브라우저 속의 유령: Manus가 보편적 작업을 위한 AI 에이전트를 혁신하는 방법

브라우저 속의 유령: 한 스타트업이 AI 에이전트를 재상상하는 방법

그것은 음성 메모리에서 시작되었습니다. 1년 전, 고급 MacBook의 윙윙거리는 소리와 신 커피 냄새가 가득한 방에서 네 명의 엔지니어가 모여 인류 역사상 가장 진보된 기술이 왜 여전히 끊임없는 도움 없이는 항공권 예약이나 스프레드시트 정리를 할 수 없는지 고민했습니다. 그들은 자신들의 논쟁을 녹음했고, 그 생생한 아이디어 교환은 결국 Manus의 청사진이 되었습니다. 오늘 그 대화록을 돌아보면 진정한 AI 에이전트에 대한 비전이 탄생한 정확한 순간을 볼 수 있습니다. 일에 대해 이야기하는 챗봇이 아니라, 실제로 일을 수행하는 디지털 개체로서 말입니다.

AI 에이전트라는 용어는 기술 업계가 가장 좋아하는 새로운 유행어가 되었지만, 대부분의 사람들은 여전히 그것이 실제로 무엇을 의미하는지 정의하기 어려워합니다. 단순히 더 똑똑해진 Siri일까요? 아니면 백그라운드에서 실행되는 스크립트일까요? Manus의 Zhang Tao와 그의 팀에 따르면, AI 에이전트는 훨씬 더 심오한 것입니다. 그것은 인간 마음의 확장입니다. 인간 인턴과 동일한 수준의 자율성과 지속성을 가지고 열린 웹의 혼란스럽고 대본 없는 세계를 탐색할 수 있는 소프트웨어이며, 수면이나 건강보험이 필요 없다는 점만 다릅니다.

이 심층 분석에서는 그 기초 회의에서 논의된 내부 철학과 기술적 난관을 살펴봅니다. 팀이 '제너럴리스트'와 '스페셜리스트' 사이의 긴장을 어떻게 헤쳐 나갔는지, 왜 '클라우드 브라우저'가 향후 10년의 비밀 무기인지, 그리고 지능의 경제학이 어떻게 변화하고 있는지 알아봅니다. 이것은 단순히 스타트업에 대한 이야기가 아니라, 지구상의 모든 사람이 전담 AI 에이전트를 곁에 두는 시대를 위한 로드맵입니다.

생성형 AI에서 자율 AI 에이전트로의 전환은 그래픽 사용자 인터페이스(GUI)의 발명 이후 컴퓨팅에서 가장 중요한 변화입니다. 우리는 컴퓨터에게 *어떻게* 할지 지시하는(프로그래밍) 세계에서 *무엇을* 달성하고 싶은지 말하는(의도) 세계로 이동하고 있습니다. 그러나 Manus 팀이 곧 깨달았듯이, 기계가 의도를 이해하게 하는 것은 쉬운 부분입니다. 현대 인터넷의 파편화된 환경에서 그 의도를 실행하게 하는 것이 진짜 전쟁에서 승리하는 지점입니다.

제너럴리스트 역설: Hao123에서 새로운 웹까지

Manus 킥오프 동안 가장 열띤 논쟁 중 하나는 전략적 갈림길에 집중되었습니다. 특정 작업을 위한 전문 도구를 만들 것인가, 아니면 보편적 엔진을 만들 것인가? 프로젝트의 핵심 사상가 중 한 명인 Red Peak는 이 문제를 설명하기 위해 훌륭한 역사적 비유를 사용했습니다. 그는 현재 AI의 상태를 중국 인터넷 초기, 특히 Hao123과 Baidu 간의 경쟁에 비유했습니다.

Hao123은 디렉터리였습니다. 인간이 사전 승인하고 정리한 링크 모음이었죠. 웹이 작았기 때문에 작동했습니다. 마찬가지로 초기 AI 도구 중 상당수는 '링크 기반'입니다. Spotify용 특정 API, Google Calendar용 다른 API, Slack용 또 다른 API에 연결됩니다. 그러나 이 접근 방식은 본질적으로 한계가 있습니다. 개발자가 사전에 통합한 작업만 수행할 수 있습니다. AI 에이전트가 개발자가 생각하지 못한 작업을 수행하기를 원한다면 운이 없는 것입니다. 이러한 '공급 측면' 지능 모델은 진정한 자율성의 막다른 길입니다.

