오늘 트렌딩은 “AI 에이전트를 어떻게 팀으로 묶고, 기억하게 하고, 하나의 작업 공간에서 굴릴 것인가"라는 주제로 뚜렷하게 수렴했다. 에이전트 팀 오케스트레이션을 표방하는 paperclip과 OpenRig, 그리고 에이전트의 장기 기억을 담당하는 Hindsight가 나란히 올라왔고, 여기에 오피스 SDK를 AI 하네스로 재정의한 Univer가 힘을 보탰다. 한편으로는 10.5GHz 위상 배열 레이더를 통째로 오픈소스로 푼 AERIS-10과 같은 하드웨어 진영의 시도도 눈에 띈다.

VoiceStudio

646개 언어를 지원하는 오픈소스 음성 클로닝·더빙·전사 데스크톱 앱.

  • GitHub: VoiceStudio
  • 언어/스택: Electron, 로컬 음성 엔진(k2-fsa/OmniVoice 기본), 로컬 API / MCP
  • 카테고리: AI

무엇을 하는 프로젝트인가? 음성 클로닝, 음성 디자인, 영상 더빙, 받아쓰기, 전사, 오디오북 제작을 하나의 데스크톱 애플리케이션에서 처리하는 것을 목표로 한다. “Your voice. Your workflow.“라는 슬로건처럼 음성 관련 파이프라인이 여러 SaaS로 흩어지는 문제를 하나의 워크스페이스로 모으는 접근이다. 추론은 기본적으로 사용자 하드웨어에서 실행되며 원격 서비스는 선택 사항이라, 민감한 음성 데이터를 외부로 보내지 않는 로컬 우선 워크플로를 만들 수 있다. 에이전트가 로컬 API와 MCP로 이 앱을 도구처럼 호출할 수 있다는 점도 특징적이다.

주요 특징

  • 음성 클로닝·음성 디자인·더빙·받아쓰기·전사·오디오북 제작을 한 앱에서 처리하고, 배치 작업도 지원한다.
  • 기본 엔진은 k2-fsa/OmniVoice이며 기능/엔진 카탈로그를 통해 다른 엔진으로 교체할 수 있다.
  • 에이전트 연동을 위한 로컬 API와 MCP를 제공하고, 필요하면 원격 워커 구성을 선택할 수 있다.
  • macOS/Linux에서 curl -fsSL https://voicestudio.sh/install | sh 한 줄 설치 스크립트를 제공한다.
  • AGPL-3.0 라이선스이며 사용 분석은 동의 기반으로만 수집된다.

개발자에게 의미하는 것 음성 합성·클로닝 기능을 제품에 붙이려는 팀이 엔진 조합과 UI를 처음부터 만들지 않아도 되는 출발점이 된다. 로컬 추론과 MCP 노출이라는 조합 덕분에 프라이버시가 중요한 사내 도구나 에이전트 파이프라인에 끼워 넣기 좋다.

paperclip

여러 AI 에이전트를 조직도·예산·거버넌스까지 갖춘 “회사"처럼 운영하는 오케스트레이션 앱.

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

무엇을 하는 프로젝트인가? 업무용 AI 에이전트 팀을 관리하기 위한 오픈소스 오케스트레이션 애플리케이션이다. “OpenClaw가 직원이라면 Paperclip은 회사"라는 컨셉으로, 겉보기에는 평범한 태스크 관리자지만 내부적으로 조직도, 예산, 거버넌스, 목표 정렬, 에이전트 간 협업 조정을 다룬다. PR 단위가 아니라 “$1M MRR 달성” 같은 비즈니스 목표를 정의하고 에이전트에게 할당하는 방식이라, 작업 관리가 아니라 결과 관리에 초점이 맞춰져 있다.

