WebAgent for Information Seeking built by Tongyi Lab, Alibaba Group
이 프로젝트는 알리바바 그룹의 Tongyi Lab에서 개발한 WebAgent로, 정보 검색과 웹 탐색에 특화된 인공지능 에이전트입니다. 목표는 사용자가 복잡한 웹 기반 문제를 해결할 수 있도록 도우며, 자연어 처리와 정보 검색 기술을 활용하여 웹상에서 데이터를 수집, 분석하고 답변하는 기능을 제공합니다. 구조는 여러 개의 핵심 모델(WebSailor-3B, WebDancer-32B, WebWalkerQA 등)을 포함하며, 이들은 각각 높은 성능의 정보 검색, 자동화된 검색, 웹 내 탐색 및 질의응답을 수행합니다. 프로젝트는 사전 학습된 언어모델 기반의 에이전트 구조, 후속 훈련 절차, 강화 학습(듀폴과 DAPO 알고리즘 등)을 활용한 미세조정 방식을 특징으로 하며, 다양한 데이터셋과 벤치마크(BrowseComp, GAIA, WebWalkerQA)를 통해 성능을 검증합니다. 최근에는 WebSailor-72B 모델의 공개와 여러 성과 보고서, 데모 영상 공유가 이루어졌으며, 지속적으로 오픈소스와 연구 성과를 확장하는 중입니다. 기술 스택은 Python, 다양한 딥러닝 프레임워크, API와 CLI 기반 배포 도구를 포함하며, 연구 논문과 릴리즈 노트, 확장된 인력 채용 정보를 포함해 향후 발전 가능성과 오픈 엔비론에 대한 기대를 모으고 있습니다.
WordPress
이 프로젝트는 WordPress의 핵심 개발용 저장소로, WordPress 소프트웨어의 개발, 테스트, 기여를 목적으로 합니다. 주로 PHP, MySQL, JavaScript를 기반으로 하며 Node.js도 활용됩니다. 개발자는 버그 신고, 패치 기여, 변경 테스트, 문서 작성 등을 위해 참여할 수 있으며, 다양한 개발 환경(로컬 또는 GitHub Codespaces)을 통해 작업할 수 있습니다. 구조적으로는 GitHub의 저장소 형태를 띄고 있으며, 다양한 명령어를 통한 빌드와 테스트, 환경 설정, 서버 구동 기능을 지원합니다. 사용 대상은 WordPress 개발자, 기여자, 테스터이며, 이를 위해 PHP, MySQL, Docker, Node.js 등 최신 기술 스택이 적용됐습니다. 최근 주요 변경 사항은 개발 환경 설정과 Docker, Node.js 버전 지원 변경, Apple Silicon 지원 방안 등이 있으며, 특히 Docker와 관련된 환경설정 가이드, 시스템별 지원 사항이 상세히 제공됩니다. 프로젝트는 협업 및 기여를 위해 상세한 개발 가이드와 변경 관리, 환경 설정 방법 등을 포함한 문서를 중심으로 운영되고 있습니다.
MCP Toolbox for Databases
이 프로젝트는 데이터베이스와 연동하여 AI 기반 데이터 작업을 지원하는 오픈소스 MCP 서버입니다. 개발자가 복잡한 연결 관리, 인증, 성능 최적화(연결 풀링 등)를 처리하는 대신 간편하게 데이터에 접근할 수 있도록 돕는 것이 목적입니다. 주요 기능으로는 자연어로 SQL 쿼리 생성, 데이터 관리 자동화, 실시간 스키마 기반 코드 생성, 반복 작업 자동화 등이 있으며, 이를 통해 개발 속도를 높이고 보안을 강화할 수 있습니다. 구성 요소로는 서버 애플리케이션, 다양한 데이터 소스(예: Postgres), 여러 도구(tool)와 도구 세트(toolset)를 정의하는 YAML 파일, 그리고 클라이언트 SDK(파이썬, 자바스크립트/타입스크립트용)가 존재합니다. 이 SDK들은 대화형 시스템이나 AI 에이전트에 쉽게 연결하여 사용할 수 있어, 복잡한 데이터 요청 및 작업들을 자연어 또는 간단한 명령으로 처리할 수 있습니다. 기술 스택은 Go 언어를 기반으로 하며, OpenTelemetry를 통한 관측 가능성, 다중 언어 SDK, 서버 배포 방법(바이너리, 도커 컨테이너, 소스 컴파일), 그리고 YAML 기반의 구성 방식을 포함합니다. 최근 버전 릴리즈 및 변경 내용은 GitHub 릴리즈 페이지 및 문서에 명시된 바 있으며, 현재 베타 단계로 안정화 버전(v1.0) 이전에 여러 변화가 예정되어 있습니다. 이 프로젝트는 커스터마이징과 확장성을 중요시하며, 사용자 기여를 적극 권장하고 있습니다. 자세한 사용법, 배포, 구성 방법 등은 공식 문서와 GitHub 저장소의 가이드를 참고하시면 됩니다. 커뮤니티로는 Discord와 GitHub 이슈 트래커가 제공되고 있습니다.
