도입부

오늘 트렌딩은 크게 두 갈래로 갈렸다. 한쪽은 AI 에이전트를 실무에 붙이는 “스킬·플러그인” 계열(REA, diagram-design, context-mode, mattpocock/skills, karpathy-skills)이 강세를 보였고, 다른 한쪽은 TensorFlow·PyTorch·Transformers·Flutter 같은 대형 프레임워크가 다시 순위에 오르며 기본 체력이 확인됐다. 그중에서도 눈에 띄는 건 리버스 엔지니어링을 MCP 서버로 통합한 REA와, PS5 실행 파일을 네이티브로 포팅하는 AnyPS5다.

morluto/rea — REA: Reverse Engineer Anything

바이너리·앱·런타임 분석을 하나의 MCP 서버로 묶어 AI 에이전트가 리버스 엔지니어링을 수행하게 만드는 도구

  • GitHub: morluto/rea
  • 언어/스택: Node.js, MCP(Model Context Protocol), Hopper/Ghidra/IDA 브릿지
  • 카테고리: 보안

무엇을 하는 프로젝트인가? REA는 네이티브 바이너리, JavaScript/Electron 앱, .NET 어셈블리, 웹사이트 분석을 하나의 MCP 서버로 통합한다. Claude 같은 LLM 기반 에이전트를 Hopper·Ghidra·IDA 같은 기존 리버스 엔지니어링 엔진에 연결해, 소스 코드가 없는 앱의 특정 기능이 어떻게 동작하는지 조사하고 근거와 함께 설명한 뒤 사용자 프로젝트에 맞는 버전으로 재구현하도록 돕는다. 분석은 전부 로컬에서 수행되며 결과에는 evidence와 limitations가 함께 붙어 해석의 신뢰도를 높인다.

주요 특징

  • 네이티브 바이너리, Electron 앱, .NET 어셈블리, 웹사이트까지 폭넓은 분석 대상 지원
  • MCP 도구 카탈로그를 제공해 에이전트가 다양한 분석 워크플로우를 직접 실행
  • npx rea-agents setup으로 설치하며 에이전트에 REA를 자동 등록하고 워크플로우 지침까지 설치
  • 모든 처리가 로컬 환경에서 이뤄져 데이터가 외부로 나가지 않음
  • MIT 라이선스, 다국어 README(영어·한국어·중국어·일본어 등) 지원

개발자에게 의미하는 것 “이 앱은 어떻게 이렇게 동작하지?“를 소스 없이 파악해야 하는 상황에서, LLM의 요약 능력과 전통적인 RE 도구를 연결해주는 실용적인 다리 역할을 한다. 상호운용성 연구나 레거시 분석 자동화에 바로 투입해볼 수 있다.

boykopovar/AnyPS5

PS5 실행 파일을 에뮬레이션 없이 Linux·Windows 네이티브 형식으로 변환하는 포팅 도구

  • GitHub: boykopovar/AnyPS5
  • 언어/스택: C++, SPIR-V / Spirv-Tools, SDL
  • 카테고리: 시스템

무엇을 하는 프로젝트인가? AnyPS5는 PS5 실행 파일을 Linux 및 Windows로 자동 포팅하기 위한 도구다. 에뮬레이터나 별도 런타임 프로세스 없이 실행 파일을 대상 시스템의 네이티브 형식으로 변환하는 relinker와, 동적 링크에 적합한 시스템 prx 라이브러리 구현을 포함한다. 즉 “가상 머신 위에서 흉내내는” 방식이 아니라 “그 플랫폼의 실행 파일로 다시 엮는” 접근이다.

