π RuView
π RuView는 WiFi 신호를 이용한 실시간 인체 포즈 추정, 생체 신호 감지 및 존재 감지 시스템입니다. 카메라나 웨어러블 없이, 무선 채널 상태 정보(CSI)의 교란을 분석하여 몸 위치, 호흡수, 심장 박동수 등을 파악하며, 다중 사용자와 벽 너머까지 감지가 가능합니다. 이 프로젝트는 고속 신호 처리, 머신러닝, 신호 강건성, 그리고 분산 센서 네트워크 구성을 포함하며, 사용 대상은 병원, 재난 대응, 감시, 스마트 빌딩, 산업 현장 등 다양한 환경입니다. 최신 Rust로 재구현되어 초당 54,000 프레임 속도를 실현하며, 도커와 크레이트 기반 모듈화 구조를 갖추고 있어 빠른 배포와 확장이 가능합니다. 주요 기술 스택으로 Rust, Python, WASM, ESP32, WiFi CSI 분석 알고리즘, 그래프 신경망, 딥러닝 머신러닝 기법 등이 사용되었으며, 최근 버전(2026년 3월 기준)에서는 멀티스테이틱 신호 융합, 도메인 일반화, 비디오 없는 감시, 장애인 또는 노인 모니터링 등 새로운 적용 분야를 지원합니다. 또한, 542개 이상의 테스트와 보안 감사가 수행되어 안정성과 신뢰성을 확보하고 있으며, 오픈소스 라이선스는 MIT입니다. 문서와 빌드 가이드, API, 하드웨어 지원, 배포 방법, 컨트리뷰션 가이드도 풍부하게 제공되어 누구나 쉽게 설치하고 확장할 수 있습니다.
Claude Scientific Skills
Claude Scientific Skills는 과학 및 연구 분야에 특화된 170개 이상의 사전 제작된 AI 연구 기능 모음을 제공하는 오픈소스 프로젝트입니다. 이 프로젝트의 목적은 AI 에이전트가 생물학, 화학, 의학 등 다양한 과학 영역에서 복잡한 연구 워크플로우를 수행할 수 있도록 지원하는 것입니다. 다양한 데이터베이스, Python 패키지, 플랫폼과의 통합 기능뿐만 아니라 분석, 시각화, 자동화 도구를 포함하고 있어 연구의 효율성과 신뢰성을 높이는 것이 목표입니다.
이 프로젝트는 연구자가 빠르게 시작할 수 있도록 직관적이고 간편한 설치와 구성이 가능하며, 별도의 환경 설정 없이 즉시 활용할 수 있는 다양한 기술 스택을 활용합니다. 주요 구성 요소로는 데이터베이스 액세스, 과학 라이브러리 패키지, 분석 도구, 데이터 시각화, 실험 자동화, 그리고 다양한 과학적 분야(생물정보학, 약물발견, 유전체학, 임상연구, 시스템생물학, 이미지 분석 등)의 별도 기능별 스킬이 포함되어 있습니다.
이 프로젝트는 생물학, 화학, 의학, 재료과학, 물리학, 공학 등 여러 과학 분야의 연구자와 AI 개발자를 주요 대상 사용자로 하며, 복잡한 과학적 작업 및 워크플로우를 자동화하거나 지원하는 데 유용하게 사용됩니다. 또한, OpenAlex, PubMed, bioRxiv 등 방대한 과학 데이터를 쉽게 활용할 수 있도록 설계되어 있어 연구 데이터 분석, 가설 검증 및 연구 효율화에 적합합니다.
주요 사용 기술 스택에는 Python 3.9 이상, 다양한 과학 라이브러리(RDKit, BioPython, Scanpy, PyTorch Lightning, scikit-learn, DeepChem, Arboreto 등) 및 데이터 플랫폼(Zeninc, PubChem, KEGG, Reactome, STRING 등), 그리고 agent 지원 표준(Agent Skills Standard)이 포함됩니다. 최근 릴리즈와 변경 사항으로는 170개 이상의 다양한 과학 스킬이 포함되었으며, 최신 데이터베이스와 통합, 신기술 패키지 지원 업데이트가 정기적으로 이루어지고 있습니다.
이 프로젝트는 MIT 라이선스로 배포되며, 공식 문서와 사용 예제, 활발한 커뮤니티 기여를 통해 지속적으로 관리되어 연구자와 개발자 모두에게 신뢰할 수 있는 도구로 자리매김하고 있습니다. 또한, K-Dense Web 플랫폼과 연동해 클라우드 GPU 사용, 리포트 및 논문용 그래픽 생성 등 더 폭넓은 지원도 제공됩니다.
