오늘 트렌딩은 “AI 에이전트를 위한 도구"와 “역공학·보존"이라는 두 축이 뚜렷하게 갈렸다. 에이전트에 스킬을 붙여주는 MCP/Agent Skills 계열(rea, diagram-design)과, 소스 코드가 공개되지 않은 대상의 내부를 들여다보는 프로젝트(AnyPS5, Apollo-11)가 나란히 올라왔다. 그중에서도 REA는 리버스 엔지니어링을 에이전트의 일상 워크플로로 끌어들이는 시도로, AirLLM은 4GB GPU에서 70B 모델을 돌리는 극한의 메모리 최적화로 눈에 띈다.

REA: Reverse Engineer Anything

소스 코드 없이 네이티브 바이너리·Electron 앱·.NET 어셈블리·웹사이트를 에이전트가 리버스 엔지니어링할 수 있게 해주는 MCP 도구 모음.

  • GitHub: morluto/rea
  • 언어/스택: Node.js / npm / npx, MCP(Model Context Protocol), 선택적 네이티브 분석 엔진(Hopper·Ghidra·IDA)
  • 카테고리: AI

무엇을 하는 프로젝트인가? REA는 에이전트와 터미널에서 애플리케이션의 동작 원리를 조사할 수 있도록 돕는 MCP 기반 도구 모음이다. 네이티브 바이너리, JavaScript/Electron 앱, .NET 어셈블리, 웹사이트를 대상으로 하며, 소스 코드 없이 “이게 어떻게 동작하는가"를 파악하는 것이 목적이다. 단순히 답만 주는 것이 아니라 증거와 한계를 함께 제시해서, 사용자가 원하는 기능을 자기 프로젝트에 직접 구현할 수 있도록 유도한다. 분석은 로컬에서 실행되고, 정적 JavaScript 분석은 별도 네이티브 엔진 없이도 동작한다.

주요 특징

  • 특징 1: npx rea-agents setup으로 REA MCP 서버와 워크플로 지침을 에이전트에 등록하는 방식이라, 별도 플러그인 설치 없이 기존 에이전트 환경에 얹을 수 있다.
  • 특징 2: Hopper, Ghidra, IDA 같은 기존 네이티브 분석 엔진을 그대로 활용하므로, 이미 도구를 쓰고 있는 사람은 새로 배울 것이 적다.
  • 특징 3: Claude Code, Codex, Cursor, Gemini CLI, Grok Build 등 다양한 에이전트를 지원해 특정 벤더에 종속되지 않는다. MIT 라이선스이며 설정 시 기존 구성은 백업된다.

개발자에게 의미하는 것 낯선 바이너리나 남이 만든 Electron 앱의 내부를 파악해야 할 때, 에이전트에게 그 조사를 위임할 수 있는 첫 번째 실용적 경로다. 리버스 엔지니어링을 특수 기술이 아니라 일상적인 개발 보조 작업으로 만들어 준다는 점에서 의미가 있다.

AnyPS5

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

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

무엇을 하는 프로젝트인가? AnyPS5는 실행 파일을 대상 시스템의 네이티브 형식으로 변환해 주는 도구로, 에뮬레이터나 별도 런타임 프로세스 없이 동작하는 것을 목표로 한다. PS5용 실행 파일을 Linux/Windows로 옮기는 것이 주 용도이며, 상호운용성·연구·보존·호환성이라는 목적을 명시하고 있다. 핵심은 relinker가 바이너리 포맷을 변환하고, 동적 링크에 적합한 시스템 PRX 라이브러리 구현체를 제공한다는 점이다. 셰이더 리컴파일러는 SPIR-V 생성을 지원하고, ANYPS5_ENABLE_SPIRV_TOOLS 빌드 옵션을 켜면 Spirv-Tools로 검증까지 수행한다.

주요 특징

  • 특징 1: 에뮬레이션이 아니라 정적/동적 링크 기반의 네이티브 실행을 지향하므로, 중간 계층의 오버헤드 없이 원본에 가까운 실행을 노린다.
  • 특징 2: SDL 기반 입력 매핑으로 아날로그 스틱·트리거를 지원하고, anyps5-input.ini 파일로 키보드/마우스 설정을 바꿀 수 있다.
  • 특징 3: GPL-2.0-only 라이선스이며, 저작권이 있는 소프트웨어나 펌웨어·암호화 키·독점 라이브러리를 포함/배포/요구하지 않는다는 면책 조항을 명시해 법적 경계를 분명히 했다.

개발자에게 의미하는 것 바이너리 포맷 변환과 relinking을 실제로 구현한 사례는, 임베디드나 콘솔 계열 저수준 개발자에게 좋은 레퍼런스가 된다. 다만 프로젝트 특성상 합법적인 상호운용성·연구 목적으로만 사용해야 하고, 각 지역 법규와 원본 소프트웨어 라이선스를 반드시 확인해야 한다.

