엘리자, 게임, 아크, 제로피의 네 가지 주요 크립토 X AI 프레임워크 비교

저자: 딥 밸류 메메틱스, 골든 파이낸스 샤오조우 번역

이 글에서는 암호화폐 X AI 프레임워크의 미래를 살펴볼 것입니다. 현재 네 가지 주요 프레임워크(엘리자, 게임, 아크, 제로피)와 각각의 기술적 차이점을 살펴볼 것입니다.

1. 소개

지난 한 주 동안 저희는 네 가지 주요 Crypto X AI 프레임워크를 연구하고 테스트한 결과 다음과 같은 결론에 도달했습니다.

현재까지 GAME(시장 점유율 약 20%, 시가총액 약 3억 달러)은 플랫폼에서 200개 이상의 프로젝트, 일일 요청 수 15만 건, 주간 성장률 200%를 기록하는 등 매우 좋은 성과를 거두고 있으며 빠르게 채택이 확산되고 있습니다. VIRTUAL의 상승세를 이어가며 생태계에서 가장 큰 수혜자 중 하나가 될 것입니다.

The Rig(ARC, 시장 점유율 약 15%, 시가총액 약 1억 6천만 달러)는 모듈식 설계, 사용 편의성, '순수 플레이'로서 솔라나 생태계(RUST)를 지배할 수 있는 능력으로 인해 매력적이라고 할 수 있습니다. 생태계(RUST).

Zerepy(시장 점유율 5%, 시가총액 3억 달러)는 열성적인 Zerebro 커뮤니티를 겨냥한 비교적 틈새 앱으로, 최근 ai16z 커뮤니티와의 파트너십을 통해 시너지 효과를 낼 수 있을 것으로 보입니다.

시장 점유율 계산에는 시가총액, 개발 실적, 기본 OS 최종 시장이 모두 포함됩니다.

프레임워크 부문은 이번 시장 사이클에서 가장 빠르게 성장하는 분야가 될 것이며, 17억달러의 총 시가총액은 200억달러까지 쉽게 성장할 수 있을 것으로 예상되는데, 이는 많은 L1이 200억달러 이상의 가치에 도달했던 2021년의 L1 최고 가치와 비교하면 여전히 상대적으로 보수적인 수준입니다. 이러한 프레임워크는 각각 다른 최종 시장(체인/생태계)에 서비스를 제공하지만, 시가총액 가중치 접근 방식은 이 분야의 지속적인 상승 추세를 고려할 때 가장 신중한 접근 방식일 수 있습니다.

2. 4대 프레임워크

아래 표에는 각 주요 프레임워크의 핵심 기술, 구성 요소, 강점이 나열되어 있습니다.

(1) 프레임워크 개요

AI X Crypto의 교차점에서 AI 발전에 기여한 몇 가지 프레임워크가 있습니다. 오픈소스 커뮤니티 프로젝트부터 성능 중심의 엔터프라이즈 솔루션에 이르기까지 각 프레임워크는 AI16Z의 엘리자, ARC의 리그, 제로피의 제로브로, 게임의 버츄얼 등 AI 에이전트 개발의 다양한 요구와 철학을 충족합니다.

이 백서는 프레임워크의 정의, 프레임워크에서 사용하는 프로그래밍 언어, 기술 아키텍처 및 알고리즘, 고유 기능, 프레임워크가 사용될 수 있는 잠재적 사용 사례에 대해 설명하는 프레임워크 소개로 시작됩니다. 그런 다음 사용성, 확장성, 적응성, 성능 측면에서 각 프레임워크를 비교하여 각각의 강점과 한계를 살펴봅니다.

ELIZA(ai16z 개발)

Eliza는 자율 AI 에이전트를 생성, 배포 및 관리하도록 설계된 멀티 에이전트 시뮬레이션 오픈소스 프레임워크입니다. TypeScript 프로그래밍 언어로 개발된 이 프레임워크는 여러 플랫폼에서 인간과 상호 작용하고 일관된 개성과 지식을 유지할 수 있는 지능형 에이전트를 구축할 수 있는 유연하고 확장 가능한 플랫폼을 제공합니다.

