앨런 인공지능 연구소(Allen Institute for AI, Ai2)가 해양 분석가의 전략적 의사결정을 돕는 AI 에이전트 'Shippy'를 개발했다. 스카이라잇(Skylight) 팀이 구축한 이 시스템은 실시간 데이터 스트림을 분석하여 전 세계 해역 내 어업 활동이나 환적(transshipment) 등의 선박 행동을 파악한다. 시스템은 행동 범위를 설정하는 '소울(soul)', 특정 작업을 정의하는 '스킬(skills)', 그리고 런타임 설정을 관리하는 '설정(config)' 등 세 가지 핵심 요소로 구성된다. 현재 이 에이전트는 Claude Opus 4.6 모델과 오픈클로(OpenClaw) 에이전트 프레임워크를 기반으로 작동한다.

Shippy는 모델이 직접 API 호출을 생성하는 대신, 전용 CLI를 통해 요청을 처리함으로써 결정론적 상호작용을 보장한다. CLI는 페이징이나 지리적 필터링과 같은 복잡한 작업을 대신 수행하고 결과를 로컬 JSON 파일로 출력해 오류 발생 가능성을 차단한다. 또한 보안을 위해 '마더십(Mothership)' 플랫폼을 활용하여 사용자 세션별로 쿠버네티스를 격리 배포한다. 이를 통해 선박 관찰 목록이나 관심 영역(AOI) 구성과 같은 사용자 개인 데이터가 분리된 상태로 유지되며, 에이전트는 승인된 네트워크 서비스 내에서만 멀티 스텝 분석을 수행한다.

시스템 평가는 하버(Harbor) 오픈 평가 플랫폼 기반의 독자적 프레임워크를 사용한다. 연구팀은 정적 벤치마크 대신 분야 전문가들이 작성한 실시간 데이터 기반 시나리오로 모델과 스킬, 샌드박스 전체를 평가한다. LLM 기반 판독기가 가중치 루브릭에 따라 점수를 매기고 구체적인 실패 원인을 분석하여 피드백을 제공한다. 현재 순찰 계획 수립이나 지리적 정보 관련 쿼리에서 과제가 발견되었으며, 향후 에이전트 기반 UI 제어, 성능 최적화를 위한 모델 라우팅, 교차 스레드 메모리 기능 등을 도입할 계획이다. 이러한 아키텍처적 교훈은 어스레인저(EarthRanger) 등 다른 환경 플랫폼에도 적용될 예정이다.

앨런 인공지능 연구소(Allen Institute for AI, Ai2)가 해양 분석가의 전략적 의사결정을 돕는 AI 에이전트 'Shippy'를 개발했다. 스카이라잇(Skylight) 팀이 구축한 이 시스템은 실시간 데이터 스트림을 분석하여 전 세계 해역 내 어업 활동이나 환적(transshipment) 등의 선박 행동을 파악한다. 시스템은 행동 범위를 설정하는 '소울(soul)', 특정 작업을 정의하는 '스킬(skills)', 그리고 런타임 설정을 관리하는 '설정(config)' 등 세 가지 핵심 요소로 구성된다. 현재 이 에이전트는 Claude Opus 4.6 모델과 오픈클로(OpenClaw) 에이전트 프레임워크를 기반으로 작동한다.

Shippy는 모델이 직접 API 호출을 생성하는 대신, 전용 CLI를 통해 요청을 처리함으로써 결정론적 상호작용을 보장한다. CLI는 페이징이나 지리적 필터링과 같은 복잡한 작업을 대신 수행하고 결과를 로컬 JSON 파일로 출력해 오류 발생 가능성을 차단한다. 또한 보안을 위해 '마더십(Mothership)' 플랫폼을 활용하여 사용자 세션별로 쿠버네티스를 격리 배포한다. 이를 통해 선박 관찰 목록이나 관심 영역(AOI) 구성과 같은 사용자 개인 데이터가 분리된 상태로 유지되며, 에이전트는 승인된 네트워크 서비스 내에서만 멀티 스텝 분석을 수행한다.

시스템 평가는 하버(Harbor) 오픈 평가 플랫폼 기반의 독자적 프레임워크를 사용한다. 연구팀은 정적 벤치마크 대신 분야 전문가들이 작성한 실시간 데이터 기반 시나리오로 모델과 스킬, 샌드박스 전체를 평가한다. LLM 기반 판독기가 가중치 루브릭에 따라 점수를 매기고 구체적인 실패 원인을 분석하여 피드백을 제공한다. 현재 순찰 계획 수립이나 지리적 정보 관련 쿼리에서 과제가 발견되었으며, 향후 에이전트 기반 UI 제어, 성능 최적화를 위한 모델 라우팅, 교차 스레드 메모리 기능 등을 도입할 계획이다. 이러한 아키텍처적 교훈은 어스레인저(EarthRanger) 등 다른 환경 플랫폼에도 적용될 예정이다.