주요 특징

  • CEO, CTO, 엔지니어, 디자이너, 마케터 등 역할별 봇을 구성해 하나의 목표로 통합 관리한다.
  • 에이전트별 예산 설정과 비용 모니터링, 필요 시 개입·승인 워크플로를 제공한다.
  • 진행 상황과 비용을 한 화면에서 추적하는 통합 대시보드와 모바일 확인을 지원한다.
  • OpenClaw, Claude Code, Codex, Cursor, Bash, HTTP 등 다양한 실행 주체와 연동되며 특정 벤더에 종속되지 않는다.
  • MIT 라이선스로, 상시 자율 실행과 사람의 감사·개입을 병행하는 하이브리드 운영을 지향한다.

개발자에게 의미하는 것 Claude Code 터미널을 여러 개 띄워 놓고 관리에 지친 사람이라면, 에이전트를 “팀” 단위로 묶어 목표와 비용 관점에서 통제하는 새로운 운영 모델을 참고할 수 있다. 자율 실행의 편의와 통제 필요성 사이의 균형을 어떻게 설계했는지가 이 프로젝트의 핵심 볼거리다.

Hindsight

단순 회상을 넘어 시간에 따라 “학습하는” 에이전트 메모리 시스템.

  • GitHub: Hindsight
  • 언어/스택: Python(hindsight-api, hindsight-client), JavaScript/TypeScript(@vectorize-io/hindsight-client), MCP 서버
  • 카테고리: AI

무엇을 하는 프로젝트인가? 시간이 지남에 따라 학습하는 더 똑똑한 에이전트를 만들기 위한 에이전트 메모리 시스템이다. 대부분의 메모리 시스템이 대화 기록 회상에 머무는 반면, Hindsight는 기억을 넘어 학습을 지향하며 RAG나 지식 그래프 방식의 한계를 제거하는 것을 목표로 한다. 장기 메모리 태스크에서 SOTA 성능을 제공한다고 밝히고 있고, Fortune 500 기업과 다수 AI 스타트업의 프로덕션 환경에서 사용 중이라고 설명한다.

주요 특징

  • retain(저장) / recall(회상) / reflect(성찰) 세 가지 핵심 연산을 축으로 메모리 유형, 관찰, 멘탈 모델·지식 페이지, 메모리 뱅크 개념을 제공한다.
  • 서버 기반 사용과 클라이언트 연결, 그리고 서버 없이 쓰는 Python 임베디드 모드를 모두 지원한다.
  • LLM 래퍼 2줄 수준의 코드로 기존 에이전트에 통합할 수 있고, MCP 서버와 각종 프레임워크 통합을 제공한다.
  • 코딩 에이전트용 문서 스킬을 npx skills add 형태로 배포해 Claude Code, Cursor 등과 호환된다.
  • LongMemEval 벤치마크 결과가 공개되어 있고, Virginia Tech Sanghani Center 및 The Washington Post 연구 협력자들이 독립적으로 재현했다고 밝히고 있다(타 솔루션 점수는 각 벤더 자체 보고).

개발자에게 의미하는 것 에이전트가 세션이 끝나면 맥락을 잃는 문제를 정면으로 다루는 프로젝트라, 장기 실행 에이전트나 개인화가 필요한 서비스를 만드는 팀이라면 통합 비용이 낮은 후보가 된다. 벤치마크와 재현 사례를 함께 공개한다는 점도 도입 판단에 도움이 된다.

AERIS-10 (PLFM_RADAR)

10.5GHz에서 동작하는 오픈소스 저비용 위상 배열 레이더 시스템.

  • GitHub: AERIS-10 (PLFM_RADAR)
  • 언어/스택: 10.5GHz RF, 위상 배열 안테나, LFM 변조, FPGA 신호 처리, Python GUI, GPS/IMU
  • 카테고리: 시스템

무엇을 하는 프로젝트인가? 펄스 선형 주파수 변조(PLFM) 방식을 쓰는 오픈소스 위상 배열 레이더로, 빔포밍·펄스 압축·도플러 처리·표적 추적을 실험할 수 있는 모듈식 플랫폼을 지향한다. 연구자, 드론 개발자, SDR 애호가가 값비싼 장비 없이 레이더 기술을 다뤄볼 수 있게 하는 것이 목적이다. 회로도, PCB 레이아웃, 펌웨어, 소프트웨어까지 하드웨어와 소프트웨어를 모두 공개한다.

