습니다. TypeScript를 프로그래밍 언어로 사용하여 개발된 이 제품은 일관된 성격과 지식을 유지하면서 여러 플랫폼에서 인간과 상호 작용할 수 있는 지능형 에이전트를 구축하기 위한 유연하고 확장 가능한 플랫폼을 제공합니다.
프레임워크의 핵심 기능은 다음과 같습니다: 여러 고유 AI 성격의 동시 배포 및 관리를 지원하는 다중 에이전트 아키텍처, 캐릭터 파일 프레임워크를 사용하여 다양한 에이전트를 생성하는 캐릭터 시스템 및 고급 검색 증강 생성 시스템(RAG) 장기 기억과 인지성을 제공합니다. 상황별 기억 관리 기능. 또한 Eliza 프레임워크는 Discord, X 및 기타 소셜 미디어 플랫폼과의 안정적인 연결을 위해 원활한 플랫폼 통합을 제공합니다.
Eliza는 AI 에이전트 커뮤니케이션 및 미디어 기능을 위한 탁월한 선택입니다. 통신 측면에서 프레임워크는 Discord의 음성 채널 기능, X 기능, Telegram 및 맞춤형 사용 사례를 위한 직접 API 액세스와의 통합을 지원합니다. 한편, 프레임워크의 미디어 처리 기능은 PDF 문서 읽기 및 분석, 링크 콘텐츠 추출 및 요약, 오디오 전사, 비디오 콘텐츠 처리, 이미지 분석, 대화 요약 등으로 확장되어 다양한 미디어 입력 및 출력을 효과적으로 처리할 수 있습니다.
Eliza는 OpenAI 및 Nous Hermes Llama 3.1B와 같은 기본 구성을 통해 로컬 추론, 클라우드 기반 추론을 위한 오픈 소스 모델을 사용하여 유연한 AI 모델 지원을 제공하고 Claude 통합을 지원하여 복잡한 쿼리를 처리합니다. Eliza는 광범위한 작업 시스템, 맞춤형 클라이언트 지원 및 포괄적인 API를 갖춘 모듈식 아키텍처를 사용하여 애플리케이션 간 확장성과 적응성을 보장합니다.
Eliza의 사용 사례는 고객 지원, 커뮤니티 관리 및 개인 작업과 관련된 AI 보조자 및 자동 콘텐츠 제작자 및 브랜드 담당자와 같은 기타 소셜 미디어 역할과 같은 다양한 분야를 포괄합니다. 연구 조교, 콘텐츠 분석가, 문서 처리자 등의 역할과 역할극 봇, 교육 교사, 엔터테인먼트 에이전트 형태의 대화형 역할.
Eliza의 아키텍처는 캐릭터 시스템(모델 제공자가 지원), 메모리 관리자(데이터베이스에 연결됨) 및 액션 시스템(플랫폼 클라이언트에 연결됨)이 통합되어 원활하게 작동하는 에이전트 런타임을 중심으로 구축되었습니다. 프레임워크의 고유한 기능에는 모듈식 기능 확장을 허용하는 플러그인 시스템, 음성, 텍스트 및 미디어와 같은 다중 모드 상호 작용 지원, Llama, GPT-4 및 Claude와 같은 주요 AI 모델과의 호환성이 포함됩니다. 다재다능함과 강력한 디자인을 갖춘 Eliza는 도메인 전반에 걸쳐 AI 애플리케이션을 개발하기 위한 강력한 도구가 됩니다.
게임
GAME은 Virtuals 공식 팀에 의해 개발되었으며 전체 이름은 "Generative Autonomous Multimodal Entities Framework(The Generative Autonomous Multimodal Entities Framework)"입니다. 이 프레임워크는 개발자에게 API(응용 프로그래밍 인터페이스) 및 SDK(소프트웨어 개발 키트)를 제공하는 것을 목표로 합니다. ). AI 에이전트를 사용하여 실험을 수행할 수 있도록 합니다. 프레임워크는 AI 에이전트의 행동, 의사결정, 학습 프로세스를 관리하기 위한 구조화된 접근 방식을 제공합니다.