ArtCraft

장면을 먼저 시각적으로 설계하고 생성하는, “아티스트를 위한 IDE” 표방 인터랙티브 AI 이미지·영상 도구.

  • GitHub: storytold/artcraft
  • 언어/스택: 데스크톱 애플리케이션 형태로 배포, 빌드 방법은 저장소 내 _docs/dev_setup.md 안내
  • 카테고리: AI

무엇을 하는 프로젝트인가? ArtCraft는 프롬프트를 한 줄 던지고 결과를 뽑는 방식에서 벗어나, 구도와 캐릭터 정체성, 카메라 배치를 먼저 직접 설계한 뒤 생성하는 ‘크래프팅(crafting)’ 워크플로를 지향한다. 이미지 생성 도구가 아니라, 만들기 전에 장면을 구성할 수 있게 해주는 인터랙티브 제작 환경이라는 점이 차별점이다. 결과물의 재현성과 반복 가능성을 시각적 도구로 확보하는 것이 핵심 목표다. 작업에 적합한 AI 모델을 사용자가 직접 고를 수 있도록 열어 둔 것도 특징이다.

주요 특징

  • 특징 1: 2D 레이어 기반 합성과 3D 공간 기반 합성을 모두 지원해, 배경·전경·소품을 3D로 배치하거나 2D에서 레이어·배경 제거·드로잉으로 장면을 구성할 수 있다.
  • 특징 2: “Image to Location"으로 가상 배우를 일관된 환경에 배치해 같은 공간에서 여러 샷을 계획할 수 있어, 장면 간 환경 일관성 유지에 유용하다.
  • 특징 3: “Image to 3D Mesh"로 이미지를 3D 오브젝트로 변환해 위치·회전·프레이밍을 정밀하게 제어할 수 있다.

개발자에게 의미하는 것 AI 생성 도구에서 “재현 가능한 결과"와 “사용자 주도 구성"을 어떻게 설계하는지 보여주는 사례다. 공식 사이트와 GitHub Releases로 배포되지만 README에 기술 스택이나 라이선스가 명시되어 있지 않으므로, 도입 전 저장소의 추가 문서를 확인하는 편이 좋다.

diagram-design

자연어 프롬프트만으로 브랜드에 맞는 다이어그램을 단일 HTML 파일로 만들어 주는 에이전트 스킬.

  • GitHub: cathrynlavery/diagram-design
  • 언어/스택: Agent Skills 규격(SKILL.md + references/, assets/, scripts/), HTML + 인라인 SVG, Node.js 기반 skills CLI
  • 카테고리: AI

무엇을 하는 프로젝트인가? Diagram Design은 에이전트에 붙이는 스킬로, 평문으로 요청하면 에이전트가 다이어그램 유형을 스스로 판단해 계획을 설명하고 결과물을 만들어 준다. 아키텍처·시퀀스·사분면·플로우 등 44종의 다이어그램 타입을 지원하며, “디자이너가 싫어하지 않는 에디토리얼 스타일"을 표방한다. Mermaid 같은 기존 도구의 투박한 결과물과 차별화하는 것이 목표다. 결과물은 외부 의존성 없는 단일 .html 파일이라 더블클릭만으로 브라우저에서 확인할 수 있다.

주요 특징

  • 특징 1: 브랜드 온보딩 기능으로 사이트 URL을 지정하면 팔레트와 폰트를 추출해 이후 모든 다이어그램에 브랜드 톤이 자동 반영된다.
  • 특징 2: Draw.io, Mermaid, Excalidraw 형식을 가져올 수 있고 PNG·SVG로 내보낼 수 있어 기존 다이어그램 자산과 연결된다.
  • 특징 3: npx skills add로 설치하며 Cursor, Claude Code, Codex, GitHub Copilot, Gemini CLI 등 Agent Skills를 읽는 다양한 호스트를 지원한다. 여러 스킬 루트가 감지되면 심볼릭 링크 또는 --copy 방식을 선택할 수 있고, Windows에서 Developer Mode가 꺼져 있으면 자동으로 복사 방식으로 폴백한다.

개발자에게 의미하는 것 문서화와 아키텍처 설명에 드는 시간을 크게 줄여 주는 실용 도구다. 에이전트 스킬 규격이 어떤 형태로 배포·설치되는지 참고할 수 있는 레퍼런스이기도 하다. MIT 라이선스이며, 공식 배포는 해당 저장소를 통해서만 이루어지므로 다른 이름으로 올라온 목록은 비공식 복사본임을 주의하자.

