오늘 트렌딩은 “AI 에이전트를 어떻게 조직하고, 기억하게 하고, 관리할 것인가"라는 질문에 집중된 하루였다. 에이전트 팀을 회사처럼 운영하는 paperclip, 에이전트가 경험에서 학습하도록 만드는 메모리 시스템 Hindsight, CLI 기반 에이전트 팀 오케스트레이터 OpenRig가 나란히 올라왔고, 여기에 TypeScript를 네이티브 바이너리로 컴파일하는 Vercel Labs의 실험작 scriptc까지 눈에 띄었다.

paperclip

여러 AI 에이전트를 “회사"처럼 조직하고 운영하는 오픈소스 오케스트레이션 애플리케이션

  • GitHub: paperclip
  • 언어/스택: Node.js, React, MIT
  • 카테고리: AI

무엇을 하는 프로젝트인가? 개별 에이전트를 관리하는 도구를 넘어, 하나의 사업을 굴러가게 하는 AI 조직을 구성하는 데 초점을 맞춘다. 슬로건 그대로 “OpenClaw가 직원이라면, Paperclip은 회사"다. 목표 정의 → 팀 구성 → 승인 및 실행의 3단계 워크플로를 제공하며, 예를 들어 “$1M MRR을 달성하는 최고의 AI 노트 앱을 만든다"는 목표를 세우고 CEO·CTO·엔지니어·디자이너·마케터 역할의 봇을 고용한 뒤 전략을 검토하고 예산을 설정해 실행한다. 수십 개의 에이전트 터미널을 열어두고 진행 상황을 놓치는 문제를 해결하는 것이 핵심이다.

주요 특징

  • 프로바이더 비종속 오케스트레이션: OpenClaw, Claude Code, Codex, Cursor, Bash, HTTP 등 heartbeat를 받을 수 있는 모든 에이전트를 팀원으로 편성한다.
  • 대시보드 기반 모니터링과 비용 통제: 작업 진행 상황과 에이전트 실행 비용을 한 화면에서 추적하고, 예산 한도를 강제할 수 있다.
  • 조직도·거버넌스: 겉보기에는 할 일 관리 앱 같지만 내부적으로 조직 구조, 예산 집행, 목표 정렬, 에이전트 간 협업 조정을 다룬다.

개발자에게 의미하는 것 단일 에이전트 래퍼를 넘어 “에이전트 팀을 굴리는 운영 계층"이 필요해진 팀에게 바로 쓸 수 있는 선택지다. 특히 벤더 종속 없이 여러 하네스를 섞어 쓰면서 비용까지 통제하려는 경우에 적합하다.

Hindsight

시간이 지남에 따라 학습하는 에이전트를 위한 메모리 시스템

  • GitHub: Hindsight
  • 언어/스택: Python, MCP, MIT
  • 카테고리: AI

무엇을 하는 프로젝트인가? 대부분의 에이전트 메모리 시스템이 대화 이력을 단순히 “회상(recall)“하는 데 그치는 반면, Hindsight는 에이전트가 기억을 넘어 “학습(learn)“하도록 만드는 데 초점을 맞춘다. RAG나 지식 그래프 방식의 한계를 제거하고 장기 기억 과제에서 SOTA 성능을 목표로 한다. retain(저장) / recall(회상) / reflect(성찰) 세 가지 연산을 축으로 메모리 타입, 관찰(Observations), 멘탈 모델과 지식 페이지를 제공한다.

주요 특징

  • 2줄짜리 LLM 래퍼: 기존 LLM 호출에 최소한의 코드로 메모리 기능을 결합할 수 있다.
  • MCP 서버 기본 제공: MCP 호환 도구·에이전트와 바로 연동되며, Claude Code와 Cursor용 문서 스킬도 제공한다.
  • 유연한 실행 모드: 별도 서버를 띄우는 서버 모드와 Python에 내장하는 임베디드 모드를 모두 지원하고, Python/JS 클라이언트를 제공한다.

개발자에게 의미하는 것 장기 대화 맥락이 필요한 에이전트를 만들면서 RAG 파이프라인을 직접 짜는 데 지쳤다면, LongMemEval 벤치마크에서 검증된 메모리 계층을 그대로 얹는 편이 빠르다.