- GAME의 핵심 구성요소는 다음과 같습니다. 첫째, "에이전트 프롬프트 인터페이스"는 개발자가 GAME를 에이전트에 통합하여 에이전트 동작을 얻을 수 있는 입구입니다.
- "인식 하위 시스템"은 세션 ID, 에이전트 ID, 사용자 및 기타 관련 세부 정보와 같은 매개변수를 지정하여 세션을 시작합니다. 들어오는 메시지를 "전략 계획 엔진"에 적합한 형식으로 합성하여 대화 형태이든 반응 형태이든 AI 에이전트의 감각 입력 메커니즘 역할을 합니다. 여기서 핵심은 에이전트의 메시지 및 응답 처리를 담당하고 "인식 하위 시스템"과 협력하여 입력을 효과적으로 해석하고 응답하는 "대화 처리 모듈"입니다.
- "전략 계획 엔진"은 "대화 처리 모듈" 및 "온체인 지갑 운영자"와 함께 작동하여 응답과 계획을 생성합니다. 엔진은 두 가지 수준에서 작동합니다. 즉, 컨텍스트나 목표를 기반으로 광범위한 전략을 생성하는 상위 수준 계획자와 이러한 전략을 실행 가능한 정책으로 변환하고 더 세부적으로 실행 계획자(지정된 작업에 대해)로 분류하는 하위 수준 전략으로 작동합니다. ) 및 계획 실행자(작업 실행용).
- 별개이지만 중요한 구성 요소는 에이전트의 결정에 필요한 컨텍스트를 제공하기 위해 환경, 세계 정보 및 게임 상태를 참조하는 "세계 컨텍스트"입니다. 또한 "에이전트 저장소"는 에이전트의 행동과 의사 결정 프로세스를 함께 형성하는 목표, 반성, 경험 및 성격과 같은 장기적인 속성을 저장하는 데 사용됩니다. 프레임워크는 "단기 작업 메모리"와 "장기 메모리 프로세서"를 사용합니다. 단기 메모리는 이전 작업, 결과 및 현재 계획에 대한 관련 정보를 유지하는 반면, 장기 메모리 프로세서는 중요성, 최신성 및 정보를 기반으로 합니다. 관련성 성별 등의 기준을 바탕으로 핵심 정보를 추출합니다. 이 메모리는 에이전트의 경험, 성찰, 동적 성격, 세계 맥락 및 작업 기억에 대한 지식을 저장하여 의사 결정을 향상시키고 학습의 기초를 제공합니다.
- 레이아웃을 늘리기 위해 "학습 모듈"은 "인식 하위 시스템"에서 데이터를 가져와 일반 지식을 생성하며, 이는 향후 상호 작용을 최적화하기 위해 시스템에 다시 피드백됩니다. 개발자는 인터페이스를 통해 동작, 게임 상태, 감각 데이터에 대한 피드백을 입력하여 AI 에이전트의 학습 능력을 향상시키고 계획 및 의사 결정 능력을 향상시킬 수 있습니다.
워크플로는 개발자가 에이전트 프롬프트 인터페이스를 통해 상호 작용하는 것으로 시작됩니다. "인식 하위 시스템"은 입력을 처리하고 이를 "대화 처리 모듈"로 전달합니다. 이 모듈은 이 정보를 기반으로 "전략 계획 엔진"을 관리합니다. "는 고급 전략과 세부 실행 계획을 사용하여 계획을 개발하고 실행합니다.
"세계 컨텍스트" 및 "에이전트 라이브러리"의 데이터는 이러한 프로세스에 정보를 제공하는 동시에 작업 메모리는 즉각적인 작업을 추적합니다. 한편, "장기 기억 프로세서"는 시간이 지남에 따라 지식을 저장하고 검색합니다. "학습 모듈"은 결과를 분석하고 새로운 지식을 시스템에 통합하여 에이전트의 행동과 상호 작용이 지속적으로 개선되도록 합니다.
