Flowith: 딥 워크를 위한 에이전트 기반 AI 워크스페이스

섹션별 상세

01

기존의 단일 채팅창 구조는 복잡한 프로젝트의 맥락을 유지하고 여러 아이디어를 동시에 확장하는 데 한계가 있다. Flowith는 멀티 스레드 기반의 캔버스 인터페이스를 도입하여 사용자가 다양한 작업 흐름을 시각적으로 연결하고 관리할 수 있게 한다. 이를 통해 사용자는 전체적인 작업 구조를 한눈에 파악하며 인지 부하를 줄인 상태로 업무를 수행한다. 시각화된 노드 구조는 아이디어의 발산과 수렴 과정을 직관적으로 지원하는 핵심 요소이다.

FlowithOS의 메인 대시보드 화면 — Screenshot태스크 관리, 폴더, 스킬, 메모리 등 운영체제와 유사한 구조의 인터페이스를 보여준다. 하단에는 브라우저, 컴퓨터, 코딩 에이전트 등 서브 에이전트들의 협업 구조가 명시되어 있다.

캔버스 기반의 시각적 아이디어 구상 화면 — Screenshot여러 AI 모델이 생성한 결과물들이 노드 형태로 연결되어 시각적으로 배치된 모습을 보여준다. 코드 작성, 아이디어 탐색, 분석 등 다양한 작업이 하나의 캔버스에서 동시에 진행됨을 확인할 수 있다.

02

단순한 텍스트 응답을 넘어 실제 실행력을 갖춘 AI 에이전트에 대한 요구가 증가하고 있다. Agent Neo는 고급 에이전트 프레임워크를 기반으로 설계되어 사용자의 복잡한 지시사항을 자율적인 작업 단계로 분해하고 실행한다. 백엔드에서 에이전트가 계획 수립, 도구 활용, 결과 도출 과정을 스스로 수행하여 사용자의 개입을 최소화한다. 이는 반복적이고 소모적인 실행 단계를 자동화하여 사용자가 고차원적인 전략 수립에 집중하도록 돕는다.

Agent Neo의 실시간 웹 페이지 생성 및 분석 화면 — Screenshot에이전트가 실시간 시장 데이터를 수집하여 웹 페이지 형태의 대시보드를 생성하는 과정을 보여준다. 섹터 히트맵, 차트, 경제 캘린더 등 복잡한 정보를 에이전트가 자율적으로 구성하여 출력한다.

에이전트 워크플로 오케스트레이션 다이어그램 — Diagram사용자의 의도를 감지하는 노드에서 시작하여 기술 에이전트와 영업 에이전트로 작업이 분기되는 구조를 보여준다. GPT-4.1, Gemini 2.0 Flash, Claude 3.7 Sonnet 등 다양한 모델이 각 단계에 할당되어 협업하는 워크플로를 시각화했다.

03

파편화된 정보와 부족한 컨텍스트는 AI 서비스의 개인화와 정확도를 저해하는 주요 원인이다. Knowledge Garden은 사용자의 지식 자산을 통합 관리하고 시간이 지남에 따라 사용자의 맥락을 더 깊이 이해하는 지능형 시스템을 구축한다. 입력된 데이터는 구조화된 지식 베이스로 저장되며 AI 에이전트가 작업을 수행할 때 실시간으로 참조되어 최적화된 답변을 생성한다. 사용자의 업무 이력과 지식이 축적될수록 더 정교한 업무 보조가 가능해지는 선순환 구조를 형성한다.

Knowledge Garden의 지식 관리 화면 — Screenshot사용자의 지식 베이스를 시각화하고 AI가 이를 참조하여 답변을 생성하는 과정을 보여준다. 파일 수, 시드 수, 토큰 수 등 데이터 통계와 함께 특정 주제에 대한 심층 분석 결과가 제시된다.

기술

Flowith
Agent Neo
Knowledge Garden
GPT-4.1
Claude 3.7 Sonnet
Gemini 2.0 Flash

활용 사례

복잡한 프로젝트 기획 및 시각적 아이디어 구상
자율 에이전트를 활용한 다단계 작업 자동화
개인 및 팀 단위의 지식 베이스 구축 및 활용

언급된 리소스

DemoFlowith 공식 웹사이트