AI 에이전트의 'GPT 순간', 마누스가 전체 AI 업계를 뒤흔들다
저자: shiyun, 장용의
2025년은 AI 에이전트 원년이다—라는 말이 3월 6일 새벽 북경 시간 기준으로 현실이 되었다.
「딥시크 이후, 또 한 번 테크 업계가 잠들지 못한 밤.」
SNS에서 많은 사용자들이 이렇게 평가했다.
모두가 밤을 새우며 기다린 건 단 하나, 바로 Monica.im이 개발한 세계 최초의 AI 에이전트 제품 「Manus」의 사용 초대장이었다.
팀에 따르면 「Manus」는 다양한 복잡하고 변동적인 작업을 해결할 수 있는 진정한 자율형 AI 에이전트다. 전통적인 AI 어시스턴트와 달리 Manus는 제안이나 답변만 제공하는 것이 아니라, 완성된 작업 결과물을 직접 전달한다.
Manus 소개 영상은 겨우 4분이지만 충격적이다
이미지 출처: Monica.im
「Manus」라는 이름이 지닌 의미처럼, 이는 라틴어로 '손'을 상징한다. 즉 지식이 머릿속에만 있는 것이 아니라 실제로 손으로 실행할 수 있어야 한다는 뜻이다. 이것이 바로 에이전트와 AI 봇(채팅 로봇)의 본질적인 차별점이다.
Manus는 어디서 강력한가? 가장 직관적인 방법은 공식 웹사이트와 사용자들이 자발적으로 공유한 사례를 살펴보는 것이다. 일부를 기어파크에서 정리해 보았다:
여행 계획: 여행 정보를 통합할 뿐 아니라 맞춤형 여행 가이드를 만들어 준다. 예를 들어, 일본 4월 여행을 계획하며 개인화된 조언과 상세 매뉴얼을 제공한다.
주식 분석: 심층적인 주식 분석을 수행하고 시각적으로 매력적인 대시보드를 통해 종합적인 인사이트를 제공한다. 예를 들어 테슬라 주식을 심층 분석하여 시각화된 대시보드를 생성한다.
교육 콘텐츠 제작: 중학교 교사들을 위해 운동량 법칙 등 복잡한 개념을 설명하는 영상 자료를 제작하여 효과적인 수업 지원.
보험 상품 비교: 명확한 보험 정책 비교표를 작성하고 최적의 결정을 위한 조언을 제공하여 사용자가 가장 적합한 보험 상품을 선택하도록 돕는다.
공급업체 조달: 네트워크 전반에 걸쳐 심층 조사를 수행하여 사용자의 요구에 가장 부합하는 공급업체를 찾아내며, 진정한 의미에서 공정한 대리인으로서 사용자를 위해 일한다.
재무 보고서 분석: 연구 및 데이터 분석을 통해 특정 기업(예: 아마존)에 대한 시장 감정 변화를 포착하고 지난 4분기 동안의 시장 감정 분석을 제공한다.
스타트업 목록 정리: 관련 웹사이트에 접속하여 해당 조건을 충족하는 회사를 식별하고 표 형식으로 정리한다. 예를 들어 YC W25 배치의 모든 B2B 기업 목록을 정리한다.
온라인 스토어 운영 분석: 아마존 스토어 판매 데이터를 분석하여 실행 가능한 인사이트, 상세한 시각화 및 맞춤형 전략을 제공함으로써 판매 실적 향상에 기여한다.
에이전트가 긴 추론 체인과 도구 호출을 거쳐 궁극적으로 매우 완전하고 전문적인 결과물을 출력할 때, 사용자들은 "진짜 인간을 도와주는 일을 할 수 있구나"라고 감탄하게 된다.
공식 웹사이트 정보에 따르면, GAIA 벤치마크(범용 AI 어시스턴트가 실제 문제를 해결하는 능력을 평가하는 기준)에서 Manus는 세 가지 난이도 모두에서 새로운 최고 성능(SOTA)을 달성했다.
요약하면—Manus가 진정으로 하고자 하는 것은 디지털 세계에서 문자 그대로 당신의 「대리인」이 되는 것이다. 그리고 그것은 성공했다.