LMCache
LMCache는 대형 언어 모델(LLM) 서비스에서 적은 딜레이와 높은 처리량을 목표로 하는 캐시 엔진 확장 프로젝트입니다. 특히 긴 컨텍스트 환경에서 유용하며, 텍스트의 KV 캐시를 다양한 저장 위치(GPU, CPU D램, 디스크, NIXL)에 저장하고 재사용함으로써 GPU 연산을 절감하고 사용자 응답 지연을 줄이는 데 초점을 맞추고 있습니다. 이 프로젝트는 vLLM과의 통합을 통해 3~10배의 지연 시간 절감 및 GPU 사이클 절약 성과를 내며, 멀티 라운드 QA, RAG 등 다양한 사용 사례에 적용됩니다. 구조 및 구성요소는 Python 패키지로 배포되며, pip를 통해 설치할 수 있고, vLLM 생태계와 연동되어 사용됩니다. 주요 기능에는 CPU, 디스크, NIXL 저장 지원, 비선행(Non-prefix) KV 캐시 지원, 고성능 CPU KV 캐시 오프로드, P2P 캐시 공유, disaggregated prefill 등이 포함됩니다. 최근에는 vLLM v1과의 통합 지원이 안정적으로 이루어졌으며, 다양한 저장 방식 및 설치 지원이 갖춰져 있습니다. 이 프로젝트의 사용 대상은 대형 언어 모델을 서비스를 개발하거나 최적화하려는 연구자와 엔지니어입니다. AI 서버의 응답속도 개선, GPU 부하 감축을 원하는 사용자에게 적합하며, 멀티-라운드 QA, RAG 구현 등 실시간 처리가 중요한 애플리케이션에 적합합니다. 기술 스택은 Python, pip 패키지, 그리고 vLLM 프레임워크와 호환되며, Linux 기반 NVIDIA GPU 환경에서 최적화되어 있습니다. 또한, 최신 연구 논문 인용과 관심 정보를 제공하며, GitHub 액티비티와 커뮤니티 미팅, 기여 가이드, 관련 연구를 통해 활성 생태계를 유지하고 있습니다. 릴리즈 내역이나 업데이트는 GitHub를 통해 확인할 수 있으며, 프로젝트는 Apache 2.0 라이선스 하에 배포됩니다.
超过1000本的计算机经典书籍分享
이 프로젝트는 1000여 권이 넘는 컴퓨터 과학 관련 클래식 전자책 자료들을 무료로 공유하는 저장소입니다. 주요 목적은 컴퓨터 공학 및 프로그래밍 학습자들이 다양한 분야(프로그래밍 언어, 데이터 구조와 알고리즘, 시스템 구조, 네트워크, 데이터베이스, 인공지능, 머신러닝, 딥러닝, 컴퓨터 비전, 자연어처리 등)에서 필요한 도서들을 쉽게 접하고 학습할 수 있도록 하는 데 있습니다. 이 저장소는 다양한 카테고리별 전자책 목록과 각 링크를 제공하며, Baidu와其他 서버 플랫폼의 링크를 통해 무료 다운로드를 지원합니다. 구조는 주제별 링크 목록으로 구성되어 있으며, 각각의 항목은 관련 도서명과 링크, 접근 방법을 설명하고 있습니다. 대상은 컴퓨터 공학 학생, 취업준비생, 개발자, 기술 연구자 등 기술 습득과 정보 탐색을 원하는 누구나 포함됩니다. 기술 스택은 특별히 명시되지 않았으며, 주로 링크와 정리된 텍스트 자료입니다. 최근에는 지속적으로 업데이트 되며, 다수의 기초서와 실무서, 인터뷰 준비 자료, 면접 기출, 기술 블로그 및 참고자료 링크도 다수 포함되어 있습니다. 중요한 참고사항으로는, 실제 자료는 네트워크를 통해 공유받은 것으로 저작권 문제에 유의하고, 개인 또는 커뮤니티 차원의 학습용으로만 활용하도록 권장하며, 불법 복제나 무단 유포 행위는 피해야 합니다. 저장소에는 Github 주소, 자료 참고와 관련된 부가 정보 링크, 후원/기부 안내 등도 포함되어 있습니다.