God’s Eye View

브라우저에서 돌아가는 첩보위성 시뮬레이터 스타일 3D 지구본. 전 세계 공개 데이터를 한 화면에 모은다.

  • GitHub: bilawalsidhu/gods-eye-view
  • 언어/스택: 브라우저 3D 애플리케이션, GLSL 셰이더, 음성 AI 에이전트, 레이어별 독립 모듈 데이터 계층, Pinokio 또는 터미널 로컬 실행
  • 카테고리: 데이터

무엇을 하는 프로젝트인가? God’s Eye View는 비행기 트랜스폰더, 선박 비컨, 궤도 요소, 지진계, 공공 카메라 등 이미 공개된 신호들을 하나의 3D 지구본에 통합해 세계 정세를 직관적으로 관찰·분석하게 해주는 로컬 환경이다. 금지된 콕핏 같은 화면이지만 실제로 쓰는 데이터는 모두 공개 데이터이며 코드 전체를 열람·확장할 수 있다. 데이터는 사용자 브라우저에서 로컬로 동작하고, 모든 레이어가 독립 모듈이라 기본 소스로 시작해 자신만의 소스를 추가할 수 있다. 제작자의 바이럴 YouTube 시리즈에서 출발한 프로젝트로, GitHub Trending 일간·주간 1위를 기록하기도 했다.

주요 특징

  • 특징 1: 실시간 지구본 레이어로 항공기·선박·위성·지진·교통·공공 CCTV를 표시하고, 추적 중인 항공기 안에 탑승한 듯한 콕핏 뷰와 대상 주변 250km 내 항공기 목록을 제공한다.
  • 특징 2: 음성 화이트보드로 말로 지구 위에 실제 경계 폴리곤과 마크·경로를 그릴 수 있고, 분석가 답변 기능으로 위성·데이터센터·댐은 물론 항공기·선박·화재·지진까지 개수 집계와 필터링, 순위화가 가능하다.
  • 특징 3: GLSL 센서 룩(CRT·NVG·FLIR/열영상·Noir·Snow)과 군사 HUD, 씬 디렉터까지 갖춰 단순 뷰어가 아니라 시네마틱 연출 도구에 가깝다. API 키 없이 시작할 수 있고, 선택적 키는 앱 내부에서 추가한다.

개발자에게 의미하는 것 공개 데이터만으로 이 정도의 실시간 시각화를 브라우저에서 구현할 수 있다는 것을 보여주는 사례다. 확장과 변형을 전제로 설계되어 있어, 데이터 소스를 붙이고 렌더링을 다루는 방식의 참고 자료로 쓸 수 있다. 다만 동봉된 데이터는 비상업적 용도이며 출처와 라이선스는 DATA_SOURCES.md에서 확인해야 한다.

PyTorch

GPU 가속 텐서 연산과 테이프 기반 자동 미분을 제공하는 오픈소스 머신러닝 프레임워크.

  • GitHub: pytorch/pytorch
  • 언어/스택: Python(핵심 부분은 C++/CUDA), NVIDIA CUDA · AMD ROCm · Intel GPU · NVIDIA Jetson 지원
  • 카테고리: AI

무엇을 하는 프로젝트인가? PyTorch는 GPU 가속을 지원하는 텐서 연산과 테이프 기반 자동 미분 시스템을 활용해 심층 신경망을 구축하는 두 가지 고수준 기능을 제공하는 머신러닝 프레임워크다. NumPy를 대체해 GPU 성능을 활용하는 동시에, 최대한의 유연성과 속도를 제공하는 딥러닝 연구 플랫폼 역할을 한다. NumPy, SciPy, Cython 같은 기존 Python 패키지와 자연스럽게 연동해 확장할 수 있는 것도 강점이다.

주요 특징

  • 특징 1: torch의 GPU 지원 텐서 라이브러리가 ndarray와 유사한 슬라이싱·인덱싱·수학 연산·선형대수·리덕션을 CPU 또는 GPU에서 빠르게 제공한다.
  • 특징 2: torch.autograd의 동적 신경망과 테이프 기반 역방향 자동 미분 덕분에, TensorFlow·Theano 같은 정적 그래프 프레임워크와 달리 네트워크 구조를 매번 새로 정의할 필요 없이 지연이나 오버헤드 없이 임의로 바꿀 수 있다.
  • 특징 3: 단일 C++ 프레임워크의 바인딩이 아니라 Python에 깊이 통합되도록 설계되어 사용자가 직접 Python으로 새로운 신경망 레이어를 작성할 수 있고, torch.multiprocessing의 프로세스 간 텐서 메모리 공유로 Hogwild 학습에도 쓸 수 있다.

