AgenticSeek은 Manus AI의 100% 로컬 대안으로, LLM (Large Language Model)을 기반으로 자율적으로 웹을 탐색하고, 코드를 작성하며, 복잡한 태스크를 계획하고 실행하는 agentic 시스템이다. 이 프로젝트는 모든 데이터와 연산이 사용자의 로컬 하드웨어에서 이루어지도록 설계되어, 완전한 프라이버시와 클라우드 서비스에 대한 제로 의존성을 보장하며 월별 비용이 발생하지 않는다.

핵심 기능은 다음과 같다:

• 완전한 로컬 및 프라이빗 실행: 모든 파일, 대화, 검색이 사용자의 머신에 저장되어 외부 유출이 없다.
• 스마트 웹 브라우징: 웹 검색, 정보 추출, 웹 폼 작성 등을 자율적으로 수행한다.
• 자율 코딩 어시스턴트: Python, C, Go, Java 등 다양한 언어로 코드를 작성, 디버그, 실행할 수 있다.
• 스마트 에이전트 선택: 사용자 쿼리에 가장 적합한 AI agent를 자동으로 선택하여 작업을 수행한다.
• 복잡한 태스크 계획 및 실행: 큰 태스크를 여러 단계로 분할하고 다중 AI agent를 활용하여 완료한다.
• 음성 활성화: 텍스트-음성 (Text-to-Speech) 및 음성-텍스트 (Speech-to-Text) 기능을 제공하여 음성으로 상호작용할 수 있다 (현재 개발 중).

코어 방법론 및 아키텍처:
AgenticSeek의 핵심은 LLM을 통한 자율 에이전트 동작과 로컬 실행 환경 구축에 있다.

1. 로컬 LLM 통합: LLM을 로컬에서 실행하기 위해 Ollama나 LM Studio와 같은 서비스를 지원한다. 사용자는 config.ini 파일에서 $is_local = True$로 설정하고, provider_name (ollama, lm-studio) 및 provider_model (deepseek-r1:14b, deepseek-r1:32b 등)을 지정한다. 또한, llm_server 모듈을 통해 사용자 자신의 서버에 LLM을 호스팅하고, 이를 원격으로 AgenticSeek에 연결하여 사용할 수도 있다. 이를 위해 provider_server_address에 서버 IP와 포트를 설정한다. LLM의 로컬 실행을 위한 하드웨어 요구사항은 모델 크기에 따라 다르며, 예를 들어 32B 모델은 최소 24GB 이상의 VRAM을 권장한다.
2. 에이전트 라우팅 및 태스크 실행: 사용자의 프롬프트가 입력되면 시스템은 내부적으로 최적의 agent를 할당하려고 시도한다. 이 agent는 웹 브라우징, 파일 시스템 상호작용, 코드 실행 등 다양한 도구 (tool)를 활용하여 태스크를 수행한다. 웹 브라우징을 위해서는 undetected_chromedriver를 사용하여 웹사이트를 탐색하고 정보를 수집하며, 검색 엔진으로는 로컬에 배포된 SearxNG를 사용한다. config.ini의 headless_browser와 stealth_mode 옵션으로 브라우저 동작을 제어할 수 있다.
3. 작업 공간 관리: WORK_DIR 환경 변수를 통해 지정된 로컬 작업 디렉토리에서 파일 읽기, 쓰기, 코드 실행 등이 이루어진다. 이를 통해 AI가 생성한 코드나 수집된 데이터를 안전하게 관리한다.
4. 세션 관리: recover_last_session 및 save_session 옵션을 통해 이전 세션을 복구하거나 현재 세션 상태를 저장할 수 있어 연속적인 작업 수행이 가능하다.
5. 설치 및 실행: Docker를 통해 searxng, redis, frontend, backend 서비스들을 한 번에 배포할 수 있으며, 웹 인터페이스 (http://localhost:3000/)를 통해 상호작용한다. 또는 CLI (Command Line Interface) 모드에서 직접 패키지를 설치하고 실행할 수도 있다.

AgenticSeek은 config.ini 파일을 통해 LLM 제공자 (API 방식 포함), 모델, agent의 행동 방식, 음성 기능 활성화 여부 등 세부적인 설정을 유연하게 제어할 수 있도록 설계되어 있다.