AgentWeb은 팀 주피터의 교육 프로젝트이며, 비즈니스 모델이 아닙니다.
기존의 웹(www)은 사이트마다;
도메인 주소를 구매하고, 매년 사용료를 지불하며,
제각각의 로그인 아이디와 패스워드를 요구하고,
메뉴 구성이 천차만별이라, 처음 방문하는 사용자는 이리저리 헤매기 일쑤이며,
방문자에게 이런 저런 정보를 제공하고, 방문자가 업무를 수행할 수 있도록 일련의 입력창을 제시할 뿐, 사이트 소유자(자연인과 법인)나, 방문자(자연인과 Agent)를 대신하여, 일련의 지능적 작업을 수행할 수 없다는 문제점이 있습니다.
AgentWeb은 이상의 문제점에 대해, 우리가 제시하는 해법이며, "Agent를 사용하는 사이트"들의 웹입니다. 이처럼 에이전트를 사용하는 사이트는 그 자체가 에이전트이므로, 에이전트 사이트라 부릅니다. 부연하면, 기존의 사이트는 각 사이트의 소유자가 판매(혹은 제공)하는 상품과 서비스를 소개하거나, 방문자가 해당 상품을 구매할 수 있도록 보조합니다(가령, 법원 사이트의 온라인 소송). 반면, 우리가 제시하는 새로운 웹은 각각의 에이전트 사이트가 (사람이 아니라) 다른 Agent를 불러와 고객의 요구에 대응합니다. 가령, "의료산업 에이전트 사이트"는 여타 에이전트 사이트에서 "의사 Agent"를 불러와 환자를 진료하고, 약품을 처방합니다. 이러한 "의료 에이전트 사이트"를 Site라 부르고, "의사 Agent"를 Tool이라 부릅니다.
이하, 이 페이지에서 "Site"라는 용어는 기존의 웹사이트가 아니라, LLM을 내재하고, Agent 기능을 수행하는 "에이전트 사이트"입니다.
산업별로 메뉴 구성을 통일하고, 특정 업종에 속한 모든 업체를 하나의 Site로 통합합니다. 가령, 국내 각 항공사의 판매 상품을 "항공업 Site"로 통합하고, 전국의 개별 병의원이 제공하는 모든 의료 서비스를 "의료업 Site"로 통합합니다.
한국직업분류 항목 각각에 대응하는 에이전트 사이트(= 이하, "Tool")을 생성합니다..
한국 인구 5천만 명 각각에 대해, 그/그녀의 지식과 기술, 학력, 성별 등을 기록한 에이전트 사이트를 생성합니다. 이를 "자연인 에이전트(이하, "Kool")이라 부릅니다. Kool은 Korean open online labor의 약어이며, "한국의 개방형 온라인 노동"입니다.
Korean - AgentWeb의 적용 지역 또는 적용 대상은 한국입니다.
Open - 오늘날 직장인은 소속 기업이 할당한 직무를 수행합니다. AgentWeb 환경에서, 근로자는 어디에도 소속되지 않습니다.
Online - 의사는 병원에서 진료합니다. AgentWeb에서 자연인 의사는 원격으로 진료합니다.
Labor - 자연인의 노동입니다.
그러므로, AgentWeb은 (1) 업종별 에이전트 사이트인 "Site", (2)직업별 에이전트 사이트인" Tool", 그리고 (3) 자연인을 대변하는 자연인 에이전트 사이트인 "Kool"로 구성됩니다.
그 순서는 다음과 같습니다.
Site 생성 - 한국표준산업분류표를 참조하여, 1,196개의 업종별로 각각의 Site을 생성합니다. Site는 사람의 개입없이 업무를 처리할 수 있는 Agent입니다. 가령, 의료업 Site는 환자를 진료하고, 의약품을 처방할 수 있으며, 법원 Site는 소송의 판결을 내릴 수 있고, 대학 Site는 각종 교재를 저술하고, 학습자의 질문에 답할 수 있습니다.
각 Site는 자신이 대표하는 산업 부문을 충분히 이해합니다. 가령, 교육산업 Site는 연령대별 교육의 목적, 과정, 그리고 대상 등을 자세히 기술합니다.
AgentWeb의 Site 갯수는 한국표준산업분류의 세세항목 갯수인 1,196개입니다.
Tool 생성 - 한국표준직업분류(KSCO)를 참조하여, 1,270개 직업 각각에 대응하는 Tool을 생성합니다.
각 Tool은 자신이 대변하는 직업의 기능을 잘 알고 있습니다. 가령, 중학교 물리 교사 Tool은 중등과정 물리 교과의 내용, 교사의 역할 등을 충분히 이해합니다.
Tool 갯수는 한국표준직업분류의 세세항목 수인 1,270개입니다.