System Design 101
System Design 101은 복잡한 시스템 구조를 시각적 자료와 간단한 설명을 통해 이해하기 쉽게 설명하는 프로젝트입니다. 이 자료들은 시스템 설계 면접 준비 또는 시스템 내부 작동 방식에 대한 이해 증진 목적으로 만들어졌으며, 시스템의 목적은 사람들이 쉽게 시스템 아키텍처를 학습하고 분석할 수 있도록 돕는 것입니다. 주요 기능은 다양한 아키텍처 패턴, API 설계, 데이터베이스, 네트워크, 보안, 클라우드, 분산 시스템 등 광범위한 주제 분야를 포괄하는 내용 제공입니다. 구조는 목차와 링크, 다양한 설명 자료, 실습 예제, 시각적 다이어그램으로 구성되어 있으며, 웹 개발, API 설계, 네트워크, 보안, 배포 전략 등 여러 분야별 가이드와 사례 연구를 포함합니다. 대상은 시스템 설계 면접 준비자, 소프트웨어 엔지니어, 시스템 아키텍트, 학생 등이며, 사용 기술은 다양한 온라인 자료와 텍스트, 다이어그램, 링크 기반의 문서형태입니다. 최근 업데이트 또는 변경사항은 명확히 드러나지 않으며, 프로젝트는 다양한 기술 주제에 대한 광범위한 자료를 제공하는 온라인 학습자료로서 역할을 수행합니다. 특이사항으로는 유튜브 채널, 블로그 링크, 관련 가이드 자료들이 정리되어 있어 풍부한 참고 문서 활용이 가능하며, 무료 공개되어 있는 오픈소스 자료입니다. 참고 링크는 GitHub 저장소, 블로그, 유튜브 채널, 관련 강의자료 등을 포함합니다.
Biomni: A General-Purpose Biomedical AI Agent
Biomni는 다양한 생물의학 연구 분야의 업무를 자율적으로 수행할 수 있는 범용적 인공지능 에이전트입니다. 최신 대형 언어모델(LLM)의 추론 능력과 검색 기반 계획, 코드 실행 기능을 결합하여 과학자들의 연구 생산성을 크게 향상시키고 검증 가능한 가설을 생성하는 것을 목적으로 합니다. 구조적으로는 ‘A1’이라는 에이전트를 중심으로, 데이터 저장소(데이터 레이크), 사용자 인터페이스, 다양한 자연어 명령 수행 기능으로 구성되어 있습니다. 주요 대상은 생물의학 연구자, 실험 설계자, 신약 개발자 등이며, CRISPR 설계, 단일세포 분석, 약물 성질 예측 등 다양한 연구 작업을 자연어로 명령하여 수행할 수 있습니다. 기술 스택으로는 Python, LLM API (OpenAI, Anthropic, Claude 등), 검색 및 데이터 처리 도구, 코드 실행 환경이 활용됩니다. 최근 릴리즈로는 Biomni A1+E1 버전이 공개되었으며, 커뮤니티 참여를 통한 기능 확장과 개선도 활발히 이루어지고 있습니다. 오픈소스로 공개되어 있으며, 자세한 설치와 사용법, 기여 가이드가 제공되고 있어 생물의학 분야 연구의 자동화 및 가속화를 도모하는 프로젝트입니다. 중요한 참고 링크로는 GitHub 저장소, 논문, 온라인 데모 페이지, 커뮤니티 채널이 포함되며, 사용 시 API 키 등록 등에 유의가 필요합니다.
