도입부

오늘 트렌딩은 **“AI 에이전트에게 무엇을 가르칠 것인가”**라는 주제로 한데 묶인다. Matt Pocock과 Addy Osmani가 각각 내놓은 에이전트 스킬 모음, Anthropic의 직무별 플러그인, SwiftUI 전용 스킬까지 — 프롬프트 한 줄이 아니라 재사용 가능한 ‘스킬’ 단위로 에이전트를 훈련시키려는 시도가 눈에 띄게 늘었다. 그 바닥을 받치는 인프라로는 LiteLLM 같은 LLM 게이트웨이가 여전히 강세고, REA처럼 리버스 엔지니어링을 MCP 서버로 감싼 실험적인 프로젝트도 등장했다.

특히 주목할 만한 것은 BerriAI/litellm(100개 이상 LLM을 하나의 OpenAI 호환 인터페이스로 묶는 게이트웨이)와 anthropics/knowledge-work-plugins(직무별로 Claude를 특화시키는 11종 플러그인)다. 스킬/플러그인 생태계가 실제로 굵어지고 있다는 신호다.

LiteLLM

100개 이상의 LLM 제공자를 단일 OpenAI 호환 인터페이스로 호출하게 해주는 오픈소스 AI 게이트웨이.

  • GitHub: LiteLLM
  • 언어/스택: Python (PyPI litellm), REST API, Docker, Terraform
  • 카테고리: AI

무엇을 하는 프로젝트인가? OpenAI, Anthropic, Gemini, Bedrock, Azure 등 제공자마다 제각각인 API 스펙을 하나의 OpenAI 형식으로 통일해주는 도구다. Python SDK로 바로 쓰거나, 셀프 호스팅 가능한 프록시 서버(AI Gateway)를 띄워 API 키 관리·라우팅·로깅·사용량 추적을 중앙 집중화할 수 있다. 기존 OpenAI SDK를 그대로 두고 base_url만 바꾸는 방식으로 여러 모델을 갈아끼울 수 있다는 점이 가장 큰 실용적 장점이다. Y Combinator W23 출신이며, 오픈소스와 엔터프라이즈 지원 티어를 병행하는 오픈코어 모델을 채택하고 있다.

주요 특징

  • 통합 인터페이스: 제공자별 차이를 흡수해 동일한 호출 방식으로 100개 이상의 LLM 사용
  • LiteLLM Proxy Server: 셀프 호스팅 프록시로 키 관리, 폴백/라우팅, 사용량 추적을 한 곳에서 처리
  • 배포 편의성: Render, Railway, AWS CloudShell, GCP Cloud Shell + Terraform 등 다양한 배포 템플릿 제공
  • CodSpeed 기반 성능 벤치마킹 배지를 운영하며 성능 회귀를 추적

개발자에게 의미하는 것 여러 LLM을 쓰는 애플리케이션에서 비용 추적·키 관리·폴백 라우팅이 필요할 때 사실상 표준 선택지다. 모델을 바꿔야 할 때 애플리케이션 코드를 건드리지 않아도 된다는 게 크다.

Knowledge Work Plugins

Claude를 직무·팀·회사에 맞는 전문가로 만들어주는 Anthropic의 오픈소스 플러그인 모음.

  • GitHub: Knowledge Work Plugins
  • 언어/스택: Claude Cowork / Claude Code 플러그인, skills·connectors·slash commands·sub-agents
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Cowork용으로 만들어졌고 Claude Code와도 호환되는 플러그인 11종을 마켓플레이스 형태로 제공한다. 단순히 “결과물을 잘 만드는” 수준을 넘어, 업무 처리 방식과 참조할 도구·데이터, 핵심 워크플로, 노출할 슬래시 커맨드까지 지정해 팀 전체가 일관된 결과를 얻도록 하는 것이 목표다. 기본 제공 플러그인은 출발점일 뿐이고, 회사별 도구·용어·프로세스에 맞게 커스터마이즈할 때 진짜 가치가 나온다고 명시하고 있다.

