매너스 - 올인원 AI 에이전트

Matthew Berman 구독자 419,000명

요약

본 영상은 매너스라는 범용 AI 에이전트를 소개하며, 이를 통해 다양한 연구, 개발, 자동화 작업을 어떻게 수행할 수 있는지 보여줍니다. 시스템은 Linux 환경, 브라우저 제어, 멀티 에이전트 협업 등 최신 기술을 통합하여 Tesla 주식 분석, 실시간 대시보드 생성 등 복합 작업을 수행합니다. 또한, 오류 수정 및 샌드박스 환경을 통한 사용자 개입 기능과 오픈 소스 기반의 기술 협업, 그리고 Lang trce 후원 사례를 강조합니다. 마지막으로, 사용자 제작 3D 게임과 다양한 데모를 통해 매너스의 다재다능함과 미래 가능성을 제시합니다.

주요 키워드

Manus AI 에이전트 멀티 에이전트 오픈 소스 Linux 환경 브라우저 자동화 Tesla 분석 Sandbox Lang trce 3D 게임

하이라이트

🔑 매너스는 최신 기술들을 하나의 플랫폼에 통합하여 다양한 작업을 수행하는 혁신적인 AI 에이전트입니다.
📌 Tesla 주식 분석과 같이 실시간 데이터 조회 및 종합적인 연구 결과를 산출하는 기능을 시연합니다.
🚀 멀티 에이전트 구조를 통해 코드 실행, 오류 수정 및 자가 학습 기능이 돋보입니다.
🌟 샌드박스 환경을 제공하여 사용자들이 직접 내부 작업 과정을 확인하고 개입할 수 있습니다.
⚡️ 오픈 소스 도구들을 적극 활용, 커뮤니티의 기여와 협업을 통한 발전 가능성을 강조합니다.
📌 Lang trce와의 협업을 통해 AI 시스템 모니터링 및 관측 기술의 신뢰성을 입증합니다.
🚀 3D 게임, 웹 클론, 항공 시뮬레이터 등 다양한 사용자 제작 데모를 통해 실용성과 창의성을 보여줍니다.

용어 설명

매너스 (Manus)

다양한 작업을 수행할 수 있도록 설계된 범용 AI 에이전트로, 연구, 개발, 자동화를 하나의 플랫폼에서 가능하게 합니다.

샌드박스 (Sandbox)

각 사용자 세션마다 독립적으로 제공되는 격리된 환경으로, 안전하게 코드 실행 및 명령 전달이 이루어집니다.

멀티 에이전트 (Multi-agent)

특화된 여러 에이전트가 협력하여 복잡한 작업을 분담 처리하며, 전체 프로세스의 효율성을 높이는 구조를 의미합니다.

오픈 소스 (Open Source)

소스 코드가 공개되어 누구나 접근, 사용, 수정할 수 있는 소프트웨어 개발 모델로, 커뮤니티 기여가 활성화됩니다.

Gaia Benchmark

AI 모델의 성능을 평가하기 위한 기준 지표로, 매너스와 타 시스템의 비교 평가에 사용됩니다.

매너스의 기본 개념과 주요 기능을 소개하며, AI 에이전트가 다양한 작업을 수행하는 모습을 보여줍니다. Tesla 주식 분석 시연이 첫 단계로 설명됩니다.

[00:00] Manis는 최첨단 도구를 활용하는 범용 AI 에이전트 시스템으로, 리눅스 환경에서 여러 에이전트가 협력하여 작업을 수행합니다.

[00:22] 테슬라 주식 분석 데모를 통해 Manis가 자동으로 프로젝트 디렉토리를 생성하고 할 일 목록을 만들어 작업을 진행하는 과정을 보여줍니다.

[00:51] 대부분의 도구가 오픈소스이며 GPT-3.5, Browser Use, 리눅스 등을 활용하여 구현되었지만, 실제로 이를 잘 구현하는 것은 매우 어렵습니다.

[01:22] 테슬라 주식 분석 과정에서 데이터 수집, 웹 검색, 파일 생성 등 다양한 작업을 자동으로 수행하며, beautiful soup를 활용한 데이터 처리도 진행합니다.