Kool 생성 - 한국 인구 5천만 명 각각에 대응하는 에이전트 사이트(= Kool)를 생성하고, 그/그녀가 갖춘 지식과 기술, 현재 위치, 가용한 시간 등을 기록합니다.
각 Kool은 어느 한 개인의 탄생 순간부터 사망 시점까지 그/그녀에 관한 모든 사실을 기록합니다. 가령, 모년 모월 모일 모시에 어디서 태어난 홍길동이 자라나면서 언제 어디서 누구와 무엇을 얼마나 배우고 익혔으며, 언제 어떤 시험에서 성적이 어떠했는지 등입니다.
어느 한 Site는 하나 이상의 Tool을 호출하여, Site 이용자(사람 혹은 여타 Agent)의 요구를 충족합니다. 만약, 기존의 Tool만으로 사이트 이용자의 요구를 충족할 수 없으면, 해당 요구를 충족할 수 있는 한 명 이상의 자연인(= Kool)을 호출하여, 상기 이용자의 요구를 전달합니다. 이를 위해, 템플릿은 5천만 Kool를 참조합니다.
요약하면, 각 Stie는 하나 이상의 Tool과 한 명 이상의 Kool을 호출하여, 이용자의 요구를 처리합니다.
AgentWeb은 사람의 지능과 업무 능력을 갖춘 웹입니다.
기존의 웹(www)은 이용자가 요구하는 정보를 제공하며, AgentWeb은 이용자가 요구하는 바를 (더러, 사람의 개입없이) 수행할 수 있는 새로운 웹입니다. 예를 들어;
웹은 특정 질병에 대한 다양한 정보를 제공하지만, AgentWeb은 환자의 질병을 진단하고, 치료합니다.
웹은 이런저런 법규 정보를 제공하지만, AgentWeb은 범죄를 수사하고, 재판하며, 처벌합니다.
웹은 학습자에게 다양한 학습 정보를 제공하지만, AgentWeb은 직접 가르치고, 평가하며, 지도합니다.
웹은 다양한 상품 정보를 제공하지만, AgentWeb은 상품을 생산하고, 판매합니다.
AgentWeb을 구축하는 과정은 다음과 같습니다. 이 페이지 전반은 아래 과정을 상세히 기술합니다. 또한, 팀 주피터가 만든 n8n 강좌[링크], manus 강좌[링크] 및 AI City 강좌[링크]를 참고하십시오.
직업분류표를 참조하여, 1,270개 직업 각각의 기능을 제공할 Agent를 작성하며, 제각기 독립적인 Fine-tuned LLM을 갖습니다. 이들 LLM을 Tool이라 부릅니다(Generate 1,270 tools for 1,270 professions, each of which has its own Fine-tuned LLM.) 가령, 내과의사 Tool은 기존의 사람 내과의사와 같은 기능을 수행합니다.
5천만 한국 인구 각각을 대변할 Agent를 구성합니다. 이들 Agent는 특정 자연인에 대한 모든 정보를 가지며, 해당 자연인을 대신하여 다양한 업무를 수행합니다. 이 Agent들을 Kool이라 부릅니다(Generate 50,000,000 kools for 50,000,000 people. => college majors, high schools, middle schools, age, sex, weight, height, location .... => each has its own Fine-tuned LLM.)
산업분류표를 참조하여, 1,205개 업종 각각에 대응하는 Agent를 작성합니다. 이를 Site라 부르며, MCP의 Host(Client)입니다. 이들 역시 독립적인 Fine-tuned LLM을 가집니다. (MCP Host/Client Generator => Generate 1,205 sites for 1,205 industrial sectors or busineses. || 1,205 virtual machines + Cursor => Select tools for each site. => each has its own LLM). 가령, "병원 Site"는 환자를 진료합니다.
각각의 Site가 호출할 Tool과 Kool의 목록인 Server를 작성하여, 해당 사이트에 첨부합니다. 가령, 병원 사이트의 Server는 내과의사 Tool, 이비인후과 의사 Tool, 영상판독의사 Tool 등 모든 전문의 Tool과 5천만 한국인 중에 의사 면허를 가진 모든 Kool을 포함합니다.
Site, Tool, 및 Kool이 생산한 데이터를 암호화하고, 위변조를 방지하기 위해, Openhash Server를 구성합니다(Generate 10 Openhash Servers with unique ID(IPv6 address).
AgentWeb 이용자의 요청을 입력할 Interface Server를 구성합니다.
전술하였듯이, AgentWeb의 모든 사이트는 에이전트이며, 그 종류는 크게 셋입니다.
