Eigent: Z.ai GLM-4.7과 만난 오픈 소스 Cowork

초록

실제 엔터프라이즈 환경에서는 많은 내부 도구, 대시보드, 레거시 시스템이 전적으로 브라우저나 터미널에서 동작하며, 이는 일상 업무 운영의 근간을 이룹니다.

이러한 복잡한 시스템을 자동화하기 위해, 우리는 로컬에서 실행되고 소스에서 완전히 설정할 수 있으며 브라우저 및 터미널 자동화에 강하게 초점을 맞춘 오픈 소스 멀티 에이전트 워크포스 애플리케이션인 Eigent를 소개합니다. 사실상 엔터프라이즈 워크플로를 위한 오픈 소스 Cowork 대안이라고 할 수 있습니다.

이 글에서는 Eigent가 CAMEL의 Workforce 아키텍처와 터미널 자동화를 활용해 여러 단계로 이루어진 엔터프라이즈 작업을 처리하는 방법을 살펴봅니다. 또한 GLM-4.7의 터미널 자동화 성능과 장기적인 agentic 워크플로를 지원하는 아키텍처적 특징도 자세히 살펴봅니다.

배경: Eigent란 무엇이며 GLM-4.7을 어떻게 지원하는가

Eigent는 데스크톱에서 로컬로 실행되는 오픈 소스 멀티 에이전트 워크포스 제품입니다. 워크포스 스타일의 멀티 에이전트 아키텍처 위에 구축되었으며 다음과 같은 범용 기능을 갖추고 있습니다:

• 브라우저 자동화
• 터미널 자동화
• MCP (Model Context Protocol) 통합

이러한 설계 덕분에 Eigent의 에이전트는 깊은 API 통합이나 지속적인 워크플로 재구성 없이도 데스크톱 환경에서 직접 작업하는 실제 사람 같은 작업자처럼 행동할 수 있습니다.

기반 모델이 계속 발전함에 따라, Eigent의 오픈 소스 멀티 에이전트 시스템과 통합하면 개발자와 기업은 LLM 기능을 실제 사용 사례에 빠르고 효과적으로 적용할 수 있습니다.

그래서 Eigent는 출시 직후 GLM-4.7을 즉시 통합했습니다.

GLM-4.7 시작하기

• 클라우드 모드:

  상단 모델 드롭다운에서 GLM-4.7을 선택하기만 하면 됩니다.

• Bring Your Own Key (BYOK):

  Model Settings → GLM으로 이동해 Z.ai API 키를 입력하고 모델 이름을 GLM-4.7로 설정하세요.

도움이 필요하신가요? Z.ai API 키 구성 방법 가이드를 확인해 보세요.

아래에는 단계별 비디오 튜토리얼도 제공됩니다.

GitHub 저장소 및 Eigent 설정 방법

GitHub 저장소

👉 https://github.com/eigent-ai/eigent

빠른 시작: 환경 설정

Eigent는 두 가지 방법으로 실행할 수 있습니다:

옵션 A: 설정 없는 데스크톱 앱(사용자에게 권장)

즉시 작업 자동화를 시작하고 싶은 사용자를 위한 방법입니다:

1. 공식 웹사이트에서 클라이언트를 다운로드합니다
2. .dmg(macOS) 또는 .exe(Windows)를 설치합니다
3. 앱을 실행하면 로컬 백엔드가 자동으로 시작됩니다

옵션 B: 개발자 설정(소스에서)

시스템을 직접 살펴보거나 커스터마이즈하려는 개발자를 위한 방법입니다.

1. 사전 요구 사항

• Node.js v18–22
• Python 3.10+

2. 복제 및 설치

# 저장소 복제
git clone https://github.com/eigent-ai/eigent.git
cd eigent

# 프론트엔드 의존성 설치
npm install

3. 애플리케이션 실행

# 개발 모드로 실행
npm run dev

실행 후에는 설정에서 LLM 제공자(GLM-4.7 등)를 직접 구성할 수 있습니다.

고급 설정 및 문제 해결은 공식 문서를 참고하세요.

내부 구조: Eigent 전체 스택 및 CAMEL Workforce 아키텍처

시스템 개요

Eigent는 CAMEL Workforce 위에 구축된 멀티 에이전트 오케스트레이션 엔진으로 구동되는 local-first 데스크톱 애플리케이션입니다.

핵심 아키텍처 원칙:

• 완전한 로컬 실행
• 분리된 풀스택 설계
• 강력한 데이터 주권 보장
• 클라우드 상주 에이전트 실행 없음

1. 프론트엔드

프론트엔드는 에이전트 구성과 워크플로 모니터링을 위한 컨트롤 플레인(control plane) 역할을 합니다.

기술 스택:

• React + TypeScript
• Electron
• Zustand(상태 관리)
• React Flow(시각적 에이전트 오케스트레이션)

프론트엔드는 보안이 적용된 로컬 HTTP 요청을 통해 백엔드와 통신합니다.