[01:53] Manis의 가장 인상적인 특징은 오류를 발견하고 수정할 수 있는 능력이며, 복잡한 작업은 수 시간이 걸릴 수 있습니다.

실시간 데이터 검색, 코드 실행 및 오류 수정 기능이 강조됩니다. 멀티 에이전트 협업을 통한 자동 작업 처리 과정이 설명됩니다.

[02:21] 최종 결과물로 투자 추천, 재무 분석, 시장 분석, 기술적 분석이 포함된 종합적인 대시보드를 자동으로 생성합니다.

[02:43] 일본 여행 계획에 대한 7일 일정을 보여주며, 도쿄 도착부터 탐방, 숨은 명소 등이 포함된 상세한 일정을 제시했습니다.

[03:03] Manis는 가이아 벤치마크에서 딥 리서치와 비교했을 때 대부분의 레벨에서 우수한 성능을 보여주었습니다.

[03:28] Manis는 단순한 딥 리서치를 넘어 자체 환경, 코딩 능력, 웹 검색 등 다양한 기능을 통합적으로 제공합니다.

[03:50] Manis는 매니저 에이전트를 통해 전문화된 에이전트들에게 작업을 분배하는 멀티 에이전트 시스템을 사용합니다.

[04:07] 각 사용자는 독립된 샌드박스 환경에서 Manis를 사용할 수 있으며, 다른 세션과 완전히 격리되어 있습니다.

[04:36] Manis의 핵심 기능인 멀티 에이전트 시스템은 실행자 에이전트를 통해 통신하며, 다양한 오픈소스 기술을 활용합니다.

매너스가 오픈 소스 도구들을 활용해 구성된 점과 샌드박스 환경의 안전성을 소개합니다. Lang trce 후원 사례를 통해 AI 관측 플랫폼의 역할도 다룹니다.

[05:06] 향후 여러 오픈소스 프로젝트 공개를 예고하며, 오픈소스 커뮤니티에 대한 감사를 표명했습니다.

[05:18] 회사의 파인튜닝된 모델들과 Manus의 계획 기법이 작년 10월 공개된 Steiner 32b 프리뷰 모델에서 발전되었음을 설명합니다.

[05:29] 이번 세그먼트의 스폰서인 LangTrace를 소개하며, AI 소프트웨어 개발 컨설팅 회사로서의 역할과 주요 제품들을 설명합니다.

[05:51] LangTrace의 광범위한 사용자 기반과 주요 기능들, 특히 AI 시스템 구축을 위한 추적 및 평가 기능을 상세히 소개합니다.

[06:26] Crew AI에 대한 네이티브 지원과 맞춤형 대시보드 기능을 강조하며, 할인 혜택과 웨비나 참여 방법을 안내합니다.

사용자들이 제작한 3D 게임, 웹사이트 클론, 항공 시뮬레이터 등 다양한 데모 사례가 소개됩니다. 실제 코드 실행 및 결과물이 시연되어 시스템의 실력을 보여줍니다.

[07:03] Manus를 이용해 만든 다양한 프로젝트 예시들을 소개합니다. Three.js 무한 러너 게임, 애플 웹사이트 클론, 3D 비행 시뮬레이터 등을 보여줍니다.

[07:52] Manus가 이전 채널 스폰서였던 monica.im을 만든 동일 회사라는 사실을 공개합니다.

[08:07] Manis를 사용해 두 가지 게임을 직접 개발해보는 실험을 진행했습니다.

[08:16] 첫 번째로 3D 브라우저 기반 멀티플레이어 비행 시뮬레이터를 개발하면서 프로젝트 관리와 구현 과정을 살펴봤습니다.

[08:57] 두 번째로 드림캐스트의 클래식 게임 '추추로켓'을 재현하려 시도했으며, AI가 게임 매커니즘을 학습하고 구현하는 과정을 관찰했습니다.

[09:49] 두 게임 모두 완벽한 실행은 되지 않았지만, 기본적인 프레임워크와 구조는 성공적으로 생성되었습니다.