반면, 'Baidu 모델'(또는 Google 모델)은 크롤러에서 시작했습니다. 허락을 구하지 않고 단순히 웹 전체를 읽고 탐색하는 법을 배웠습니다. 보편적 검색 엔진을 먼저 구축한 후 특정 쿼리에 맞게 최적화할 수 있었습니다. Manus 팀은 자신들의 AI 에이전트도 이 경로를 따라야 한다고 결정했습니다. 플러그인 모음이 아니라 여러분처럼 브라우저를 사용하는 방법을 아는 디지털 개체여야 합니다. 버튼이 보이면 클릭할 수 있고, 양식이 보이면 작성할 수 있습니다.

• 디렉터리 접근법: 사전 설정된 통합에 제한됨; 높은 신뢰성 하지만 낮은 유연성.
• 크롤러 접근법: 모든 웹사이트를 처리할 수 있음; 높은 유연성 하지만 깊은 '시각적' 이해가 필요함.
• 하이브리드 목표: 일반 기능을 사용해 사용자가 실제로 원하는 것을 발견한 다음, 빈도가 높은 작업을 위한 단축키를 '내장'합니다.
• 확장성의 승리: 일반 AI 에이전트는 회사가 API를 출시할 때까지 기다리지 않아도 유용하게 쓰일 수 있습니다.

수직적 최적화보다 일반성을 우선시하는 이 결정은 대담합니다. 즉, AI 에이전트는 '야생' 웹의 혼란(팝업, 캡차, 변화하는 레이아웃)을 처리해야 합니다. 그러나 팀은 일반적인 문제를 해결하면 특정 문제는 저절로 해결될 것이라고 주장했습니다. 그들은 단순한 도구를 만드는 것이 아니라 디지털 노동을 위한 플랫폼을 구축하고 있었습니다.

자율성의 인프라: 클라우드 브라우저

Manus의 철학이 일반적인 에이전시에 관한 것이라면, 이 프로젝트의 기술적 핵심은 '클라우드 브라우저'입니다. 회의에서 Zhang Tao와 Fan Bin은 AI 에이전트가 실제로 세상과 상호작용하는 방식을 고민했습니다. LLM에 터미널만 주고 호텔을 예약하라고 기대할 수는 없습니다. 세상의 대부분의 가치는 인간의 눈과 손가락을 위해 설계된 그래픽 사용자 인터페이스(GUI) 뒤에 잠겨 있습니다.

해결책은 '브라우저 속 브라우저' 아키텍처를 만드는 것이었습니다. AI 에이전트가 백그라운드에서 데이터를 '스크래핑'하는 대신, 원격 서버에서 실행되는 전체 브라우저 인스턴스를 작동시킵니다. Zillow에서 집을 찾아달라고 AI 에이전트에 요청하면 단순히 API를 호출하는 것이 아니라 말 그대로 클라우드에서 브라우저를 '열고' URL로 이동한 다음 스크롤을 시작합니다. 이를 통해 사용자는 에이전트가 실시간으로 작업하는 것을 지켜볼 수 있으며, 텍스트 기반 봇은 따라올 수 없는 신뢰의 다리를 만듭니다.

그러나 이것은 지연 시간에 관한 거대한 기술적 과제를 만듭니다. 서버에서 사용자 노트북으로 고화질 브라우저 창을 끊김 없이 스트리밍하려면 어떻게 해야 할까요? Zhang Tao는 지능형 픽셀 스트리밍을 사용하는 XPRA와 같은 기술을 지적했습니다. 화면에서 변경되는 부분만 전송함으로써 AI 에이전트는 실제 작업이 수천 마일 떨어진 데이터 센터에서 이루어지더라도 사용자 눈앞에서 작업하는 것처럼 보일 수 있습니다.

이 시각적 접근 방식은 '환각' 문제도 해결합니다. 일반 챗봇이 항공권을 예약했다고 말하면 그 말을 믿어야 합니다. 그러나 Manus AI 에이전트가 실시간 브라우저 창에서 확인 화면을 보여준다면 증거가 있습니다. 이러한 가시성은 프로세스를 디버깅해야 하는 엔지니어와 작업 완료 여부만 알면 되는 관리자에게 필수적입니다.