VoiceStudio

음성 클로닝부터 더빙·받아쓰기·오디오북까지 하나로 묶은 데스크톱 음성 스튜디오

  • GitHub: VoiceStudio
  • 언어/스택: Electron, k2-fsa/OmniVoice, AGPL-3.0
  • 카테고리: AI

무엇을 하는 프로젝트인가? 음성 클로닝, 음성 디자인, 영상 더빙, 받아쓰기, 전사, 오디오북 제작을 하나의 데스크톱 앱에서 처리하는 통합 음성 스튜디오다. 646개 언어를 지원하며 기본 엔진으로 k2-fsa의 OmniVoice를 사용한다. 로컬 우선(local-first) 아키텍처를 표방해 모델이 사용자 하드웨어에서 실행되고, 원격 서비스는 선택 사항으로만 붙는다.

주요 특징

  • 텍스트만으로 음성 설계: 기존 음성을 복제하는 클로닝과, 설명만으로 새 음성을 만드는 보이스 디자인을 모두 지원한다.
  • 실시간 받아쓰기 위젯: 플로팅 위젯을 통한 딕테이션과 배치 작업 기반 오디오북 생성을 제공한다.
  • 에이전트 연동: 로컬 API와 MCP를 통해 에이전트에서 음성 기능을 호출할 수 있고, 멀티 엔진 선택도 가능하다.

개발자에게 의미하는 것 음성 파이프라인을 조립하느라 여러 라이브러리를 붙이던 작업을 하나의 앱과 API로 대체할 수 있다. 특히 데이터를 외부로 보내지 않고 로컬에서 처리해야 하는 프로젝트에 유용하다.

ai-engineering-from-scratch

523개 레슨·약 342시간으로 구성된 AI 엔지니어링 실습 커리큘럼

무엇을 하는 프로젝트인가? “AI를 배우는 것을 넘어 직접 만든다"는 목표 아래, AI 엔지니어링을 처음부터 끝까지 구현하며 배우는 오픈소스 교육 과정이다. 523개 레슨을 Phase 0~20으로 구성했고 총 학습 분량은 약 342시간에 달한다. “학생의 84%가 이미 AI 도구를 쓰지만 전문적으로 활용할 준비가 됐다고 느끼는 비율은 18%에 불과하다"는 문제의식에서 출발해, 개념 소개가 아니라 프로덕션 환경에서 AI 시스템을 설계·구현·운영하는 역량을 기르는 데 목표를 둔다.

주요 특징

  • 산출물 중심 레슨: 모든 레슨이 재사용 가능한 결과물(프롬프트, 스킬, 에이전트, MCP 서버 등)을 함께 제공한다.
  • 목적별 학습 경로: 전체 코스를 훑지 않고도 목표에 맞춰 진입할 수 있도록 learning-paths/ 디렉터리에 JSON 형태의 경로가 정의되어 있다. MCP, Agent Skills 집중 경로 등이 있다.
  • 다국어 지원: 한국어를 포함해 12개 이상 언어의 README와 학습 페이지를 제공하며, Claude 인증 대비 문서도 별도로 제공한다.

개발자에게 의미하는 수 있는 것 에이전트와 MCP를 실무에 투입하려는 개발자가 체계적으로 바닥을 다질 수 있는 드문 규모의 무료 커리큘럼이다. 다만 방대하므로 목표를 먼저 정하고 해당 페이즈로 바로 진입하는 편이 좋다.

PipePipe

NewPipe를 재설계한, 더 빠르고 기능이 많은 안드로이드 YouTube 클라이언트

  • GitHub: PipePipe
  • 언어/스택: Android (Java/Kotlin), AV1/VP9, F-Droid·IzzyOnDroid 배포
  • 카테고리: 프론트엔드

무엇을 하는 프로젝트인가? 인기 오픈소스 YouTube 클라이언트인 NewPipe를 재설계한 안드로이드 앱이다. “NewPipe, reimagined: faster, more stable, and packed with more features"라는 슬로건 아래 핵심 경험은 유지하면서 성능·안정성과 부가 기능을 크게 확장했다. YouTube뿐 아니라 BiliBili 사용성도 함께 강화한 것이 특징이다.