2. 백엔드

백엔드는 다음 기술로 구축된 로컬 Python 서버입니다:

• FastAPI + Uvicorn
• Python 3.10+ (uv로 관리)
• PostgreSQL (SQLModel / SQLAlchemy 사용)

이 서버는 다음을 관리하는 CAMEL 멀티 에이전트 프레임워크를 호스팅합니다:

• 워크포스 오케스트레이션
• LLM 상호작용(Z.ai를 통한 원격 또는 vLLM을 통한 로컬)
• 브라우저, 터미널, 문서 자동화를 위한 툴킷

CAMEL Workforce: 조직에서 영감을 받은 멀티 에이전트 시스템

Eigent의 핵심에는 복잡한 엔터프라이즈 작업을 위해 설계된 분산형 멀티 에이전트 시스템인 CAMEL Workforce가 있습니다.

에이전트 역할

• Coordinator Agent

  전역 상태를 유지하고 하위 작업을 분배합니다.

• Task Agent

  상위 수준의 목표를 원자적 작업으로 분해합니다.

• Worker Agent

  도메인별 도구를 사용해 작업을 실행합니다.

비동기 통신: TaskChannel

작업 실행은 비동기 메시지 큐를 통해 조정됩니다:

1. Workforce가 작업을 시작합니다
2. Worker agent가 할당을 폴링합니다
3. 완료되면 결과가 다시 푸시됩니다

이 설계는 논블로킹(non-blocking)이며 확장 가능한 실행을 보장합니다.

동적 DAG 구성

엔터프라이즈 워크플로는 거의 선형적이지 않습니다.

CAMEL Workforce는 **유향 비순환 그래프(Directed Acyclic Graph, DAG)**를 동적으로 구성합니다:

• 독립적인 작업은 병렬로 실행됩니다
• 종속 작업은 선행 조건이 완료될 때까지 대기합니다

예시:

• Search Flights와 Search Hotels는 동시에 실행됩니다
• Generate Itinerary는 두 작업이 모두 DONE이 될 때까지 기다립니다

장애 허용 메커니즘

실패는 치명적인 오류가 아니라 예상 가능한 상태로 취급됩니다.

지원되는 복구 전략:

• RETRY – 작업을 다시 실행
• REPLAN – 실패 로그를 바탕으로 작업 수정
• REASSIGN – 작업을 다른 에이전트로 이동
• DECOMPOSE – 작업을 더 작은 하위 작업으로 분해

실제 터미널 자동화로 GLM-4.7 테스트하기

우리는 현실적인 퇴근 시나리오 워크플로에서 Eigent의 터미널 자동화를 사용해 GLM-4.7을 평가했습니다.

샘플 작업

"이제 퇴근! 오늘 데스크톱에 있는 업무 파일들을 오늘 날짜 폴더로 정리해 주고, 오늘 한 일을 요약한 HTML 일일 보고서도 작성해 주세요."

에이전트가 수행해야 하는 일

1. 데스크톱 파일 검사
2. 날짜 기반 폴더 생성
3. 업무 관련 파일 식별 및 이동
4. 파일 변경 사항으로부터 일일 활동 추론
5. 구조화된 HTML 보고서 생성

이 작업에는 장기적 추론(long-horizon reasoning), 컨텍스트 보존, 그리고 여러 번의 도구 호출이 필요합니다.

테스트 결과, GLM-4.7은 워크플로를 성공적으로 완료했습니다.

GLM-4.7이 agentic 작업 성능을 지원하는 방법

GLM-4.7은 에이전트 워크플로에 최적화된 코딩 지향 모델로, 뛰어난 비용 대비 성능을 제공합니다.

Interleaved & Preserved Thinking

GLM-4.7은 고급 추론 제어 기능을 도입합니다:

• Interleaved Thinking

  모든 응답과 도구 호출 전에 생각합니다.

• Preserved Thinking

  턴 간에 추론 블록을 유지해 컨텍스트 드리프트를 줄입니다.

• Turn-Level Thinking Control

  복잡한 작업에는 추론을 활성화하고, 가벼운 작업에는 비활성화해 비용과 지연 시간을 절약합니다.

이러한 기능은 GLM-4.7을 장기적이고 다단계인 자동화에 특히 적합하게 만듭니다.

결론 및 다음 단계

Eigent는 실제 엔터프라이즈 시스템 내부에서 직접 작동하는 AI 에이전트를 배포할 수 있는 프로덕션급 local-first 환경을 제공합니다.

다음을 결합하여:

• CAMEL의 워크포스 기반 멀티 에이전트 아키텍처
• 터미널 및 브라우저 수준의 자율성
• 강력한 가시성(observability)과 장애 허용성

Eigent는 엔터프라이즈급 AI 배포에 필요한 핵심 속성을 제공합니다:

제어 가능성, 감사 가능성, 데이터 주권.

또한 GLM-4.7이 Eigent와 통합될 때 복잡한 워크플로를 위한 강력한 추론 능력을 제공한다는 점도 보여주었습니다.

참여하기

Eigent는 완전히 오픈 소스입니다. 개발자, 연구자, 엔터프라이즈 팀의 탐색과 기여를 환영합니다.

• 👉 GitHub: https://github.com/eigent-ai/eigent
• 👉 Discord: https://discord.camel-ai.org