이 프레임워크의 핵심 기능에는 여러 개의 고유한 AI 인격을 동시에 배포하고 관리할 수 있는 다중 에이전트 아키텍처와 페르소나 파일 프레임워크를 사용하여 다양한 에이전트를 생성하는 페르소나 시스템, 고급 검색 증강 생성(RAG) 시스템을 통해 장기 메모리와 상황 인식을 제공하는 메모리 관리 기능이 포함됩니다. 또한 Eliza 프레임워크는 Discord, X 및 기타 소셜 미디어 플랫폼과의 안정적인 연결을 위한 원활한 플랫폼 통합을 제공합니다.

엘리자는 AI 에이전트를 위한 커뮤니케이션 및 미디어 기능 측면에서 탁월한 선택입니다. 커뮤니케이션 측면에서 이 프레임워크는 Discord의 음성 채널 기능, X-기능, 텔레그램, 사용자 지정 사용 사례를 위한 직접 API 액세스와 통합을 지원합니다. 한편, 프레임워크의 미디어 처리 기능은 PDF 문서 읽기 및 분석, 링크 콘텐츠 추출 및 요약, 오디오 트랜스크립션, 비디오 콘텐츠 처리, 이미지 분석, 대화 요약으로 확장되어 모든 유형의 미디어 입력 및 출력을 효율적으로 처리할 수 있습니다.

엘라이자 프레임워크는 오픈 소스 모델을 사용한 로컬 추론, OpenAI를 사용한 클라우드 추론, 복잡한 작업을 처리할 수 있도록 Claude를 통합 지원하는 Nous Hermes Llama 3.1B와 같은 기본 구성을 통해 유연한 AI 모델 지원을 제공합니다.Eliza는 다음과 같은 다양한 운영 체제, 맞춤형 클라이언트 지원, 포괄적인 API를 갖춘 모듈식 아키텍처를 사용하여 애플리케이션 간의 확장성과 적응성을 보장합니다.

엘리자의 사용 사례는 고객 지원, 커뮤니티 감사, 개인 업무를 위한 AI 비서뿐만 아니라 콘텐츠 자동 제작자, 대화형 봇, 브랜드 담당자와 같은 소셜 미디어 역할 등 여러 영역에 걸쳐 있습니다. 또한 연구 보조, 콘텐츠 분석가, 문서 처리자 등의 역할을 수행하는 지식 근로자의 역할을 수행할 수 있으며 롤플레잉 봇, 교육 튜터, 엔터테인먼트 에이전트 등의 대화형 역할도 지원합니다.

Eliza의 아키텍처는 역할 시스템(모델 공급자가 지원), 메모리 관리자(데이터베이스에 연결), 운영 체제(플랫폼 클라이언트에 연결)와 원활하게 통합되는 에이전트 런타임을 중심으로 구축되어 있습니다. 이 프레임워크의 고유한 기능에는 모듈식 기능 확장을 지원하는 플러그인 시스템, 음성, 텍스트, 미디어 등의 멀티모달 상호작용 지원, 주요 AI 모델(예: 라마, GPT-4, 클로드)과의 호환성 등이 있습니다. 다양한 기능과 견고한 설계를 갖춘 Eliza는 다양한 영역에서 AI 애플리케이션을 개발할 수 있는 강력한 도구로 주목받고 있습니다.

G.A.M.E(Virtuals Protocol에서 개발)

제너레이티브 자율 다중 모달 엔티티 프레임워크(G.A.M.E)의 목표는 다음과 같습니다. 개발자에게 AI 에이전트 실험을 수행할 수 있는 API 및 SDK 액세스를 제공합니다. 이 프레임워크는 AI 에이전트의 행동, 의사 결정 및 학습 프로세스를 관리하기 위한 구조화된 접근 방식을 제공합니다.

핵심 구성 요소는 다음과 같습니다. 먼저, 에이전트 프롬프트 인터페이스는 개발자가 에이전트에 게임을 통합하여 에이전트 동작에 액세스할 수 있는 진입점입니다. 인식 서브시스템은 세션 ID, 에이전트 ID, 사용자 및 기타 관련 세부 정보와 같은 파라미터를 지정하여 세션을 시작합니다.