지속성 문제: AI에게 메모리가 필요한 이유

Manus 킥오프 동안 가장 심오한 깨달음 중 하나는 메모리가 없는 AI 에이전트는 그저 화려한 계산기에 불과하다는 것이었습니다. Peak는 Devin과 같은 현재 시장 선두주자의 주요 결함을 지적했습니다. 그들은 '한 번 하고 끝'입니다. 세션이 끝나면 에이전트는 사실상 디지털 기억상실증을 겪습니다. 비밀번호도, 생성한 파일도, 스프레드시트 서식의 선호 방식도 잊어버립니다.

인간의 진정한 대리자가 되기 위해 AI 에이전트는 '상태 지속성(State Persistence)'을 가져야 합니다. 즉, 에이전트는 고유한 디지털 정체성이 필요합니다. Amazon이나 GitHub 계정에 로그인된 상태를 유지할 수 있도록 쿠키와 로컬 저장소를 보관하는 안전한 저장소가 필요합니다. 월요일에 보고서 초안을 저장하고 목요일에 돌아와서 마저 작성할 수 있는 영구 파일 시스템도 필요합니다. 이것이 없다면 AI 에이전트의 '에이전시'는 환상에 불과합니다.

팀은 모든 에이전트를 위한 가상화된 '홈'을 만드는 것을 논의했습니다. 이 환경에는 환경 변수, 보안 키, 전용 작업 공간이 포함됩니다. AI 에이전트가 호출될 때마다 '들어가는' 디지털 사무실이라고 생각하면 됩니다. 이러한 지속성을 통해 몇 시간 또는 며칠이 걸릴 수 있는 장기 실행 작업이 가능하며, 에이전트는 주기적으로 진행 상황을 사용자에게 알려줍니다.

"진정한 에이전시는 단지 퍼즐을 푸는 것이 아니라, 퍼즐이 풀리는 작업 공간을 소유하는 것입니다. AI 에이전트가 세션 사이에 제가 누구인지 기억하지 못한다면, 그것은 어시스턴트가 아니라 낯선 사람입니다."

그러나 이 영구 메모리를 구축하는 것은 비용이 많이 들고 복잡합니다. 대규모 고성능 컴퓨팅과 세계 최고의 대규모 언어 모델에 대한 원활한 접근이 필요합니다. AI 에이전트 산업의 근본적인 경제학이 작용하는 지점이 바로 여기입니다. 생각하고, 보고, 기억할 수 있는 범용 에이전트를 실행하려면 개발자에게 비용이 과도하게 들지 않는 인프라가 필요합니다.

지능의 경제학: GPT Proto와 수익성

논의가 '무엇'에서 '어떻게'로 옮겨가면서 모델 비용의 현실이 크게 다가왔습니다. 정교한 AI 에이전트를 실행하려면 높은 토큰 수의 상호작용이 지속적으로 필요합니다. 에이전트가 웹페이지를 '보거나' 다단계 작업에 대해 '추론'할 때마다 비싼 API 크레딧을 소비합니다. Manus 같은 스타트업이 확장하려면 주요 모델 제공업체의 소매 가격에 묶여 있을 수 없었습니다.

이것이 GPT Proto와 같은 딥 통합 플랫폼이 AI 에이전트를 구축하는 개발자에게 판도를 바꾸는 지점입니다. OpenAI, Claude, Google을 포함한 세계에서 가장 강력한 모델에 통합 인터페이스를 제공하고 주류 가격보다 최대 60% 저렴하게 제공함으로써, GPT Proto는 개발자가 '인보이스'가 아닌 '에이전시'에 집중할 수 있게 합니다. AI 에이전트가 높은 추론이 필요한 작업을 수행해야 할 때는 성능 우선 모델로 전환할 수 있고, 단순히 웹페이지를 요약할 때는 비용 효율적인 모드로 전환할 수 있습니다.