도구
Rig는 LLM(대형 언어 모델) 애플리케이션 개발을 단순화하도록 설계된 Rust 기반 오픈 소스 프레임워크입니다. OpenAI 및 Anthropic과 같은 여러 LLM 공급자와 상호 작용하기 위한 통합 인터페이스를 제공하고 MongoDB 및 Neo4j를 포함한 다양한 벡터 저장소를 지원합니다. 프레임워크의 모듈식 아키텍처에는 LLM의 원활한 상호 작용을 촉진하기 위한 "공급자 추상화 계층", "벡터 저장소 통합" 및 "에이전트 시스템"과 같은 핵심 구성 요소가 있습니다.
Rig의 주요 대상에는 Rust를 사용하여 AI/ML 애플리케이션을 구축하는 개발자가 포함되며, 두 번째 대상에는 여러 LLM 제공업체 및 벡터 저장소를 Rust 애플리케이션에 통합하려는 조직이 포함됩니다. 리소스 라이브러리는 작업 공간 기반 구조를 사용하여 구성되며 확장성과 효율적인 프로젝트 관리를 달성하기 위해 여러 상자를 포함합니다. Rig의 주요 기능에는 일관된 오류 처리를 통해 LLM 공급자를 완성하고 포함하기 위한 API를 표준화하는 "공급자 추상화 계층"이 포함됩니다. "벡터 저장소 통합" 구성 요소는 "프록시 시스템"에 대한 추상 인터페이스 및 지원을 제공합니다. "는 LLM 상호 작용을 단순화하고 RAG(검색 증대 생성) 및 도구 통합을 지원합니다. 또한 임베딩 프레임워크는 일괄 처리 기능과 유형이 안전한 임베딩 작업을 제공합니다.
Rig는 여러 기술적 이점을 활용하여 안정성과 성능을 보장합니다. 비동기 작업은 Rust의 비동기 런타임을 활용하여 많은 수의 동시 요청을 효율적으로 처리합니다. 프레임워크의 고유한 오류 처리 메커니즘은 AI 공급자의 오류에 대한 복원력을 향상하거나 유형 안전이 컴파일 시간 오류를 방지하여 코드 안정성을 향상시킵니다. 역직렬화 프로세스는 AI 서비스의 통신 및 저장에 중요한 JSON과 같은 형식의 데이터를 처리하는 데 도움이 되며, 자세한 로깅 및 계측은 애플리케이션 디버깅 및 모니터링에 더욱 도움이 됩니다.
Rig의 워크플로는 클라이언트가 요청을 시작하는 것으로 시작합니다. 이 요청은 "공급자 추상화 계층"을 통해 흐르고 해당 LLM 모델과 상호 작용한 다음 에이전트가 도구를 사용하거나 벡터 저장소에 액세스할 수 있는 핵심 계층에서 데이터를 처리합니다. 컨텍스트를 얻기 위해 클라이언트에게 반환되기 전에 문서 검색 및 컨텍스트 이해를 포함하여 RAG와 같은 복잡한 워크플로를 통해 응답이 생성되고 개선됩니다. 시스템은 여러 LLM 제공업체와 벡터 저장소를 통합하여 모델 가용성 또는 성능의 변화에 적응합니다.
Rig의 사용 사례는 관련 문서를 검색하여 정확한 응답을 제공하는 질문 응답 시스템, 효율적인 콘텐츠 검색을 위한 문서 검색 및 검색, 고객 서비스 또는 교육을 위한 상황 인식 상호 작용을 제공하는 챗봇 또는 가상 도우미를 포함하여 다양합니다. 또한 학습된 패턴을 기반으로 콘텐츠 생성, 텍스트 및 기타 자료 생성을 지원하므로 개발자와 조직을 위한 다용도 도구가 됩니다.
ZerePy
ZerePy는 OpenAI 또는 Anthropic LLM을 사용하여 X에 에이전트를 배포하도록 설계된 Python으로 작성된 오픈 소스 프레임워크입니다. ZerePy는 Zerebro 백엔드의 모듈식 버전에서 파생되므로 개발자는 Zerebro의 핵심 기능과 유사한 기능을 갖춘 에이전트를 시작할 수 있습니다. 프레임워크는 에이전트 배포를 위한 기반을 제공하지만 창의적인 결과를 생성하려면 모델을 미세 조정해야 합니다. ZerePy는 특히 소셜 플랫폼의 콘텐츠 생성에 적합한 맞춤형 AI 에이전트의 개발 및 배포를 단순화하여 예술 및 분산 애플리케이션을 대상으로 하는 AI 크리에이티브 생태계를 촉진합니다.