주요 특징

  • relinker를 통한 실행 파일 변환과 동적 링크용 시스템 라이브러리 제공
  • SPIR-V를 생성하는 셰이더 리컴파일러(Spirv-Tools로 검증 가능)
  • SDL 기반 게임 컨트롤러 지원(아날로그 스틱·트리거 포함), anyps5-input.ini로 키보드/마우스 매핑
  • Dreaming Sarah(2D 플랫폼 게임)가 GTX 1050 Ti / i5-7500 환경에서 60fps로 동작 확인
  • GPL v2 라이선스, 상호운용성·연구·보존 목적을 명시하며 저작권 소프트웨어나 암호화 키를 배포하지 않음

개발자에게 의미하는 것 에뮬레이션 계층 없이 네이티브로 옮긴다는 발상 자체가 흥미롭고, 호환성 연구나 소프트웨어 보존 쪽에서 참고할 만한 아키텍처를 보여준다. 사용 시에는 대상 바이너리의 라이선스 준수 책임이 사용자에게 있다.

storytold/artcraft

구도와 캐릭터, 카메라를 직접 설계하는 “예술가를 위한 IDE"형 AI 이미지·영상 제작 도구

  • GitHub: storytold/artcraft
  • 언어/스택: 데스크톱 애플리케이션(소스 빌드 경로 제공), 상세 스택은 _docs/dev_setup.md 참고
  • 카테고리: AI

무엇을 하는 프로젝트인가? ArtCraft는 단순 프롬프트 입력을 넘어, 작가가 구도와 캐릭터 정체성, 카메라 배치를 직접 통제할 수 있도록 하는 인터랙티브 AI 이미지·영상 제작 도구다. 결과물을 뽑기 전에 장면을 먼저 “설계하고 만드는(crafting)” 워크플로우를 지향하며, 작업에 맞는 AI 모델을 선택해 재현 가능한 결과를 얻는 것을 목표로 한다.

주요 특징

  • Image to Location: 일관된 환경에 가상 액터를 배치하고 같은 공간에서 여러 샷을 계획
  • 3D Image Compositing: 배경·전경·소품을 3D 공간에 레이어링해 깊이감 있는 구도 구성
  • 2D Image Compositing: 이미지 레이어, 배경 제거, 드로잉 도구로 2D 장면 합성
  • Image to 3D Mesh: 이미지를 위치·회전·프레이밍 가능한 3D 오브젝트로 변환
  • 공식 사이트(getartcraft.com)와 GitHub Releases, 소스 빌드 세 가지 배포 경로 제공

개발자에게 의미하는 것 생성형 이미지 도구를 “한 번 뽑고 마는” 방식이 아니라 반복 편집 가능한 파이프라인으로 다루려는 시도로, 창작 도구를 직접 만들거나 이미지 생성 워크플로우를 자동화하려는 팀에 참고가 된다.

cathrynlavery/diagram-design

자연어 한 줄로 브랜드에 맞는 다이어그램을 단일 HTML+SVG 파일로 뽑아주는 Agent Skill

  • GitHub: cathrynlavery/diagram-design
  • 언어/스택: 자체 포함형 HTML + 인라인 SVG, Agent Skills 규격, npx skills CLI
  • 카테고리: AI

무엇을 하는 프로젝트인가? diagram-design은 AI 에이전트가 브랜드 스타일에 맞는 다이어그램을 하나의 독립 실행형 HTML + SVG 파일로 그려내도록 돕는 Agent Skill이다. “내 앱 아키텍처 다이어그램을 만들어줘"처럼 자연어로 요청하면 에이전트가 다이어그램 유형을 스스로 고르고 계획을 밝힌 뒤, 더블클릭만으로 열리는 .html 파일 하나를 생성한다. 그림자나 과한 장식을 배제한 editorial 스타일을 지향한다.