pybind11
pybind11은 C++과 파이썬 간의 원활한 상호운용성을 제공하는 헤더-only 라이브러리입니다. 주로 기존 C++ 코드에 대한 파이썬 바인딩을 생성하는 목적으로 설계되었으며, Boost.Python에 비해 경량화되고 현대 C++ 표준을 활용하여 간결한 바인딩 코드를 지원합니다. 이 프로젝트의 목적은 복잡한 의존성 없이 C++ 유형을 파이썬으로 노출시키는 제공하고, 사용자들이 쉽게 C++ 클래스, 함수, 데이터 구조를 파이썬 환경에서 사용할 수 있도록 돕는 것입니다. pybind11은 함수, 클래스, 상속, 예외 처리, 열거형, 콜백, 반복자, 연산자 오버로딩, 스마트 포인터, NumPy 지원 등 다양한 C++ 특징들을 파이썬에 매핑하는 기능을 갖추고 있습니다. 또한 람다 함수 캡처, 버퍼 프로토콜 연동, 함수 벡터화 등 편리한 부가 기능도 제공합니다. 이 라이브러리는 헤더 파일로만 구성되어 있어 별도의 링크 작업이 필요 없으며, C++11 이상 표준을 기반으로 합니다. 주로 C++14, C++17, C++20, C++23와 호환되며, Windows, Linux, macOS, iOS 등 다양한 플랫폼에서 이용 가능합니다. 지원하는 컴파일러는 Clang, GCC, Microsoft Visual Studio, Intel ICC, CUDA, PGI 등입니다. 최근 업데이트 및 버전 정보는 PyPI, GitHub Discussions, CI 통합 상태 등을 통해 제공되며, 안정적인 문서화와 커뮤니티 기여를 장려하는 오픈소스 프로젝트입니다. 라이선스는 BSD 계열로, 소스코드와 기여 가이드라인은 GitHub 저장소에서 확인할 수 있습니다. pybind11은 크기가 가볍고 효율적이며, Boost.Python 대비 크기와 빌드 성능 측면에서 유리하다는 평가를 받고 있습니다.
Awesome MCP Clients
이 프로젝트는 Model Context Protocol (MCP)를 지원하는 다양한 클라이언트 목록을 체계적으로 정리한 큐레이션입니다. MCP는 AI 모델이 로컬 또는 원격 리소스와 안전하게 상호작용할 수 있도록 하는 오픈 프로토콜로, 이 리스트는 production-ready 및 실험적 MCP 클라이언트를 포함하고 있습니다. 이 프로젝트의 주요 목적은 사용자가 MCP 지원 클라이언트들을 쉽게 찾고 활용할 수 있도록 돕는 것입니다. 제공하는 기능으로는 다수의 데스크탑, 웹, CLI 기반 클라이언트와 서버 예제, 커뮤니티 링크, 클라이언트 상세 설명, 스크린샷 및 프로젝트 다운로드 링크를 포함하여 MCP 생태계의 확장과 실험을 가능하게 합니다. 구성요소는 클라이언트별 상세 정보, 커뮤니티 링크, MCP 서버 목록 연결, 클라이언트별 특장점 및 사용처 안내로 구분됩니다. 각 클라이언트는 GitHub 링크, 웹사이트, 라이선스, 지원 플랫폼, 프로그래밍 언어, 기능 설명, 스크린샷 또는 데모 영상 등을 포함하고 있습니다. 이 리스트는 사용자들이 MCP 클라이언트를 탐색하거나, 자신에게 적합한 도구를 선택할 때 유용하며, MCP 생태계의 발전과 홍보에 기여하는 자료로 활용됩니다. 현재는 Windows, MacOS, Linux, Web 등 다양한 플랫폼을 지원하는 여러 클라이언트와 서버 도구들이 포함되어 있으며, 오픈 소스 프로젝트와 프로토콜 표준에 기반한 활용 사례를 제공합니다. 참고로, 이 리스트에 포함된 클라이언트들은 MCP 프로토콜을 이용하여 다양한 AI 모델과 도구를 연동하거나 제어하는 기능을 갖추고 있으며, 일부는 GUI 기반, 일부는 CLI/코드 인터페이스를 지원합니다. 활용 방법이나 구성 세부사항은 각 GitHub 페이지 또는 사이트에서 확인 가능하며, 커뮤니티 도움말, 튜토리얼, 문서 참고 링크도 제공되고 있습니다. 특이사항으로는 MCP의 표준화된 인터페이스를 활용하여, 각종 언어나 플랫폼별 제한을 넘어서 다양한 AI 구성원을 통합 관리하며, 안전한 확장성과 자유도를 제공합니다. 프로젝트는 계속 업데이트되고 있으며, 최신 클라이언트 또는 서버의 정보는 GitHub 저장소와 공식 사이트에서 확인하는 것이 좋습니다.