주요 특징

  • SponsorBlock·ReturnYouTubeDislike 연동: 유튜브와 빌리빌리의 스폰서 구간을 자동 스킵하고, 삭제된 싫어요 수를 복원한다.
  • 미디어 기능 강화: 라이브 채팅을 탄막 스타일 오버레이로 표시하고, AV1·VP9 코덱과 백그라운드 재생 뮤직 플레이어 모드를 지원한다.
  • 필터링과 재생 컨트롤: 키워드·채널 기반 필터, Shorts 및 유료 동영상 차단, 스와이프 탐색, 길게 눌러 배속, 슬립 타이머를 제공한다.

개발자에게 의미하는 것 NewPipe 생태계에서 어떤 부가 기능이 실제로 요구되는지를 잘 보여주는 포크다. 광고 없는 시청과 피드 정리를 중시하는 사용자에게 실질적인 대안이 된다.

scriptc

TypeScript/JavaScript를 C·LLVM IR·네이티브 바이너리·WASM으로 컴파일하는 Vercel Labs 실험작

  • GitHub: scriptc
  • 언어/스택: TypeScript 컴파일러, Node.js 24+, LLVM, Apache-2.0
  • 카테고리: 시스템

무엇을 하는 프로젝트인가? TypeScript와 JavaScript 코드를 타입이 지정된 IR, 읽기 쉬운 C 코드, 텍스트 형식 LLVM IR, 네이티브 어셈블리/오브젝트 파일, 네이티브 실행 파일, WebAssembly 모듈로 변환하는 실험적 컴파일러다. 파싱과 타입 검사에는 TypeScript 컴파일러를 그대로 사용한다. 소스 수준 산출물(IR/C/LLVM)은 Node.js만 있으면 되고, 정적 빌드에는 Node나 JS 엔진이 필요 없는 작은 네이티브 런타임이 포함된다.

주요 특징

  • 번들 헬퍼 기반 컴파일: asm/obj 출력은 함께 설치되는 플랫폼 헬퍼를 사용해 별도 컴파일러·아카이버·링커·SDK 없이 처리하며, 생성된 C나 런타임 C를 직접 컴파일하지 않고 미리 컴파일된 런타임 팩을 쓴다.
  • 다양한 방출 옵션: --emit=ir|c|llvm|asm|obj로 소스 수준 산출물을 .scriptc/ 디렉터리에 누적 생성하고, scriptc build hello.ts -o hello로 독립 실행 파일을 만든다.
  • 동적 코드 대응: 정적으로 컴파일할 수 없는 코드는 진단으로 보고하며, npm 패키지와 any 타입 코드를 위해 --dynamic 옵션이 quickjs-ng를 내장한다.

개발자에게 의미하는 것 “JS를 어디까지 네이티브로 밀어붙일 수 있는가"라는 실험의 최전선에 있는 프로젝트다. 아직 실험 단계이고 --emit=obj 같은 기능에 제약이 있지만, TypeScript를 컴파일 타깃으로 삼는 흐름을 이해하는 데 좋은 레퍼런스다.

OpenRig

여러 AI 코딩 에이전트를 YAML 팀 구조로 묶는 CLI 하네스 오케스트레이터

  • GitHub: OpenRig
  • 언어/스택: Node.js 20/22/24, tmux, SQLite, Apache-2.0
  • 카테고리: DevOps

무엇을 하는 프로젝트인가? Claude Code, Codex 같은 AI 코딩 에이전트를 하나의 조직화된 팀으로 묶어 관리하는 CLI 하네스 오케스트레이션 도구다. “harness는 모델을 감싸고, rig는 당신의 harness들을 감싼다"는 개념으로, 흩어진 터미널 세션 더미를 YAML로 정의된 영속적인 팀 구조로 전환한다. 리드 에이전트에게 원하는 결과를 말하면 여러 팀에 걸친 스페셜리스트 에이전트에게 작업이 분배되고, 결과와 의사결정이 사용자에게 돌아온다.

주요 특징

  • YAML 팀 정의와 rig up: 한 번의 명령으로 전체 에이전트 팀을 부팅하고, 동일 주소에서 팀의 작업과 컨텍스트를 지속 유지한다.
  • 공유 대시보드: rig tui --shared로 그래프 뷰, seat 테이블 뷰, 개별 seat 상세 뷰를 제공하고 Ctrl-b 후 d로 중단 없이 detach할 수 있다.
  • 역할 기반 seat: owner(작업 담당)와 checker(검증 담당) 같은 역할을 구성하고, rig send·rig queue list·rig ps --nodes로 작업을 전달하고 추적한다.

