Auto-GPT

이제 AutoGPT로 표기하는 Auto-GPT는 GPT-4가 스스로 목표를 수행하게 하는 오픈 소스 프로그램입니다. 반복적으로 자신에게 프롬프트를 보내면서 단계를 계획하고, 웹 검색이나 파일 작성과 같은 명령을 선택해 실행하고, 결과를 읽은 뒤 목표를 달성했다고 판단할 때까지 다시 계획합니다. 게임 스튜디오 Significant Gravitas의 설립자인 Toran Bruce Richards는 GPT-4 출시 2주 후인 2023년 3월 30일 Auto-GPT를 공개했습니다. Auto-GPT는 며칠 만에 GitHub 인기 저장소 목록의 최상위에 올랐으며, 대규모 언어 모델 (LLM)을 기반으로 구축된 자율 AI 에이전트라는 아이디어를 연구 주제에서 누구나 실행할 수 있는 프로그램으로 바꾸었습니다. AutoGPT 저장소의 별 수는 이후 18만 개를 넘어섰습니다.

Auto-GPT의 작동 방식#

사용자는 원래 Auto-GPT에 이름과 역할, 시장 조사 및 보고서 작성과 같은 몇 가지 목표를 지정했습니다. 프로그램은 각 주기마다 해당 목표, 허용된 명령 목록, 제약 조건, 최근 기록을 바탕으로 프롬프트를 구성한 뒤 GPT-4에 두 부분으로 이루어진 JSON 응답을 요청했습니다. thoughts 부분에는 모델의 텍스트, 추론, 계획, 자기 비판, 사용자에게 전달할 요약이 담겼으며, 이는 사고 연쇄 프롬프팅을 문장으로 풀어 쓴 형태입니다. command 부분에는 Google 검색, 웹 페이지 탐색, 파일 읽기 또는 쓰기, Python 코드 실행, 보조 GPT 에이전트 시작 등 하나의 작업과 해당 인수가 지정되었습니다.

명령을 실행하기 전에 Auto-GPT는 해당 명령을 사용자에게 표시했습니다. 사용자는 y을 입력해 승인하거나, y -N을 입력해 다음 N개 명령을 승인하거나, n를 입력해 종료했습니다. 연속 모드에서는 이러한 확인 절차를 완전히 건너뛰며, README는 프로그램이 영원히 실행되거나 사용자가 일반적으로 승인하지 않을 행동을 할 수 있다고 경고했습니다. 모델의 짧은 컨텍스트 윈도우를 넘어서는 기억을 위해 초기 버전은 과거 결과를 로컬 JSON 캐시나 Pinecone, Redis, Milvus와 같은 벡터 데이터베이스에 임베딩으로 저장하고, 각 주기마다 가장 관련성이 높은 항목을 검색했습니다. GPT-3.5는 긴 웹 페이지를 요약했습니다.

Auto-GPT가 보여 준 것과 어려움을 겪은 부분#

Auto-GPT는 추론과 도구 사용을 번갈아 수행하는 ReAct 패턴을 수백만 명에게 알렸으며, 모델이 생성하고 우선순위를 정해 처리하는 작업 목록을 계속 유지한 Yohei Nakajima의 BabyAGI를 비롯한 유사 프로젝트의 물결에 영감을 주었습니다. Auto-GPT를 실행하면서 에이전트 개발자가 여전히 해결해야 하는 문제도 드러났습니다. 에이전트는 같은 검색을 반복하며 루프에 빠졌고, 원래 목표에서 벗어났으며, 실제로 이루지 않은 진행 상황을 보고하는 환각을 일으켰습니다. 또한 매 주기마다 긴 프롬프트와 함께 GPT-4를 호출해 API 비용이 급증했습니다. 명확한 종료 규칙이 없고 연속 모드의 위험이 있다는 점은 이후 에이전트가 단계 예산, 승인 규칙, 에이전트 샌드박스를 갖춘 에이전트 하네스 안에서 실행되는 이유와, 인상적인 데모가 아니라 에이전트 평가를 통해 성능을 측정하는 이유를 보여 주었습니다. 핵심 기능인 모델의 성능도 향상되었습니다. OpenAI는 2023년 6월 네이티브 함수 호출을 추가했고, 이후 추론 모델은 긴 도구 호출 체인을 수행하도록 강화 학습으로 학습되었습니다.

Auto-GPT와 관련 용어 비교#

• 챗봇: 한 번에 메시지 하나에 답하고 다음 메시지를 기다립니다. Auto-GPT는 다음 프롬프트를 직접 생성하고 목표를 달성했다고 판단할 때까지 계속 작업했습니다.
• AutoML: 자동화된 머신러닝은 모델과 하이퍼파라미터를 탐색해 데이터셋에 가장 적합한 모델을 학습합니다. 이름은 비슷하지만 Auto-GPT는 학습을 수행하지 않고 사전 학습된 LLM을 이용해 일반적인 작업을 처리합니다.
• 로보틱 프로세스 자동화 (RPA): 개발자가 미리 기록한 스크립트에 따라 클릭과 키 입력을 재생합니다. Auto-GPT는 실행 시점에 목표와 각 결과를 바탕으로 단계를 선택했습니다.
• 에이전트형 워크플로: 개발자가 정의한 경로에 따라 LLM 호출과 도구를 배열합니다. Auto-GPT는 전체 계획을 모델에 맡겼으며, 이는 같은 스펙트럼에서 완전 자율에 해당하는 방식입니다.

오늘날의 AutoGPT#

이 프로젝트는 시각적 캔버스에서 연결된 블록을 워크플로로 구성해 에이전트를 만들 수 있는 호스팅 및 자체 호스팅 서비스인 AutoGPT Platform으로 발전했으며, 바로 사용할 수 있는 에이전트 마켓플레이스와 채팅 기반 빌더도 제공합니다. 플랫폼 코드는 개인 및 내부 업무 용도로 사용할 수 있지만 경쟁 호스팅 서비스로 판매하는 것은 금지하는 Polyform Shield 라이선스에 따라 제공되며, 독립형 원본 에이전트는 에이전트 구축용 Forge 툴킷 및 테스트용 agbenchmark 하네스와 함께 저장소의 classic/ 폴더에 MIT 라이선스로 남아 있습니다. Auto-GPT와 같은 목표 기반 루프는 이제 대부분 도구와 권한이 제한된 제품 안에서 실행됩니다. Ultralytics Platform에서는 Ask AI 어시스턴트가 요청을 Platform 작업으로 변환해 데이터셋을 찾고, YOLO26 학습 실행을 시작하고, 결과를 비교하고, 다음 실험을 제안합니다. 이 작업은 사용자의 API 키로 인증된 ul cloud 명령줄을 통해 수행됩니다.