MoneyPrinter V2
MoneyPrinter V2는 온라인에서 돈을 자동으로 벌기 위한 애플리케이션입니다. 이 프로젝트는 이전 버전의 재작성판으로, 더 많은 기능과 모듈화를 강조하고 있으며, Python 3.9 이상이 필요합니다. 주된 기능으로는 Twitter 봇(크론 작업 포함), 유튜브 쇼츠 자동화, 제휴 마케팅(아마존, 트위터), 지역 업체 찾기 및 냉콜 아웃리치 등 다양한 온라인 수익 창출 방식을 지원합니다. 구조는 모듈화된 스크립트와 설정 파일, 그리고 핵심 실행 파일로 구성되어 있으며, CLI 방식으로 작동합니다. 주요 대상은 디지털 마케팅과 온라인 수익 창출에 관심 있는 사용자로, 주로 Python 기술 스택과 관련 라이브러리를 활용합니다. 최근 릴리즈 및 변경 사항은 제공되지 않았으며, 설치 시 Visual C++ 빌드 도구와 Go 프로그래밍 언어 설치가 필요합니다. 또한, 여러 커뮤니티 버전이 존재하며, 기여 가이드라인과 라이선스는 오픈소스인 Affero GPL v3.0입니다. 이외에도 크론 잡을 활용한 자동화 스크립트와 관련 문서, 참고 링크들이 포함되어 있습니다.
Helm
Helm은 Kubernetes용 패키지 관리 도구로, 사전 구성된 Kubernetes 리소스의 패키지인 Charts를 관리하는 목적으로 개발된 프로젝트입니다. Helm을 활용하면 Helm Charts를 통해 다양한 소프트웨어들을 Kubernetes 환경에서 쉽게 배포하고, 공유하며, 버전별로 관리할 수 있습니다. Helm은 템플릿 렌더링, Kubernetes API와의 통신, 릴리즈 관리 기능을 제공하며, CLI 기반 도구로 사용됩니다. 프로젝트의 구조는 Chart.yaml로 기술된 패키지 설명서와 여러 템플릿(Kubernetes 매니페스트 파일)로 구성되어 있으며, 이를 로컬 또는 원격 저장소에서 관리할 수 있습니다. 대상 사용자는 Kubernetes 운영자, 개발자, DevOps 엔지니어로, 애플리케이션 배포 자동화, 재사용 가능한 배포 패키지 생성, 릴리즈 관리 등을 위해 Helm을 활용합니다. 기술 스택에는 Go 언어가 주로 사용되며, Helm v4의 개발은 현재 ‘main’ 브랜치에서 진행되고 있으며, 안정 버전인 Helm v3는 ‘dev-v3’ 브랜치에서 유지보수 중입니다. Helm은 다양한 플랫폼(Package managers인 Homebrew, Chocolatey 등)에서 배포되며, 공식 문서와 Quick Start Guide를 통해 쉽게 시작할 수 있습니다. 프로젝트는 활발히 개발 및 유지되고 있으며, GitHub 이슈 트래커와 커뮤니케이션 채널(Kubernetes Slack, 메일링 리스트 등)을 통해 커뮤니티 참여와 지원이 가능하며, 기여 가이드와 행동 강령도 제공됩니다.