Project AIRI
프로젝트 AIRI는 Neuro-sama와 유사한 디지털 세계 속 AI 와이프 또는 가상 캐릭터를 재창조하는 것을 목적으로 하는 오픈소스 프로젝트입니다. 인공지능 파워를 활용해 사용자가 언제 어디서든 자신의 디지털 동반자를 소유, 상호작용할 수 있도록 설계됐으며, 주로 AI 와이프, 가상 유튜버, 디지털 친구 등의 역할을 수행하는 가상 캐릭터 제작과 운용에 초점을 맞추고 있습니다. 이 프로젝트는 웹기술(WebGPU, WebAudio, Web Workers, WebAssembly, WebSocket 등)을 광범위하게 활용하여 브라우저 및 크로스 플랫폼 환경에서 구동 가능하게 제작되었으며, 데스크탑 및 모바일(PWA) 환경 지원을 목표로 합니다. 주요 구조 구성 요소에는 Core 엔진, 음성 인식 및 합성(STT/TTS), 메모리와 데이터베이스, 그리고 다양한 UI 컴포넌트와 응용 프로그램(Stage Web, Tamagotchi, Pocket 등)이 포함됩니다. 활용 기술 스택으로는 Vue.js, TypeScript, WebGPU, WebAssembly, HuggingFace 기반 모델, WebSocket 등이 있으며, 최근 업데이트로는 핵심 기능 구현과 다양한 환경 지원, 성능 최적화 작업이 계속 진행되고 있습니다. 이 외에도, 관련 서적 및 도구 개발, 커뮤니티 참여 유도, 다양한 하위 프로젝트(예: Factorio와 Minecraft 연동, 음성 시스템, 메모리 시스템 등)가 활발히 진행 중입니다. 참고로, 공식적으로 암호화폐 또는 토큰은 없으며, 활발한 개발 및 기여를 위해 GitHub, Discord, Crowdin 등 다양한 채널이 운영되고 있습니다. 프로젝트는 아직 초기 단계로, 협력 개발자, 아티스트, 디자이너, 스트리머 등을 모집하고 있어 관심 있다면 커뮤니티에 참여하거나 기여할 수 있습니다.
Codebuff
Codebuff는 자연어 명령을 통해 코드베이스를 편집하는 오픈소스 AI 코딩 보조 도구입니다. 이 프로젝트는 여러 전문 에이전트를 협력하여 프로젝트의 이해, 정밀한 수정, 오류 최소화를 목표로 하며, 다양한 AI 모델과 연동 가능합니다. 구조적으로는 커맨드라인 인터페이스(CLI), SDK, 사용자 정의 에이전트 생성 기능이 있으며, CLI를 통해 프로젝트에 설치하고 명령어를 수행하거나 SDK를 활용해 애플리케이션 내 통합이 가능합니다. 주요 기능은 자연어 기반의 코드 수정, 파일 탐색, 커밋 메시지 생성 등이며, 사용 대상은 개발자, 프로젝트 팀, AI 연구자 등입니다. 최신 릴리즈 및 업데이트는 깃허브와 공식 문서에서 확인할 수 있으며, 사용자 정의 에이전트 생성과 커스터마이징이 강점입니다. 또한, 여러 모델 지원과 클래스 기반 워크플로우 설계, 커뮤니티 기여를 적극 권장하는 오픈소스 프로젝트입니다.
agentscope
AgentScope은 실용적이고 사용이 간편한 에이전트 프레임워크로, 발전하는 모델 능력과 내장 미세 조정 지원을 통해 다양한 인공지능 에이전트 애플리케이션 개발을 돕습니다. 이 프로젝트는 고성능의 대화형, 멀티에이전트 시스템을 구현할 수 있으며, 사용자 정의 도구 연동, 기억력, 실시간 음성지원, 대규모 협업 워크플로우, 정책 학습 등 다양한 기능을 제공합니다.
구성 요소로는 ReAct(Reasoning + Acting) 기반 에이전트, 메시지 허브를 통한 멀티에이전트 협력, API 인터페이스, CLI 명령어, 모델 및 도구 연동 스키마, 모듈형 기억장치 및 도구 세트 등이 포함됩니다. 또한, MCP (대규모 커스텀 툴 컨트롤), 오픈소스 샘플, 플러그인, 배포 지원(로컬, 서버리스, 쿠버네티스), 실시간 인터랙션 지원 등 확장성과 유연성을 갖추고 있습니다.