Manus 팀은 '스마트 스케줄링'—작업의 복잡성에 따라 모델을 동적으로 전환하는 능력—이 핵심 경쟁 우위라는 것을 깨달았습니다. GPT Proto 같은 시스템을 사용하면 AI 에이전트는 단일 표준 인터페이스를 통해 텍스트, 이미지, 심지어 비디오 처리까지 접근하는 멀티모달 강자처럼 작동할 수 있습니다. 이러한 유연성이 프로토타입을 지속 가능한 비즈니스 모델로 전환합니다.

• 비용 효율성: 대폭적인 할인 덕분에 비용이 너무 많이 들어 실행하기 어려웠을 장기 실행 에이전트 세션이 가능합니다.
• 멀티모달 마스터리: 비전(웹 탐색)과 텍스트(추론)를 위한 특화 모델에 대한 원스톱 접근.
• 통합 표준: 다양한 모델 형식에서 AI 에이전트를 관리하는 데 필요한 코드를 단순화합니다.
• 글로벌 신뢰성: 높은 가동 시간의 API 덕분에 에이전트가 중요한 작업 중에 '죽지' 않습니다.

사용자에게 이는 AI 에이전트가 더 저렴하고 더 강력해진다는 것을 의미합니다. 기술 엘리트를 위한 럭셔리 도구와 일반 대중을 위한 보편적 유틸리티의 차이입니다. '지능의 공급망'을 최적화함으로써 Manus는 디지털 어시스턴트가 항상 빠르고, 항상 똑똑하고, 항상 사용 가능하도록 보장할 수 있습니다.

UX 철학: '인터랙티브 테이크오버'의 힘

Manus 논의에서 가장 인간 중심적인 부분 중 하나는 AI 에이전트가 실패할 때 어떻게 되는지에 관한 것이었습니다. 그리고 오해하지 마세요. 최고의 AI 에이전트도 벽에 부딪힙니다. 2FA(2단계 인증) 프롬프트, 복잡한 캡차, 비표준 UI의 웹사이트 등 인간의 직관이 여전히 필요한 순간이 있습니다. 대부분의 현재 AI 도구는 단순히 오류를 내거나 사용자에게 코드를 수정하라고 요청합니다.

Manus는 더 우아한 솔루션인 인터랙티브 테이크오버를 제안했습니다. AI 에이전트가 사용자에게 스트리밍되는 클라우드 브라우저에서 실행되므로 'AI 제어'에서 '인간 제어'로의 전환은 즉각적일 수 있습니다. 에이전트가 로그인 화면에서 막히면 사용자는 창을 클릭하여 비밀번호를 입력하거나 캡차를 푼 다음 '재개' 버튼을 눌러 AI 에이전트에게 제어권을 되돌려줄 수 있습니다.

이것은 협업 루프를 만듭니다. AI 에이전트는 반복적이고 지루한 작업의 90%를 처리하고, 인간은 창의적이거나 보안이 필요한 입력이 필요한 10%에 대해 높은 수준의 감독자 역할을 합니다. 많은 사람들이 AI를 사용할 때 느끼는 '블랙박스' 불안을 제거합니다. 단지 봇이 올바른 일을 하기를 바라며 손가락을 걸고 있는 것이 아니라, 필요할 때 개입할 준비가 된 채 바로 옆에 앉아 있는 것입니다.

인터페이스 자체는 '점진적 공개(Progressive Disclosure)' 철학을 따릅니다. 팀은 많은 기술 도구에서 볼 수 있는 '텍스트 벽' 방식을 비판했습니다. 관리자에게 Manus AI 에이전트는 단순하고 깔끔한 대시보드처럼 보여야 합니다. 그러나 내부 작동 과정을 보고 싶어하는 엔지니어를 위해 'OS와 같은' 환경은 터미널, 브라우저 로그, 파일 시스템을 독립적인 플로팅 창으로 띄울 수 있게 합니다. 그것은 AI 시대를 위한 운영체제입니다.

EVE Online 비유: 복잡성 관리하기

회의 중 놀라운 반전으로 팀은 믿을 수 없을 정도로 복잡한 경제 및 정치 시스템으로 유명한 대규모 멀티플레이어 게임 *EVE Online*에 대해 논의하기 시작했습니다. 왜일까요? *EVE*는 인간 인지 관리의 한계를 나타내기 때문입니다. *EVE* 플레이어는 수십 개의 스프레드시트, 무역 경로, 외교 동맹을 동시에 관리해야 하는 경우가 많습니다. 흔히 '우주 속의 스프레드시트'로 묘사되는 게임입니다.