주요 특징

  • 아키텍처·플로우·시퀀스·사분면·타임라인 등 44종 다이어그램 유형 지원
  • 브랜드 온보딩: 사이트를 지정하면 팔레트와 폰트를 추출해 이후 모든 다이어그램에 적용
  • draw.io, Mermaid, Excalidraw 가져오기와 PNG/SVG 내보내기 지원
  • 외부 의존성 없는 단일 HTML 파일 출력으로 공유·보관이 간편
  • Cursor, Claude Code, Codex, GitHub Copilot, Gemini CLI 등 Agent Skills를 읽는 호스트 전반에서 동작, MIT 라이선스

개발자에게 의미하는 것 설계 문서에 들어갈 다이어그램을 매번 손으로 그리는 대신, 프로젝트 스타일에 맞춘 결과물을 즉시 뽑아낼 수 있다. 문서·아키텍처 리뷰 자동화에 붙이기 좋은 스킬이다.

mksglu/context-mode

대용량 출력이 애초에 컨텍스트에 들어가지 않도록 제어하는 “컨텍스트 문제의 나머지 절반”

  • GitHub: mksglu/context-mode
  • 언어/스택: Node.js npm 패키지, 에이전트 플러그인 형태 배포
  • 카테고리: AI

무엇을 하는 프로젝트인가? context-mode는 AI 코딩 에이전트 사용 시 컨텍스트 윈도우가 불필요한 대용량 출력과 파일 내용으로 빠르게 소진되는 문제를 다룬다. 기존의 컨텍스트 “압축·요약” 계열 접근이 채우는 앞의 절반을 전제로, 이 프로젝트는 애초에 컨텍스트에 들어가지 않도록 제어하는 나머지 절반을 담당한다.

주요 특징

  • 파일 읽기·검색·명령 실행 등 도구 호출에서 발생하는 대용량 출력을 그대로 적재하지 않고 우회·축약 처리
  • 프로젝트 단위 컨텍스트 모드 설정으로 에이전트가 참조할 정보의 범위와 양을 제어
  • 플러그인/확장 형태로 기존 워크플로에 결합되어 별도 코드 수정 없이 적용
  • Hacker News 1위(570+ 포인트) 기록, 다수 조직 팀에서 사용된다고 README에 소개
  • Elastic License 2.0(ELv2) — 소스 공개형이지만 OSI 승인 오픈소스는 아니며 호스팅 재판매 등에 제약

개발자에게 의미하는 것 에이전트가 터무니없이 긴 로그나 파일을 통째로 삼켜버리는 상황을 줄여주는, 실전형 컨텍스트 관리 도구다. 라이선스 조건만 확인하면 장시간 세션을 운영하는 팀에 체감 효과가 큰 편이다.

mattpocock/skills — Skills For Real Engineers

특정 모델에 종속되지 않는, 작고 조합 가능한 실무형 엔지니어링 스킬 모음

  • GitHub: mattpocock/skills
  • 언어/스택: 에이전트 플러그인/스킬 생태계, npx skills@latest CLI
  • 카테고리: AI

무엇을 하는 프로젝트인가? Matt Pocock가 공개한 에이전트 스킬 모음으로, “바이브 코딩"이 아니라 실제 애플리케이션 개발을 엄격하게 진행하기 위한 실무 지향 도구집합이다. GSD, BMAD, Spec-Kit 같은 기존 접근이 프로세스를 대신 관리하는 대신 통제권을 빼앗는다고 보고, 그 반대로 작고 쉽게 수정하며 조합 가능한 스킬을 지향한다.

주요 특징

  • 모델 독립적: 특정 LLM에 종속되지 않고 어떤 모델과도 동작
  • /setup-matt-pocock-skills로 저장소마다 한 번 이슈 트래커·라벨·문서 위치를 대화형 설정
  • /triage로 설정한 라벨을 활용해 티켓 분류
  • GitHub, GitLab, 로컬 파일 등 원하는 이슈 트래커 연동
  • Claude Code, Codex, GitHub Copilot, Gemini CLI 등 에이전트별 설치 경로 제공(중복 설치 시 스킬이 겹치므로 하나만 권장)

개발자에게 의미하는 것 AI가 프로세스를 지배하는 대신 개발자가 통제권을 유지하는 워크플로를 원하는 팀에 적합하다. 코드를 직접 뜯어고쳐 자기 팀 스킬로 만드는 것이 전제된 설계라는 점이 핵심이다.