이 프로젝트는 주로 연구 개발자, AI 엔지니어, 멀티에이전트 시스템 설계자, 산업 실무자가 대상이며, 자연어 처리, 강인한 대화형 시스템, 멀티모달 인터페이스, 온라인 협업 등에 활용됩니다. 사용 기술로는 파이썬 3.10+, 다양한 AI 모델, HTTP API, 클라우드 및 컨테이너 배포 기술, 실시간 통신 프로토콜 등을 사용하며 활발한 생태계와 커뮤니티를 갖추고 있습니다.
최근 주요 업데이트 내역으로는 2026년 2월 실시간 음성 에이전트 지원, 1월 데이터베이스와 메모리 압축 기능, A2A(에이전트 간 통신) 프로토콜 도입, 텍스트-음성 변환(TTS), 다양한 스킬 지원, 대규모 샘플 및 멀티에이전트 시나리오 확장이 진행되었습니다. 또한, 협업 및 커뮤니티 참여를 유도하는 온라인 회의, 생태계 확장, 도구 연동, 튜너 지원 등 여러 기능이 지속적으로 개발되고 있습니다.
이 프로젝트는 오픈소스이며 Apache License 2.0 하에 배포되어 있으며, 활발한 연구 출판 및 커뮤니티 공유를 통해 지속적인 발전이 이루어지고 있습니다. 참고 https://github.com/agentscope-ai/agentscope 문서, 튜토리얼, 샘플, 논문 및 공개 프로젝트들이 있습니다.
ReMe
ReMe는 인공지능 에이전트의 메모리 관리 프레임워크로, 파일 기반과 벡터 기반 두 가지 메모리 시스템을 제공하며, 긴 대화 또는 세션 간 정보 유실 문제를 해결하는 것이 주목적입니다. 이 프로젝트는 사용자 세션의 맥락 한계와 무상태 세션 문제를 해결하기 위해, 과거 대화와 중요한 정보를 자동으로 요약, 저장하고 필요할 때 자동으로 호출할 수 있는 ‘진정한 기억’을 에이전트에 부여합니다. 파일 기반 시스템은 마크다운 형식의 파일로 메모리 관리가 가능하며, 벡터 기반 시스템은 사용자 설정, 작업 경험, 도구 사용 경험 등 다양한 유형의 기억을 벡터 데이터로 통합 관리합니다. 주요 구성 요소로는 MemoryFile, MemoryVector, Summarizer, Retriever, CLI 도구와 파일 작업 도구, 그리고 Context Compacter 등이 있으며, AI 에이전트의 자연어 이해와 대화 기록 저장, 검색, 갱신이 용이하게 설계되어 있습니다. 기술 스택은 Python 3.10+를 기반으로 여러 오픈소스 도구와 API(예: OpenAI, Chroma, Qwen)와 호환되며, 플러그인 및 자동화 기능을 통해 에이전트의 지능적 기억 능력을 향상시킵니다. 최근 업데이트로는 성능 향상과 새로운 메모리 관리 방식 도입이 있으며, 사용자 맞춤형 세션 유지 및 대화 맥락 확장 등을 지원하여 복잡한 대화와 업무 흐름에서 활용이 기대됩니다. 참고 https://github.com/agentscope-ai/ReMe 문서, 라이선스 정보도 상세히 제공되어 있어 오픈소스 생태계에서 활발히 활동 중입니다.
LMCache
LMCache는 대규모 언어 모델(LLM)의 서비스 성능을 향상시키기 위한 캐시 계층 확장 엔진입니다. 목표는 긴 컨텍스트 환경에서도 지연 시간(TTFT)를 줄이고 처리량을 높이는 데 있습니다. 이는 데이터센터 전반에 걸쳐 다양한 저장 매체( GPU, CPU, 디스크, S3 등)에 저장된 KV 캐시를 광범위한 가속 기술(제로 CPU 복사, NIXL, GDS 등)을 활용하여 재사용하는 방식을 통해 구현됩니다. LMCache는 어떤 반복 텍스트(서픽스뿐 아니라 비서픽스도 포함)의 KV 캐시를 재사용하며, 이를 통해 GPU 사이클 절감과 사용자의 응답 지연을 크게 줄입니다.
이 프로젝트는 vLLM, SGLang 등 여러 인퍼런스 플랫폼과 연동되어 사용되며, Redis, Weka, PliOps와 같은 저장 인프라와 데이터 저장소를 지원합니다. 또한 오픈소스 커뮤니티와 여러 클라우드 제공자, 인프라 업체, 그리고 다양한 오픈소스 프로젝트들에서 채택되고 있습니다.