Owl, Anis 등 다른 오픈 소스 AI 에이전트와의 비교 및 매너스의 미래 발전 방향이 언급됩니다. 최종적으로 시스템의 혁신성과 포괄적 기능에 대한 소감이 공유됩니다.

타임라인 정보가 없습니다.

[00:00] 이것은 Manis라는 범용 AI 에이전트 시스템입니다.

[00:03] 이를 통해 구축하거나 연구하거나

[00:05] 거의 모든 것을 수행할 수 있으며

[00:07] 가장 최첨단 도구들을 활용합니다.

[00:09] operator와 심층 연구를 결합하고

[00:11] 자체 리눅스 환경을 제공하며

[00:14] 여러 에이전트들이 함께 작업하는데

[00:16] 정말 잘 작동합니다.

[00:20] 작동 방식을 시연해보겠습니다.

[00:22] 테슬라 주식을 심층 분석하는 것인데

[00:24] 이것은 리플레이입니다. '테슬라 주식에 대한

[00:27] 철저한 분석을 해주세요'라고 했고

[00:28] 여러 가지 지시사항을 주면

[00:30] 먼저 할 일 목록을 만드는 것을

[00:32] 보실 수 있습니다. 그리고 이것이

[00:34] 동시에 작동하고 있는 모습입니다.

[00:36] 프로젝트 디렉토리 생성, 할 일 파일 생성,

[00:38] 모든 요구사항 정리 등을 수행하죠.

[00:40] 정말 멋진 점은 작업 과정을

[00:43] 실시간으로 볼 수 있다는 것입니다.

[00:45] 브라우저를 사용할 수 있고

[00:47] 언제든 개입해서 리눅스 환경을

[00:49] 확인할 수 있어 정말 인상적입니다.

[00:51] 흥미로운 점은 이러한 도구들의

[00:54] 대부분이 오픈소스라는 것입니다.

[00:55] 아마도 내부적으로 GPT-3.5를 사용하고

[00:57] 브라우저 제어를 위해 Browser Use를

[01:00] 사용하고 있을 것입니다.

[01:02] 리눅스를 사용하기 때문에

[01:04] 기술적으로는 누구나 만들 수 있습니다.

[01:06] 물론 이것을 제대로 구현하는 것이

[01:08] 매우 어렵다는 것을 부정하는 것은 아닙니다.

[01:11] 파인튜닝된 모델을 사용하지 않고

[01:13] 여러분이 사용할 수 없는

[01:15] 특별한 것은 없지만

[01:17] 정말 인상적이고 구현이 매우 어렵죠.

[01:20] 여기서 볼 수 있듯이

[01:22] '테슬라 주식에 대한

[01:23] 종합적인 분석을 도와드리겠습니다.'

[01:24] 여기서는 데이터 소스에 연결하고 있고

[01:27] 웹 검색도 할 수 있습니다.

[01:29] 보시다시피 자체 리눅스 환경에서

[01:30] 작업하고 있는데, 디렉토리를 만들고

[01:32] Tesla_analysis로 이동한 다음

[01:35] 할 일 파일을 만듭니다.

[01:38] 이것은 제가 본 것 중

[01:39] 가장 종합적인 노코드 에이전트

[01:40] 소프트웨어입니다.

[01:42] 디렉토리를 탐색하고

[01:44] beautiful soup를 설치하는 것을 보실 수 있고

[01:46] 정보를 출력하기 시작합니다.

[01:47] 앞으로 진행하면 코드도 볼 수 있고

[01:49] 터미널도 보이고, 할 일 목록으로 돌아가서

[01:52] 진행상황을 체크하고 있습니다.

[01:53] 정말 인상적이에요. 제가 생각하기에

[01:56] 가장 인상적인 부분은 오류를 발견하고

[01:59] 수정할 수 있는 능력입니다.

[02:01] 그래서 Manis에서 작업을 시작할 때는

[02:03] 시간이 좀 걸릴 수 있다는 것을

[02:06] 염두에 두어야 합니다.