개발자에게 의미하는 것 딥러닝 연구와 프로덕션을 위한 사실상의 표준으로, 바이너리 설치부터 소스 빌드, Docker 이미지까지 다양한 배포 경로를 제공한다. CI 상태는 hud.pytorch.org에서 확인할 수 있다.

AirLLM

양자화·증류·가지치기 없이 단일 4GB GPU에서 70B 모델을 돌리는 LLM 추론 라이브러리.

  • GitHub: lyogavin/airllm
  • 언어/스택: Python(PyPI airllm), PyTorch(CUDA 12), Hugging Face transformers, compressed-tensors·flash-attn, safetensors
  • 카테고리: AI

무엇을 하는 프로젝트인가? AirLLM은 대규모 언어 모델의 추론 시 메모리 사용량을 획기적으로 줄여주는 오픈소스 라이브러리다. 모델 압축 기법 없이도 저사양 소비자용 GPU에서 초대형 모델을 구동하는 것을 목표로 한다. 양자화나 증류, 가지치기를 적용하지 않고 원본 정밀도를 유지한다는 점이 기존 접근과 다르다. 추론뿐 아니라 소규모 VRAM에서의 학습까지 범위를 넓히고 있다.

주요 특징

  • 특징 1: 레이어 스트리밍으로 모델 가중치를 레이어 단위로 순차 로드해 메모리 사용을 최소화하고, MoE 모델에서는 토큰이 실제 라우팅되는 전문가만 로드한다.
  • 특징 2: 사전 로딩(prefetching)으로 모델 로딩과 연산을 오버랩해 약 10%의 속도 향상을 얻고, 2.0부터는 압축을 통해 실행 속도를 약 3배까지 높인다.
  • 특징 3: 2026년 9월 기준으로 어댑터를 GPU에 유지하고 동결 가중치를 레이어별 스트리밍해 125B 모델을 6GB(RTX 3060 Ti)에서, 27B 모델을 약 2GB(seq 512)에서 학습할 수 있다.

개발자에게 의미하는 것 GPU 한 대로 대형 모델을 실험하려는 개인 개발자와 소규모 팀에게 실질적인 진입 장벽을 낮춰 주는 도구다. Apache 2.0 라이선스이며, 일부 최신 모델은 대용량 체크포인트 디스크 공간이 필요하다는 점(delete_original=True로 분할 후 원본 회수 가능)을 염두에 두자.

Apollo-11

NASA 아폴로 11호 임무에 쓰인 아폴로 유도 컴퓨터(AGC)의 원본 소스 코드를 보존·공개하는 저장소.

  • GitHub: chrislgarry/Apollo-11
  • 언어/스택: AGC 어셈블리 언어, yaYUL 어셈블러, Virtual AGC
  • 카테고리: 시스템

무엇을 하는 프로젝트인가? Apollo-11 저장소는 사령선용 Comanche055(Colossus 2A)과 달 착륙선용 Luminary099(Luminary 1A) 소스 코드를 한곳에 모아 보존하는 것을 목적으로 한다. Virtual AGC와 MIT Museum이 디지털화한 자료를 바탕으로 하며, 스캔본과 전사본 사이의 차이를 발견하면 PR로 수정하는 방식으로 유지된다. 현대 언어 코드가 아니라 1960년대 우주선 유도 컴퓨터용 저수준 코드라는 점에서 그 자체로 역사적·교육적 가치가 크다. 다국어 README 번역과 기여 가이드라인, Virtual AGC를 통한 컴파일 안내도 함께 제공한다.

주요 특징

  • 특징 1: 실제 비행에 사용된 소스 코드를 퍼블릭 도메인으로 공개해 누구나 열람하고 컴파일해 볼 수 있다.
  • 특징 2: MIT Museum 하드카피 이미지에서 전사했기 때문에 원본 스캔과 대조하며 오류를 잡는 검증 절차가 저장소 운영에 포함되어 있다.
  • 특징 3: Comanche와 Luminary 마일스톤이 운영되고 다수의 번역 README가 제공되어, 다양한 언어권의 개발자가 참여할 수 있는 구조다.

개발자에게 의미하는 것 소프트웨어 보존(preservation)과 커뮤니티 기반 전사·검증이 어떻게 이루어지는지 보여주는 모범 사례다. 제약이 극심한 환경에서 작성된 실제 우주선 코드를 읽어보고 싶은 개발자에게 좋은 학습 자료가 된다.

오늘의 한 줄 정리: 리버스 엔지니어링과 에이전트 스킬이 맞물려 “에이전트에게 도구를 쥐여주는” 흐름이 뚜렷해진 하루였고, 그와 동시에 AirLLM처럼 하드웨어 제약을 소프트웨어로 비트는 최적화 프로젝트가 여전히 강력한 관심을 받고 있다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.