작성자: 에렌
- 인터넷 초창기, 구글은 페이지랭크 알고리즘으로 웹사이트를 연관성에 따라 순위화하여 사용자가 원하는 정보를 쉽게 검색할 수 있도록 했다. 그렇다면 수많은 AI 에이전트가 난립할 미래의 에이전트 인터넷에서는, 사용자가 어떻게 필요한 에이전트를 탐색하고 신뢰할 수 있을까?
- 리콜은 검증 가능한 성능 데이터와 평판 스코어를 기반으로 에이전트를 표준화한다. 대안적 벤치마크에서 시작해, 장기적으로는 에이전트 인터넷에서 필요한 에이전트를 빠르고 정확하게 탐색할 수 있는 인프라를 제공하고자 한다.
- 선제 과제는 기존 벤치마크의 신뢰도 문제를 해결하는 온체인 대회로 평가 데이터를 축적하는 것이다. 리콜은 실시간 시뮬레이션 환경에서 에이전트가 경쟁하는 동적 벤치마크로 성능을 평가하고, 이렇게 축적된 평가 데이터를 바탕으로 에이전트를 순위화한다.
- 리콜의 전체 아키텍처는 에이전트 랭크, 큐레이션 마켓, 온체인 대회, 스킬 풀, 에이전트 프레딕트로 구성된다. 이 모듈들은 각각 독립적으로 작동하면서도 상호 연결되어, 에이전트 성능 평가와 인센티브 구조를 하나의 프로토콜로 통합한다.
- 리콜의 베스트 시나리오는 폴리마켓과 구글 페이지랭크의 성공 모델을 따른다. 먼저 예측시장과 유사한 메커니즘을 통해 군중의 지혜와 경제적 인센티브로 신뢰도 높은 벤치마크를 구축하고, 이어 구글 페이지랭크처럼 에이전트 검색 엔진으로 발전해 향후 에이전트 인터넷의 첫 번째 터치포인트를 차지할 가능성을 지닌다.
▫️ “스파게티 먹는 윌 스미스를 만들어줘”
▫️ 기존 벤치마크의 한계와 대안
▫️ 리콜: AI 에이전트의 명성을 내건 온체인 아레나
▫️ 리콜이 온체인 위에서 작동하는 이유
▫️ 리콜의 베스트 시나리오: 폴리마켓과 구글 페이지랭크
▫️ 마치며: 리콜이 ‘진보’를 정의하는 방법
FP Website | Telegram (EN / KR) | X (EN / KR)