프레임워크는 Python 언어로 구축되어 에이전트의 자율성을 강조하고 Eliza의 아키텍처 + 파트너십과 일치하는 창의적인 결과물 생성에 중점을 둡니다. 모듈식 설계는 소셜 플랫폼에 에이전트를 쉽게 배포할 수 있도록 인메모리 시스템 통합을 지원합니다. 주요 기능에는 에이전트 관리를 위한 명령줄 인터페이스, X와의 통합, OpenAI 및 Anthropic LLM 지원, 향상된 기능을 위한 모듈식 연결 시스템이 포함됩니다.
ZerePy의 사용 사례에는 사용자가 AI 에이전트를 배포하여 게시, 답장, 좋아요, 리트윗을 통해 플랫폼 참여를 높일 수 있는 소셜 미디어 자동화가 포함됩니다. 또한 음악, 메모, NFT 등의 분야의 콘텐츠 제작에도 적합하며, 디지털 아트 및 블록체인 기반 콘텐츠 플랫폼의 중요한 도구입니다.
수평적 비교
우리의 의견으로는 위의 각 프레임워크는 AI 개발에 대한 고유한 접근 방식을 제공하여 특정 요구 사항과 상황을 충족합니다. 따라서 토론은 더 이상 이러한 프레임워크가 경쟁자인지 여부에 국한되지 않고 각 프레임워크가 고유한 유용성과 기능을 제공하는지 여부에 초점을 맞춥니다. 값.
Eliza는 특히 JavaScript 및 Node.js 환경에 익숙한 개발자에게 사용자 친화적인 인터페이스를 자랑합니다. 포괄적인 문서는 다양한 플랫폼에서 AI 에이전트를 설정하는 데 도움이 되며, 풍부한 기능 세트는 TypeScript 사용 덕분에 적당한 학습 곡선을 제공할 수 있지만 Eliza는 대부분의 플랫폼처럼 웹에 내장된 에이전트를 구축하는 데 적합합니다. 프론트엔드 웹 인프라는 모두 TypeScript로 구축되었습니다. 이 프레임워크는 다중 에이전트 아키텍처로 잘 알려져 있으며 Discord, X 및 Telegram과 같은 플랫폼 전반에 걸쳐 다양한 AI 성격 에이전트를 배포할 수 있습니다. 메모리 관리를 위한 고급 RAG 시스템은 고객 지원이나 소셜 미디어 애플리케이션을 위한 유형의 AI 도우미를 구축하는 데 특히 적합합니다. 유연성, 강력한 커뮤니티 지원 및 일관된 크로스 플랫폼 성능을 제공하지만 아직 초기 단계이며 개발자에게 학습 곡선을 제공할 수 있습니다.
게임 개발자를 위해 특별히 설계된 GAME은 게임 분야의 기술 수준이 낮은 사용자도 쉽게 접근할 수 있는 API를 통해 로우 코드 또는 노 코드 인터페이스를 제공합니다. 그러나 게임 개발과 블록체인 통합에 중점을 두고 있어 관련 경험이 없는 사람들에게는 학습 곡선이 가파르게 느껴질 수 있습니다. 프로그래밍 방식의 콘텐츠 생성 및 NPC 동작에 탁월하지만 틈새 시장과 블록체인 통합에 따른 추가 복잡성으로 인해 제한됩니다.
Rig는 Rust 언어를 사용하기 때문에 언어의 복잡성으로 인해 사용자 친화적이지 않아 학습이 어려울 수 있지만, 시스템 프로그래밍에 능숙한 사람들에게는 직관적인 상호 작용을 제공할 수 있습니다. Rust 자체는 TypeScript에 비해 성능과 메모리 안전성이 뛰어난 것으로 알려져 있습니다. 복잡한 인공 지능 알고리즘을 실행하는 데 필요한 엄격한 컴파일 타임 검사와 무료 추상화가 특징입니다. 이 언어는 효율적이고 제어가 적은 특성으로 인해 리소스 집약적인 AI 애플리케이션에 이상적입니다. 프레임워크의 모듈식 및 확장 가능한 설계는 엔터프라이즈 애플리케이션에 이상적으로 적합한 고성능 솔루션을 제공합니다. 그러나 Rust 언어에 익숙하지 않은 개발자의 경우 Rust를 사용하면 학습 곡선이 가파르게 느껴질 것입니다.