1,196개 업종 또는 산업 각각을 대변하는 Template 1,196개
1,231개 직업 각각을 대변하는 Tool 1,231개
5천만 한국인 각각을 대변하는 Kool 5천만 개
AgentWeb의 모든 Site는 자신이 참여한 대화나 거래(transaction)를 기록하고, Openhash 서버의 서명을 첨부한 뒤, 암호화하여 저장합니다. Openhash server의 역할은 크게 둘입니다.
Openhash - 데이터 위변조 방지를 위한 Hash Chain의 생성과 갱신, 그리고,
Tool & Kool Selection - Tool과 Kool의 목록을 생성하고, 갱신하며, 특정 Site의 요구를 수행할 Tool과 (필요하다면) Kool을 선정합니다. 어느 한 업무를 수행하는데 필요한 Tool의 갯수는 하나 이상일 수 있으며, Kool은 없을 수도 있습니다.
국가는 다수의 Openhash 서버를 운용합니다. 여기서 국가는 기존의 정부와 달리, 사람이 개입하지 않는 반자동(PANG) 시스템입니다.
Openhash 서버는 작동을 시작하는 시각을 포함하여, 해당 서버와 관련된 데이터로부터 Hash를 생성합니다(origin).
Tool과 Kool은 중요한 대화나 거래 내용을 (각자의 디지털 서명을 첨부하여) 어느 한 Openhash 서버(이하, "A")에 전송합니다. 가령, 부동산 계약서나 병원 진단서, 시험 성적표, 새로 취득한 자격증 등입니다.
Openhash 서버는 Site, Tool 및 Kool로부터 전송받은 데이터의 진위를 검증한 뒤, Hash를 추출하여, Origin 또는 가장 최근의 Hash에 연결하여, 새로운 Hash를 추가하고(Hash Chain), 자신의 Private Key로 암호화한 뒤, 재차 Site, Tool 및 Kool에게 전송합니다.
암호화된 데이터를 전달받은 Site, Tool 및 Kool은 각기 자신의 Private Key 다시 한번 암호화한 뒤 로컬 또는 클라우드에 저장합니다.
향후, Site, Tool 또는 Kool의 주장이나 기록을 검증할 필요가 있을 때, (1) Openhash Server의 Public Key, 그리고 (2) Site, Tool 및 Kool의 Public Key로 두 번에 걸쳐 암호화된 기록을 해독함으로써 그 진위를 판단할 수 있습니다. 가령, 해독되지 않으면, 거짓입니다.
전술하였듯이, AgentWeb의 어느 한 사용자가 특정 Site에 자신의 요구나 요청을 전달하면, 해당 Site는 Openhash Server에게 Tool과 Kool의 업데이트된 Data를 요청하고, 합니다. 구체적으로;
AgentWeb의 어느 한 사용자가 어느 한 Site에 업무 수행을 요청합니다. 가령, 법원 Site에 민사 재판을 요청할 수 있습니다(민사 소송).
Site는 Openhash Server로부터 가용한 Tool과 Kool의 최신 정보를 획득한 뒤, 적절한 Tool과 Kool을 선택하고, 선택된 각각의 Tool과 Kool이 수행해야할 작업과 순서를 결정하며, 이를 해당 Tool 및 Kool에게 전달합니다.
Site로부터 작업을 지시받은 Tool과 Kool은 각자의 업무를 수행 후, 그 결과를 Site에 전달합니다.
Site는 상기 사용자에게 상기 결과를 전달합니다.
Site, Tool 및 Kool은 각기 자신의 활동을 기록하며, 그 방법은 전술한 Openhash입니다.
Template, Tool, Kool, 그리고 Openhash Server는 각기 별도의 LLM을 이용하며, 모두 DeepSeek R1 또는 Qwen QwQ 32B 수준의 LLM입니다.
1,196개 업종(또는 산업)을 대신할 Site 1,196개는 각기 사용자의 요청을 처리할 Tool과 Kool을 선정하며, 그를 위해, Tool과 Kool 선정에 특화된 LLM을 이용합니다.
1,270개 직업을 수행할 Tool 1,270개는 제각기 특정 직업의 업무 수행 능력을 갖는 Agent이며, 해당 직종에 종사하는 자연인 수준 또는 그 이상입니다. 가령, 진단의학 의사 Agent는 오진률이 자연인 의사보다 현저히 낮습니다. 그러므로, Tool 각각은 특정 직업의 전문 지식에 특화된 LLM입니다.
5천만 인구를 대신할 Kool 5천만 개는 제각기 자연인에 대응하는 Agent이며, 해당 자연인의 모든 활동을 기록하고, 그/그녀를 대신하여, 일련의 업무를 수행합니다. 가령, 항공권을 예약하거나, 여행 일정을 작성하거나, 거래를 체결하고, 거래 대금을 지불 또는 수수하는 등의 일상적 활동입니다. 사람마다 취향이 다르고, 능력도 다르므로, 동일한 사건에 대해 대응하는 방식도 사람마다 다르고, 식사나 상품을 구매하는 패턴도 다릅니다. 그러므로, 자연인 각각에 특화된 LLM 5천만 개가 필요합니다.
