오늘 트렌딩은 한마디로 **“AI 코딩 에이전트를 어떻게 더 잘 굴릴 것인가”**에 집중됐다. 에이전트에 방법론을 강제하는 Superpowers, 하네스 자체를 OS처럼 다루는 Ruflo와 ECC, 토큰 소비를 줄이는 caveman, 컨텍스트 관리용 Context Mode까지 — 에이전트 주변부를 정비하는 도구들이 대거 올라왔다. 여기에 Anthropic의 공식 플러그인 마켓플레이스와 177개 과학 스킬 모음집이 가세하면서, “스킬·플러그인 생태계"가 뚜렷한 축으로 자리 잡은 하루였다. 리버스 엔지니어링 쪽에서는 NSA의 Ghidra와 이를 MCP로 감싼 REA가 나란히 눈에 띄었다.

REA: Reverse Engineer Anything

바이너리부터 Electron 앱까지, AI 에이전트가 리버스 엔지니어링을 수행하도록 붙여주는 MCP 서버.

  • GitHub: morluto/rea
  • 언어/스택: Node.js, npm(rea-agents), MCP
  • 카테고리: 보안

무엇을 하는 프로젝트인가? 소스 코드 없이 앱의 특정 기능이 어떻게 동작하는지 알고 싶을 때, AI 에이전트가 REA를 통해 해당 앱을 조사하고 동작 원리를 근거와 함께 설명하도록 만드는 프로젝트다. 네이티브 바이너리, JavaScript/Electron 앱, .NET 어셈블리, 웹사이트를 분석 대상으로 삼으며, 기존에 설치된 Hopper·Ghidra·IDA 같은 네이티브 분석 엔진을 그대로 활용한다. 네이티브 엔진 없이도 JavaScript/Electron 정적 분석이 가능하고, 모든 분석은 로컬에서 실행되며 각 결론에는 근거와 한계가 함께 제시된다.

주요 특징

  • 에이전트 연동 MCP 서버: 사용 중인 AI 에이전트에 REA를 등록하고 워크플로 지침까지 함께 설치하며, 동일 도구를 터미널에서 직접 쓸 수도 있다.
  • 분석 엔진 재사용: Hopper, Ghidra, IDA, JADX, 펌웨어 분석 도구를 연계하고 설정 과정에서 Hopper를 선택적으로 설치할 수 있다.
  • 간편한 셋업: npx rea-agents setup 한 줄로 설치와 초기 설정을 끝낸다.

개발자에게 의미하는 것 “마음에 드는 기능을 발견하면 바이너리 레벨까지 내려가 이해한다"는 컨셉이며, 분석이 전부 로컬에서 수행된다는 점이 프라이버시 측면의 장점이다. 경쟁 제품의 동작을 파악하거나 레거시 앱의 내부를 조사해야 하는 상황에서 쓸 수 있다.

claude-plugins-official

Anthropic이 직접 운영하는 Claude Code 플러그인 공식 디렉터리.

무엇을 하는 프로젝트인가? Claude Code에서 사용할 수 있는 고품질 플러그인을 엄선해 한곳에 모은 마켓플레이스다. /plugin install {plugin-name}@claude-plugins-official 명령이나 /plugin > Discover 메뉴로 바로 설치할 수 있다. Anthropic이 직접 개발·유지보수하는 /plugins와 파트너·커뮤니티가 제공하는 /external_plugins 두 갈래로 나뉘며, 외부 파트너는 별도 제출 양식을 통해 심사를 거쳐 등록된다.

주요 특징

  • 표준 플러그인 구조: .claude-plugin/plugin.json(필수), .mcp.json, commands/, agents/, skills/, README.md로 구성된 참조 구현을 제공한다.
  • 이름 불변 원칙: 마켓플레이스 엔트리의 name은 변경 불가 슬러그로, 변경 시 기존 설치 사용자에게 plugin-not-found 오류가 발생한다. 표기 변경은 displayName으로, 부득이한 경우 renames 맵으로 자동 마이그레이션한다.
  • MCP 연동 기반: 플러그인 메타데이터는 JSON으로 관리되고 MCP 서버 설정을 포함할 수 있다.

