Meta Muse Spark 1.1의 컴퓨터 유즈 에이전트 운영 구조

화면을 보고 작업하는 에이전트가 겨냥하는 영역

Meta가 2026년 7월 9일 공개한 Muse Spark 1.1은 Superintelligence Labs의 두 번째 모델이다. 100만 토큰 컨텍스트, 데스크톱·브라우저·모바일 computer-use, 병렬 서브에이전트 위임을 하나의 에이전트 실행 방식으로 묶었다.

이 모델은 멀티모달 추론 기반의 에이전트 전용 모델이며, 개방형 Llama 계열과 구분되는 closed-weight 상용 모델이다. meta.ai에서는 무료 소비자 접근을 제공하고, Meta Model API에서는 유료 퍼블릭 프리뷰로 제공한다. 이는 Meta 최초의 유료 API다.

입력 가격은 100만 토큰당 $1.25, 출력 가격은 100만 토큰당 $4.25이며 초기 $20 무료 크레딧이 제공된다. JobBench, Finance Agent V2 등의 실무형 에이전트 평가에서 상위권을 기록했고, BenchAlign 계열 리더보드에서는 68.6점대였다. GPT-5.6 Sol은 75.2, Terra는 73.1이다.

Threads 발표에서 Mark Zuckerberg는 tool use와 computer use에서 강점을 가지며, 1M 토큰 장기 컨텍스트를 바탕으로 오래 실행되는 작업에 적합하다고 밝혔다. 핵심은 모든 일을 같은 방식으로 처리하지 않는다는 데 있다. 빠른 경로가 있으면 스크립트를 작성하고, 단순한 작업은 직접 클릭하며, 매 단계에서는 여러 액션을 묶어 생성한다.

실행 기반	맡는 역할	운영상 의미
1M 토큰 컨텍스트	장기 기억·압축·회수	다단계 장기 워크플로우 지속성 확보
Computer-use 루프	화면 인식·클릭·입력	GUI 전용 레거시 시스템 자동화
서브에이전트 위임	병렬 실행·에스컬레이션	처리량 향상·작업 분할
샌드박스 격리	일회용 실행 환경	호스트 보호·최소권한 경계

긴 작업의 맥락을 보존하는 방식

100만 토큰 컨텍스트는 단순히 긴 입력을 담는 공간으로만 쓰이지 않는다. Muse Spark 1.1은 컨텍스트를 능동 관리하며, 과거 행동을 기억하고 이전 작업의 정보를 다시 꺼내며, 이후 작업에 필요한 핵심 단계를 남기는 압축(compaction)을 수행한다.

이 구조는 여러 단계로 이어지는 작업에서 의미가 있다. 작업이 길어질수록 에이전트가 앞선 판단과 현재 상태를 잃지 않도록 하는 일이 실행 품질에 직접 영향을 준다.

스크린샷과 입력으로 닫히는 제어 루프

computer-use는 평문 목표를 받은 뒤 실제 Linux 데스크톱을 구동하고, 스크린샷을 촬영해 화면을 해석한 다음 행동하고 다시 관찰하는 순환으로 목표에 접근한다. 데스크톱, 브라우저, 모바일 인터페이스를 대상으로 한다.

반복 업무는 스크립트 작성으로 넘기고, 예외적인 UI 조작은 클릭과 입력으로 처리할 수 있다. 단일 클릭마다 다시 추론하는 대신 각 단계에서 다수 액션을 배치로 생성해 지연과 비용을 줄이는 방식도 사용한다.

실행은 일회용 샌드박스 데스크톱에서 이뤄진다. 모델은 호스트 파일 시스템을 직접 다루지 않고 스크린샷을 보며 입력을 반환한다. 코드 실행은 run과 write_file이 주어진 Docker 컨테이너 안에서 수행한다. API가 없는 GUI 전용 업무, 예를 들어 레거시 ERP·관공서 웹·내부 관리도구의 무인 자동화가 적용 대상이 된다.

⤢✕

메인 에이전트와 병렬 워커의 경계

메인 에이전트는 컨텍스트를 수집하고 계획을 세운 뒤, 실행 단위를 병렬 서브에이전트에 위임한다. 서브에이전트는 자신에게 배정된 작업과 사용 가능한 도구를 이해하고 처리하며, 판단할 수 없는 상황은 메인 에이전트에 에스컬레이션한다.

독립적인 하위 작업을 병렬로 돌리면 단일 에이전트가 순차 처리할 때보다 완료 시간을 줄일 수 있다. 다만 워커 수가 늘수록 API 토큰 비용과 샌드박스 리소스도 선형으로 증가한다. 워커 상한과 비용 예산을 관리해야 하는 이유다.

작업을 나눌 때는 하위 작업 사이의 상태 공유와 의존성을 줄이고, 실패한 서브에이전트를 어떻게 격리하고 재시도할지 정책으로 정해둘 필요가 있다.