PanPan과 Zhang Tao는 이것을 AI 에이전트를 위한 완벽한 테스트 장소로 보았습니다. 에이전트가 플레이어가 시뮬레이션된 은하 경제의 복잡성을 탐색하도록 도울 수 있다면, 소규모 비즈니스 소유자가 글로벌 배송, 세금 준수, 디지털 마케팅의 복잡성을 탐색하도록 돕는 것도 충분히 가능합니다. AI 에이전트는 단순한 '도우미'가 아니라 '복잡성 버퍼'입니다. 세상의 어수선하고 엔트로피가 높은 데이터를 흡수하여 사용자에게 명확한 선택지와 실행된 작업을 제시합니다.

인간은 오랜 시간 동안 지속적이고 고강도의 집중을 유지하는 데 악명 높을 정도로 취약합니다. 우리는 피곤해지고, 세부 사항을 놓치며, 더 나은 방법이 있음에도 항상 해오던 방식대로 하는 '경험 편향'에 빠지기 쉽습니다. 그러나 AI 에이전트는 '첫 번째 원칙'에서 작업할 수 있습니다. 웹에서 가능한 모든 옵션을 스캔하고, 500개 공급업체의 가격을 비교하며, 지루해하거나 산만해지지 않고 목표까지의 '최단 경로'를 찾을 수 있습니다. 이런 방식으로 그것은 진정으로 우리 의지력의 확장이 됩니다.

'전문성 격차' 극복

Fan Bin이 제기한 주요 우려는 제너럴리스트 AI 에이전트가 전문 소프트웨어를 사용하는 전문가 인간과 경쟁할 수 있는지 여부였습니다. 예를 들어, 에이전트가 실제로 Final Cut Pro를 사용해 비디오를 편집할 수 있을까요? 아니면 항상 인간 편집자의 '투박한' 버전에 머물까요? 팀의 대답은 겸손하면서도 야심찼습니다. 그들은 '컴퓨터 사용'(AI가 웹이 아닌 앱에서 보고 클릭하는 능력)에는 아직 갈 길이 멀다는 것을 인정했습니다.

그러나 그들은 대부분의 전문 업무가 웹으로 이동하고 있다고 주장했습니다. 디자인용 Figma, 문서용 Google Workspace, CRM용 Salesforce에 이르기까지 '브라우저'는 보편적 운영체제가 되어가고 있습니다. 브라우저를 마스터함으로써 AI 에이전트는 현대 화이트칼라 업무의 80%를 마스터합니다. '전문성 격차'는 소프트웨어의 모든 버튼을 아는 것이 아니라, 새로운 인터페이스를 그 자리에서 학습하는 에이전트의 능력에 관한 것입니다.

이것은 '에이전트 훈련'이라는 아이디어로 이어졌습니다. 인간이 매뉴얼을 읽고 실험하며 새로운 도구를 사용하는 법을 배우는 것처럼, Manus AI 에이전트는 '자기 교정'하도록 설계되었습니다. 버튼을 클릭했는데 결과가 예상과 다르면 그냥 종료하지 않습니다. 화면의 새로운 상태를 분석하고 단서를 찾아 다른 접근 방식을 시도합니다. 이 '추론 루프'가 정적 스크립트와 진정한 AI 에이전트를 구분 짓습니다.

목표는 인간을 가치 사슬 위로 끌어올리는 것입니다. 인간이 소프트웨어의 '운전자'가 되는 대신 결과물의 '아키텍트'가 됩니다. AI 에이전트에게 마우스를 움직이는 방법을 지시하는 것이 아니라 최종 결과물이 어떤 모습이어야 하는지 말하고, 그 결과가 좋은지 판단할 '안목'과 '판단력'을 제공합니다.

보안과 신뢰: 윤리의 새로운 경계

로그인 자격 증명과 신용카드 정보를 가진 AI 에이전트를 보안 없이 논할 수는 없습니다. 이것은 아마 회의에서 가장 냉정한 부분이었을 것입니다. 에이전트가 침해당하면 사용자의 디지털 생활 전체가 위험에 빠집니다. Manus 팀은 하나의 인스턴스가 침해당해도 나머지 시스템이 안전하게 유지되도록 에이전트를 샌드박싱하는 방법을 논의하는 데 상당한 시간을 보냈습니다.