AI Agents Masterclass
AI Agents Masterclass는 인공지능 에이전트의 활용 방법과 구현법을 학습할 수 있는 교육용 프로젝트입니다. 이 프로젝트의 주 목적은 개발자들이 AI 에이전트를 통해 비즈니스 및 소프트웨어 솔루션을 혁신적으로 개선할 수 있도록 돕는 데 있으며, 강의와 연계된 각 폴더 내에 관련 코드와 자료가 정리되어 있습니다. 주요 기능은 대형 언어 모델(LLM)을 기반으로 한 인공지능 에이전트가 이메일 작성, 일정 예약, 작업 생성 등 다양한 외부 세계와의 상호작용을 수행하는 것에 초점을 맞추고 있습니다. 이 프로젝트는 각 영상 강의를 폴더별로 나누어 구성하며, 최신 동영상은 번호순으로 정리되어 있습니다. 또한, Git, Python, Pip과 같은 개발 도구를 사용해서 각 강좌별로 필요한 환경을 세팅하고, 요구 사항에 따라 코드를 실행하는 방식입니다. 이 프로젝트는 배우기 쉽도록 요구 환경 세팅과 코드 실행 절차를 상세히 안내하고 있으며, AI 기술 학습과 실습에 관심 있는 개발자, AI 연구자, 학생들이 주요 대상입니다. 최신 릴리즈와 변경 내용은 강좌 영상이 업데이트 될 때마다 폴더와 파일이 갱신되는 방식으로 유지되고 있으며, 강좌별로 환경 변수 설정, requirements 설치, 스크립트 실행 순서를 체계적으로 제공하여 사용자 편의를 높이고 있습니다. 주의사항으로는 API 키 등 민감 정보가 포함될 수 있어 .env 파일 설정 시 주의가 필요하며, 강좌 내용과 코드 흐름은 강의 영상과 함께 이해하는 것이 효과적입니다.
Hands-On Large Language Models
이 프로젝트는 ‘Hands-On Large Language Models’라는 책의 실습 코드 저장소로, 대형 언어 모델(LLM)의 이해와 실습을 돕기 위해 만들어졌습니다. 목적은 최신 LLM 기술과 개념들을 실용적이고 시각적으로 잘 설명하는 책의 내용들을 코드와 함께 제공하여, 독자들이 실제로 모델을 구축, 조정, 적용할 수 있도록 하는 데 있습니다. 프로젝트는 다양한 주제별 노트북(예: 언어 모델 소개, 토큰화, 트랜스포머 구조, 텍스트 분류, 군집화, 생성, 검색, 멀티모달 모델, 미세조정 등)을 포함하며, 각 노트북은 구글 코랩에서 실행할 수 있도록 구성되어 있습니다. 기술 스택은 주로 Python, PyTorch, Transformers 라이브러리 등 딥러닝과 자연어처리 관련 도구를 사용하며, 최신 트랜스포머 기반 모델들이 적용됩니다. 최근 릴리즈와 변경 이력은 상세히 명시되어 있지 않으나, 책 출간과 연동하여 꾸준히 최신 내용을 반영하고 있으며, 사용자는 환경설정 가이드와 함께 쉽게 시작할 수 있도록 안내받을 수 있습니다. 중요한 참고 사항으로, 대부분의 예제는 구글 코랩에서 추천되며, 환경설정 관련 링크와 라이브러리 설치 방법도 제공됩니다. 이 프로젝트는 학습 목적으로 대형 언어 모델을 실습하고자 하는 연구자, 개발자, 학생 모두에게 적합하며, 실질적 활용과 심층 연구를 위한 강력한 자료입니다.
hashicorp terraform
Terraform은 인프라스트럭처를 안전하고 효율적으로 구축, 변경, 버전 관리하는 도구입니다. 이는 인프라를 코드로서 정의하는 인프라스트럭처 애즈 코드(Infrastructure as Code) 방식을 지원하며, 인프라의 상태를 버전 관리하고 재사용할 수 있게 합니다. 주요 기능으로는 실행 계획(Plan) 생성, 리소스 간 의존성 그래프 구축, 변경 자동화가 있으며, 이를 통해 예상치 못한 변화 방지와 복잡한 인프라 변경 작업의 간소화가 가능합니다. Terraform은 명령줄 인터페이스(CLI)와 핵심 그래프 엔진으로 구성되어 있고, 다양한 서비스 제공자(Provider)를 플러그인 방식으로 지원합니다. 사용자들은 HashiCorp의 공식 문서와 튜토리얼, 인증 프로그램 등을 통해 학습과 개발, 기여를 할 수 있으며, 최근 업데이트는 지속적으로 이루어지고 있습니다. 기술 스택에는 Go 언어로 개발되었으며, Terraform Registry를 통해 다양한 플러그인을 사용할 수 있습니다. 프로젝트는 오픈소스로 공개되어 있으며, Business Source License 1.1 라이선스로 배포되고 있습니다.