주요 특징

  • 11종 플러그인: productivity, sales, customer-support, product-management, marketing, legal, finance, data, enterprise-search, bio-research, cowork-plugin-management
  • 커넥터 생태계: Slack, Notion, Microsoft 365, Jira 같은 협업 도구부터 Snowflake, Databricks, BigQuery 데이터 인프라, HubSpot·Intercom 같은 도메인 SaaS까지 폭넓게 연결
  • 슬래시 커맨드 제공: /sales:call-prep, /data:write-query처럼 직무별 작업을 커맨드로 즉시 실행
  • 설치 후 자동 활성화되며, 상황에 따라 관련 스킬이 자동으로 발동

개발자에게 의미하는 것 “에이전트를 우리 팀 워크플로에 어떻게 붙일까"를 고민하는 조직에게 바로 쓸 수 있는 레퍼런스 구현이다. 특히 플러그인 구조 자체를 뜯어보면 사내 도구용 플러그인을 설계하는 청사진으로 활용할 수 있다.

skills (Skills For Real Engineers)

실제 엔지니어링 작업을 위한, 작고 조합 가능한 AI 에이전트 스킬 모음.

  • GitHub: skills
  • 언어/스택: Markdown/플러그인 매니페스트, Claude Code·Codex·Copilot·Gemini CLI 등
  • 카테고리: AI

무엇을 하는 프로젝트인가? ‘바이브 코딩’이 아니라 실제 애플리케이션 개발을 돕기 위한 스킬 모음이다. GSD, BMAD, Spec-Kit 같은 접근법이 프로세스를 대신 관리해주는 대신 개발자의 통제권을 가져가고, 프로세스 자체에 버그가 생기면 손대기 어려워진다는 문제의식에서 출발한다. 이 저장소의 스킬들은 그 반대로 작고, 적응하기 쉽고, 조합 가능한 것을 지향하며 특정 모델에 종속되지 않는다. 자유롭게 수정해서 자기 것으로 만들라고 권장한다.

주요 특징

  • 다양한 에이전트 지원: Claude Code, Codex, GitHub Copilot(CLI/VS Code), Gemini CLI, Cursor, OpenCode, Devin, Windsurf, Amp, Pi 등
  • 두 가지 설치 방식: 자동 업데이트되는 플러그인 방식과, 편집 가능한 파일을 프로젝트에 복사하는 skills.sh 방식(중복 설치 주의)
  • /setup-matt-pocock-skills 설정 스킬: 저장소마다 한 번 실행해 이슈 트래커 선택, 트리아지 라벨 지정, 문서 저장 위치 설정
  • engineering / productivity 카테고리로 스킬을 구분해 제공

개발자에게 의미하는 것 에이전트를 하나의 거대한 프롬프트로 묶는 대신, 필요할 때 꺼내 쓰고 필요하면 고쳐 쓰는 단위로 다루는 접근이다. 팀마다 다른 워크플로를 강제하지 않으면서 에이전트 품질을 끌어올리고 싶을 때 유용하다.

Agent Skills

시니어 엔지니어의 워크플로와 품질 게이트를 에이전트 스킬로 인코딩한 프로덕션급 모음집.

  • GitHub: Agent Skills
  • 언어/스택: Markdown 기반 스킬 정의, references/ 체크리스트, Node.js npx CLI
  • 카테고리: AI

무엇을 하는 프로젝트인가? Google Chrome 개발자로 유명한 Addy Osmani가 공개한 저장소로, 소프트웨어를 만들 때 쓰는 워크플로·품질 게이트·모범 사례를 스킬 형태로 인코딩해 AI 에이전트가 개발 전 단계에서 일관되게 따르도록 만든다. 개발 흐름을 DEFINE → PLAN → BUILD → VERIFY → REVIEW → SHIP의 6단계로 나누고, 각 단계에 대응하는 슬래시 커맨드를 제공한다.

주요 특징

  • 9개의 슬래시 커맨드: /spec, /plan, /build, /test, /constraints, /review, /webperf, /code-simplify, /ship
  • /build auto 모드: 스펙만 있으면 계획 생성과 전체 태스크 구현을 한 번의 승인으로 자율 실행하되, 각 태스크는 테스트 주도로 개별 커밋되고 위험 단계에서는 정지
  • 자동 활성화: API 설계 시 api-and-interface-design, UI 구축 시 frontend-ui-engineering처럼 작업 맥락에 따라 스킬이 트리거
  • 설치 채널: npx skills add addyosmani/agent-skills(25개 스킬 전체), --skill 플래그로 개별 설치, Claude Code 플러그인 마켓플레이스 지원
  • 개별 스킬 설치는 저장소 루트의 references/를 복사하지 않아 공유 체크리스트를 쓸 수 없다는 이식성 한계가 이슈로 추적 중

개발자에게 의미하는 것 “에이전트가 만든 코드를 어떻게 믿을 것인가"에 대한 실무적인 답을 담고 있다. 스펙 우선, 테스트가 곧 증거, 최적화 전 측정 같은 원칙을 커맨드 단위로 강제할 수 있다는 게 핵심이다.

diagram-design

문서와 블로그에 바로 붙일 수 있는 에디토리얼 품질 다이어그램을 생성하는 에이전트 스킬.