기술 스택은 Python 기반이며, 최신 vLLM과의 호환성 및 다양한 설치 방법(파이프, pip 지원 등)을 제공하여 Linux NVIDIA GPU 환경에서 최적화됩니다. 최근 릴리즈 및 업데이트는 주로 vLLM과의 통합, 저장 지원 확대, 성능 향상에 집중되어 있으며, 상세한 내용은 공식 문서와 기술 보고서에서 확인할 수 있습니다.
특이사항으로는 업계 대표적인 논문 인용와 함께, 다양한 인퍼런스 파트너, 오픈소스 프로젝트와의 협력이 활발하며, 깊이 있는 성능 향상과 확장성을 목표로 하는 엔진임을 알 수 있습니다. 관련 문서, 사례, 커뮤니티 활동, 기여 가이드 등이 제공되어 있어 적극적인 참여와 활용이 가능합니다.
Superset
Superset은 개발자가 CLI 기반의 인공지능 에이전트들을 터미널에서 효율적으로 관리할 수 있도록 돕는 도구입니다. 이 프로젝트의 목적은 여러 인공지능 코딩 에이전트를 동시에 실행하고, 작업별 격리, 상태 모니터링, 변경 내용 검토 등 개발 워크플로우를 10배 향상시키는 것입니다. 주요 기능으로는 병렬 에이전트 실행, 작업 격리(각 작업별 세션), 통합 모니터링 및 알림, 내장 Diff 뷰어, Workspace 자동 세팅 및 IDE 연동이 포함됩니다. 구조적으로는 CLI, API, 워크스페이스 설정 파일(.json) 등을 기반으로 하며, Electron을 이용한 데스크탑 애플리케이션과 Vite, React, TailwindCSS, Bun 등 최신 프론트엔드 및 런타임 기술 스택을 사용합니다. 지원 에이전트는 Claude Code, OpenAI Codex, Cursor, Gemini 등 CLI에서 실행 가능한 모든 에이전트와 연동 가능하며, OS는 macOS(Windows/Linux는 미검증), Bun 런타임, Git 2.20 이상, GitHub CLI(gh), Caddy 서버 등을 요구합니다. 최근 릴리즈 및 변경사항은 공식 GitHub 릴리즈 페이지에서 확인 가능하며, 설치 및 사용은 pre-built macOS 버전 또는 소스 빌드 방식이 제공됩니다. 사용자 커스터마이징을 위한 환경 변수 설정, 워크스페이스 구성과 해체 스크립트, 그리고 다양한 단축키 및 레이아웃 조정 기능도 포함되어 있어 개발자의 생산성을 극대화할 수 있습니다. 프로젝트는 Apache 2.0 라이선스로 배포되며, 커뮤니티 기여와 오픈 이노베이션을 독려하고 있습니다.
trivy
Trivy는 종합적이고 다목적 보안 스캐너로, 컨테이너 이미지, 파일시스템, 원격 Git 저장소, 가상 머신 이미지, 쿠버네티스 클러스터 등 다양한 대상에서 보안 위험을 탐지하는 도구입니다. 주요 기능으로는 운영체제 패키지와 소프트웨어 종속성에 대한 취약점(CVE) 탐지, 인프라 코드(IaC) 보안 문제 및 잘못된 구성, 민감 정보와 비밀 정보, 소프트웨어 라이선스 검사를 제공합니다. 다양한 프로그래밍 언어와 운영체제, 플랫폼을 지원하며, 상세한 커버리지는 공식 문서의 ‘Scanning Coverage’ 페이지를 참고하면 됩니다. 프로젝트는 커맨드라인 인터페이스(CLI)와 API 기반으로 작동하며, 명령어를 통해 이미지, 파일 시스템 등을 대상으로 스캔을 수행할 수 있습니다. 최신 릴리즈는 주기적으로 업데이트되며, ’latest’ 태그와 함께 배포되고 있습니다. 또한, 개발 및 테스트 목적으로 사용하는 카나리 빌드도 제공되며, 이는 GitHub, Docker Hub, ECR 등에서 확인할 수 있습니다. 트리비는 오픈소스 프로젝트로, 커뮤니티와 활발히 소통하며, 다양한 플랫폼과 통합 기능을 지원하고 있습니다. 더 자세한 정보와 설치 방법, 사용법은 공식 홈페이지와 문서 사이트에서 확인할 수 있으며, Docker, Brew, 바이너리 다운로드 등 여러 설치 방법이 제공됩니다. Trivy는 Aqua Security의 확장 제품인 Aqua와 비교할 때 추가 기능과 보안 관리 솔루션을 제공합니다. 프로젝트는 오픈소스이며, 커뮤니티 협력을 중요시 하고 있어 GitHub Discussions를 통해 사용자와 개발자가 소통할 수 있습니다.