이 글은 JudyAI Lab의 AI 엔지니어링 시리즈 중 하나입니다 — 100편 이상 발행된 가이드, 60개국 5,000명 이상의 주간 독자가 읽는 콘텐츠로, AI 에이전트·트레이딩 시스템·콘텐츠 파이프라인의 실전 운영에 초점을 둡니다.

만약 소규모 사회를 복제하여 그 안의 사람들이 어떤 주제에 대해 자유롭게 토론하게 하고—그들의 여론이 어떻게 변해가는지 관찰할 수 있다면—당신은 ‘미래 예측기’를 손에 쥔 셈입니다.

이것은 공상과학 소설이 아닙니다. MiroFish가 바로 이 일을 하고 있습니다.

MiroFish란 무엇인가?

MiroFish는 오픈소스 멀티 에이전트 사회 시뮬레이션 예측 엔진으로, GitHub에 이미 16,000개 이상의 별을 받았습니다. 성다그룹의 지원을 받고 있습니다.

핵심 개념은 매우 직관적입니다:

  1. 실제 이벤트를 입력합니다（뉴스, 정책, 실적 발표, 무엇이든 가능）
  2. 수천 개의 AI 에이전트를 자동으로 생성합니다, 각각 독립적인 페르소나, 기억, 행동 로직을 갖추고 있습니다
  3. 이 에이전트들이 시뮬레이션된 Twitter와 Reddit에서 자유롭게 상호작용합니다
  4. 집단 여론의 변화 방향을 관찰합니다
  5. 예측 보고서를 생성합니다

간단히 말해, 평행 디지털 세계를 구축하여 ‘이 일이 일어난다면 대중은 어떻게 반응할까’를 관찰하게 해줍니다.

어떻게 작동하나? 다섯 단계

1단계: 지식 그래프 구축

원본 자료（뉴스 기사, 실적 보고서, 정책 초안）를 업로드하면, MiroFish가 GraphRAG 기술로 데이터를 지식 그래프로 분해합니다—단순히 텍스트를 저장하는 것이 아니라 개체 간의 관계를 이해합니다.

2단계: 에이전트 생성

시스템이 대량의 AI 에이전트를 자동으로 생성합니다. 각 에이전트는 다음을 갖추고 있습니다:

  • 페르소나（낙관/비관, 위험 선호도, 전문 배경）
  • 장기 기억（Zep Cloud를 통해 관리）
  • 행동 로직（스크립트대로 연기하는 것이 아니라, 페르소나에 따라 자율적으로 반응）

3단계: 커뮤니티 시뮬레이션

이 에이전트들은 시뮬레이션된 커뮤니티 플랫폼에 배치되어 자유롭게 게시, 댓글, 리트윗, 토론을 합니다. 시뮬레이션 도중 ‘변수를 주입’할 수 있습니다—신의 시점에서 새로운 정보를 투입하여 집단 반응이 어떻게 변화하는지 관찰할 수 있습니다.

4단계: 보고서 생성

ReportAgent가 모든 시뮬레이션 데이터를 분석하여 구조화된 예측 보고서를 생성합니다. 단순한 통계가 아니라 여론의 전환점, 핵심 영향 요인, 감정 흐름을 분석합니다.

5단계: 심층 상호작용

시뮬레이션 내 에이전트와 직접 대화하여 ‘왜 그렇게 생각하나요?‘라고 물어볼 수 있습니다—받는 대답은 시뮬레이션에서의 완전한 경험과 기억을 바탕으로 합니다.

왜 투자자에게 중요한가?

트레이딩이나 투자를 한다면, ‘시장 심리’에 반드시 신경을 씁니다.

전통적인 방법은 공포·탐욕 지수, 커뮤니티 언급량, 자금 흐름을 살피는 것입니다. 하지만 이것들은 모두 ‘이미 일어난 것’—당신이 보는 것은 결과이지, 과정이 아닙니다.

MiroFish의 접근 방식은 다릅니다: 감정 형성 과정을 시뮬레이션합니다.

다음 시나리오를 상상해보세요:

  • 연준이 0.5%p 금리 인상을 발표합니다 → 개인 투자자, 기관, 애널리스트가 각각 어떻게 반응하는지 시뮬레이션하여 여론이 어느 방향으로 수렴하는지 확인
  • 특정 거래소에서 보안 사고가 발생합니다 → 위험 선호도가 다른 투자자들의 행동을 시뮬레이션하여 자금이 어디로 흘러갈지 예측
  • 새로운 규제 법안이 발표됩니다 → 각국 커뮤니티의 반응 차이를 시뮬레이션

이것은 기술적 분석을 대체하는 것이 아니라, ‘집단 행동 예측’이라는 차원을 하나 더 추가하는 것입니다.