개발자에게 의미하는 것 에이전트 확장 기능이 파편화되던 상황에서 공식 배포 채널이 생겼다는 점이 크다. 다만 Anthropic은 플러그인에 포함된 MCP 서버나 파일을 통제하지 않으므로, 설치 전 신뢰 여부를 반드시 확인해야 한다.

scientific-agent-skills

생물학·화학·의학·물리학을 아우르는 177개의 과학·연구 스킬 모음집.

무엇을 하는 프로젝트인가? AI 에이전트가 연구 워크플로우를 안정적으로 수행하도록 돕는 과학 스킬 컬렉션이다. 각 스킬은 특정 패키지·데이터 소스·워크플로우 사용 지침과 과학적 관례, 검증 절차를 함께 담고 있다. 에이전트가 임의의 Python 패키지나 API를 스스로 다룰 수는 있지만, 큐레이션된 문서와 예시를 제공함으로써 신뢰성과 정확성을 끌어올리는 것이 목적이다.

주요 특징

  • 바이오인포매틱스·유전체학: 서열 분석, 단일세포 RNA-seq, 풀링 CRISPR 스크린, 프라이머 설계, 변이 주석, 계통발생 분석 등을 지원한다.
  • 케모인포매틱스·신약 개발: 분자 물성 예측, 가상 스크리닝, ADMET 분석, 분자 도킹, 보정된 1D NMR 처리 등을 포함한다.
  • 표준 호환성: 오픈 Agent Skills 표준을 따르며 Cursor, Claude Code, Codex, Google Antigravity 등에서 동작하고, plugin.json + skills/ 형태의 Agent Plugins 패키지로도 배포된다.
  • 100개 이상의 과학 데이터베이스 연동을 지원하며, 보안 스캔과 스킬 테스트 GitHub Actions 워크플로우를 운영한다.

개발자에게 의미하는 것 과거 Claude Scientific Skills에서 이름을 바꾸며 특정 에이전트 전용에서 오픈 표준 기반으로 확장한 사례다. 연구 자동화 파이프라인을 만들 때 스킬 정의 방식을 참고할 만한 레퍼런스가 된다.

caveman

AI 코딩 에이전트가 덜 말하고 덜 읽게 만들어 토큰 비용을 줄이는 도구.

  • GitHub: JuliusBrussee/caveman
  • 언어/스택: Node.js CLI(@caveman-ai/cli), tiktoken o200k 측정
  • 카테고리: AI

무엇을 하는 프로젝트인가? 출력 문체와 컨텍스트 읽기 양을 압축해 토큰 소비와 비용을 줄이면서도 코드 정확성과 추론 능력은 유지하는 것을 목표로 한다. 슬로건은 “why many token when few do trick”. 별도 설정 없이 한 줄 명령으로 기존 에이전트 환경에 적용되며, 설치 시 사용자의 에이전트와 로그인 정보를 자동 탐색한다.

주요 특징

  • Say less: /caveman, /ultracave, /megacave 스킬이 동일한 답변을 각각 20/14/13 토큰으로 축약한다(일반 에이전트 63토큰 기준).
  • Read less: Claude Code 54회 실행, 18문항 전부 정답 조건에서 전체 세션 입력 토큰이 33.2% 감소했다.
  • Blocks(코드 모드): 스크립트를 미리 작성해 두는 방식으로 테스트 1회 실행 토큰을 397에서 76으로 줄인다.
  • Auto 모드: Opus 5.5 xhigh 대비 동일 점수에서 54% 저렴하다는 잠정 측정치가 있다(85개 코딩 태스크 기준).

개발자에게 의미하는 것 30개 이상의 AI 에이전트와 호환되며, Adobe Research 논문 인용과 JetBrains의 A/B 테스트 등 검증 사례가 있다. 표기 수치는 특정 벤치마크 조건의 측정값이므로 실제 환경에서는 편차가 있을 수 있다는 점을 감안해야 한다.

VoiceStudio

646개 언어를 지원하는 음성 클로닝·더빙·전사 통합 스튜디오.

  • GitHub: debpalash/VoiceStudio
  • 언어/스택: Electron, k2-fsa/OmniVoice 기반 엔진, 로컬 추론
  • 카테고리: AI

무엇을 하는 프로젝트인가? 음성 복제, 음성 디자인, 비디오 더빙, 받아쓰기, 전사, 오디오북 제작을 하나의 데스크톱 앱으로 묶은 통합 스튜디오다. ‘Your voice. Your workflow.‘를 내세우며 로컬 하드웨어에서 워크플로우를 실행하는 것을 기본으로 한다. 작업 공간은 Create(복제·디자인), Produce(더빙·스토리/오디오북·배치), Connect(로컬 API·MCP·레시피·폴더 감시)로 나뉜다.

