본문으로 건너뛰기
Microsoft Research Blog조회 4회

Microsoft, 소형 모델 기반 에이전트 애플리케이션 'MagenticLite' 공개

Microsoft Research가 소형 모델(SLM)을 활용해 브라우저와 로컬 파일 시스템에서 복합 작업을 수행하는 에이전트 애플리케이션 MagenticLite를 공개했다.

섹션별 상세

01
MagenticLite는 에이전트의 핵심 역량을 도구 오케스트레이션과 행동에 집중하여 소형 모델로도 복잡한 작업을 수행하도록 설계됐다.
MagenticLite 시스템의 세 가지 핵심 구성 요소인 MagenticLite, MagenticBrain, Fara1.5를 보여주는 다이어그램.
Diagram이 이미지는 MagenticLite가 단일 에이전트 경험을 제공하기 위해 세 가지 구성 요소가 어떻게 결합되는지 시각화한다. 각 요소의 역할과 상호작용을 명확히 정의하여 시스템 구조를 이해하는 데 도움을 준다.
02
MagenticBrain은 14B 파라미터 모델로, 자연어 요청을 분석해 계획을 수립하고 필요에 따라 코드를 작성하거나 Fara1.5에 작업을 위임한다.
성공 정의, 평가 및 진단, 모델 개선으로 이어지는 에이전트 시스템의 반복적 개선 루프(Eval-driven improvement flywheel).
Diagram에이전트 시스템의 성능을 향상하기 위한 반복적인 프로세스를 보여준다. 성공 기준 정의, 평가, 그리고 모델과 시스템 설계의 개선이 어떻게 순환적으로 이루어지는지 설명한다.
MagenticBrain이 사용자의 요청을 받아 계획 수립, 도구 호출, 코드 작성, 작업 위임을 수행하는 흐름도.
DiagramMagenticBrain의 오케스트레이터로서의 역할을 명확히 보여준다. 자연어 요청이 어떻게 구체적인 단계와 실행으로 변환되는지 설명한다.
03
Fara1.5는 9B 파라미터의 컴퓨터 사용 모델로, 웹 탐색, 폼 작성, 로그인 등 브라우저 기반 작업에서 이전 세대 대비 성능을 약 2배 개선했다.
Online-Mind2Web 벤치마크에서 Fara1.5-9B 모델이 다른 모델들보다 높은 작업 성공률을 기록함을 보여주는 막대 그래프.
ChartFara1.5-9B 모델이 동급 모델들 사이에서 63%의 성공률로 SOTA 성능을 달성했음을 수치로 입증한다. 이전 모델 대비 성능 향상 폭을 명확히 보여준다.
Fara1.5가 LinkedIn 로그인과 같은 중요 지점에서 사용자 개입을 요청하는 모습.
Screenshot에이전트가 보안이 중요한 작업(로그인 등)을 수행할 때 어떻게 안전하게 사용자에게 승인을 요청하는지 보여준다. 중요 지점(Critical Points) 처리에 대한 실제 사례를 제공한다.
04
시스템 아키텍처는 단계별 계획 수립과 능동적인 컨텍스트 관리를 통해 소형 모델의 제한된 컨텍스트 윈도우 문제를 해결한다.
05
Quicksand 샌드박스를 도입하여 브라우저 세션과 코드 실행 환경을 호스트 시스템으로부터 물리적으로 격리해 보안을 강화했다.
MagenticLite의 계층적 시스템 아키텍처 다이어그램.
Diagram프론트엔드, 오케스트레이션(Agentic Harness), 모델(MagenticBrain, Fara1.5), 격리 환경(Quicksand)으로 구성된 전체 시스템 아키텍처를 상세히 보여준다.

기술

  • MagenticLite
  • MagenticBrain
  • Fara1.5
  • Qwen 3.5
  • Quicksand
  • Online-Mind2Web

활용 사례

  • 웹 브라우저 자동화
  • 로컬 파일 시스템 관리
  • 복합 작업 계획 및 위임
  • 폼 작성 및 로그인 자동화
AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 05. 22.수집 2026. 05. 22.출처 타입 RSS

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.