당신이 생각하듯이, 새벽에 출시된 Manus는 AI 업계 전체를 일순간 깨워버렸다!
01 Manus, 당신의 '디지털 대리인'
첫째, Manus가 지금까지의 LLM과 가장 다른 점은 무엇인가?
바로 단순한 '답변'을 제공하는 것이 아니라 최종 결과물을 직접 전달하는 능력을 강조한다는 점이다.
현재 Manus는 멀티 에이전트(Multiple Agent) 아키텍처를 사용하며, Anthropic가 발표한 Computer Use와 유사한 방식으로 작동한다. 완전히 독립된 가상머신 내에서 실행되며, 가상 환경에서 코드 작성 및 실행, 웹 브라우징, 애플리케이션 조작 등의 다양한 도구를 호출하여 완전한 결과물을 직접 제공한다.
공식 영상에서는 Manus가 실제 사용 사례에서 수행한 세 가지 작업을 소개하고 있다:
첫 번째 과제는 이력서 선별이다.
강화학습 알고리즘 엔지니어 직무에 적합한 후보자를 15개의 이력서 중에서 추천하고, 강화학습 전문 지식을 기준으로 순위를 매기는 작업이다.
이 데모에서 당신은 압축 파일을 해제하거나 각각의 이력서를 일일이 수동으로 업로드할 필요가 없다. Manus는 이미 인간 인턴처럼 행동하며, 자동으로 압축을 해제하고 각 페이지의 이력서를 하나씩 읽으며 중요한 정보를 기록한다.
Manus는 인턴처럼 자동으로 '상사가 던져준 압축 파일 해제'라는 숨겨진 지시를 이해한다
이미지 출처: 기어파크
Manus가 제공한 결과에는 자동 생성된 순위 추천 외에도, 경력 등 중요한 기준에 따라 후보자를 여러 등급으로 나누는 것도 포함된다. 사용자가 결과를 Excel 표 형식으로 보고 싶다는 요청을 받으면, Python 스크립트를 현장에서 작성하여 해당 표를 자동 생성하기도 한다.
Manus는 기억 능력까지 갖추고 있어, 이 과정에서 '사용자가 결과를 표 형식으로 선호한다'는 정보를 기록하며, 다음에 유사한 작업을 처리할 때 우선적으로 표 형식으로 결과를 제시한다.
Manus는 콘텐츠 생성 프로세스에서 사용자의 선호를 기억할 수 있다
이미지 출처: 기어파크
두 번째 사례는 중국인들에게 더욱 친숙한 부동산 선택이다.
뉴욕에서 집을 사고 싶은 사용자는 안전한 커뮤니티 환경, 낮은 범죄율, 우수한 초중등 교육 자원을 원한다—물론 가장 중요한 예산 조건도 포함되어야 하며, 고정 수입 내에서 매달 부담 가능해야 한다.
이 요구사항에서 Manus AI는 복잡한 작업을 할 일 목록(TODO list)로 분해한다: 안전한 지역 조사, 우수 학교 식별, 예산 계산, 부동산 검색 등. 이후 웹 검색을 통해 뉴욕에서 가장 안전한 지역에 관한 기사를 꼼꼼히 읽으며 관련 정보를 수집한다.
또한, 사용자의 소득을 기반으로 부동산 예산을 계산하기 위해 Python 프로그램을 작성한다. 부동산 웹사이트의 가격 정보를 결합하여 예산 범위 내에서 부동산 리스트를 필터링한다.
Manus는 자동으로 검색하여 사용자 요구 조건에 맞지 않는 매물을 필터링할 수 있다
이미지 출처: 기어파크
마지막으로, 모든 수집된 정보를 통합하여 상세한 보고서를 작성한다. 여기에는 지역 안전 분석, 학교 질 평가, 예산 분석, 추천 부동산 목록 및 관련 리소스 링크가 포함된다—정말 전문적인 부동산 중개인 같다. 더불어 Manus는 '완전히 사용자의 이익을 우선시한다'는 속성을 내재하고 있어, 사용자 경험은 오히려 더 우수하다.