주요 특징

  • 3km 범위의 AERIS-10N(Nexus, 8x16 패치 안테나 배열)과 20km 범위의 AERIS-10E(Extended, 32x16 유전체 충전 슬롯 도파관 배열) 두 가지 버전을 제공한다.
  • 고도·방위각 ±45° 전자식 빔 조향과 온보드 FPGA 기반 펄스 압축, 도플러 FFT, MTI, CFAR 신호 처리를 구현한다.
  • 지도 통합이 포함된 Python GUI와 GPS/IMU 기반 실시간 위치·자세 보정을 지원한다.
  • 전원 관리, 주파수 합성, RF 보드를 분리한 모듈 설계를 채택했다.
  • 소프트웨어는 MIT, 하드웨어는 CERN-OHL-P 라이선스이며 현재 Alpha 상태로 일부 기능은 개발 중이다.

개발자에게 의미하는 것 RF나 FPGA를 다뤄본 적 있는 개발자라면 신호 처리 체인 전체를 열린 소스로 읽어볼 수 있는 드문 자료다. 다만 Alpha 단계이고 저비용 교육·연구·드론·SDR 실험용이라는 전제를 감안해 접근해야 한다.

Coursebook

UIUC CS 341(System Programming) 강의에서 쓰는 오픈소스 시스템 프로그래밍 교재.

  • GitHub: Coursebook
  • 언어/스택: LaTeX(TeX) 기반 문서 빌드, GitHub Actions, C 예제 코드
  • 카테고리: 기타

무엇을 하는 프로젝트인가? 일리노이 대학교 어바나-샴페인(UIUC)의 CS 341: System Programming 강의에서 사용하는 고품질 시스템 프로그래밍 입문 교재 프로젝트다. 기존 Angrave의 위키북 실험을 표준화하고 발전시켜 개방성을 유지하면서 엄밀성과 사실성을 높이는 것이 목적이다. 프로그래밍 언어 과목을 수강하고 어셈블리 명령어에 익숙한 독자를 대상으로 하며, 모든 코드와 설명은 Linux 커널의 사실상 표준 언어인 C를 사용한다.

주요 특징

  • 인용, 각주, 추가 읽기, 용어집을 포함해 내용의 신뢰성을 뒷받침한다.
  • PDF, Markdown, HTML, EPUB 형태로 내보내기를 지원해 읽는 방식이 자유롭다.
  • 자동 빌드 파이프라인 덕분에 저자는 집필에만 집중할 수 있다.
  • 기여 절차는 CONTRIBUTING.md에 정리되어 있고, 최신 PDF·HTML·Wiki·EPUB 링크를 함께 제공한다.

개발자에게 의미하는 것 시스템 프로그래밍을 제대로 다시 훑고 싶은 개발자에게 강의 수준의 커리큘럼을 무료로 열람할 수 있는 자료다. 교재를 직접 포크해 사내 교육 자료로 재구성하는 것도 가능한 구조다.

OpenRig

여러 AI 코딩 에이전트를 YAML로 정의해 하나의 팀처럼 부팅하는 오케스트레이션 CLI.

  • GitHub: OpenRig
  • 언어/스택: Node.js 22/24, npm @openrig/cli, tmux, SQLite 점검, YAML 설정
  • 카테고리: DevOps

무엇을 하는 프로젝트인가? 여러 AI 코딩 에이전트를 흩어진 터미널 세션이 아니라 하나의 지속적이고 조직화된 팀으로 운영하기 위한 오케스트레이션 도구다. “하네스가 모델을 감싸고, 리그가 여러 하네스를 감싼다"는 개념을 표방하며 에이전트 팀을 YAML로 정의한 뒤 단일 명령으로 부팅한다. Claude Code와 Codex처럼 서로 다른 하네스를 하나의 시스템 안에서 함께 관리할 수 있다는 점이 핵심이다.

