샤오미 MiMo Desktop이 PC를 AI 에이전트 작업 공간으로 바꿉니다—홈 서버에서는 무엇을 계속 실행해야 할까요?

MiMo Desktop은 노트북을 갑자기 훨씬 더 강력하게 느끼게 하는 유형의 AI 출시 제품입니다. 작업을 계획하고, 도구를 사용하며, 브라우저를 조작하고, 에이전트를 조정할 수 있고, 해외 버전에서는 데스크톱 애플리케이션 전반에서 마우스와 키보드까지 제어할 수 있습니다.

하지만 에이전트가 PC에서 작업을 수행할 수 있게 되면, 무엇을 PC에 남겨야 하고 노트북을 닫은 뒤에도 무엇을 계속 실행해야 하는지라는 더 유용한 질문이 생깁니다. 가장 깔끔한 구분은 간단합니다. 데스크톱은 상호작용을 담당하고, 홈 서버는 지속성을 담당합니다.

Xiaomi MiMo Desktop이란 무엇이며 무엇을 할 수 있나요?

Xiaomi MiMo Desktop은 단순히 답변만 반환하는 것이 아니라 작업 완료를 중심으로 설계된 데스크톱 AI 애플리케이션입니다. 스프레드시트, PDF, 이미지, 동영상, 오디오 등 다양한 형식의 입력을 읽고, 목표를 작업으로 세분화하며, 도구를 호출하고, 편집 가능한 결과물을 반환할 수 있습니다.

더 중요한 변화는 오케스트레이션입니다. MiMo는 모델, Harness, Agent, Skill 간에 작업을 라우팅하고, 더 큰 작업을 여러 에이전트에 분할하며, 세션마다 별도의 메모리, 작업 공간, 작업 상태를 유지할 수 있습니다.

또한 사용자의 실제 작업 환경에 한층 더 가까워졌습니다. 브라우저 제어 기능을 사용하면 에이전트가 페이지와 양식을 탐색할 수 있으며, 해외 사용자는 여러 애플리케이션에서 에이전트에 화면, 마우스, 키보드 액세스 권한을 부여할 수 있습니다. Xiaomi는 자연어 요청으로 MiMo가 Figma를 제어하는 MCP 워크플로도 시연합니다.

Xiaomi MiMo Desktop은 AI를 로컬에서 실행하나요?

꼭 그렇지는 않습니다. 데스크톱 AI 애플리케이션과 로컬에서 실행되는 AI 모델은 서로 다른 것이며, Xiaomi의 현재 베타 발표에서는 MiMo-X 모델이 사용자의 CPU 또는 GPU에서 실행된다고 밝히지 않았습니다.

베타에서는 승인된 사용자에게 MiMo-X 프리뷰 모델에 대한 액세스 권한을 제공하며, MiMo Desktop은 작업의 복잡도와 비용에 따라 작업을 자동으로 라우팅합니다. 이는 모델 액세스와 오케스트레이션에 관한 설명이지, 디바이스 내 추론에 관한 설명은 아닙니다.

Xiaomi는 출력의 선택한 일부만 다시 생성하는 방식을 설명할 때도 “로컬 편집”이라는 표현을 사용합니다. 이 맥락에서 “로컬”은 편집 범위를 의미할 뿐, 모델 자체가 로컬에서 실행된다는 근거는 아닙니다. 홈 서버가 현실적으로 어떤 기능을 더할 수 있는지 결정할 때는 이러한 구분이 중요합니다.

AI 에이전트는 PC에서 실행해야 할까요, 아니면 홈 서버에서 실행해야 할까요?

상호작용 작업에서는 PC가 더 유리합니다. 브라우저 탐색, Office 애플리케이션, 디자인 도구, IDE, 마우스 제어, 즉각적인 사람의 승인이 필요한 작업은 모두 화면 가까이에 있을 때 이점이 있습니다.

워크로드가 상호작용 중심에서 영속성 중심으로 바뀌면 홈 서버의 유용성이 높아집니다. 이는 Mac과 NAS의 분업과 비슷합니다. 한 기기는 활성 작업을 처리하고, 다른 기기는 계속 이용할 수 있어야 하는 데이터와 서비스를 보관합니다.

유용한 원칙은 “AI는 서버에서 실행해야 한다”가 아닙니다. 더 정확히는 사용자가 작업하는 곳에 상호작용을 배치하고, 서비스가 계속 이용 가능하도록 유지될 수 있는 곳에 영속성을 배치하는 것입니다.

AI 에이전트 메모리와 RAG 데이터는 어디에 저장해야 할까요?

에이전트 메모리가 단일 작업을 넘어 유지되어야 하는 순간, 이는 인프라 문제가 됩니다. 예를 들어 LangGraph는 단계 간 메모리, 사람의 승인, 복구, 실행 재개를 지원하기 위해 영구 에이전트 상태를 사용합니다.