ZerePy는 Python 언어를 사용하여 창의적인 AI 작업에 더 높은 가용성을 제공합니다. Python 개발자, 특히 AI/ML 배경이 있는 개발자의 경우 학습 곡선이 낮으며 ZEREBRO는 인기로 인해 강력한 커뮤니티 지원을 받고 있습니다. ZerePy는 NFT와 같은 창의적인 AI 애플리케이션에 탁월하며 프레임워크는 디지털 미디어 및 예술 분야에서도 강력한 도구로 자리매김했습니다. 창의적인 영역에서는 탁월하지만, 다른 프레임워크에 비해 적용 범위가 상대적으로 좁습니다.
확장성 측면에서 4가지 주요 프레임워크를 비교하면 다음과 같습니다.
Eliza는 효율적인 크로스 플랫폼 관리를 달성하기 위해 통합 메시지 라인과 확장 가능한 코어 프레임워크를 도입하여 V2 버전 업데이트 이후 큰 진전을 이루었습니다 . 그러나 이러한 다중 플랫폼 상호 작용을 관리하면 최적화 없이 확장성 문제가 발생할 수 있습니다.
GAME은 게임에 필요한 실시간 처리에 탁월하며 , 특정 게임 엔진이나 블록체인 네트워크 제한으로 인해 제한될 수 있지만 효율적인 알고리즘과 기본 블록체인 분산 시스템을 통해 확장성을 관리할 수 있습니다.
Rig 프레임워크는 더 나은 확장성을 위해 Rust의 성능 이점을 활용 하고 본질적으로 처리량이 높은 애플리케이션을 위해 설계되었습니다. 이는 엔터프라이즈 수준 배포에 특히 효과적일 수 있지만 진정한 확장성을 달성하려면 복잡한 설정이 필요할 수 있습니다.
ZerePy의 확장성은 창의적인 결과물을 목표로 하며 커뮤니티 기여에 의해 지원되지만 프레임워크의 초점은 더 넓은 인공 지능 컨텍스트에서의 적용을 제한할 수 있으며 사용자 규모 테스트의 다양성으로 인해 확장성이 제한될 수 있습니다.
적용성 측면에서 Eliza는 플러그인 시스템과 크로스 플랫폼 호환성에서 훨씬 앞서 있으며, 게임 환경에서는 GAME, 복잡한 AI 작업을 처리하는 Rig는 그 뒤를 따릅니다. ZerePy는 크리에이티브 분야에서 높은 적응성을 보여주었지만 더 넓은 AI 애플리케이션에는 적합하지 않습니다.
성능 측면에서 4가지 주요 프레임워크의 테스트 결과는 다음과 같습니다.
Eliza는 소셜 미디어에서의 빠른 상호 작용에 최적화되어 있지만 더 복잡한 컴퓨팅 작업을 처리할 때는 성능이 달라질 수 있습니다.
GAME은 게임 시나리오에서 고성능 실시간 상호 작용에 중점을 두고 분산형 AI 운영을 위해 효율적인 의사 결정 프로세스와 가능한 블록체인을 활용할 수 있습니다.
Rig는 Rust를 기반으로 하며 고성능 컴퓨팅 작업에 탁월한 성능을 제공할 수 있으며 컴퓨팅 효율성이 중요한 엔터프라이즈 애플리케이션에 적합합니다.
ZerePy의 성능은 창의적인 분야 외부에서는 일반화하기 어려울 수 있는 콘텐츠 생성의 효율성과 품질을 중심으로 한 측정 기준을 사용하여 창의적인 콘텐츠 제작을 목표로 합니다.