주요 특징

  • rig up <이름>으로 팀을 띄우고, --plan 옵션으로 실제 실행 전 계획을 미리 확인할 수 있다.
  • 리드(owner) 에이전트에게 자연어로 결과를 요청하면 리드가 팀 간 전문가 에이전트를 조율해 결과를 되돌려준다.
  • 기본 예시는 dev-owner(작업 수행)와 dev-check(검증)로 역할을 분리한 Codex 좌석 구성이다.
  • rig send, rig queue list, rig tui --shared, rig ps --nodes 등 메시징·큐·대시보드·상태 확인 명령을 제공한다.
  • tmux가 필수이고 macOS/Linux만 지원하며 네이티브 Windows는 미지원(WSL2 미검증), Apache 2.0 라이선스다.
  • 설치 시 프로바이더 훅과 워크스페이스 신뢰 설정이 기록되므로 rig setup --dry-run으로 먼저 확인하도록 안내한다.

개발자에게 의미하는 것 터미널에 에이전트 세션을 여러 개 띄워 두고 컨텍스트가 흩어지는 문제를 겪어본 팀이라면, 팀 구성과 역할 분리를 코드로 선언한다는 발상이 유용하다. 시스템 설정을 변경하는 도구이므로 도입 전 dry-run과 문서 확인이 필수라는 점은 기억해 두자.

Univer

스프레드시트·문서·프레젠테이션을 제품에 내장하는 오피스 SDK이자 AI 에이전트용 오피스 하네스.

  • GitHub: Univer
  • 언어/스택: TypeScript/JavaScript, Canvas 렌더링, 플러그인 아키텍처, Facade API
  • 카테고리: 프론트엔드

무엇을 하는 프로젝트인가? 스프레드시트, 문서, 프레젠테이션, 베이스, 보드, PDF 등 다양한 오피스 기능을 자체 제품에 내장할 수 있는 고성능·완전 커스터마이징 가능한 오피스 SDK다. 단순한 뷰어가 아니라 자체 생산성 표면을 구축하기 위한 프레임워크를 지향하며, 플러그인 아키텍처와 Canvas 기반 렌더링, 수식 엔진, 브라우저와 Node.js에서 동작하는 단일 Facade API를 제공한다. 제품군이 저장·계산 런타임을 공유하기 때문에 도구 간 콘텐츠 임베딩과 연결된 데이터의 동시 업데이트가 가능하고, 사람과 AI 에이전트가 같은 파일에서 작업할 수 있다.

주요 특징

  • SaaS 제품, 내부 도구, BI 워크플로, AI 애플리케이션에 스프레드시트·문서 편집 기능을 임베드할 수 있다.
  • 필요한 기능만 플러그인으로 조합하거나 프리셋으로 빠르게 시작할 수 있다.
  • 커스텀 플러그인, 명령, 서비스, UI 컴포넌트, Facade API로 동작을 확장한다.
  • 서버(Node.js)에서도 워크북·문서 처리를 실행할 수 있다.
  • 오픈소스 버전과 Pro 버전이 나뉘어 있고, 이 저장소는 오픈소스 범위를 다룬다.

개발자에게 의미하는 것 엑셀 유사 기능을 자체 서비스에 넣으려 할 때 처음부터 그리드와 수식 엔진을 만드는 대신 검증된 SDK 위에서 시작할 수 있다. “AI 에이전트가 함께 편집하는 오피스 표면"이라는 방향은 앞으로의 협업 도구 설계에 좋은 참고가 된다.

오늘의 한 줄 정리: 에이전트를 잘 만드는 것을 넘어, 여러 에이전트를 팀으로 묶고(paperclip, OpenRig) 기억하게 하며(Hindsight) 함께 작업할 표면까지(Univer) 갖추려는 시도가 한날 한자리에 모인 하루였다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.