  • GitHub: diagram-design
  • 언어/스택: HTML + SVG (외부 의존성 없음), Agent Skills 호환 호스트
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code, Codex, Factory Droid, Pi 및 Agent Skills 호환 호스트에서 쓰는 다이어그램 생성 스킬이다. 사이트 톤과 맞지 않는 뚱뚱한 둥근 박스 그림에 지친 저자가 직접 만든 것으로, 웹사이트를 읽어 브랜드 색상과 타이포에 맞는 다이어그램을 60초 내에 만들어낸다. Mermaid나 Figma 작업 없이 문서에 바로 붙일 수 있는 정적 결과물을 목표로 하며, draw.io·Mermaid·Excalidraw 소스를 지정한 포맷과 크기로 다시 그려주는 리드로우 기능도 제공한다.

주요 특징

  • 30종 이상의 다이어그램 타입: 아키텍처, 플로우차트, 시퀀스, 상태 머신, ER, 타임라인, 스윔레인, 사분면, 플라이휠, 조직도, 퍼널 등
  • 2.5.10에서 추가된 레이아웃 문법 10종: Sankey, fishbone, Wardley map, kanban, user journey, deployment, dependency graph, UML class, story map, database schema
  • 세 가지 정적 변형: minimal light, minimal dark, full-editorial
  • 의미론적 시스템 패턴: 레이아웃과 동작을 분리해 큐·정책 추적·신뢰 경계 같은 개념을 타입 추가 없이 표현
  • 빌드 스텝 없음, JavaScript 없음, 외부 이미지 의존성 없음

개발자에게 의미하는 것 기술 문서의 시각적 품질은 종종 뒷전으로 밀리는데, 이 스킬은 그 작업을 자동화 파이프라인 안으로 끌어들인다. 블로그나 아키텍처 문서를 꾸준히 쓰는 팀이라면 체감 효과가 큰 종류의 도구다.

REA: Reverse Engineer Anything

바이너리부터 웹사이트까지 리버스 엔지니어링을 하나의 MCP 서버로 감싼 에이전트 도구.

무엇을 하는 프로젝트인가? 바이너리, 애플리케이션, 런타임 동작을 아우르는 리버스 엔지니어링용 단일 MCP(Model Context Protocol) 서버다. 에이전트가 소스 코드 없이도 앱의 특정 기능이 어떻게 동작하는지 조사하고, 사용자 프로젝트에 맞는 버전을 구현할 수 있도록 돕는 것이 목적이다. “마음에 드는 기능을 발견했다면, 바이너리 레벨까지 어떻게 동작하는지 이해하라"는 컨셉을 내세운다. 모든 분석은 로컬에서 수행되며 각 결론에 근거(evidence)와 한계(limitations)를 함께 제시한다.

주요 특징

  • npx rea-agents setup으로 사용 중인 AI 에이전트에 REA를 등록하고 워크플로 지침까지 함께 설치
  • 네이티브 바이너리, JavaScript/Electron 앱, .NET 어셈블리, 웹사이트를 모두 분석 대상으로 지원
  • 기존에 설치된 Hopper, Ghidra, IDA를 분석 엔진으로 활용(승인 시 Hopper 자동 설치 가능)
  • 정적 JavaScript 분석은 별도 네이티브 엔진 없이 동작
  • 에이전트 없이 CLI에서도 동일한 도구를 그대로 사용 가능

개발자에게 의미하는 것 리버스 엔지니어링 워크플로를 에이전트에 위임하는 실험적인 접근이다. 다만 대상 소프트웨어의 라이선스와 법적 제약을 반드시 확인해야 하고, 근거와 한계를 함께 출력하는 설계 자체는 분석 결과를 맹신하지 않게 만드는 좋은 장치다.

OpenCodeReview

알리바바 내부에서 검증된 AI 코드 리뷰 CLI, 이제 오픈소스로.

  • GitHub: OpenCodeReview
  • 언어/스택: Go, npm(@alibaba-group/open-code-review), Windows/macOS/Linux
  • 카테고리: DevOps

무엇을 하는 프로젝트인가? 알리바바 그룹이 공개한 AI 기반 코드 리뷰 CLI다. 원래 사내 공식 AI 코드 리뷰 어시스턴트로 출발해 지난 2년간 수만 명의 개발자가 사용하고 수백만 건의 코드 결함을 식별하며 검증된 뒤 커뮤니티용으로 분리됐다. 모델 엔드포인트만 설정하면 바로 쓸 수 있다는 게 특징이다. Git diff를 읽어 변경 파일을 LLM에 보내고 라인 단위 정밀도의 구조화된 리뷰 코멘트를 생성한다.