RAG도 같은 특성을 보입니다. 소스 문서, 임베딩, 메타데이터, 인덱스, 권한은 한 번의 답변이 생성된 후에도 오랫동안 유용하게 남습니다. 따라서 비공개 RAG 워크플로에서는 데이터 계층을 데스크톱 AI 인터페이스와 분리된 것으로 취급하는 것이 유리합니다.

벡터 데이터베이스가 에이전트 옆에 있어야 하는 것도 아닙니다. 적절한 워크로드라면 NAS에서도 벡터 데이터베이스 스토리지를 처리할 수 있습니다. 성능은 단순히 장치에 가장 빠른 GPU가 있는지보다는 컬렉션 크기, RAM, 색인화, 동시성, 지연 시간에 따라 달라집니다.

이렇게 하면 더 깔끔한 모델이 됩니다. 데스크톱 에이전트는 필요할 때 컨텍스트를 사용하고, 홈 서버는 내일도 계속 존재해야 하는 지식을 보존합니다.

AI 에이전트에 상시 실행 홈 서버가 필요한 이유는 무엇일까요?

에이전트 워크플로에는 데이터베이스, 검색 서비스, 자동화 도구, API, 큐, 로그, 예약 작업, 컨테이너 같은 일반적인 서버 구성 요소가 빠르게 쌓입니다. 어느 것도 특별히 화려하지는 않습니다. 많은 구성 요소는 노트북이 절전 모드에 들어갈 때마다 사라지지 않을 때 더 유용합니다.

여기서 상시 실행 AI 워크로드가 아키텍처를 바꾸기 시작합니다. 에이전트는 여전히 데스크톱에서 작업할 수 있고, 백그라운드 서비스는 파일을 계속 색인화하고, 작업을 모니터링하고, 결과를 저장하거나, 다음 요청을 기다릴 수 있습니다.

백업은 별도로 다뤄야 합니다. 파일을 편집하고, 이동하고, 이름을 바꾸고, 생성할 수 있는 에이전트는 사용자가 수동으로 다룰 수 있는 것보다 훨씬 많은 데이터를 한 번의 워크플로에서 변경할 수 있습니다. 소프트웨어에 더 많은 권한을 부여할수록 복구 가능한 사본의 가치는 커집니다.

따라서 홈 서버가 유용한 이유는 모든 AI 모델을 홈 서버에서 실행해야 해서가 아닙니다. 한 사람의 워크스테이션이 깨어 있는지 여부에 따라 상시 실행 서비스가 좌우되지 않도록 하기 때문에 유용합니다.

데스크톱 AI 에이전트에 홈 서버가 더 안전할까요?

자동으로 그런 것은 아닙니다. PC에서 서버로 파일을 옮긴다고 해서 보안 경계가 생기는 것은 아닙니다. 에이전트가 여전히 서버와 서버의 자격 증명, 모든 공유 폴더에 제한 없이 접근할 수 있다면 말입니다.

중요한 변화는 권한 범위입니다. Anthropic의 컴퓨터 사용 위험 지침은 웹페이지나 이미지 콘텐츠가 에이전트의 행동에 영향을 줄 수 있다고 경고하며, 중요한 의사 결정에는 사람이 관여하도록 하면서 민감한 데이터를 격리할 것을 권장합니다.

홈 인프라에서는 읽기 전용 에이전트 도구, 범위가 제한된 폴더, 별도의 서비스 계정 및 파괴적인 쓰기 작업 전 승인 절차를 통해 동일한 원칙을 적용할 수 있습니다. 읽기 액세스 역시 제한해야 합니다. “읽기 전용”이라고 해서 모든 항목을 안전하게 노출해도 된다는 뜻은 아닙니다.

클라우드 액세스는 또 다른 경계를 추가합니다. 클라우드 도구의 경계를 명확히 유지하면 에이전트가 전체 로컬 파일 시스템을 사용 가능한 컨텍스트로 취급하는 대신 작업에 필요한 데이터만 전송할 수 있습니다.

MiMo Desktop과 홈 서버 구성은 어떤 모습일까요?

가장 단순한 설계는 홈 서버를 또 하나의 데스크톱으로 만들려 하지 않습니다. MiMo는 작동에 필요한 브라우저와 애플리케이션 가까이에 계속 위치합니다. 서버는 그 뒤에서 영구 데이터 및 서비스 계층으로 작동합니다.