flutter/flutter

단일 코드베이스로 모바일·웹·데스크톱을 커버하는 Google의 오픈소스 UI SDK

  • GitHub: flutter/flutter
  • 언어/스택: Flutter SDK, Dart SDK
  • 카테고리: 프론트엔드

무엇을 하는 프로젝트인가? Flutter는 iOS, Android, 웹, Windows, macOS, Linux용 아름답고 빠른 사용자 경험을 하나의 코드베이스로 만들 수 있게 하는 오픈소스 SDK다. 기존 코드와 함께 사용할 수 있고 전 세계 개발자와 조직이 채택하고 있다.

주요 특징

  • 화면의 모든 픽셀을 제어할 수 있는 계층형 아키텍처
  • 그래픽·비디오·텍스트·컨트롤을 제한 없이 오버레이하고 애니메이션할 수 있는 합성 기능
  • Cupertino 및 Material 위젯 세트 기본 제공
  • 사용자 정의 또는 완전히 새로운 시각 컴포넌트 생성 지원
  • Flutter 도구는 Dart SDK를 사용해 실행되며, Google 서버에서 리소스를 다운로드할 수 있음

개발자에게 의미하는 것 플랫폼별로 UI를 따로 구현하지 않고 하나의 렌더링 파이프라인으로 가져가려는 팀의 기본 선택지다. 커스텀 디자인 시스템을 코드로 직접 구현해야 하는 경우에도 유연성이 크다.

tensorflow/tensorflow

연구와 프로덕션을 아우르는 엔드투엔드 오픈소스 머신러닝 플랫폼

무엇을 하는 프로젝트인가? TensorFlow는 구글 브레인 팀이 머신러닝 및 신경망 연구를 위해 개발한 엔드투엔드 ML 플랫폼이다. 연구자가 최신 ML 기술을 탐구하고 개발자가 ML 기반 애플리케이션을 구축·배포할 수 있도록 도구, 라이브러리, 커뮤니티 리소스 생태계를 제공한다.

주요 특징

  • 안정적인 Python 및 C++ API 제공(다른 언어는 후방 호환성 미보장 API)
  • CUDA 기반 GPU 지원(Ubuntu/Windows), DirectX·macOS Metal용 디바이스 플러그인
  • pip install tensorflow 및 경량 CPU 전용 tensorflow-cpu, 야간 빌드(tf-nightly) 제공
  • Docker 컨테이너 및 소스 빌드 지원
  • CII Best Practices, OpenSSF Scorecard, OSS-Fuzz 퍼징 등 보안·품질 관리 체계 운영

개발자에게 의미하는 것 모델 학습부터 서빙까지 한 생태계에서 처리하려는 팀에게 여전히 가장 넓은 선택지다. 배포 대상이 다양할수록 GPU·디바이스 플러그인 지원 폭이 실질적인 이점이 된다.

hugohe3/ppt-master

문서나 주제만 주면 편집 가능한 네이티브 PPTX를 생성하는 오픈소스 도구

  • GitHub: hugohe3/ppt-master
  • 언어/스택: 에이전트 스킬/워크플로우 기반, PPTX 네이티브 생성 파이프라인
  • 카테고리: AI

무엇을 하는 프로젝트인가? PPT Master는 PDF·DOCX·웹 페이지 같은 문서나 단순한 주제만 입력해도 AI가 내용을 이해하고 논리를 정리한 뒤, 실제 파워포인트에서 바로 편집 가능한 네이티브 PPTX 파일을 생성한다. 템플릿에 텍스트를 채워 넣는 수준이 아니라 슬라이드 마스터, 네이티브 도형, 데이터 기반 차트와 표까지 갖춘 결과물을 지향한다.