주요 특징

  • 도구 사용(Tool-use) 에이전트: 전체 파일 내용을 읽고 코드베이스를 검색하며 다른 변경 파일까지 확인해 문맥을 파악한 뒤 심층 리뷰
  • ocr scan으로 전체 파일 스캔: 의미 있는 diff가 없는 디렉터리나 낯선 코드베이스 감사에 활용
  • 유연한 모델 연동: 설정으로 다양한 LLM 엔드포인트 연결
  • Claude Code, Codex, Cursor, Kimi Code 등 에이전트 환경 지원, 문서는 영어·중국어·일본어·한국어·러시아어 제공
  • OpenSSF Best Practices Gold 배지 획득

개발자에게 의미하는 것 diff 수준 피드백을 넘어 코드베이스 맥락을 읽는 리뷰를 CI에 얹을 수 있다는 점이 차별점이다. 낯선 레거시 코드베이스에 처음 투입됐을 때 감사 도구로도 쓸 수 있다.

ArtCraft

“The IDE for artists” — 인터랙티브 AI 이미지·비디오 생성을 위한 데스크톱 IDE.

  • GitHub: ArtCraft
  • 언어/스택: 데스크톱 애플리케이션(설치형 IDE), 2D/3D 합성 파이프라인
  • 카테고리: AI

무엇을 하는 프로젝트인가? 프롬프트 입력 방식에서 벗어나 아티스트가 장면을 직접 ‘만들고’ 재현 가능한 결과물을 얻도록 돕는 이미지·비디오 생성용 IDE다. 구도(composition), 캐릭터 정체성(identity), 카메라 배치에 대한 제어권을 아티스트에게 돌려주는 것이 핵심 철학이며, “생성하기 전에 장면을 먼저 구축하라"는 접근을 취한다.

주요 특징

  • Image to Location: 가상의 액터를 일관된 환경에 배치하고 같은 공간에서 여러 샷을 미리 계획
  • 3D Image Compositing: 배경·전경·소품을 3D 공간에 레이어링해 깊이 있는 구도 구성
  • 2D Image Compositing: 이미지 레이어, 배경 제거, 드로잉 도구로 장면 합성
  • Image to 3D Mesh: 2D 이미지를 위치·회전·프레이밍이 가능한 3D 오브젝트로 변환
  • 작업에 맞는 AI 모델을 선택할 수 있는 모델 유연성 제공

개발자에게 의미하는 것 AI 생성 도구가 ‘랜덤 뽑기’에서 ‘저작 도구’로 이동하는 흐름을 보여준다. README가 표와 영상 중심의 Show, Don’t Tell 방식이라 실제 사용 전에는 기능별 데모 영상을 함께 확인하는 편이 좋다.

LingBot-Map

반복 최적화 없이 단일 순전파로 스트리밍 3D 재구성을 수행하는 피드포워드 3D 파운데이션 모델.

무엇을 하는 프로젝트인가? Robbyant Team이 공개한 피드포워드 방식의 3D 파운데이션 모델로, 연속 프레임이 들어오는 스트리밍 환경에서의 3D 재구성을 목표로 한다. 반복적인 최적화 없이 단일 순전파만으로 카메라 포즈 추정과 기하 재구성을 수행하는 것이 핵심이며, 논문과 프로젝트 웹사이트, HuggingFace·ModelScope 모델 페이지를 함께 제공한다. 라이선스는 Apache-2.0이다.

주요 특징

  • Geometric Context Transformer: anchor context, pose-reference window, trajectory memory를 활용해 좌표 정합·조밀한 기하 단서·장거리 드리프트 보정을 하나의 스트리밍 프레임워크로 통합
  • 고효율 추론: paged KV cache attention 기반으로 518×378 해상도에서 약 20 FPS, 10,000 프레임을 넘는 긴 시퀀스 처리
  • 인터랙티브 데모 demo.py: 키프레임 간격 지정, 3,000 프레임 이상 장기 시퀀스용 윈도우 추론, 스카이 마스킹, 시각화 옵션 제공
  • 오프라인 렌더링 파이프라인 demo_render/batch_demo.py 별도 제공

개발자에게 의미하는 것 스트리밍 3D 재구성에서 속도와 드리프트 보정을 동시에 잡으려는 시도로, 로보틱스·AR·장시간 캡처 파이프라인을 다루는 팀에 직접적인 참고가 된다. 긴 시퀀스에서는 윈도우 기반 추론을 쓰는 것이 권장된다.

