AI 에이전트 효율 최적화 시스템 무라캅 개발

주장매사추세츠공과대학교와 마이크로소프트 연구진은 인공지능 에이전트 워크플로우의 설계와 배포 과정을 자동화하여 효율성을 극대화하는 무라캅 시스템을 제안합니다. 이 시스템은 복잡한 인공지능 작업을 수행할 때 발생하는 자원 낭비와 에너지 소비 문제를 해결하는 데 집중합니다.

팩트무라캅은 개발자가 자연어로 작업 의도를 설명하면 최적의 모델과 도구, 하드웨어 구성을 자동으로 결정합니다. 사용자는 복잡한 기술적 세부 사항을 직접 코딩할 필요 없이 비용 절감이나 속도 향상 등 우선순위만 설정하면 됩니다.

팩트연구 결과에 따르면 무라캅은 기존 방식 대비 계산 자원 사용량을 약 35퍼센트 수준으로 줄였습니다. 에너지 소비량은 약 27퍼센트, 비용은 25퍼센트 미만으로 감소시키면서도 성능 저하를 최소화했습니다.

교차검증에이전트 워크플로우는 여러 블랙박스 모델과 도구가 결합된 형태라 설정 공간이 매우 방대합니다. 개발자가 수동으로 모든 최적의 조합을 찾아내는 것은 사실상 불가능하며, 새로운 모델이 출시될 때마다 전체 설정을 다시 해야 하는 한계가 있습니다.

팩트무라캅은 실시간으로 하드웨어 할당과 배포 일정을 조정하여 클라우드 제공자가 자원을 효율적으로 공유하도록 돕습니다. 이는 특정 작업의 에너지 소비를 10배 이상 줄이면서도 정확도 하락은 2퍼센트 수준으로 방어하는 성과를 보였습니다.

주장고하르 초드리 연구원은 에이전트 워크플로우가 클라우드 서비스의 핵심으로 자리 잡고 있는 만큼 에너지 효율은 매우 중요한 과제라고 강조합니다. 자원을 과도하게 할당하여 낭비하는 문제를 해결하는 것이 클라우드 제공자와 사용자 모두에게 이익이 됩니다.

팩트이 연구는 매사추세츠공과대학교의 고하르 초드리, 아담 벨레이 교수와 마이크로소프트 애저의 리카르도 비안치니 부사장 등이 공동으로 수행했습니다. 해당 연구 결과는 유즈닉스 운영체제 설계 및 구현 심포지엄에서 발표될 예정입니다.

팩트무라캅 시스템은 비디오 질의응답이나 코드 생성과 같은 복잡한 다단계 작업에서 특히 뛰어난 성능을 발휘합니다. 연구진은 앞으로 더 복잡한 워크플로우와 대규모 컴퓨팅 클러스터로 시스템을 확장할 계획입니다.

교차검증현재 클라우드 데이터 센터는 사용자 요청 시점의 워크플로우 내부를 들여다보기 어려워 자원 할당을 최적화하는 데 한계가 있습니다. 무라캅은 클라우드 제공자에게 워크플로우에 대한 가시성을 제공하여 이러한 정보 비대칭 문제를 해결합니다.

주장시스템의 자동화 기능은 클라우드 인프라의 복잡성을 낮추고 운영 비용을 절감하는 실질적인 대안이 됩니다. 연구진은 이번 성과를 바탕으로 인공지능 서비스의 지속 가능성을 확보하고자 합니다.

팩트이번 연구는 반도체 연구 협회와 미국 국방고등연구계획국의 지원을 받아 수행되었습니다. 연구진은 시스템의 안정성을 검증하기 위해 다양한 환경에서 추가 테스트를 진행하고 있습니다.

출처매사추세츠공과대학교의 공식 보도자료(https://news.mit.edu/2026/improving-ai-agent-speed-and-energy-efficiency-0625)를 교차 검증했습니다.