마지막 사례에서 Manus는 주가 분석 능력을 보여준다.
과제는 최근 3년간 엔비디아, 마벨 테크놀로지, TSMC 주가 간 상관관계를 분석하는 것이다: 이 세 종목 사이에 밀접한 관계가 있다는 것은 잘 알려져 있지만, 초보 사용자에게는 그 인과관계를 빠르게 정리하기 어렵다.
Manus의 작업 방식은 실제 주식 중개인과 매우 유사하다. 먼저 API를 통해 Yahoo Finance 등의 정보 사이트에 접속하여 주가 역사 데이터를 가져오고, 데이터 정확성을 위해 다중 출처를 교차 검증하여 단일 정보원의 오류가 최종 결과에 미치는 영향을 방지한다.
이 사례에서도 Manus는 Python 코드 작성, 데이터 분석 및 시각화 능력을 활용하며, 금융 전문 도구를 도입하여 분석을 수행한다. 최종적으로 시각화된 차트와 상세한 종합 분석 보고서를 통해 사용자에게 인과관계를 피드백한다—정말 금융 분야 '인턴'이 하는 일과 같다.
뿐만 아니라, Manus 공식 홈페이지에는 Manus가 활용 가능한 수십 가지 시나리오가 더 소개되어 있다: 일정 정리, 맞춤형 여행 경로 추천, 복잡한 도구 사용법 학습 등을 통해 일상 업무를 프로세스화하여 수행할 수 있다.
이 과정에서 Manus가 기존 도구들과 확실히 차별화되는 점은, 자체적으로 계획을 세우고 작업을 실행하는 자율성이다.
자기주도 학습 능력 덕분에 Manus의 역량 향상 로직은 실제 인간과 더 유사하다—비록 현재 단계에서 특정 분야의 전문가 수준까지는 도달하지 못했을지라도, 그 잠재력은 이미 명확히 드러났다.
자기주도 학습 능력이 더해짐으로써 AI 에이전트의 범용성은 크게 향상되었으며, 실제 테스트에서 사용자는 비디오 화면 속 내용을 설명하기만 해도, Manus는 결국 해당 정보를 바탕으로 검색 엔진의 제약을 넘어 특정 도우 인(틱톡) 짧은 동영상의 링크를 정확히 찾아낸다.
현재 버전의 Manus는 완전히 클라우드 기반 비동기 방식으로 작동하기 때문에, 사용 중인 단말 플랫폼 형태나 컴퓨팅 파워 등의 요소에 의해 제한받지 않는다—즉, Manus에게 지시를 내린 후 컴퓨터를 일시적으로 종료해도, 작업 완료 후 자동으로 결과를 알릴 수 있다.
이런 동작 로직 역시 매우 익숙하다—퇴근 후 위챗에서 인턴에게 "파일 정리해서 보내줘"라고 말하는 것과 같다. 다만 이제 그 인턴은 진짜로 7x24시간 응답이 가능하며, 직장 문화에 대해 '정돈'할 걱정도 없다.
02 멀티 에이전트 + 자기검증, AI 에이전트 플로우를 완성하다
위 사례들에서 쉽게 알 수 있듯이, Manus의 진정한 핵심 경쟁력은 Computer Use에서 이미 등장한 'AI 에이전트' 개념이 아니라, 인간의 작업 방식을 모방하는 능력이다.
'계산 수행'보다 Manus의 작업 로직은 '명령을 생각하고 실행하는 것'에 더 가깝다. Manus는 인간이 현재 불가능한 일을 해내는 것이 아니다. 그래서 현재 버전의 Manus를 체험한 일부 사용자들이 그것을 '인턴'에 비유하는 이유다.
Manus 공식 홈페이지에는 Manus가 수행할 수 있는 다양한 과제가 소개되어 있으며, 그중 하나는 B2B 비즈니스에서 Manus를 활용하는 방법이다: 주문 요구사항을 신속하고 정확하게 글로벌 공급업체와 정밀하게 매칭한다.