AnyPS5

PS5용 실행 파일을 Linux와 Windows 네이티브 바이너리로 변환하는 재링킹 도구.

  • GitHub: AnyPS5
  • 언어/스택: C++ (relinker, 시스템 라이브러리, 셰이더 리컴파일러), SPIR-V, SDL
  • 카테고리: 시스템

무엇을 하는 프로젝트인가? PS5용 실행 파일을 Linux 및 Windows로 자동 포팅하는 도구다. 에뮬레이션이나 별도 런타임 프로세스를 쓰지 않고, 실행 파일을 대상 시스템의 네이티브 형식으로 변환하는 relinker와 동적 링킹에 필요한 시스템 prx 라이브러리 구현을 포함한다. 상호운용성·연구·보존·호환성 목적의 프로젝트이며, 저작권이 있는 소프트웨어나 펌웨어, 암호화 키, 독점 라이브러리를 포함·배포하지 않는다고 명시한다.

주요 특징

  • relinker(core/relinker)로 실행 파일을 타깃 OS 네이티브 바이너리로 변환
  • 동적 링킹을 위한 PS5 시스템 prx 라이브러리 구현(core/libs/prx)
  • 셰이더 리컴파일러가 SPIR-V를 생성하며, ANYPS5_ENABLE_SPIRV_TOOLS 빌드 옵션으로 Spirv-Tools 검증 가능
  • SDL 기반 게임 컨트롤러(아날로그 스틱·트리거) 지원, anyps5-input.ini로 키보드/마우스 매핑 구성
  • games compatibility 문서로 검증된 게임 목록 제공, 진행률은 GitHub Pages 배지와 progress.svg로 확인

개발자에게 의미하는 것 에뮬레이션 대신 바이너리 재링킹이라는 경로를 택한 흥미로운 접근이다. 다만 사용하는 바이너리의 적법성과 라이선스를 사용자가 직접 준수해야 하며, 라이선스는 GPLv2 전용이다.

SwiftUI-Agent-Skill (SwiftUI Pro)

AI 어시스턴트가 더 안전하고 최신인 SwiftUI 코드를 쓰도록 돕는 에이전트 스킬.

  • GitHub: SwiftUI-Agent-Skill
  • 언어/스택: SwiftUI, Swift 6.4+, iOS 26+, Markdown 기반 SKILL.md, Agent Skills 포맷
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code, Codex, Gemini, Cursor 등 AI 코딩 어시스턴트가 더 간결하고 최신인 SwiftUI 코드를 작성하도록 돕는 스킬이다. LLM이 자주 저지르는 SwiftUI 실수 — 버튼이 VoiceOver에서 보이지 않게 만들거나, deprecated API를 쓰거나, 예상치 못한 성능 문제를 일으키는 코드 — 를 줄이는 것이 목적이다. API 사용법, 디자인, 성능, 접근성에 대한 지침을 내비게이션, 레이아웃, 애니메이션, 상태 관리, VoiceOver 항목까지 포함해 제공한다.

주요 특징

  • Agent Skills 형식을 사용하며 기존 AGENTS.md 파일을 기반으로 함
  • 설치: npx skills add https://github.com/twostraws/swiftui-agent-skill --skill swiftui-pro 또는 Claude Code 플러그인 마켓플레이스 명령
  • 호출: Claude Code에서 /swiftui-pro, Codex에서 $swiftui-pro, 자연어 호출도 가능
  • SwiftData Pro, Swift Concurrency Pro, Swift Testing Pro 등 관련 스킬과 Swift Agent Skills 모음 존재
  • 기여 시 토큰 비용을 고려해 Markdown을 간결하게 유지하고, LLM이 이미 아는 내용을 반복하지 말 것을 권장

개발자에게 의미하는 것 에이전트가 특정 프레임워크에서 반복적으로 틀리는 지점을 스킬 파일 하나로 교정하는 패턴의 좋은 예다. iOS 개발팀이라면 코드 리뷰에서 잡아내던 접근성·deprecated API 문제를 생성 단계에서 줄일 수 있다.

오늘의 한 줄 정리

오늘 트렌딩의 절반이 “에이전트에게 무엇을 어떻게 가르칠 것인가"에 관한 프로젝트였다는 점이 인상적이다 — 프롬프트 엔지니어링이 스킬·플러그인이라는 재사용 가능한 배포 단위로 굳어지는 중이다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.