[02:08] 제가 두 개의 게임을 만들어달라고 했는데

[02:10] 수 시간이 걸렸습니다.

[02:13] 이 모든 출력을 보세요.

[02:15] 이것은 수행하고 있는 모든 연구이고

[02:17] 실제로 다양한 차트와 그래프를

[02:19] 만들고 있음을 볼 수 있으며

[02:21] 마지막에는 실시간

[02:23] 대시보드가 있습니다. 여기를 클릭하면

[02:25] 이것은 Manis가 한 번에 생성한 것입니다.

[02:28] 여기서 투자 추천사항과

[02:31] 다양한 재무 성과 및 가치 평가 분석,

[02:33] 시장 분석, 기술적 분석을 볼 수 있습니다.

[02:35] 정말 아름답게 잘 만들어졌고

[02:38] 이 모든 것이 Manis에 의해 완성되었습니다.

[02:40] 그래서 그들은...

[02:43] 여기 다양한 예시들이 있는데

[02:44] 4월 일본 여행이 하나 있네요.

[02:47] 이미 완료된 결과를 보여드리겠습니다.

[02:48] 이미 실행된 것을 다시 보는 거예요.

[02:50] 여기 7일 일정이 있습니다. 첫째 날은

[02:53] 도쿄 도착, 둘째 날은 탐방의 날

[02:56] 셋째 날은 숨은 명소들이에요.

[02:58] 정말 인상적이고,

[03:01] 우리를 대신해서 많은 리서치를 했어요.

[03:03] 벤치마크도 있는데,

[03:05] 가이아 벤치마크로 딥 리서치와만

[03:07] 비교하고 있다는 게 흥미롭네요.

[03:09] 레벨 1, 2, 3이 있고

[03:12] 세 가지 레벨 모두에서

[03:13] Manis는 통과했습니다. 레벨 1에서는

[03:16] 딥 리서치보다 훨씬 높은 점수를 받았고

[03:20] 레벨 2는 비슷한 수준,

[03:22] 레벨 3은 훨씬 더 높았죠.

[03:24] 다시 말하지만, 흥미로운 건

[03:26] 딥 리서치하고만 비교한다는 점인데

[03:28] 단순한 딥 리서치를 넘어서

[03:30] 자체 환경을 가지고 있고,

[03:31] 코딩 능력과 코드 실행 능력도 있으며

[03:35] 딥 리서치처럼 웹 검색도 가능하고

[03:36] 그 외에도 훨씬 많은 기능이 있어요.

[03:39] X에서 Jen이 말하길

[03:41] Manis에게 파일을 달라고 했더니

[03:42] 샌드박스 런타임 코드를 줬대요.

[03:45] Claude를 사용하고 29개의 도구가 있으며

[03:48] 멀티 에이전트는 아니라고 하지만

[03:50] 제가 보기엔 멀티 에이전트를 쓰는 것 같아요.

[03:52] 매니저 에이전트가 있고,

[03:54] 이 매니저가 전문화된 에이전트들에게

[03:56] 작업을 분배하는 것 같습니다. 브라우저를

[03:59] 제어할 수 있는 오픈소스 프레임워크인

[04:01] 브라우저 유즈를 사용하고 있고

[04:03] Manis의 CEO가 직접 답변했는데

[04:04] 그렇게 복잡하지 않다고 합니다.

[04:07] 샌드박스는 각 사용자가

[04:09] 직접 접근할 수 있고, 각 세션은

[04:11] 다른 세션과 완전히 격리되어 있으며

[04:13] 사용자는 Manis 인터페이스를 통해

[04:14] 샌드박스에 직접 접근할 수 있죠.

[04:16] 다시 말하지만 Manis가 인상적인 이유는

[04:18] 제가 본 AI 중에서 가장 통합적인

[04:21] 사용 사례이기 때문입니다.

[04:22] 지금까지 본 모든 좋은 기능들을

[04:24] 하나의 멋진 패키지로 통합했어요.