개발자에게 의미하는 것 에이전트를 여러 개 띄워 쓰면서 상태 관리가 무너지는 팀에게 팀 구조와 큐라는 명시적 계층을 제공한다. 다만 실행 시 프로바이더 훅과 워크스페이스 신뢰 설정이 시스템에 기록되므로 사전 확인이 필요하다.

Univer

자체 제품에 스프레드시트·문서·프레젠테이션을 임베드하는 오피스 SDK

  • GitHub: Univer
  • 언어/스택: TypeScript 모노레포, Canvas 렌더링
  • 카테고리: 프론트엔드

무엇을 하는 프로젝트인가? 호스팅된 완성형 앱이 아니라, 개발자가 직접 생산성 도구를 구성할 수 있도록 빌딩 블록을 제공하는 오픈소스 오피스 SDK다. 스스로를 “AI 에이전트를 위한 Office Harness"로 소개하며 스프레드시트·문서·프레젠테이션·Bases·Boards를 지원하고 PDF는 추후 지원 예정이다. 브라우저와 동일한 아키텍처로 Node.js 서버에서도 워크북과 문서 처리를 실행할 수 있다.

주요 특징

  • 플러그인 아키텍처: 필요한 기능만 조합하거나 프리셋으로 빠르게 시작하고, 커스텀 플러그인·커맨드·서비스·UI 컴포넌트로 동작을 확장한다.
  • Canvas 기반 렌더링과 수식 엔진: 대량 데이터를 다루는 스프레드시트/문서 렌더링에 적합하며 수식 엔진을 내장한다.
  • 단일 Facade API: 브라우저와 Node.js 양쪽에서 동일하게 동작하고, 저장소·연산 런타임을 공유해 도구 간 콘텐츠 합성과 상호 참조 데이터 동기화를 지원한다.

개발자에게 의미하는 것 사내 도구나 BI 워크플로, AI 애플리케이션에 스프레드시트 편집 기능을 직접 구현하는 대신 SDK로 얹을 수 있다. 사람과 AI 에이전트가 같은 파일에서 함께 작업하는 시나리오를 염두에 둔 점이 눈에 띈다.

Madeira

탈옥하지 않은 iPhone에서 Windows PC 게임을 돌리는 연구 프로젝트

  • GitHub: Madeira
  • 언어/스택: Wine(ARM64EC), FEX-Emu, DXMT, GPL-3.0-or-later
  • 카테고리: 시스템

무엇을 하는 프로젝트인가? 탈옥하지 않은 iPhone에서 Windows PC 게임을 실행하는 것을 목표로 하는 연구 프로젝트다. App Store 배포가 불가능한 구조라 사이드로딩 방식으로 설치한다. iOS 환경에서 wineserver를 별도 프로세스가 아닌 스레드로 실행해 단일 Mach 프로세스 안에서 동작하도록 구성한 것이 구조적 핵심이다.

주요 특징

  • D3D11 → Metal 변환: DXMT를 통해 Direct3D 11 호출을 Metal로 바꾸고, FEX-Emu로 x86-64 명령어를 ARM64로 에뮬레이션한다.
  • 컨테이너 유지: 무료 Apple ID로 서명하면 프로비저닝 프로파일이 7일 후 만료돼 매주 재빌드/재설치가 필요하지만, 앱 컨테이너는 유지되어 프리픽스와 세이브 데이터가 보존된다.
  • 포크 기반 서브모듈: FEX, wine, research/dxmt는 iOS 작업이 포함된 포크를 가리키므로 업스트림 클론으로는 빌드되지 않으며 --recurse-submodules가 필요하다.

개발자에게 의미하는 것 에뮬레이션·번역 계층을 조합해 비정상적인 플랫폼 제약(iOS JIT, 서명 만료)을 우회하는 방법을 보여주는 사례다. 명시적으로 연구 프로젝트이며, AI 지원 작업이 포함되어 있어 업스트림 기여 정책상 해당 변경을 그대로 제출하면 안 된다는 점도 주의할 부분이다.

오늘의 한 줄 정리 에이전트를 “만드는” 단계를 지나 “조직하고, 기억시키고, 운영하는” 계층이 트렌딩의 중심으로 올라왔고, 그와 동시에 TypeScript를 네이티브로 밀어붙이는 컴파일러 실험과 iOS라는 폐쇄 플랫폼을 우회하는 연구 프로젝트가 나란히 눈에 띄었다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.