주요 특징

  • 음성 복제와 디자인: 샘플 음성을 복제해 재사용하거나, 텍스트 설명으로 원하는 음성을 생성할 수 있다.
  • 더빙·받아쓰기·전사: 타이밍에 맞춘 영상 더빙, 플로팅 위젯 기반 실시간 받아쓰기, 오디오/영상 텍스트 변환을 지원한다.
  • 에이전트 연동: 로컬 API와 MCP를 제공하고, 레시피와 폴더 감시로 반복 워크플로우를 재사용할 수 있다.
  • 로컬 우선: 기본 엔진은 k2-fsa/OmniVoice 기반이며 사용자 하드웨어에서 추론하고, 사용 분석은 동의가 있어야만 수집된다.

개발자에게 의미하는 것 AGPL-3.0 라이선스로 배포되며 원커맨드 설치 스크립트와 다국어 문서를 제공한다. 음성 파이프라인을 자체 서비스에 붙이거나 MCP로 에이전트에 연결하려는 경우 검토할 만하다.

Superpowers

코딩 에이전트가 스펙 도출부터 TDD 구현까지 체계적으로 일하도록 강제하는 개발 방법론.

  • GitHub: obra/superpowers
  • 언어/스택: 마크다운 기반 스킬 정의, 에이전트 플러그인 프레임워크, 셸 설치 스크립트
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code, Codex, Cursor, Gemini CLI 같은 코딩 에이전트가 곧바로 코드를 쓰기 시작하는 대신, 무엇을 만들려는지 되묻고 기획→설계→계획→구현→검증 순서를 따르도록 만든다. 조합 가능한 스킬 세트와, 에이전트가 이를 반드시 활용하게 하는 초기 지침 위에 구축되어 있다.

주요 특징

  • 자동 트리거 스킬: 별도 조작 없이 상황에 맞춰 스킬이 발동되어 에이전트가 자연스럽게 방법론을 따른다.
  • 스펙 도출과 설계 승인: 사용자 의도를 소화 가능한 단위로 쪼개 스펙을 제시하고, 승인 후 구현 계획을 수립한다.
  • 엄격한 TDD와 서브에이전트 개발: red/green TDD, YAGNI, DRY를 강조하고 “go” 신호 이후 각 태스크를 서브에이전트가 처리하며 계획에서 벗어나지 않고 장시간 자율 작업한다.
  • 다양한 하네스 지원: Claude Code, GitHub Copilot CLI, Antigravity, Devin CLI, Factory Droid, Grok Build CLI, Kimi Code, OpenCode 등에서 사용할 수 있다.

개발자에게 의미하는 것 /plugin install superpowers@claude-plugins-official로 설치할 수 있어 도입 장벽이 낮다. 에이전트가 즉흥적으로 코드를 쏟아내는 것이 문제라고 느껴질 때 방법론 차원의 해법이 된다.

Ruflo

Claude Code와 Codex에 100개 이상의 에이전트, 스웜, 자기학습 메모리를 붙이는 메타 하네스.

  • GitHub: ruvnet/ruflo
  • 언어/스택: Node.js, npm(ruflo), MCP, RuVector
  • 카테고리: AI

무엇을 하는 프로젝트인가? “Agent = Model + Harness"라는 관점에서, 모델 주변에 도구·메모리·루프·샌드박스·제어 장치를 제공하는 실행 계층을 표방한다. Claude Code와 Codex 주변에 특화 에이전트, 협업 스웜, 자기학습 메모리, 머신 간 페더레이션 통신, 보안 가드레일을 추가한다. 단순 실행을 넘어 에이전트들이 서로 협업하도록 만드는 것이 목적이다.