[04:26] 샌드박스의 코드는 단지

[04:28] 에이전트로부터 명령을 받는 데만 사용되며

[04:30] 가볍게 AOSC를 사용합니다. 도구 설계는

[04:33] 비밀이 아니라고 여기 나와있네요.

[04:36] 멀티 에이전트 구현은

[04:37] Manis의 주요 기능 중 하나입니다.

[04:39] Manis와 메시징할 때는

[04:42] 실행자 에이전트하고만 통신하는데,

[04:44] 이 에이전트는 지식 플래너나

[04:47] 다른 에이전트들의 세부사항은 모릅니다.

[04:50] 정말 멋지죠. 브라우저 소스의

[04:53] 오픈소스 코드를 사용했는데,

[04:55] 좋은 점은 오픈소스라는 거죠.

[04:57] 사실 우리는 많은

[04:58] 오픈소스 기술을 사용했고,

[05:00] 그래서 제가 출시 영상에서

[05:02] 특별히 언급했던 것처럼

[05:03] 오픈소스 커뮤니티가 없었다면

[05:04] Manis는 존재할 수 없었을 거예요.

[05:06] 앞으로 여러 감사 인사와 협업이

[05:09] 있을 예정이에요. Manis 자체가

[05:10] 오픈소스가 되길 바라지만

[05:12] 큰 기대는 하지 않습니다.

[05:13] 하지만 마지막에 말하길

[05:15] 가까운 미래에

[05:16] 꽤 좋은 것들을 오픈소스로 공개할 거래요.

[05:18] 우리 회사에는 많은 파인튜닝된 모델들이

[05:20] 있고, Manus의 일부 계획 기법들은

[05:21] 이 모델에서 발전되었습니다.

[05:23] 작년 10월에 오픈소스로 공개했는데

[05:26] 바로 Steiner 32b 프리뷰 모델입니다.

[05:29] 이번 세그먼트의 스폰서인

[05:31] LangTrace는 저희의 훌륭한 파트너이며,

[05:33] 오늘 다시 소개하게 되어 기쁩니다.

[05:35] LangTrace는 선도적인 AI 소프트웨어

[05:36] 개발 컨설팅 회사로,

[05:38] 비즈니스 발전을 위한 AI 제품을

[05:40] 개발하고 있습니다. 제품에는

[05:42] 오픈소스와 OpenTelemetry 기반의

[05:44] 관찰 가능성 및 평가 플랫폼이 포함되어

[05:47] 애플리케이션의 LLM 사용을 평가하고

[05:49] 개선하는데 도움을 줍니다.

[05:51] 초기 스타트업부터

[05:53] 포춘 500대 기업에 이르기까지

[05:55] 수천 명의 개발자들이 신뢰하고 있습니다.

[05:57] LangTrace는 개발자들이 추적 데이터를 수집하고

[06:00] 데이터셋을 수집하며 평가를 실행하여

[06:02] 높은 신뢰성과 보안성을 가진

[06:04] AI 시스템을 구축하도록 돕습니다.

[06:06] LangTrace는 오픈소스이며 OpenTelemetry를 사용해

[06:09] OpenAI, MrAI, DeepSeek, Gemini, Weeva

[06:13] Pinecone 등과 쉽게 연동됩니다.

[06:15] LLM부터 벡터 데이터베이스까지

[06:18] 엔드투엔드 관찰 추적을 제공하며

[06:21] Crew AI, LlamaIndex, DSPy,

[06:23] LangChain과 같은 프레임워크 수준의 호출도 지원합니다.

[06:26] 제가 좋아하는 Crew AI에 대한

[06:28] 네이티브 지원과 함께,

[06:30] Crew AI 세션, 에이전트, 작업,

[06:32] 도구, 메모리를 추적하는 맞춤형 대시보드를 제공합니다.

[06:36] 에이전트의 모든 활동을 추적하여

[06:39] 데모에서 신뢰할 수 있는 AI 제품으로

[06:42] 쉽게 전환할 수 있습니다.

