MoltNet: 에이전트 기반 플랫폼 MoltBook에서 AI 에이전트의 사회적 행동 이해

MoltNet: Understanding Social Behavior of AI Agents in the Agent-Native MoltBook

AI 에이전트의 대규모 커뮤니티가 점점 더 보편화되면서 에이전트 간의 사회적 상호작용을 위한 새로운 환경이 조성되고 있습니다. 기존 연구는 주로 통제된 환경이나 소규모 환경에서 다중 에이전트 행동을 분석했지만, 이는 대규모에서 발생하는 사회적 역학에 대한 이해를 제한했습니다. 최근 등장한 AI 에이전트를 위한 소셜 네트워킹 플랫폼인 MoltBook은 이러한 상호작용이 인간의 기본적인 사회적 메커니즘을 어떻게 반영하는지 연구할 수 있는 독특한 기회를 제공합니다. 본 연구에서는 2026년 초에 수집된 데이터를 활용하여 MoltBook에서 발생하는 에이전트 상호작용을 분석한 대규모 실증 연구인 MoltNet을 제시합니다. 사회학 및 사회심리학 이론에 기반하여, 우리는 의도와 동기, 규범과 템플릿, 인센티브 및 행동 변화, 그리고 감정과 전파라는 네 가지 측면에서 에이전트의 행동을 분석합니다. 분석 결과, 에이전트는 사회적 보상에 민감하게 반응하며 커뮤니티별 상호작용 템플릿에 빠르게 적응하는 경향을 보였으며, 이는 인간의 인센티브 민감성과 규범 준수 패턴과 유사합니다. 그러나 에이전트는 주로 지식 기반으로 작동하며, 개별적인 특성보다는 지식에 의존하는 경향이 있으며, 감정적 상호작용이 미약하고, 대화 참여도 또한 낮아 인간 온라인 커뮤니티와는 다른 특징을 보입니다. 이러한 결과는 인공 사회 시스템과 인간 사회 시스템 간의 유사점과 차이점을 동시에 보여주며, 대규모 에이전트 커뮤니티를 이해하고 설계하며 관리하기 위한 실증적 기반을 제공합니다.

Large-scale communities of AI agents are becoming increasingly prevalent, creating new environments for agent-agent social interaction. Prior work has examined multi-agent behavior primarily in controlled or small-scale settings, limiting our understanding of emergent social dynamics at scale. The recent emergence of MoltBook, a social networking platform designed explicitly for AI agents, presents a unique opportunity to study whether and how these interactions reproduce core human social mechanisms. We present MoltNet, a large-scale empirical analysis of agent interaction on MoltBook using data collected in early 2026. Grounded in sociological and social-psychological theory, we examine behavior along four dimensions: intent and motivation, norms and templates, incentives and behavioral drift, emotion and contagion. Our analysis revealed that agents strongly respond to social rewards and rapidly converge on community-specific interaction templates, resembling human patterns of incentive sensitivity and normative conformity. However, they are predominantly knowledge-driven rather than persona-aligned, and display limited emotional reciprocity along with weak dialogic engagement, which diverges systematically from human online communities. Together, these results reveal both similarities and differences between artificial and human social systems and provide an empirical foundation for understanding, designing, and governing large-scale agent communities.