인입되는 정보를 전략 기획 엔진에 적합한 형식으로 합성하여 대화 또는 응답의 형태로 AI 에이전트의 감각 입력 메커니즘으로 작동합니다. 그 핵심은 대화 처리 모듈로, 에이전트의 메시지와 응답을 처리하는 데 사용되며 지각 하위 시스템과 협력하여 입력을 효과적으로 해석하고 응답합니다.

전략 계획 엔진은 대화 처리 모듈 및 체인 내 지갑 운영자와 함께 작동하여 응답과 계획을 생성합니다. 이 엔진은 두 가지 수준에서 작동합니다: 상황이나 목표에 따라 광범위한 전략을 생성하는 상위 수준의 계획과 이러한 전략을 실행 가능한 전략으로 변환하는 하위 수준의 전략으로, 다시 작업을 지정하는 액션 플래너와 이를 실행하는 계획 실행자로 나뉩니다.

또 다른 중요 구성 요소는 환경, 글로벌 정보, 게임 상태를 참조하여 에이전트의 의사 결정에 필요한 컨텍스트를 제공하는 월드 컨텍스트입니다. 또한 에이전트 리포지토리는 에이전트의 행동과 의사 결정 과정을 함께 형성하는 목표, 반영, 경험, 성격과 같은 장기적인 속성을 저장하는 데 사용됩니다.

프레임워크는 단기 작업 메모리와 장기 메모리 프로세서를 사용합니다. 단기 기억은 이전 행동, 결과 및 현재 계획에 대한 정보를 유지합니다. 반면 장기 기억 프로세서는 중요도, 최근성, 관련성 등의 기준에 따라 핵심 정보를 추출합니다. 장기기억은 상담원의 경험, 성찰, 역동적인 성격, 세계 맥락, 작업 기억에 대한 지식을 저장하여 의사 결정을 향상시키고 학습의 기초를 제공합니다.

학습 모듈은 지각 하위 시스템의 데이터를 사용하여 일반적인 지식을 생성하고, 이는 향후 상호작용을 개선하기 위해 시스템에 다시 피드백됩니다. 개발자는 인터페이스를 통해 행동, 게임 상태, 감각 데이터에 대한 피드백을 입력하여 AI 에이전트의 학습 능력을 향상시키고 계획 및 의사 결정 능력을 개선할 수 있습니다.

워크플로우는 개발자가 프롬프트 인터페이스를 통해 에이전트와 상호 작용하는 것으로 시작됩니다. 입력은 인식 하위 시스템에서 처리되어 대화 처리 모듈로 전달되며, 대화 처리 모듈은 상호작용 로직을 관리합니다. 그런 다음 전략 계획 엔진은 이 정보를 바탕으로 높은 수준의 전략과 세부 실행 계획을 활용하여 계획을 개발하고 실행합니다.

월드 컨텍스트 및 에이전트 저장소의 데이터는 이러한 프로세스에 알림을 보내고 작업 메모리는 즉각적인 작업을 추적합니다. 한편 장기 기억 프로세서는 장기 지식을 저장하고 검색합니다. 학습 모듈은 결과를 분석하고 새로운 지식을 시스템에 통합하여 상담원 행동과 상호작용을 지속적으로 개선할 수 있도록 합니다.

RIG(ARC에서 개발)

Rig는 대규모 언어 모델 애플리케이션의 개발을 간소화하도록 설계된 오픈 소스 Rust 프레임워크입니다. 이 프레임워크는 OpenAI, Anthropic 등 여러 LLM 제공업체와 상호 작용할 수 있는 통합 인터페이스를 제공하며, MongoDB, Neo4j 등 다양한 벡터 저장소를 지원합니다. 프레임워크의 모듈식 아키텍처는 제공자 추상화 계층, 벡터 저장소 통합, 프록시와 같은 핵심 구성 요소로 이루어진 독특한 구조입니다. 시스템과 같은 핵심 컴포넌트로 구성되어 원활한 LLM 상호 작용을 촉진합니다.