위의 장단점에 대한 포괄적인 분석과 결합하여 Eliza는 더 나은 유연성과 확장성을 제공합니다. 플러그인 시스템과 역할 구성은 적응성을 높여 플랫폼 간 소셜 인공 지능 상호 작용에 도움이 됩니다. 시간 상호 작용 기능을 제공하며 블록체인 통합을 통해 새로운 AI 참여를 제공합니다. Rig의 장점은 성능과 확장성에 있으며 엔터프라이즈 수준 AI 작업에 적합하며 장기적인 프로젝트 건강한 개발을 보장하기 위해 코드의 단순성과 모듈성에 중점을 둡니다. 창의성 육성을 전문으로 하는 이 회사는 활발한 커뮤니티 중심 개발 모델의 지원을 받는 디지털 아트용 AI 애플리케이션 분야의 선두주자입니다.
대체로 모든 프레임워크에는 한계가 있습니다. Eliza는 아직 초기 단계에 있으며, 잠재적인 안정성 문제와 새로운 개발자를 위한 긴 학습 곡선으로 인해 GAME의 틈새 시장에 초점을 맞추면 더 넓은 적용이 제한될 수 있으며 블록체인의 도입으로 인해 Rig의 학습도 복잡해집니다. 일부 개발자가 창의적 결과물에만 집중하는 것을 방해할 수 있는 Rust 언어의 경우 인공 지능의 다른 영역에서의 사용이 제한될 수 있습니다.
핵심비교항목 정리
리그(ARC)
언어: Rust, 안전과 성능에 중점을 둡니다.
사용 사례: 효율성과 확장성에 중점을 두어 엔터프라이즈급 AI 애플리케이션에 이상적입니다.
커뮤니티: 커뮤니티 중심이 덜하고 기술 개발자에 더 집중합니다.
엘리자 (AI16Z)
언어: TypeScript, Web3 유연성과 커뮤니티 참여를 강조합니다.
사용 사례: 다중 에이전트 시스템에 특히 중점을 두고 사회적 상호 작용, DAO 및 거래를 위해 설계되었습니다.
커뮤니티: GitHub와 광범위한 연결을 통해 커뮤니티 중심으로 운영됩니다.
ZerePy(ZEREBRO):
언어: Python, 더 폭넓은 AI 개발자 그룹이 더 쉽게 수용합니다.
사용 사례: 소셜 미디어 자동화 및 간단한 AI 에이전트 작업에 적합합니다.
커뮤니티: 비교적 새로운 것이지만 Python의 인기와 ai16z 기여자의 지원으로 인해 성장할 것으로 예상됩니다.
게임(가상, GMAE):
초점: 가상 환경에서의 상호 작용을 기반으로 진화하는 자율적 적응형 AI 에이전트.
사용 사례: 게임이나 가상 세계와 같이 에이전트가 학습하고 적응해야 하는 시나리오에 가장 적합합니다.
커뮤니티: 혁신적이지만 여전히 경쟁에서 자신의 위치를 정의하고 있습니다.
Github 데이터 증가
위 차트는 출시 이후 이러한 프레임워크에 대한 GitHub의 스타 데이터가 어떻게 변경되었는지 보여줍니다. 일반적으로 GitHub 스타는 커뮤니티 관심도, 프로젝트 인기도, 프로젝트 인지 가치를 나타내는 지표 역할을 합니다.
Eliza(빨간색 선): 차트는 이 프레임워크의 별 수가 7월의 낮은 기준에서 시작하여 11월 말에 급증하여 현재 6,100개의 별에 도달하는 등 상당히 꾸준히 증가했음을 보여줍니다. 이는 프레임워크에 대한 관심이 급증하고 개발자들의 관심을 끌고 있음을 보여줍니다. 기하급수적인 성장은 Eliza가 기능, 업데이트 및 커뮤니티 참여로 인해 큰 관심을 얻었음을 보여줍니다. 그 인기는 다른 제품을 훨씬 능가하며, 이는 인공 지능 커뮤니티에서 더 폭넓은 적용 가능성이나 관심을 갖고 있음을 보여줍니다.
Rig(파란색 선): Rig는 4대 프레임워크 중 가장 오래된 프레임워크로 별 성장률은 크지 않지만 안정적이며 지난 한 달 동안 크게 증가했습니다. 별의 총 개수는 1,700개에 이르렀지만 여전히 상승 궤도에 있습니다. 꾸준한 관심 축적은 지속적인 개발, 업데이트 및 사용자 기반 증가로 인한 것입니다. 이는 Rig가 여전히 프레임워크로서 명성을 쌓아가고 있다는 사실을 반영할 수 있습니다.