이와 유사한 요구사항을 가진 일반 제품에서는 플랫폼 내에서 글로벌 공급망 기업 정보를 통합하여 사용자가 공급업체/수요처를 매칭하도록 돕는 것이 업계의 일반적인 로직이다. 그러나 Manus의 사례에서는 완전히 다른 구현 방식을 볼 수 있다.
Manus AI는 'Multiple Agent'라는 아키텍처를 사용하며, 독립된 가상머신에서 작동한다. 계획 에이전트, 실행 에이전트, 검증 에이전트의 분업 협업 메커니즘을 통해 복잡한 작업 처리 효율을 크게 향상시키고, 병렬 처리를 통해 응답 시간을 단축한다.
이 아키텍처에서 각 에이전트는 독립적인 언어 모델 또는 강화학습 모델을 기반으로 할 수 있으며, 서로 API 또는 메시지 큐를 통해 통신한다. 또한 각 작업은 샌드박스 환경에서 실행되어 다른 작업에 간섭되지 않도록 하며, 클라우드 확장을 지원한다. 각 독립 모델은 인간이 작업을 처리하는 프로세스를 모방하여, 먼저 생각하고 계획을 세우며 복잡한 지시를 이해하고 실행 가능한 단계로 분해한 후 적절한 도구를 호출한다.
즉, Manus의 다중 에이전트 아키텍처를 통해, 여러 조수들이 자원 검색, 연락, 정보 유효성 검증 등의 작업을 협력하여 수행하면서 전체 업무 프로세스를 완료하는 것과 같다—이는 단지 '인턴'을 고용한 것을 넘어서, 사실상 미니어처 '부서장'이 된 것과 같다.
B2B 비즈니스 사례에서 Manus는 웹 크롤링과 코드 작성·실행 능력을 활용하여, 인터넷이라는 광활한 바다에서 자동으로 검색을 수행하며, 사용자의 요구에 따라 잠재적 공급업체의 제품 품질, 가격, 납품 능력 등을 종합적으로 평가하여 가장 적합한 공급처를 매칭한다. 결론을 시각적으로 차트로 제공할 뿐 아니라, 이러한 데이터에 기반한 더욱 상세한 실행 제안도 추가로 제공한다.
Manus는 B2B 시나리오에서의 요구를 처리할 때 단일 플랫폼의 내장 도구보다 더 편리할 수 있다
이미지 출처: 기어파크
Monica 팀이 어떤 기술로 영상의 효과를 구현했는지는 아직 비공개 상태이며, 팀은 북경 시간 3월 6일에 이를 공개할 예정이라고 한다.
03 '결합'의 극치가 곧 폭발이다
Manus의 배후에 있는 Monica.im은 과연 어떤 회사인가?
Monica는 올인원 AI 어시스턴트로, 브라우저 플러그인 형태에서 시작해 앱과 웹 버전으로 점차 확장되었다. 주요 사용 시나리오는 사용자가 브라우저에서 아이콘을 클릭하면 주요 대규모 모델에 바로 접근할 수 있는 것이다. 세부 시나리오에서의 사용자 요구를 정확히 이해함으로써 Monica는 대규모 모델의 '낮게 매달린 열매'를 수확했다.
창업자 샤오훙(애칭 샤오홍, 영문명 Red)은 1992년생으로 화중과학기술대학을 졸업한 젊은 연쇄 창업가다. 2015년 졸업 후 창업했으나 초기에는 실패(캠퍼스 소셜, 중고 마켓 등)를 경험했다. 2016년에는 위챗 공식 계정 운영자들을 위한 편집 및 데이터 분석 도구를 개발하여 백만 명의 사용자를 확보하고 수익을 달성했으며, 2020년에는 이를 유니콘 기업에 매각했다.
2022년 대규모 모델 물결 이후, 그는 정식으로 Monica를 창업하여 해외 시장에 집중했으며, 독립 개발자 제품인 ChatGPT for Google을 통해 빠르게 시장에 진입했다.