Rig의 주요 고객은 Rust를 사용해 AI/ML 애플리케이션을 구축하는 개발자와 여러 LLM 제공자와 벡터 스토어를 자체 Rust 애플리케이션에 통합하고자 하는 조직으로 구성되어 있습니다. 리포지토리는 확장성과 효율적인 프로젝트 관리를 지원하기 위해 여러 개의 크레이트가 있는 워크스페이스 아키텍처를 사용합니다. 주요 기능으로는 일관된 오류 처리로 서로 다른 LLM 공급자 간에 API를 완성하고 임베드하기 위한 표준화를 제공하는 공급자 추상화 계층이 있습니다. 벡터 스토어 통합 구성 요소는 여러 백엔드를 위한 추상 인터페이스를 제공하고 벡터 유사성 검색을 지원합니다. 프록시 시스템은 LLM 상호 작용을 간소화하고 검색 증강 생성(RAG) 및 도구 통합을 지원합니다. 또한 임베딩 프레임워크는 일괄 처리 기능과 유형 안전 임베딩 작업을 제공합니다.

Rig는 안정성과 성능을 보장하기 위해 여러 기술을 활용합니다. 비동기 작업은 Rust의 비동기 런타임을 활용하여 많은 수의 동시 요청을 효율적으로 처리합니다. 프레임워크에 내재된 오류 처리 메커니즘은 AI 공급자나 데이터베이스 작업의 장애에 대한 복원력을 향상시키며, 타입 안전성은 컴파일 중 오류를 방지하여 코드 유지보수성을 향상시킵니다. 효율적인 직렬화 및 역직렬화 프로세스는 AI 서비스 통신 및 저장에 필수적인 JSON과 같은 형식의 데이터 처리를 지원합니다. 상세한 로깅 및 검사는 애플리케이션 디버깅 및 모니터링에 더욱 도움이 됩니다.

Rig의 워크플로는 클라이언트가 공급자 추상화 계층을 통해 적절한 LLM 모델과 상호 작용하는 요청을 시작하면 시작됩니다. 그런 다음 에이전트가 도구를 사용하거나 컨텍스트의 벡터 스토어에 액세스할 수 있는 코어 레이어에서 데이터를 처리합니다. 응답은 문서 검색 및 컨텍스트 이해와 관련된 프로세스를 통해 클라이언트에게 반환되기 전에 복잡한 워크플로우(예: RAG)를 통해 생성 및 정제됩니다. 이 시스템은 여러 LLM 제공업체와 벡터 저장소를 통합하며 모델 가용성 또는 성능 업데이트에 적응할 수 있습니다.

리그의 사용 사례는 다양하며 관련 문서를 검색하여 정확한 답변을 제공하는 Q&A 시스템, 효율적인 콘텐츠 검색을 위한 문서 검색 및 검색 시스템, 고객 서비스 또는 교육을 위한 맥락 인식 상호작용을 제공하는 챗봇 또는 가상 비서 등 여러 분야에 걸쳐 있습니다. 또한 학습 패턴에 기반한 콘텐츠 생성 및 텍스트와 기타 자료의 생성을 지원하여 개발자와 조직을 위한 다용도 도구로 활용할 수 있습니다.

Zerepy(ZEREPY 및 blorm에서 개발)

ZerePy는 Python 언어로 작성된 오픈 소스 프레임워크입니다. OpenAI 또는 Anthropic LLM을 사용하여 X에 에이전트를 배포하도록 설계되었습니다. Zerebro 백엔드의 모듈식 버전에서 파생된 ZerePy를 통해 개발자는 Zerebro와 유사한 핵심 기능을 갖춘 에이전트를 출시할 수 있습니다. 프레임워크는 에이전트 배포를 위한 기반을 제공하지만, 창의적인 결과물을 생성하려면 모델을 미세 조정하는 것이 필수적입니다. ZerePy는 특히 소셜 플랫폼에서 콘텐츠 제작을 위한 개인화된 AI 에이전트의 개발 및 배포를 간소화하여 예술 및 분산형 애플리케이션을 위한 AI 기반 창의성 생태계를 조성합니다.