ZerePy(노란색 선): ZerePy가 불과 며칠 전에 출시되었으며 별 수가 181개로 늘어났습니다. ZerePy의 가시성과 채택을 높이려면 더 많은 개발이 필요하며 ai16z와의 파트너십을 통해 코드베이스에 더 많은 기여자를 유치할 수 있다는 점을 강조하는 것이 중요합니다.
GAME(녹색 선): 이 프레임워크는 별 수가 적지만 API를 통해 가상 생태계의 에이전트에 프레임워크를 직접 적용할 수 있으므로 Github에 게시할 필요가 없다는 점은 주목할 가치가 있습니다. 그러나 이 프레임워크는 불과 한 달 전에 빌더에게 제공되었지만 현재 200개가 넘는 프로젝트가 GAME을 사용하여 구축되고 있습니다.
AI 프레임워크 업그레이드 기대
Eliza 버전 2.0에는 Coinbase 프록시 툴킷과의 통합이 포함됩니다. Eliza를 사용하는 모든 프로젝트는 미래의 기본 TEE(신뢰할 수 있는 실행 환경)에 대한 지원을 받게 되어 에이전트가 안전한 환경에서 실행될 수 있게 됩니다. 플러그인 레지스트리는 개발자가 플러그인을 원활하게 등록하고 통합할 수 있도록 하는 Eliza의 향후 기능입니다.
또한 Eliza 2.0은 자동화된 익명 크로스 플랫폼 메시징을 지원합니다. 2025년 1월 1일에 발표될 예정인 토큰노믹스 백서는 Eliza 프레임워크를 지원하는 AI16Z 토큰에 긍정적인 영향을 미칠 것입니다 . ai16z는 프레임워크의 유용성을 지속적으로 향상하고 핵심 기여자의 노력을 활용하여 고품질 인재를 유치할 계획입니다.
GAME 프레임워크는 에이전트를 위한 코드 없는 통합을 제공하므로 단일 프로젝트에서 각각 특정 사용 사례를 처리하는 GAME과 Eliza를 모두 사용할 수 있습니다. 이러한 접근 방식은 기술적인 복잡성보다는 비즈니스 로직에 중점을 두는 빌더에게 어필할 것으로 예상됩니다. 프레임워크가 공개된 지 30일이 조금 넘었지만 추가 기여자를 유치하려는 팀의 노력에 힘입어 프레임워크에 상당한 진전이 있었습니다. VirtuaI에서 시작되는 모든 프로젝트는 GAME을 채택할 것으로 예상됩니다.
ARC 토큰으로 구동되는 Rig 프레임워크는 상당한 잠재력을 가지고 있지만, 프레임워크의 성장은 초기 단계에 있고 Rig 채택을 촉진하는 프로젝트 계약 프로그램은 며칠 동안만 활성화되었습니다. 그러나 Virtual Flywheel과 유사하지만 Solana에 초점을 맞춘 ARC와 결합된 고품질 프로젝트가 곧 나타날 것으로 예상됩니다 . Rig 팀은 Solana와의 협력에 대해 낙관적이며 ARC를 Solana의 가상으로 포지셔닝합니다. 특히 팀은 Rig를 사용하여 시작된 새로운 프로젝트에 인센티브를 제공할 뿐만 아니라 개발자가 Rig 프레임워크 자체를 향상하도록 장려합니다.
Zerepy는 새로 출시된 프레임워크로 , ai16z(Eliza Framework)와의 협업으로 많은 주목을 받고 있으며, 프레임워크 개선에 적극적으로 노력하는 Eliza의 기여자들을 끌어 모았습니다 . Zerepy는 ZEREBRO 커뮤니티의 열정적인 지원을 받고 있으며 경쟁이 치열한 AI 인프라 세계에서 이전에 서비스를 충분히 받지 못했던 Python 개발자에게 새로운 기회를 열어주고 있습니다. 프레임워크는 AI의 창의적인 측면에서 중요한 역할을 할 것으로 예상됩니다.