⤢✕

자동화 범위보다 먼저 정할 통제 장치

에이전트에 파일·브라우저·도구 권한을 줄 때는 최소권한(least privilege) 범위만 허용해야 한다. Meta 문서도 자체 permission model, 로그, 샌드박스, 승인 게이트, 남용 모니터링을 별도로 구축할 것을 명시한다.

결제·삭제·외부 발송처럼 되돌리기 어려운 액션에는 사람 승인을 거치는 approval gate를 둔다. 스크린샷, 액션, 서브에이전트 호출 이력은 불변 로그로 축적해 사후 추적성을 확보한다.

병렬 워커 상한, 토큰 예산 알람, 샌드박스 동시 실행 수 제어는 비용과 리소스 폭주를 막는 운영 장치다. 화면 조작은 UI 변경에 취약하므로 셀렉터·좌표에 의존하기보다 시각 앵커, 재시도, 타임아웃 정책을 함께 설계해야 한다.

대표 시나리오의 골든 경로는 자동 재현 테스트로 상시 검증할 수 있다. 이를 통해 UI 변화나 모델 업데이트 뒤의 품질 저하를 조기에 찾아낼 수 있다. 확산은 저위험·읽기 전용 업무에서 시작해 승인 게이트를 붙인 쓰기 업무를 거쳐 완전 자동화로 넓히는 순서가 적합하다.

모델과 실행 방식을 고를 때의 기준

Muse Spark 1.1과 Claude Computer Use는 모두 스크린샷 기반 화면 인식·클릭·입력 루프를 사용한다. Muse Spark는 1M 컨텍스트와 병렬 서브에이전트 위임을 기본 통합하고, Claude 계열은 Finance Agent 등 특정 실무 벤치마크에서 우위다. 어느 쪽이든 permission, 감사, 샌드박스는 도입 조직이 직접 구축해야 한다.

OpenAI 계열의 GPT-5.6 Sol과 Terra는 BenchAlign 계열 agentic 리더보드에서 더 높은 점수를 기록했다. 다만 도구 권한과 지속성 설계는 각 플랫폼의 세션·상태 관리 모델에 종속된다.

API가 있다면 안정성·속도·비용 측면에서 API 워크플로우를 우선하는 편이 낫다. computer-use는 API가 없는 GUI 전용 업무를 위한 최후 수단이며, 안정성은 낮지만 더 넓은 범위를 다룰 수 있다. 병렬 서브에이전트는 처리량과 분할 정복에 유리한 반면 비용과 조율 복잡도가 증가한다. 단일 에이전트는 단순하고 저비용이지만 장시간 작업에서는 지연이 누적된다.

비교 축	Muse Spark 1.1	Claude Computer Use	OpenAI 에이전트 도구
컨텍스트	1M 토큰, 능동 관리	대용량 컨텍스트	대용량 컨텍스트
화면 조작	데스크톱·모바일·브라우저	데스크톱·브라우저	브라우저·도구 중심
병렬 위임	기본 내장	오케스트레이션 별도 구성	오케스트레이션 별도 구성
격리	일회용 샌드박스	사용자 구축	사용자 구축
권한·감사	도입 조직 책임	도입 조직 책임	도입 조직 책임

에이전트 운영을 거버넌스에 연결하기

computer-use 에이전트는 RPA를 넘어 자율 판단을 수행한다. 따라서 자동화 범위, 책임 소재, 예외 처리 절차를 먼저 정의한 운영 정책이 필요하다.

권한 관리(RBAC·최소권한), 실행 격리(샌드박스), 승인 통제(게이트), 추적성(감사 로그), 남용 탐지(모니터링)는 에이전트 거버넌스의 통제 항목으로 표준화할 수 있다. 서브에이전트별 도구와 데이터 접근은 직무 기반으로 분리하고, 비가역 액션은 별도 승인 경로에 둔다.

개인정보·기밀 화면 노출, 오작동의 파급, 비용 폭주는 정보보안과 내부통제 관점에서 리스크 등록부에 반영해야 한다. 회귀 테스트, 모델 버전 관리, 롤백 절차도 ITSM 변경관리 프로세스에 통합해야 지속 운영성을 확보할 수 있다.

Muse Spark 1.1은 장기 컨텍스트, computer-use 제어 루프, 병렬 위임, 샌드박스 격리를 결합해 GUI 전용 업무 자동화의 가능성을 넓힌다. 동시에 권한 모델·감사 로그·샌드박스·승인 게이트·남용 모니터링은 여전히 도입 조직의 책임이다. 2026년은 단일 프롬프트 응답에서 자율 실행 에이전트로 무게중심이 이동하는 전환점이며, 지속 가치를 남기는 자동화는 통제 가능한 실행 구조 위에서만 가능하다.