2024년 GPT-4o, Claude 3.5, OpenAI o1 시리즈가 출시되자마자 Monica는 사용자에게 최신 SOTA 모델을 즉시 제공했다. 모델 연결의 발전에 따라 Monica가 선보인 전문 검색, DIY Bot, Artifacts를 이용한 소형 프로그램 작성, 기억 기능 등이 사용자들에게 큰 호응을 얻었다. 또한 YouTube, Twitter, Gmail, The Information 등 다양한 기능의 웹페이지에서 각각의 상황에 맞는 상호작용 형태와 기능을 제공하며 수백 개의 웹페이지에 맞춤형 AI 경험을 업데이트했다.
2024년 Monica의 사용자 수는 두 배로 증가하여 1,000만 명에 도달했으며, 안정적인 수익을 유지하며 해외 동종 제품 중 선두를 달리고 있다.
Monica의 강력한 성과는 한 가지 사실을 입증한다:
겉포장(shell)을 극한까지 밀고 나가는 것이 곧 TPF이자 PMF이며, 궁극적으로는 사용자 가치로 이어진다.
Monica 홈페이지
이미지 출처: Monica
Manus는 Monica 팀의 이러한 사고방식을 계승하고 있을지도 모른다—창업자 샤오훙은 미디어인 장샤오쥔과의 인터뷰에서 "제품은 챗봇 형태만 존재해서는 안 되며, 에이전트는 새로운 형태로서 새로운 제품이 필요하다"고 말했다.
그는 AI 프로그래밍 제품인 Cursor와 Devin에서 영감을 얻었다. 기어파크가 파악한 바에 따르면, 전자는 코파일럿(copilot) 모드이고 후자는 오토파일럿(autopilot) 모드인데, 후자가 인간의 요구에 더 부합한다. 에이전트도 Devin처럼 일반 대중을 대상으로 하며, 진정한 의미에서 AI가 주도하여 실행해야 한다. 하지만 과거의 문제는 모델이 충분히 똑똑하지 않았다는 점이었다.
하지만 기존 모델의 능력을 기반으로 시나리오를 패키징하여 서비스를 제공하는 것은 바로 Monica 팀의 강점일 수 있다. 샤오훙은 현재 에이전트 제품 팀이 많지 않은데, 이는 많은 복합 능력이 필요하기 때문이라고 말한다. 예를 들어 팀원들이 챗봇, AI 프로그래밍, 브라우저 관련 기술(모두 브라우저에서 작동함)에 능숙해야 하며, 모델의 한계에 대한 뛰어난 감각을 가져야 한다—현재 어느 수준에 도달했으며, 앞으로 어떻게 발전할 것인지 등.
「이러한 능력을 동시에 갖춘 회사는 많지 않으며, 그런 능력을 가진 회사들도 대부분 구체적인 사업에 집중하고 있을 것이다. 우리는 운 좋게도 몇몇 팀원들이 마침 시간을 내어 함께 이 일을 해낼 수 있었다」고 그는 말했다.
왜 하필 Monica가 이를 해냈는지를 묻는 질문에 그는 다음과 같이 요약했다. 「첫째, 우리는 운이 좋았다고 생각한다. 둘째, 어느 정도로 보면, 만약 모두가 reasoning(추론)에만 집중한다면, 창업 기업들에게 여유 시간이 생기지 않을까? 모델의 예상 능력이 얼마나 더 확장될 수 있을까?」
그는 현재 에이전트가 여전히 초기 단계라고 생각한다. 첫째, 현재 에이전트는 계획 단계에 있으며 물리 세계에서의 실행까지는 이르지 못했다. 둘째, 대규모 모델의 능력은 여전히 발전 중이며, 모든 것이 예측 불가능하다.
「나는 분명히 에이전트가 이런 방식으로 만들어질 수 있을 줄은 몰랐다. 그것은 미지의 일이었다」고 말했다.
흥미롭게도, '어떻게 에이전트를 만들어야 할지 모르는' Monica가 이제 전체 AI 업계를 놀라게 만든 폭발적인 제품을 만들어냈다.
Manus가 궁극적인 AI 에이전트는 아닐지 모른다. 하지만 딥시크(DeepSeek)가 선풍적인 인기를 끈 이후, 다시 한번 사람들의 AI에 대한 기대를 한 차원 높였다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
极客公园