[06:44] LangTrace는 오픈소스이며,

[06:47] 호스팅 버전을 사용하고 싶다면

[06:48] 설명란의 링크를 통해 20% 할인을

[06:51] 받을 수 있습니다. 더 자세히

[06:53] 알아보고 싶다면 예정된 웨비나에

[06:55] 참여하여 모든 것을 확인해보세요.

[06:57] 훌륭한 파트너였던

[06:59] GitHub에서 스타도 눌러주시고,

[07:01] LangTrace에 다시 한 번 감사드립니다.

[07:03] 자, 이제 영상으로 돌아가서

[07:04] Manus로 사람들이 만든

[07:05] 몇 가지 예시를 보여드리겠습니다. Twitter의 AK가

[07:08] Three.js로 만든 무한 러너 게임입니다.

[07:11] 정말 인상적인 것은

[07:13] 단 하나의 프롬프트로 만들어졌다는 점입니다.

[07:16] 다른 예시를 보면, 애플 웹사이트

[07:18] 클론인데 꽤 잘 만들어졌네요.

[07:20] 그리고 여기 3D 브라우저 기반

[07:23] 비행 시뮬레이터 게임도 있는데

[07:26] 정말 훌륭해 보입니다. 여기 AI 게임은

[07:29] 레드 데드 리뎀션과 비슷한데,

[07:31] 아직 걸어다닐 순 없지만

[07:33] 매우 인상적입니다.

[07:35] 이 놀라운 애니메이션도 보세요.

[07:37] 멋지고 현기증 날 정도입니다.

[07:40] 그리고 여기 또 다른 오픈소스 프로젝트,

[07:42] e2b를 사용하는데, 이는

[07:44] AI 에이전트를 위한 오픈소스 코딩 런타임입니다.

[07:47] 정말 멋진 오픈소스 기술들이

[07:49] 하나의 세련된 제품으로

[07:52] 통합되어 있습니다. Crew의 Hattis에게서

[07:55] Manus 초대 코드를 받았는데,

[07:57] 그녀에게 정말 감사드립니다.

[07:59] 놀라웠던 점은

[08:00] Manus가 실제로 monica.im을 만든

[08:03] 같은 회사라는 것입니다. 이전에 이 채널의

[08:05] 스폰서였죠. 하지만 이 영상은

[08:07] 이 영상은 협찬 받은 것이 아니고,

[08:09] 제가 직접 Manis에 접근해서 두 가지 게임을

[08:11] 테스트 해보았습니다. 첫 번째는

[08:14] 온라인에서 많이 보이는

[08:16] 3D 브라우저 기반 멀티플레이어

[08:18] 비행 시뮬레이터인데, 한 번에 얼마나

[08:20] 만들 수 있는지 확인해보고 싶었습니다.

[08:22] 보시다시피 디렉토리를 만들고 할 일 목록을

[08:25] 생성했는데, 클릭해서 보시면

[08:27] 할 일 목록이 나옵니다.

[08:29] 3D 웹 기술 조사,

[08:32] 멀티플레이어 구현 연구,

[08:34] 프레임워크 옵션 평가 등이 있고,

[08:38] 꽤 시간이 걸렸지만 당연한 일이죠.

[08:41] 큰 프로젝트니까요. 여기서 모든

[08:43] 출력을 확인할 수 있고, 마지막에는

[08:46] 자체 환경에서 게임을 실행하려 했지만

[08:48] 작동하지 않았습니다.

[08:50] 그래서 파일을 다운로드 받아달라고 했더니

[08:52] 놀랍게도 잘 작동했습니다. 파일들을 압축해서

[08:55] 쉽게 다운로드할 수 있었죠.

[08:57] 제가 만든 두 번째 게임은

[08:59] 추추로켓이라는 게임입니다.

[09:02] 아마 들어보셨을 수도 있는데,

[09:03] 드림캐스트 시절의 정말 재미있는

[09:06] 게임이었습니다. 독특한 게임으로,

[09:08] 보드판을 돌아다니는 작은 쥐들이

[09:10] 있고, 제가 기억하기로는

[09:12] 기본적으로 쥐들을

[09:14] 구멍에 빠뜨리는 게임이었습니다.