방대한 컴퓨팅 자원이 필요할 듯 보이지만, (1) 5천만 개의 자연인 LLM은 최소 성능으로 충분하고, (2) 저성능 GPU나 CPU로 충분한 성능을 발휘하는 LLM이 속속 등장하고 있으며(가령, Qwen QwQ 32B), (3) AI City 메뉴에서 기술하는 바, 소규모 클라우드 시설을 구축하는 것으로 충분할 것입니다.
그러므로,
첫째 1,270개 직업의 수행 능력을 갖춘 Tool과 개개인의 지식과 기술 정보를 가진 5천만 Kool을 생성하고,
둘째,Tool과 Kool에 관한 DB를 갖춘 Openhash Server를 생성하며,
셋째, Tool과 Kool을 선택할 능력을 갖춘 1,196개 업종 Site를 생성한 뒤,
마지막으로, AgentWeb 사용자의 요청을 처리할 Site를 선택할 수 있는 AgentWeb Interface Server를 생성합니다.
5천만 인구 각각의 Agent는 각기 독립적인 LLM(Qwen QwQ 32B 또는 DeepSeek v3.1 이상)을 구동합니다. Linux Virtual Machine 5천만 세트가 구동하는 클라우드입니다.
클라우드 센터의 위치는 제주 AI 교육도시의 중심부입니다.
가격 대비 성능 면에서, 청화대학이 개발한 AI용 Chip인 ACCEL에 화웨이의 EulerOS를 탑재하는 방안이 1순위입니다. 교육도시가 ACCEL과 EulerOS의 개선 과정에 참여하는 것이 바람직합니다.
AI 신도시는 6G 통신을 테스트하기에 이상적인 환경입니다.
** 아래 그림을 클릭하면, 간단한 소개 영상으로 연결됩니다.
AI 시대의 컴퓨팅 환경은 지금과 많이 다를 것입니다.
스마트폰과 PC에 설치된 무수한 앱과 프로그램은 하나의 AI 보이스 인풋으로 대체될 것이나, 스마트폰은 무엇보다 배터리의 한계로, LLM을 가동하기에 적합하지 않습니다. 따라서, 앱이나 프로그램을 구동하는 대신, 클라우드에 접속할 수단으로 자리매김할 것입니다.
스마트폰과 PC가 더이상 앱이나 프로그램을 구동할 필요가 없으므로, 고성능 CPU나 GPU가 필요치 않고, 저전력 RISC-V 칩으로 충분합니다.
OS 측면에서, MS Windows, MacOS, Linux, Android, iOS 등의 시장 지배력은 다종다양한 어플리케이션의 구동 능력에 기초합니다. 단말기가 다양한 프로그램을 구동하지 않는다면, 이들 OS의 역할과 비중도 현저히 줄어듭니다. 따라서, 가벼운 Linux distro나 HarmonyOS로 충분합니다.
대부분의 컴퓨팅 프로세스가 클라우드에서 수행되는 AgentWeb을 상정하면, 기존의 Desktop이나 Smartphone은 필요 이상으로 고성능의 비싼 부품을 사용합니다. 그러므로, 모든 단말기를 원점에서 새로 설계합니다.
PC와 Smartphone 부품 개발 Agent - RISC V 칩을 중심으로, AgentWeb에 적합한 PC의 부품 구성을 결정하고, 필요 부품을 개발합니다.
PC와 Smartphne 디자인 Agent - 기존 디바이스들보다 얇고 가벼운 형태를 디자인합니다.
PC와 Smartphne 생산 Agent - 생산 프로세스를 작성합니다.
PC와 Smartphne 관리 Agent - 5천만 인구에게 PC와 스마트폰을 각기 1대씩 보급한다고 가정하여, 보급된 장치들의 수리와 관리 프로세스를 작성합니다.
OS 개발 Agent - AgentWeb을 상정하면, 가장 가벼운 Linux distro조차 지나치게 무겁습니다. 그러므로, 통신 기능과 디스플레이/사운드 제어 기능 등 핵심 커널만 남기고 나머지 모듈과 기능들은 제거합니다. 그로써, 전력 소비를 현저히 줄일 수 있습니다.
아래는 DeepSeek r1 모델을 Fine-Tuning하여, 교육도시 10만 시민과 학생에게 제공할 PC를 개발, 디자인, 생산, 및 관리하는 방법과 절차를 정리합니다. Fine-Tuing 작업은 교육도시의 1,205개 기업 중 일부가 담당합니다.
** 각각의 그림을 클릭하면, 해당 영상으로 연결됩니다.