파이썬으로 개발된 이 프레임워크는 에이전트의 자율성을 강조하며, 엘리자의 아키텍처 및 엘리자와의 파트너십에 따라 창의적인 결과물 생성에 중점을 두고 있습니다. 모듈식 설계로 인메모리 시스템 통합과 소셜 플랫폼에서의 에이전트 배포를 지원합니다. 주요 기능으로는 에이전트 관리를 위한 명령줄 인터페이스, 트위터와의 통합, OpenAI 및 인공 지능 LLM 지원, 향상된 기능을 위한 모듈식 연결 시스템 등이 있습니다.

ZerePy의 사용 사례는 소셜 미디어 자동화 분야를 다루며, 사용자는 AI 에이전트를 배포하여 게시, 답글, 좋아요, 리트윗을 수행하여 플랫폼 참여도를 높일 수 있습니다. 또한 음악, 밈, NFT와 같은 분야의 콘텐츠 제작을 지원하여 디지털 아트 및 블록체인 기반 콘텐츠 플랫폼에 훌륭한 도구가 될 수 있습니다.

(2) 4대 프레임워크 비교

각 프레임워크는 특정 요구와 상황에 맞는 고유한 AI 개발 접근 방식을 제공한다는 점에서 다음과 같습니다. 이러한 프레임워크의 경쟁 관계에서 각 프레임워크의 고유성에 초점을 맞추고 있습니다.

ELIZA는 특히 JavaScript 및 Node.js 환경에 익숙한 개발자를 위한 사용자 친화적인 인터페이스가 돋보입니다. 포괄적인 설명서를 통해 다양한 플랫폼에서 AI 에이전트를 설정하는 데 도움이 되지만, 광범위한 기능 세트는 약간의 학습 곡선을 동반할 수 있습니다. 대부분의 웹 인프라의 프런트엔드가 TypeScript로 개발되기 때문에 Eliza는 웹에 임베디드된 에이전트를 구축하는 데 이상적입니다. 이 프레임워크는 Discord, X, Telegram과 같은 플랫폼에 다양한 AI 인격을 배포할 수 있는 다중 에이전트 아키텍처로 유명합니다. 고급 메모리 관리 RAG 시스템은 고객 지원이나 소셜 미디어 애플리케이션의 AI 어시스턴트에 특히 효과적입니다. 유연성, 강력한 커뮤니티 지원, 일관된 크로스 플랫폼 성능을 제공하지만, 아직 초기 단계이므로 개발자에게는 학습 곡선이 있을 수 있습니다.

GAME은 게임 개발자를 위해 설계되어 기술 수준이 낮은 사용자도 게임 공간에 액세스할 수 있도록 API를 통해 코드가 적거나 없는 인터페이스를 제공합니다. 하지만 게임 개발과 블록체인 통합에 중점을 두기 때문에 관련 경험이 없는 사용자에게는 학습 곡선이 가파를 수 있습니다. 절차적 콘텐츠 생성 및 NPC 동작은 뛰어나지만, 틈새 시장과 블록체인 통합으로 인해 복잡성이 증가한다는 한계가 있습니다.

Rust 언어를 사용하기 때문에 언어의 복잡성으로 인해 사용자 친화적이지 않을 수 있으며, 이는 상당한 학습 과제를 제기하지만 시스템 프로그래밍에 정통한 사람에게는 직관적인 인터랙션이 있습니다. 프로그래밍 언어 자체는 타입스크립트에 비해 성능과 메모리 안전성이 뛰어난 것으로 알려져 있습니다. 복잡한 AI 알고리즘을 실행하는 데 필요한 엄격한 컴파일 시간 검사와 제로 비용 추상화가 가능합니다. 이 언어는 매우 효율적이며 제어 수준이 낮기 때문에 리소스 집약적인 AI 애플리케이션에 이상적입니다. 이 프레임워크는 모듈식 확장 가능한 설계로 고성능 솔루션을 제공하므로 엔터프라이즈 애플리케이션에 이상적입니다. 하지만 Rust를 사용하면 Rust에 익숙하지 않은 개발자에게는 가파른 학습 곡선을 피할 수 있습니다.