신뢰는 투명성을 통해 구축됩니다. AI 에이전트의 행동을 클라우드 브라우저에서 볼 수 있게 한 결정은 단순한 UX 선택이 아니라 보안 선택이었습니다. 사용자가 에이전트가 정확히 무엇을 하는지 볼 수 있게 함으로써 Manus는 감사 추적을 만듭니다. 에이전트가 의심스러운 사이트로 이동하기 시작하면 사용자는 그 상황을 보고 세션을 종료할 수 있습니다. 이 '보이는 대로 실행된다(WYSIWID)' 모델은 자율 에이전트의 대중적 채택에 매우 중요합니다.

또한 그들은 '자격 증명 캡슐화'에 대해 논의했습니다. AI 에이전트가 실제로 원시 비밀번호를 '보지' 않는다는 아이디어입니다. 대신 보안 세션 토큰이나 관리형 볼트를 사용합니다. 이는 잠재적인 보안 사고의 영향 범위를 제한합니다. AI 에이전트가 우리의 돈과 데이터를 처리할 시대에 접어들면서 이러한 '지루한' 인프라 세부 사항은 사실 가장 중요한 기능입니다.

미래: 모든 사람을 위한 마음의 확장

회의는 조용한 설렘 속에 마무리되었습니다. 녹음에는 스프린트가 아니라 마라톤의 시작점에 서 있음을 아는 팀의 모습이 담겨 있습니다. 그들은 'AI'라는 추상적 아이디어에서 기능적인 AI 에이전트—지속적이고 시각적이며 유능한 디지털 직원—라는 구체적 현실로 나아갔습니다. 그들은 Manus의 성공이 얼마나 많은 사람들이 그것과 대화했는지가 아니라, 얼마나 많은 시간의 수작업을 절약했는지로 측정될 것임을 깨달았습니다.

우리는 '생각'과 '실행' 사이의 장벽이 무너지는 역사적 시기에 접어들고 있습니다. 과거에는 연구 논문이나 사업 계획에 대한 훌륭한 아이디어가 있어도 여전히 수백 시간을 '고된 작업'에 써야 했습니다. 검색, 서식 지정, 이메일 작성, 데이터 입력 같은 작업 말입니다. AI 에이전트는 그 고된 작업을 없애기 위해 설계되었습니다. 기계가 실행의 물류를 처리하는 동안 인간의 정신은 창조의 '몰입 상태'에 머물 수 있게 합니다.

Manus가 회의록에서 살아있는 제품으로 나아가는 과정은 첫 논의의 철학을 담고 있습니다. 기술은 단순히 우리가 사용하는 도구가 아니라 우리를 이해하는 파트너가 되어야 한다는 것입니다. 복잡한 프로젝트 관리, 꿈의 휴가 예약, 디지털 금융의 복잡한 세계 탐색 등 어떤 일이든 AI 에이전트는 대기하고 있으며, 여러분의 의도를 현실로 바꿀 준비가 되어 있습니다.

결론

비좁은 사무실의 음성 녹음에서 세계적 수준의 AI 에이전트에 이르는 여정은 명확한 제품 철학의 힘을 보여줍니다. 제한된 통합의 'Hao123' 모델을 거부하고 일반 역량의 'Baidu' 모델을 수용함으로써 Manus는 컴퓨터와의 관계를 재정의하는 길에 들어섰습니다. 클라우드 브라우저, 영구 메모리, '인간 개입' 상호작용 모델을 통해 수년간 AI를 가로막았던 신뢰와 실행 문제를 해결하고 있습니다.

그리고 기반 모델이 더욱 강력해지고 GPT Proto와 같은 플랫폼을 통해 인프라가 더 저렴해짐에 따라 진정한 자율 AI 에이전트의 꿈은 모든 사람에게 열려 있습니다. 우리는 더 이상 기계와 채팅만 하는 것이 아니라 협업하고 있습니다. 디지털 마음 확장의 시대가 공식적으로 시작되었습니다.

---