주요 특징

  • 3종 Claude Code 플러그인: ruflo-core(기반 도구), ruflo-console(에이전트 콕핏), ruflo-mods(내부 라우팅·정책)로 구성된다.
  • MCP 및 TUI: npx -y ruflo@latest mcp start로 MCP 클라이언트에 도구를 노출하고, npx ruflo tui로 Overview·Cost·Swarm·Events·Missions 화면을 제공한다.
  • 자기학습 메모리: RuVector 기반 로컬 벡터 검색, 영속 컨텍스트, 그래프 관계, 피드백 학습을 결합한다.
  • 초기화 마법사와 문서: npx ruflo@latest init wizard와 14개 챕터의 ‘RuFlo Explained’ 가이드를 제공한다.

개발자에게 의미하는 것 Claude Code 2.1.287 이상이 필요하고, mods는 사용자 계정 권한으로 실행되므로 설치 전 코드 검토가 필수다. 에이전트 오케스트레이션과 비용 관리가 필요해진 팀이라면 구조를 참고할 만하다.

Context Mode

LLM 컨텍스트 관리의 “나머지 절반"을 겨냥한 도구.

무엇을 하는 프로젝트인가? 대규모 언어 모델의 컨텍스트 관리에 특화된 도구로, 이를 통해 AI 애플리케이션의 성능을 향상시키는 것을 목표로 한다. npm 패키지로 배포되며 마켓플레이스에도 등록되어 있다.

주요 특징

  • 컨텍스트 관리 특화: LLM 컨텍스트 문제 중 남은 절반을 해결하는 데 초점을 둔다.
  • npm 생태계 통합: 패키지 형태로 배포되어 기존 JS/TS 프로젝트에 바로 붙일 수 있다.
  • ELv2 라이선스: Elastic License v2를 채택하고 있다.

개발자에게 의미하는 것 Microsoft, Google, Meta, Amazon, IBM, NVIDIA, ByteDance, Stripe, Datadog, Salesforce, GitHub, Red Hat, Supabase, Canva 등 주요 기업 팀에서 사용 중이라고 소개되며, Hacker News 1위를 기록했다. 컨텍스트 윈도우 관리에 어려움을 겪는 에이전트 기반 앱이라면 살펴볼 가치가 있다.

Ghidra

NSA가 개발·유지보수하는 오픈소스 소프트웨어 리버스 엔지니어링 프레임워크.

무엇을 하는 프로젝트인가? NSA 연구국이 사이버보안 임무를 지원하기 위해 개발한 SRE 프레임워크다. 복잡한 리버스 엔지니어링 작업의 확장성과 팀 협업 문제를 해결하고, 사용자가 커스터마이즈·확장할 수 있는 연구 플랫폼을 제공하는 것을 목표로 한다. 디스어셈블리, 어셈블리, 디컴파일, 그래프 시각화, 스크립팅을 하나의 도구에서 수행할 수 있다.

주요 특징

  • 디컴파일과 그래프 시각화: 바이너리를 고급 언어 형태의 의사 코드로 복원하고 제어 흐름을 그래프로 표현한다.
  • 스크립팅 확장: Java 또는 Python으로 자동화 스크립트와 확장 컴포넌트를 개발할 수 있다.
  • 광범위한 아키텍처 지원: 다양한 명령어 집합과 실행 파일 포맷을 지원하고, 대화형·자동화 모드를 모두 제공한다.
  • 악성코드 분석 활용: 취약점 파악과 악성 코드 분석에 폭넓게 쓰인다.

개발자에게 의미하는 것 JDK 25 64-bit와 Gradle 9.1.0+ 환경이 필요하며, 일부 버전에 알려진 보안 취약점이 있으므로 사용 전 Security Advisories를 반드시 확인해야 한다. 무료로 쓸 수 있는 사실상의 표준 리버싱 도구라는 점에서 오늘 소개된 REA 같은 상위 도구들의 기반이 된다.

ECC

여러 AI 코딩 에이전트가 공유할 규칙·스킬·훅을 한곳에서 정의하는 “에이전트 하네스 OS”.

  • GitHub: affaan-m/ECC
  • 언어/스택: TypeScript, Python, Go, Java, Perl, Shell, npm(ecc-universal, ecc-agentshield)
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code, Codex 등 여러 AI 코딩 에이전트가 공통으로 사용할 수 있는 규칙·스킬·에이전트·훅 설정을 한 곳에서 정의하고, 각 에이전트 환경에 맞게 배포·동기화하는 메타 계층이다. 에이전트별로 설정을 중복 작성하지 않도록 해 주는 것이 핵심이다.