ZerePy는 Python을 활용하여 창의적인 AI 작업을 위한 높은 수준의 사용성을 제공하며, 특히 AI/ML 배경 지식이 있는 Python 개발자에게는 학습 곡선을 낮추고 Zerebro의 암호화 커뮤니티 덕분에 강력한 커뮤니티 지원의 혜택을 누릴 수 있습니다. ...제레피는 NFT와 같은 창의적인 AI 애플리케이션을 전문으로 하며, 디지털 미디어와 예술을 위한 강력한 도구로 자리매김하고 있습니다. 창의성에서 번창하지만 다른 프레임워크에 비해 상대적으로 범위가 좁습니다.

확장성 측면에서 엘리자는 V2 업데이트를 통해 통합 메시징 스레드와 여러 플랫폼에서 효율적인 관리를 지원하는 확장 가능한 핵심 프레임워크를 도입하는 등 큰 발전을 이루었습니다. 하지만 이러한 멀티 플랫폼 상호 작용의 관리는 최적화되지 않으면 확장성 문제가 발생할 수 있습니다.

게임은 게임에 필요한 실시간 처리에 탁월하며, 확장성은 특정 게임 엔진이나 블록체인 네트워크의 제약에 의해 제한될 수 있지만 효율적인 알고리즘과 잠재적으로 블록체인 분산 시스템을 통해 관리됩니다.

Rig 프레임워크는 Rust의 확장성 성능을 활용하고 처리량이 많은 애플리케이션을 위해 설계되어 엔터프라이즈 배포에 특히 효과적이지만, 진정한 확장성을 달성하기 위해서는 복잡한 설정이 필요할 수 있습니다.

Zerepy의 확장성은 커뮤니티 기여로 뒷받침되는 창의적인 결과물에 맞춰져 있지만, 사용자 수보다는 창의적인 작업의 다양성에 따라 확장성이 테스트될 수 있는 광범위한 AI 환경에서는 집중된 중력으로 인해 사용이 제한될 수 있습니다.

적응성 측면에서 엘리자는 플러그인 시스템과 크로스 플랫폼 호환성으로 선두를 달리고 있으며 게임 환경에서는 GAME, 복잡한 AI 작업을 처리하는 데는 Rig에서 탁월하며, ZerePy는 크리에이티브 영역에서는 높은 수준의 적응성을 보이지만 광범위한 AI 애플리케이션에는 적합하지 않은 것으로 나타났습니다.

성능 측면에서 엘리자는 빠른 응답 시간이 중요한 빠른 소셜 미디어 상호 작용에 최적화되어 있지만, 복잡한 계산 작업을 처리할 때는 성능이 달라질 수 있습니다.

VAME은 Virtual Protocol에서 개발한 게임 시나리오에서 고성능 실시간 상호작용에 중점을 두고 효율적인 의사결정 과정과 잠재적으로 분산형 AI 운영을 위한 블록체인을 활용합니다.

Rig 프레임워크는 Rust 언어를 기반으로 하며 계산 효율성이 중요한 엔터프라이즈 애플리케이션을 위한 고성능 컴퓨팅 작업에 탁월한 성능을 제공합니다.

Zerepy의 성능은 콘텐츠 제작의 효율성과 품질에 중점을 둔 지표를 통해 크리에이티브 콘텐츠 제작에 맞게 조정되었으며, 크리에이티브 영역 외에서는 일반화하기 어려울 수 있습니다.

ELIZA의 강점은 유연성과 확장성으로, 플러그인 시스템과 역할 구성을 통해 적응력이 뛰어나 크로스 플랫폼 소셜 AI 상호 작용에 유리하다는 점입니다.

GAME은 게임 내에서 고유한 실시간 상호작용 기능을 제공하며, 블록체인 통합을 통해 새로운 AI 참여를 강화합니다.

