TL;DR

OpenMAIC는 입력된 주제나 자료를 두 단계 파이프라인으로 처리해 아웃라인을 생성하고 각 항목을 슬라이드·퀴즈·시뮬레이션·프로젝트 기반 학습 씬으로 자동 변환하는 오픈소스 플랫폼이다. 플랫폼은 LangGraph 기반의 다중 에이전트 오케스트레이션과 액션 엔진을 통해 에이전트 간 토론·화이트보드 드로잉·TTS 재생 같은 복합 액션을 동기화하고 Deep Interactive Mode로 3D 시각화·시뮬레이션·온라인 코딩 등 실습형 UI를 생성한다. 다양한 클라우드·로컬 제공자(OpenAI, Anthropic, MiniMax, Lemonade, Ollama 등)와 VoxCPM2 TTS 연동을 지원하며 결과물을 PPTX·인터랙티브 HTML·클래스룸 ZIP으로 내보내 오프라인 재생까지 가능하다. 최근 v0.3.0에서 PBL v2·프로모드 에디터·SDK 공개와 MIT 재라이선싱이 반영되어 상용 통합과 배포 편의성이 높아졌다.

주요 기능

• 원클릭 수업 생성 기능은 사용자가 주제 설명이나 자료를 업로드하면 자동으로 수업 개요와 장면을 생성하고 장면별로 슬라이드·퀴즈·시뮬레이션을 배치하는 파이프라인을 사용한다. 이 파이프라인은 아웃라인 생성 단계와 씬 콘텐츠 생성 단계의 두 단계로 구성되어 있어 입력을 구조화한 뒤 각 항목을 장면으로 변환한다. 결과물은 즉시 재생 가능한 교실과 편집 가능한 PPTX 또는 자립형 HTML로 내보낼 수 있다.
• 다중 에이전트 교실은 교사 에이전트와 학급 동료 에이전트가 실시간으로 대화하고 화이트보드·음성·효과를 통해 상호작용하는 환경을 제공한다. 에이전트 동작은 LangGraph 기반의 오케스트레이션과 액션 엔진이 관리하며 에이전트별 페르소나에 따라 토론·토론회·질의응답 모드를 자동으로 수행한다. 이 구조는 복합적 대화 흐름을 상태기반으로 제어해 사용자가 끼어들거나 특정 에이전트를 지목할 수 있는 상호작용을 가능하게 한다.
• Deep Interactive Mode는 3D 시각화·시뮬레이션·게임·마인드맵·브라우저 기반 코딩 같은 다섯 가지 상호작용 UI를 생성해 학습자가 직접 실험하면서 결과를 관찰하도록 설계되어 있다. 에이전트가 UI를 직접 조작해 하이라이트·조건 설정·힌트 제공 등 안내를 수행하며 모든 상호작용은 반응형으로 데스크톱·태블릿·모바일에서 동작한다. 이 모드는 수동적 듣기에서 벗어나 학습자 주도의 탐색을 촉진하도록 설계되었다.
• 오프라인 내보내기 기능은 생성한 교실을 PPTX·인터랙티브 HTML·클래스룸 ZIP으로 추출하며 외부 자산을 data: URI로 인라인 처리해 에어갭 환경에서도 재생 가능하도록 구현되어 있다. 내보낸 패키지는 KaTeX·Three.js·Tailwind 등 필요한 외부 라이브러리를 포함해 의존성을 로컬에 포함시키는 방식으로 동작한다. CORS 등으로 수집되지 않은 자산은 URL로 남기고 보고서에 표기한다.

어떻게 동작하는가

OpenMAIC는 입력을 두 단계 파이프라인으로 처리해 먼저 수업 아웃라인을 생성하고 이후 각 아웃라인 항목을 슬라이드·퀴즈·인터랙티브 씬으로 변환한다. 에이전트 오케스트레이션은 LangGraph 상태 기계가 담당하며 액션 엔진이 음성 합성, 화이트보드 드로잉, 스포트라이트 효과 등 28개 이상의 액션을 실행해 장면 재생을 제어한다. 미디어 생성과 TTS·ASR·이미지·비디오 제공자는 추상화된 ai 프로바이더 레이어를 통해 OpenAI·Anthropic·DeepSeek·MiniMax·GLM·Ollama·Lemonade 등 다양한 백엔드에 요청을 보내 실행 결과를 통합한다.

해결 문제

교육 자료를 하나로 모아 대화형 수업으로 전환하는 작업은 설계·미디어 제작·음성 합성·상호작용 로직 통합 등 다수의 수작업이 필요해 비용과 시간이 크다. OpenMAIC는 주제 설명이나 문서를 입력하면 자동으로 구조화된 아웃라인을 만들고 에이전트 주도 상호작용과 미디어·TTS·ASR을 결합해 즉시 재생 가능한 교실을 생성함으로써 제작 비용과 시간을 낮춘다. 또한 OpenClaw 통합과 오프라인 내보내기를 통해 채팅 기반 트리거와 에어갭 배포 같은 운영 경로까지 제공해 실제 배포·운영상의 장벽을 줄인다.

지금 주목받는 이유

최근 릴리스 노트에 따르면 v0.3.0에서 PBL v2와 Pro 모드 에디터, @openmaic/* SDK 배포, 모델 추가 및 AGPL→MIT 재라이선싱이 반영되어 프로젝트의 상용·개발 편의성이 크게 향상되었다. 또한 레포지토리의 높은 스타 수(19653)와 활발한 릴리스 기록이 사용자 관심과 채택을 가속화하고 있다. 이러한 릴리스와 라이선스 변경이 통합·배포 가능성을 높여 트렌드화를 촉진한 요소로 확인된다.