기술 아키텍처 개요

MiroFish의 기술 스택은 개발자 친화적입니다:

  • 프론트엔드: Vue.js（코드 비중 41%）
  • 백엔드: Python 3.11-3.12（코드 비중 58%）
  • 시뮬레이션 엔진: CAMEL-AI 기반의 OASIS 프레임워크
  • 지식 관리: GraphRAG
  • 기억 시스템: Zep Cloud（무료 플랜으로 충분）
  • LLM: OpenAI SDK 호환 모델 모두 지원, 기본값은 알리바바 통이첸원

배포 방식은 두 가지입니다: 소스 코드 설치 또는 Docker Compose 원클릭 배포. 진입 장벽이 낮습니다.

내 시각: 이 프로젝트가 주목받아야 하는 이유

1. 멀티 에이전트는 단순한 채팅이 아니다

시중에 나와 있는 대부분의 ‘멀티 에이전트’ 프로젝트는 몇 개의 AI가 서로 대화하는 수준입니다. MiroFish의 지향점은 다릅니다—사회적 행동을 시뮬레이션합니다. 에이전트들은 단순히 대화할 뿐만 아니라 집단을 형성하고, 군중 심리가 나타나며, 오피니언 리더가 등장합니다. 이것이 실제 세계에 더 가깝습니다.

2. 변수를 주입할 수 있는 시뮬레이션

시뮬레이션 도중 언제든 새로운 정보를 투입하여（‘갑작스러운 금리 인하 발표’）, 집단 반응이 즉시 어떻게 변화하는지 관찰할 수 있습니다. 이 ‘신의 시점’ 설계는 매우 강력한데, 실제 세계에서는 이런 대조 실험을 할 수 없기 때문입니다.

3. 예측 ≠ 예언

MiroFish는 내일 BTC가 오를지 내릴지 알려주지 않습니다. 알려주는 것은 ‘이 상황에서 집단 감정이 가장 가능성 높은 방향’입니다. 이것은 확률적 사고이지, 확정적 예측이 아닙니다—제대로 활용하면 어떤 ‘매수·매도 시그널’보다 가치 있습니다.

4. 오픈소스 + AGPL-3.0

완전 오픈소스로, 직접 실행하고 수정할 수 있습니다. AGPL 라이선스는 수정 버전도 오픈소스로 공개해야 한다는 의미이지만, 개인 연구 및 내부 사용에는 전혀 문제가 없습니다.

한계와 리스크

공정하게 보기 위해 부족한 점도 언급합니다:

  • LLM 비용: 수천 개의 에이전트를 시뮬레이션하려면 대량의 API 호출이 필요하여 비용이 상당합니다
  • 시뮬레이션 ≠ 현실: AI 에이전트가 아무리 실제와 가깝게 구현되어도, 실제 사람이 아닙니다. 집단 행동의 복잡성은 모델이 커버할 수 있는 범위를 훨씬 초과합니다
  • 편향 리스크: 에이전트의 페르소나 설정이 LLM 학습 데이터에 기반하여 시스템적 편향이 존재할 수 있습니다
  • 프로젝트 성숙도: 별 수는 높지만 여전히 빠르게 이터레이션 중이므로, 프로덕션 환경 사용 시 신중해야 합니다

마치며: 주목할 가치 있지만, 이성적으로

MiroFish는 흥미로운 방향을 제시합니다: 역사적 데이터로 백테스팅하는 것이 아니라, 군중 시뮬레이션으로 예측합니다.

이 두 가지는 상호 배타적이지 않습니다. 가장 강력한 예측 시스템은 기술적 분석 + 자금 흐름 + 집단 행동 시뮬레이션의 결합이어야 합니다.

개발자라면 오후 한 나절을 투자해 직접 실행해볼 가치가 있습니다. 투자자라면 이 개념을 이해하는 것만으로도 충분합니다—‘시장 심리’를 바라보는 방식이 달라질 것입니다.

MiroFish GitHub: github.com/666ghj/MiroFish

이것은 저희 팀이 멀티 에이전트 시스템을 연구한 노트 중 하나입니다. 저희도 직접 AI 에이전트로 트레이딩 전략 개발과 자동화를 진행하고 있습니다—이 분야에 관심이 있다면 저희 업데이트를 팔로우하세요.

JudyAI Lab에서는 이처럼 사고 프레임을 바꿀 수 있는 오픈소스 프로젝트를 지속적으로 추적하며, 실제 테스트 경험을 실용적인 지식으로 정리하여 제공합니다.

참고 자료

더 읽어보기