Rig의 강점은 장기적인 프로젝트 건전성을 위해 깔끔한 모듈식 코드에 중점을 두고 엔터프라이즈 대상 AI 작업을 위한 성능과 확장성에 있습니다.

Zerepy는 활발한 커뮤니티 중심의 개발 모델을 통해 디지털 아트용 AI 애플리케이션 분야를 선도하며 창의력을 키우는 데 탁월합니다.

각 프레임워크에는 고유한 한계가 있으며, 엘리자는 아직 초기 단계로 잠재적인 안정성 문제와 신규 개발자를 위한 학습 곡선이 있고, 틈새 게임은 광범위한 채택을 제한할 수 있으며, 블록체인은 복잡성을 더하고, Rust의 구성으로 인한 Rig의 가파른 학습 곡선은 일부 개발자에게 두려움을 줄 수 있습니다. 일부 개발자를 겁먹게 할 수 있으며, 제레피는 창의적인 결과물에 초점을 맞추기 때문에 다른 AI 영역에서의 사용이 제한될 수 있습니다.

(3) 프레임워크 비교 요약

Rig (ARC):

언어: Rust, 보안과 성능에 중점을 둡니다.

사용 사례: 효율성과 확장성에 중점을 둔 엔터프라이즈 AI 애플리케이션에 이상적입니다.

커뮤니티: 커뮤니티 중심이 아닌 기술 개발자에 더 중점을 둡니다.

Eliza(AI16Z):

언어: 웹3 민첩성 및 커뮤니티 참여에 중점을 둔 TypeScript.

사용 사례: 소셜 상호작용, DAO, 트랜잭션용으로 설계되었으며 특히 멀티 에이전트 시스템에 중점을 두고 있습니다.

커뮤니티: 광범위한 GitHub 참여로 커뮤니티 중심적입니다.

ZerePy(ZEREBRO):

언어: Python으로 더 광범위한 AI 개발자가 사용할 수 있습니다.

사용 사례: 소셜 미디어 자동화 및 간단한 AI 에이전트 작업.

커뮤니티: 비교적 새롭지만 Python의 인기와 AI16Z 기여자들의 지원으로 인해 성장할 것으로 예상됩니다.

게임(가상):

중점: 가상 환경에서의 상호작용을 기반으로 진화할 수 있는 자율적이고 자기 적응적인 AI 에이전트.

사용 사례: 게임이나 가상 세계와 같은 시나리오를 학습하고 적응하는 AI 에이전트에 가장 적합합니다.

커뮤니티: 혁신적인 커뮤니티이지만 여전히 경쟁에서 입지를 다지고 있습니다.

3. Github의 스타 데이터 트렌드

위 차트는 이러한 프레임워크가 출시된 이후 GitHub 스타 팔로잉 데이터를 보여줍니다. GitHub 스타는 커뮤니티의 관심, 프로젝트 인기도, 프로젝트의 인지된 가치를 나타내는 지표라는 점에 주목할 필요가 있습니다.

ELIZA(빨간색 선):

7월에 낮은 수준에서 상승하기 시작하여 11월 말에 별 수가 크게 증가(최대 61,000개)한 것을 볼 때, 이는 이는 개발자들의 관심을 사로잡은 급격한 관심 증가를 나타냅니다. 이러한 기하급수적인 성장은 엘리자의 기능, 업데이트 및 커뮤니티 참여로 인해 엘리자가 엄청난 인기를 얻고 있음을 보여줍니다. 엘리자의 인기는 다른 경쟁 제품보다 훨씬 높으며, 이는 커뮤니티의 강력한 지원과 AI 커뮤니티에 대한 폭넓은 적용 가능성 또는 관심이 있음을 시사합니다.

RIG(파란색 선):

Rig는 4대 프레임워크 중 가장 오래되었으며, 소폭이지만 꾸준히 증가하고 있으며, 다음 달에 크게 늘어날 것으로 보입니다. 크게 증가할 가능성이 높습니다. 현재 1700개의 별에 도달했지만 계속 증가하고 있습니다. 지속적인 개발과 업데이트, 사용자 수 증가가 사용자들의 관심을 불러일으키는 이유입니다. 이는 프레임워크 사용자의 틈새 시장이나 여전히 쌓아가고 있는 평판을 반영하는 것일 수 있습니다.