주요 특징

  • 문서의 핵심을 파악해 발표 흐름(narrative)을 구성하고 슬라이드로 설계
  • 납작한 텍스트 상자가 아닌 슬라이드 마스터·네이티브 도형·데이터 연결 차트/표 출력
  • 레이아웃 배치보다 주장과 근거의 구조를 먼저 세우는 논리 우선 설계
  • 사용자 로컬 환경에서 생성이 이루어져 데이터가 외부로 나가지 않음
  • MIT 라이선스, 영어·중국어 README 지원

개발자에게 의미하는 것 “편집 가능함"을 넘어 “네이티브 깊이"를 강조한다는 점이 차별점으로, 발표 자료를 코드처럼 반복 개선하려는 워크플로에 잘 맞는다. 기술 발표 자료 자동화에 특히 유용하다.

pytorch/pytorch

GPU 가속 텐서 연산과 tape 기반 autograd 위에 세워진 딥러닝 연구 플랫폼

  • GitHub: pytorch/pytorch
  • 언어/스택: Python 중심, NVIDIA CUDA / AMD ROCm / Intel GPU, Cython·Numba 연동
  • 카테고리: AI

무엇을 하는 프로젝트인가? PyTorch는 GPU 가속을 지원하는 NumPy 스타일 텐서 연산과 tape 기반 autograd 시스템 위에 구축된 심층 신경망이라는 두 가지 고수준 기능을 제공하는 Python 패키지다. NumPy, SciPy, Cython 등 기존 패키지와 함께 사용하거나 확장할 수 있다.

주요 특징

  • torch(GPU 지원 텐서 라이브러리), torch.autograd(tape 기반 자동 미분), torch.nn(신경망 라이브러리), torch.multiprocessing(프로세스 간 텐서 메모리 공유)
  • 동적 신경망 구조로 네트워크 동작을 임의로 바꿔도 지연·오버헤드가 거의 없음
  • Python 우선 설계로 NumPy/SciPy/scikit-learn처럼 자연스럽게 사용
  • 소스 빌드, NVIDIA Jetson용 바이너리, Docker 이미지(사전 빌드 또는 직접 빌드) 제공
  • CI 상태는 hud.pytorch.org에서 확인 가능

개발자에게 의미하는 것 연구 단계에서 구조를 자주 바꿔야 하는 실험이라면 여전히 가장 유연한 축이다. 명령형 스타일에 익숙한 팀이라면 학습 곡선 없이 바로 생산적인 작업이 가능하다.

huggingface/transformers

텍스트·비전·오디오·비디오·멀티모달을 아우르는 사전학습 모델 라이브러리

  • GitHub: huggingface/transformers
  • 언어/스택: Python, PyTorch / TensorFlow / JAX, tokenizers·safetensors·ONNX
  • 카테고리: AI

무엇을 하는 프로젝트인가? Hugging Face Transformers는 텍스트, 컴퓨터 비전, 오디오, 비디오 및 멀티모달 모델을 위한 최신 사전학습 모델 라이브러리이자 모델 정의 프레임워크다. 추론과 학습 모두에서 최신 ML 모델을 쉽게 쓰게 하고, 생태계 전반에서 모델 정의를 일관되게 공유하는 것을 목적으로 한다.

주요 특징

  • 다양한 사전학습 모델 체크포인트와 통일된 API로 로드·추론·파인튜닝
  • 텍스트·비전·오디오·비디오·멀티모달 태스크 지원
  • Hugging Face Hub 연동 및 다국어 문서 제공
  • PyTorch, TensorFlow, JAX 등 주요 딥러닝 프레임워크 지원
  • Apache 2.0 라이선스, Contributor Covenant v2.0 행동 강령 적용

개발자에게 의미하는 것 프레임워크 선택과 무관하게 같은 모델 정의를 공유할 수 있다는 게 실질적인 힘이다. 파인튜닝 파이프라인을 새로 짤 때 가장 먼저 확인하게 되는 진입점이기도 하다.