두 계층은 공유 스토리지, API, 데이터베이스 또는 적절한 범위로 제한된 에이전트 도구를 통해 데이터를 주고받을 수 있습니다. 여기서 MiMo의 MCP 사용은 더 큰 흐름과 관련이 있습니다. 데스크톱 에이전트의 모든 기능을 데스크톱 애플리케이션 자체에 내장할 필요는 없다는 점을 보여주기 때문입니다.

저장 공간을 많이 사용하는 구성에서는 ZimaCube 2를 NAS가 데스크톱 에이전트를 대체해야 한다고 보기보다 이 백엔드 역할에 활용하는 편이 더 자연스럽습니다. 유용한 역할은 영구 스토리지, Docker 서비스, 데이터베이스, RAG 데이터, 출력물 및 백업이며, AI 추론은 여전히 모델과 하드웨어 구성에 따라 달라집니다.

MiMo Desktop은 홈 서버의 필요성을 줄일까요?

간단한 AI 사용에는 홈 서버가 필요하지 않습니다. 가끔 MiMo에 주제 조사를 요청하거나, 프레젠테이션을 편집하거나, 브라우저 작업을 자동화하는 사용자라면 장비를 하나 더 추가해도 얻는 이점이 거의 없을 수 있습니다.

에이전트가 반복적인 워크플로의 일부가 되면 상황이 달라집니다. 공유 파일, 영구 메모리, RAG 컬렉션, 데이터베이스, 자동화, 로그 및 백업은 모두 데스크톱 세션과 독립적으로 유지될 때 이점을 얻습니다.

따라서 MiMo Desktop과 홈 서버는 경쟁 관계가 아니라 상호 보완적인 관계입니다. 에이전트가 작업을 수행하는 곳은 데스크톱이고, 지속적으로 보존해야 하는 요소가 머무는 곳은 홈 서버입니다.

FAQ

Xiaomi MiMo Desktop은 로컬 AI 앱인가요?

MiMo Desktop은 데스크톱 AI 애플리케이션이지만, Xiaomi의 현재 베타 발표에는 MiMo-X Preview 모델이 사용자의 하드웨어에서 로컬로 실행된다고 명시되어 있지 않습니다. “데스크톱 AI”와 “로컬 추론”을 같은 의미로 취급해서는 안 됩니다.

Xiaomi MiMo Desktop은 MCP를 지원하나요?

예. Xiaomi는 MiMo Desktop이 작업을 계획하고 MCP를 호출해 Figma를 제어하는 Figma 워크플로를 보여 줍니다. 이는 MCP 도구 사용을 보여 주지만, 모든 MCP 서버나 홈 서버 서비스가 자동으로 지원된다는 의미는 아닙니다.

MiMo Desktop에서 NAS에 저장된 파일을 사용할 수 있나요?

Xiaomi의 베타 발표에는 전용 NAS 통합 기능이 명시되어 있지 않습니다. MiMo가 마운트된 네트워크 폴더나 다른 로컬 서비스와 직접 작동할 수 있는지는 데스크톱 환경, 권한 및 사용 가능한 도구에 따라 달라지므로, 이를 공식 MiMo 기능으로 간주해서는 안 됩니다.

AI 에이전트의 메모리는 PC와 서버 중 어디에 저장해야 하나요?

수명이 짧은 작업 컨텍스트는 PC에 남겨 둘 수 있습니다. 여러 세션에 걸쳐 유지해야 하는 메모리, 체크포인트, 로그 또는 지식은 워크스테이션과 독립적으로 계속 이용할 수 있는 영구 스토리지나 데이터베이스 기반 서비스에 저장하는 편이 좋습니다.

AI 에이전트용 홈 서버에 GPU가 필요한가요?

아니요. 홈 서버는 주 언어 모델을 실행하지 않고도 스토리지, RAG, 데이터베이스, 자동화, API, 로그 및 백업을 제공할 수 있습니다. 해당 서버에 할당된 워크로드에 로컬 추론 가속이 필요한 경우에만 GPU가 필요합니다.

MiMo Desktop에 홈 서버가 필요한가요?

아니요. MiMo Desktop은 데스크톱 애플리케이션으로 작동하도록 설계되었습니다. 홈 서버는 워크플로에 지속적인 데이터, 공유 스토리지, 장시간 실행되는 서비스, 로컬 지식 인프라 또는 데스크톱 에이전트 뒤에서 작동하는 백업 계층이 필요할 때만 관련성이 생깁니다.

홈 서버가 AI 에이전트에 PC 접근 권한을 제공하는 것보다 더 안전한가요?

그 자체로는 아닙니다. 보안은 분리, 범위가 제한된 권한, 제한된 도구, 승인 절차, 통제된 네트워크 접근, 복구 가능한 데이터에서 비롯됩니다. 권한 설정이 부실한 서버는 권한 설정이 부실한 데스크톱만큼 많은 정보를 노출할 수 있습니다.