[09:16] 멀티플레이어 게임이고 긴장감 넘치고

[09:18] 에너지 넘치는 게임이었죠.

[09:20] 이것도 만들어달라고 요청했더니

[09:22] 실제로 리서치를 했습니다.

[09:24] PDF를 찾아서 스크롤하면서

[09:26] 게임에 대해 모든 것을 배우고

[09:28] 게임을 만들었습니다. PDF가

[09:30] 좀 보기 힘들지만

[09:31] 정말 멋진 건, 이게 바로

[09:33] 게임 작동 방식에 대한 정확한 설명이라는 겁니다.

[09:36] 그래서 구현을 시작했고

[09:38] '성공적으로

[09:39] 추추로켓 웹 구현을 위한

[09:41] 핵심 게임 메카닉을 구현했다'고 했죠.

[09:43] 맨 아래에서 마침내

[09:45] 실행 방법을 알려주고

[09:47] 파일도 다운로드할 수 있게 해줬습니다.

[09:49] 하지만 안타깝게도 제가 만든

[09:52] 두 게임 모두 바로는

[09:54] 작동하지 않았습니다. 거의

[09:56] 시작할 뻔 했지만 작동하지 않았죠.

[09:58] 예를 들어, 여기

[10:00] 3D 비행 시뮬레이터가

[10:03] 로드는 됐지만 확실히 작동하진 않습니다.

[10:06] 그리고 추추로켓에서 이름을 입력하고

[10:08] 방에 들어가 준비를 누르면

[10:11] '모든 플레이어가 준비됐다'고 뜨지만

[10:13] 게임이 시작되지 않습니다. Manis와 더 작업하면

[10:16] 작동하게 만들 수 있겠지만,

[10:18] 일단 보여드리고 싶었고

[10:20] 때로는 바로 작동하지 않는다는 것도

[10:22] 알려드리고 싶었습니다.

[10:23] 이미 Manis의 기반 기술이

[10:25] 오픈소스로 만들어졌고 특별한 게 없어서

[10:27] 여러 오픈소스 버전의

[10:29] Manis가 이미 나와있습니다.

[10:31] 첫 번째는 Camel AI의 Owl이라는 건데,

[10:34] 벌써 8천 5백 개의 별을 받았고

[10:36] Gaia 벤치마크에서 58.8점을

[10:39] 달성했습니다.

[10:42] 만들어진 지 몇 시간 만에 말이죠.

[10:44] Manis처럼 실시간 정보 검색,

[10:47] 멀티모달 처리,

[10:49] 브라우저 자동화, 문서 파싱,

[10:52] 코드 실행 기능과

[10:55] 많은 내장 도구들이 있습니다.

[10:58] 또 다른 버전은 Anis입니다. 네, 발음이 그렇죠.

[11:01] Anis도 마찬가지로

[11:03] 복잡한 작업 실행, 멀티 에이전트

[11:05] 환경에서의 협업,

[11:07] 웹 서비스 실행이 가능합니다. 정말 대단하죠.

[11:10] 새로운 프로젝트가 나올 때마다

[11:12] 클로즈드 소스일 때도, Manis가 결국

[11:14] 오픈소스가 될지 두고 봐야겠지만,

[11:16] 오픈소스 커뮤니티가 뛰어들어

[11:18] 개발을 시작합니다. 재미있는 건

[11:20] 실제로 Manis를 사용해서 만들어졌다는 거예요.

[11:22] Manis로 이런 오픈소스

[11:24] 프로젝트를 만든 거죠. Manis는 정말

[11:27] 인상적입니다. 많은 잘 작동하는

[11:29] 데모들을 봤고, 물론

[11:31] 웹사이트에서 직접 보실 수 있습니다.

[11:33] 계속 실험해볼 텐데

[11:34] 여러분의 생각도 들려주세요. 이 영상이 마음에 드셨다면

[11:36] 좋아요와 구독 부탁드립니다.

[11:37] 다음 영상에서 뵙겠습니다.

[11:39] 감사합니다.