anthropics/knowledge-work-plugins

Claude를 역할·팀·회사에 맞춘 전문가로 만들어 주는 11개 오픈소스 플러그인

  • GitHub: anthropics/knowledge-work-plugins
  • 언어/스택: Claude Cowork / Claude Code 플러그인 시스템, 마크다운 기반 스킬·커넥터·슬래시 커맨드
  • 카테고리: AI

무엇을 하는 프로젝트인가? Knowledge Work Plugins는 Claude가 사용자가 원하는 방식으로 작업하고, 필요한 도구·데이터를 연동하며, 중요한 워크플로우를 처리하도록 만들어 주는 플러그인 모음이다. Claude Cowork용으로 제작됐고 Claude Code와도 호환되며, Anthropic이 자체 업무에서 영감을 받아 만든 11개 플러그인을 오픈소스로 공개한 것이다.

주요 특징

  • 생산성, 영업, 고객 지원, 제품 관리, 마케팅, 법무, 재무, 데이터, 엔터프라이즈 검색, 바이오 연구, 플러그인 관리 등 11개 직무별 번들
  • 각 플러그인이 스킬·커넥터·슬래시 커맨드·서브 에이전트를 함께 제공
  • Slack, Notion, Jira, HubSpot, Snowflake 등 외부 도구와 커넥터로 연동
  • Cowork에서는 claude.com/plugins로, Claude Code에서는 마켓플레이스 추가 후 claude plugin install로 설치
  • 회사의 도구·용어·프로세스에 맞게 커스터마이징 가능

개발자에게 의미하는 것 사내 업무 자동화를 만들 때 “어떤 스킬을 어떤 단위로 쪼갤 것인가"에 대한 참고 구현이 된다. cowork-plugin-management 플러그인으로 새 플러그인을 직접 만들어 조직에 맞게 확장할 수 있다.

multica-ai/andrej-karpathy-skills

LLM 코딩 도구의 실패 패턴을 겨냥한 단일 CLAUDE.md 규약

무엇을 하는 프로젝트인가? LLM 기반 코딩 도구의 문제점으로 지적된 사항들을 해결하기 위해 만든 단일 CLAUDE.md 파일 기반의 Claude Code 가이드라인 프로젝트다. 별도 코드나 라이브러리가 아니라, 에이전트의 행동 방식을 교정하기 위한 프롬프트·규칙 문서 세트로 구성되어 있다.

주요 특징

  • Think Before Coding: 가정하지 않고 혼란을 숨기지 않으며 트레이드오프를 드러냄, 불확실하면 추측 대신 질문
  • Simplicity First: 문제를 해결하는 최소한의 코드만 작성, 100줄이면 될 일을 1000줄로 부풀리는 것 배제
  • Surgical Changes: 반드시 필요한 부분만 수정하고, 깨지지 않은 것·기존 데드 코드는 함부로 건드리지 않음
  • Goal-Driven Execution: “검증 추가” 대신 “잘못된 입력 테스트 작성 후 통과"처럼 성공 기준을 정의하고 반복
  • 영어·중국어 README 지원, 재사용 가능한 스킬로 에이전트를 실행/관리하는 Multica와 연관

개발자에게 의미하는 것 코드가 아니라 “행동 규약"이라는 형태로 문제를 푸는 접근이 인상적이다. CLAUDE.md를 프로젝트에 두기만 하면 에이전트의 과잉 구현과 무단 수정을 줄이는 효과를 기대할 수 있다.

오늘의 한 줄 정리: 오늘 트렌딩은 에이전트에 “무엇을 어떻게 시킬 것인가"를 정의하는 스킬·규약 계층(REA, diagram-design, context-mode, karpathy-skills)이 두드러졌고, 그 아래에서 TensorFlow·PyTorch·Transformers·Flutter라는 대형 기반이 다시 순위에 오르며 AI 스택의 상하단이 동시에 주목받았다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.