ZEREPY(노란색 선):

ZerePy는 불과 며칠 전에 출시되었으며 이미 181개의 별을 획득했습니다. ZerePy의 가시성과 채택률을 높이기 위해서는 더 많은 개발이 필요하다는 점을 강조하고 싶습니다. AI16Z와의 파트너십을 통해 더 많은 코드 기여자를 유치할 수 있을 것입니다.

게임(녹색 선):

이 프로젝트는 별 수가 가장 적으며, 프레임워크가 API를 통해 가상에 직접 적용될 수 있다는 점에 주목할 필요가 있습니다. 에이전트를 통해 가상 에이전트에 직접 적용할 수 있으므로 Github 가시성이 필요하지 않습니다. 하지만 이 프레임워크는 불과 한 달 전에 빌더에게 공개되었으며, 200개 이상의 프로젝트가 GAME을 사용하여 빌드되고 있습니다.

4. 프레임워크 강세 이유

엘라이자의 V2 버전은 코인베이스 프록시 스위트를 통합할 예정입니다. 향후 Eliza를 사용하는 모든 프로젝트는 네이티브 TEE를 지원하여 에이전트를 안전한 환경에서 실행할 수 있으며, 개발자가 플러그인을 원활하게 등록하고 통합할 수 있는 플러그인 레지스트리가 Eliza의 향후 기능으로 추가될 예정입니다.

또한 Eliza V2는 자동화된 익명 크로스 플랫폼 메시징을 지원할 예정입니다. 토큰 이코노믹스 백서는 2025년 1월 1일에 공개될 예정이며, Eliza 프레임워크의 기반이 되는 AI16Z 토큰에 긍정적인 영향을 미칠 것으로 기대됩니다.AI16Z는 프레임워크의 유용성을 지속적으로 향상시키고 주요 기여자들의 노력으로 입증된 우수한 인재를 계속 유치할 계획입니다.

게임 프레임워크는 에이전트를 위한 코드 없는 통합을 제공하여 게임과 엘리자를 각각 특정 목적에 맞게 단일 프로젝트에서 사용할 수 있도록 합니다. 이러한 접근 방식은 기술적 복잡성보다는 비즈니스 로직에 집중하는 빌더에게 어필할 수 있습니다. 프레임워크가 공개된 지 30일밖에 되지 않았지만, 팀이 더 많은 기여자를 유치하기 위해 노력하면서 이미 상당한 진전을 이루었습니다. 버추얼에서 시작되는 모든 프로젝트가 GAME을 사용할 것으로 예상됩니다.

ARC 토큰으로 대표되는 리그는 프레임워크가 성장 초기 단계에 있고 프로젝트 채택을 유도하는 프로그램이 시작된 지 며칠 되지 않았지만 큰 잠재력을 가지고 있습니다. 그러나 가상 플라이휠과 유사하지만 솔라나에 초점을 맞춘 고품질 프로젝트가 곧 등장할 것으로 예상되며, 팀은 ARC와 솔라나의 관계를 가상과 베이스의 관계에 비유하며 솔라나와의 협력에 낙관적입니다. 특히 팀은 새로운 프로젝트가 Rig로 시작하도록 장려할 뿐만 아니라 개발자에게 다음과 같이 권장하고 있습니다. Rig 프레임워크 자체를 개선하고 있습니다.

Zerepy는 새로 출시된 프레임워크로, Eliza와의 파트너십 덕분에 점점 더 많은 주목을 받고 있습니다. 이 프레임워크는 Eliza의 기여자들이 적극적으로 프레임워크 개선에 참여하고 있습니다. 제로브로 팬들의 열렬한 지지를 받고 있는 이 프레임워크는 이전에는 AI 인프라 경쟁에서 소외되었던 Python 개발자들에게 새로운 기회를 제공합니다. 이 프레임워크는 AI 창의성에서 중요한 역할을 할 것입니다.