차별점

• LangGraph 기반의 다중 에이전트 오케스트레이션과 액션 엔진을 결합해 에이전트 순서·권한·액션을 상태기반으로 관리한다. 이 구현은 단순한 단일 봇 응답이 아니라 에이전트들이 교사·학생·토론자 역할을 분담하며 화이트보드 드로잉·음성 재생·포인터 효과를 포함한 복합 액션을 동기화하는 것을 가능하게 한다. 결과적으로 복잡한 수업 시퀀스를 코드 한 벌로 재현할 수 있어 장면별 자동화와 재현성이 향상된다.
• Deep Interactive Mode는 3D 시각화·시뮬레이션·게임·마인드맵·온라인 코딩을 한 플랫폼에서 생성하고 에이전트가 UI를 직접 조작해 학습 흐름을 유도한다. 이 기능은 단순 콘텐츠 생성과 달리 사용자가 실험을 설계·조정하고 즉시 관찰하는 피드백 루프를 제공해 실습 중심 학습을 자동화한다. 또한 반응형 디자인으로 다양한 단말에서 동일한 상호작용을 유지하도록 엔진과 씬 렌더러를 구성했다.
• 플랫폼은 다양한 LLM·미디어 공급자와 로컬 옵션(Lemonade, Ollama, VoxCPM2)을 플러그인 방식으로 지원하며 OpenClaw 연동을 통해 채팅에서 직접 교실을 생성하는 워크플로를 제공한다. 이로 인해 중앙 서버·로컬 호스팅·데모 호스팅 등 다양한 배포 시나리오를 손쉽게 구성할 수 있다. 또한 MIT 라이선스로 재라이선싱되어 상업적 사용과 통합이 용이해진 점이 배포 측면의 차별화 요소로 작용한다.

사용 사례

• 짧은 시간 안에 주제 기반의 수업을 자동 생성해 교안을 빠르게 프로토타이핑하는 용도로 활용할 수 있다. 사용자는 주제 설명이나 자료를 업로드하고 즉시 아웃라인과 장면을 받아 편집 가능한 PPTX나 인터랙티브 HTML로 내보낼 수 있다. 이 과정은 강의 준비 시간을 단축하고 반복 실험을 통한 콘텐츠 개선을 가능하게 한다.
• 실험·시뮬레이션·프로그래밍 학습 환경에서 학습자가 직접 매개변수를 조정하고 에이전트의 가이드를 받으며 결과를 관찰하는 실습형 수업을 제공할 수 있다. Deep Interactive Mode는 3D 시각화와 브라우저 기반 코드 실행을 결합해 학습자가 즉시 피드백을 얻는 워크플로를 구성한다. 이를 통해 이론 중심 수업을 실험 중심 학습으로 전환하는 것이 가능하다.
• 챗 기반 워크플로를 통해 비기술 사용자도 메시징 앱에서 즉시 교실을 생성하고 공유할 수 있는 자동화된 배포 경로를 구성할 수 있다. OpenClaw 통합은 Feishu·Slack·Telegram 등에서 액세스 코드를 이용해 호스티드 모드 또는 셀프호스티드 모드로 교실을 생성하는 흐름을 제공한다. 이 기능은 교육 기관이나 팀 내부의 빠른 도입과 반복 사용을 지원한다.

시작하기

개발 환경을 준비하려면 Node.js 20 이상과 pnpm 10 이상을 설치한 뒤 레포지토리를 복제하고 의존성을 설치해야 한다. 기본 설치 절차는 git clone https://github.com/THU-MAIC/OpenMAIC.git, cd OpenMAIC, pnpm install 순서로 진행되고 .env.example을 .env.local로 복사한 뒤 최소 하나의 LLM 제공자 키를 설정해야 한다. 로컬 개발 서버는 pnpm dev로 실행하며 도커 기반 배포를 원하면 .env.local을 준비한 뒤 docker compose up --build로 컨테이너를 빌드·실행할 수 있다.

요구사항

• Node.js >= 20 런타임이 필요하며 Next.js 기반 서버를 실행할 수 있어야 한다. 이 요구사항은 로컬 개발과 빌드 프로세스에 공통적으로 적용된다. 서버 성능과 병렬 처리 요구에 따라 더 높은 사양이 권장된다.
• pnpm >= 10이 패키지 관리 도구로 요구되며 워크스페이스 패키지 설치와 빌드 스크립트 실행에 사용된다. 프로젝트는 pnpm 워크스페이스 구조를 사용하므로 npm이나 yarn 대신 pnpm을 사용할 것을 명시적으로 권장한다. pnpm 사용은 의존성 일관성과 설치 속도 측면에서 이점을 제공한다.
• 최소 하나의 LLM 제공자 API 키(예: OpenAI, Anthropic 등)를 설정하거나 로컬 LLM을 사용하려면 Lemonade/Ollama 같은 로컬 제공자를 구성해야 한다. 로컬 제공자를 사용할 경우 해당 서비스의 베이스 URL을 .env에 지정하면 OpenMAIC가 OpenAI 호환 API로 호출하도록 동작한다. VoxCPM2 같은 로컬 TTS를 사용하려면 별도의 백엔드 엔드포인트를 운영해 OpenMAIC 설정에 연결해야 한다.

이미지 분석