Auto-GPT의 기본 원리부터 플러그인 활용, 고급 설정, LLM 통합까지 포괄적인 지침을 제공하여 독자들이 Auto-GPT를 효과적으로 사용할 수 있도록 돕는 것을 목표로 합니다.

1장. Introducing Auto-GPT

저스틴)

LLM과 LLM 기반 서비스(생성형 AI 서비스)는 기업 환경에서 활용하기에 다음과 같은 한계점들을 가지고 있습니다.

데이터 접근 제한
- 사전 훈련된 데이터 이후 생성된 최신 데이터나 기업 내부 기밀 데이터에 접근할 수 없습니다.
기능 제한
- LLM 공급사가 제공하는 기능만 사용 가능하며, 기업 특화 기능을 구현하기 어렵습니다.
시스템 연동 제한
- 기업 내부 시스템이나 서비스와의 연동이 어려워 활용도가 제한적입니다.

AutoGPT는 이러한 한계를 극복하기 위한 방안으로, 플러그인 시스템을 통해 확장성을 제공합니다.

공통 기능 플러그인
- 여러 기업이 공통적으로 사용하는 기능은 플러그인 형태로 제공되어 손쉽게 AutoGPT에 통합될 수 있습니다. 이는 개발 비용과 시간을 절약하고, 다양한 기능을 빠르게 활용할 수 있게 합니다.
기업 특화 플러그인
- 특정 기업 전용 시스템이나 서비스와 연동하기 위해서는 맞춤형 플러그인 개발이 필요합니다. 이를 통해 기업은 AutoGPT를 자체 시스템에 맞춰 최적화하고, 특화된 기능을 구현할 수 있습니다.

마이크로소프트가 AutoGPT 개발에 적극적인 이유는 다양한 소프트웨어와 서비스를 제공하고 있기 때문이며, 이를 AutoGPT와 연동하여 시너지 효과를 창출할 수 있기 때문입니다. 플러그인 시스템을 통해 마이크로소프트는 자사 서비스를 AutoGPT 생태계에 통합하고, 사용자들에게 더욱 풍부한 기능을 제공할 수 있습니다. 결과적으로 마이크로소프트는 AutoGPT 플랫폼을 더욱 강력하게 만들고, 자사 서비스의 활용도를 높일 수 있습니다.

1장에서는 Auto-GPT를 소개하고, Auto-GPT에서 LangChain의 역할을 설명합니다.

Auto-GPT는 결과 중심적인 반면, LangChain은 프로세스 제어를 중시합니다. LangChain은 언어 처리 및 제어 최적화를 통해 사용자와의 상호 작용을 개선합니다.

저스틴) 랭체인은 생성형 AI 애플리케이션 개발 프레임워크로 최고의 인기를 누리고 있기 때문에, AutoGPT는 랭체인 기반 위에서 개발됩니다. 생성형 AI 관련 파이썬 개발이 하나 더 추가됩니다. 마이크로소프트는 랭체인과 같인 포지션인 시맨틱 커널도 개발하고 있고, 이것은 .NET 기반 C# 개발도 있기 때문에 생성형 AI 관련 C# 개발도 하나 더 추가됩니다.

저스틴) AutoGPT는 자동화에 생성형 AI를 결합한 것으로 AI Automation을 하자는 것이 됩니다. RPA는 Automation의 대표 주자입니다. 생성형 AI 기술로 보강된 RPA가 AI Automation에 포지셔닝 하는 것은 너무 당연해 보입니다. 저자본 국내 RPA 업체라면 AutoGPT를 포크해서 AI Automation에 빠르게 포지셔닝하면 어떨까 생각해 봅니다.