주요 특징

  • 통합 하네스 구성: 지침, 서브에이전트, 스킬, 훅을 단일 구성으로 관리한다.
  • CLI/npx 배포: ecc-universal 패키지로 설치·실행하고, ecc-agentshield로 프롬프트·권한 구성의 위험 요소를 스캔한다.
  • GitHub App 및 웹 대시보드: ‘ECC Tools’ GitHub 앱으로 저장소 단위 설정 적용과 상태 배지를 제공하고, ecc.tools에서 문서·통계를 확인할 수 있다.
  • 다국어 문서: 한국어를 포함해 16개 이상 언어의 README를 제공한다.

개발자에게 의미하는 것 MIT 라이선스로 상업적 이용이 자유롭다. 다만 에이전트 설정과 권한을 다루는 도구인 만큼, 도입 시 ecc-agentshield 보안 점검과 훅 스크립트가 실행하는 명령 검토가 권장된다.

tokenspeed

에이전틱 워크로드를 겨냥한 초고속 LLM 추론 엔진.

  • GitHub: lightseekorg/tokenspeed
  • 언어/스택: C++ 제어 평면 + Python 실행 평면, 플러그인형 커널 시스템
  • 카테고리: AI

무엇을 하는 프로젝트인가? TensorRT-LLM 수준의 성능과 vLLM 수준의 사용성을 동시에 목표로 하는 추론 엔진이다. 비영리 재단인 LightSeek Foundation이 주도하고 NVIDIA, AMD 같은 하드웨어 벤더의 지원을 받는 중립적 오픈소스 프로젝트다. 요청 라이프사이클과 KV 캐시 소유권, 오버랩 타이밍을 유한 상태 기계(FSM)로 인코딩해 컴파일 타임에 안전한 KV 리소스 재사용을 강제한다.

주요 특징

  • Scheduler: C++ 기반 제어 평면과 Python 기반 실행 평면을 분리해, 안전성은 컴파일 타임에, 반복 개발 속도는 Python에서 확보한다.
  • Kernels: 중앙 집중식 레지스트리를 갖춘 플러그인형 계층형 커널 시스템으로, Blackwell 아키텍처용 고속 MLA 구현을 포함한다.
  • Entrypoint: SMG와 통합된 AsyncLLM으로 CPU 측 요청 처리 오버헤드를 최소화한다.
  • 성능 기록: Qwen3.8-Flash-Next를 NVIDIA GB300에서 구동 시 사용자당 685 tokens/s, Qwen3.5-397B-A17B에서 에이전틱 기준 580 TPS를 기록했다.

개발자에게 의미하는 것 Kimi K3, GLM 5.3 Flash, Qwen3.8 등 주요 모델의 Day 0 지원과 AMD Instinct MI355X 대응을 내세우며 PyTorch Ecosystem에 합류했다. 자체 추론 서버를 운영하면서 에이전틱 워크로드의 처리량이 병목인 팀이라면 비교 대상이 된다.

XERJ

임의의 폴더를 자동 인덱싱해 에이전트가 필요한 코드만 정확히 가져오게 하는 로컬 AI 검색 엔진.

  • GitHub: xerj-org/xerj
  • 언어/스택: Rust(정적 단일 바이너리), BM25 + kNN 하이브리드 검색, MCP
  • 카테고리: 데이터

무엇을 하는 프로젝트인가? 코딩 에이전트가 파일을 하나씩 읽으며 토큰을 소모하는 대신 필요한 코드만 정확히 가져오도록 설계된 로컬 검색 엔진이다. 대표 활용 사례인 ‘레퍼런스 코딩’에서는 작업 지시가 들어오면 가장 유사한 오픈소스 저장소를 자동으로 클론·인덱싱하고, 과거에 그 문제를 어떻게 해결했는지 검색한 뒤 코드를 작성한다.

주요 특징

  • Autoindex와 하이브리드 검색: 제로 설정으로 폴더를 인덱싱하고 BM25·kNN·하이브리드 검색으로 순위가 매겨진 passages와 file:line을 제공한다.
  • 에이전트 메모리와 MCP 네이티브: /__memory 경로로 메모리를 저장·조회하고, xerj init 한 번으로 Claude Code/Cursor에 MCP + skill 형태로 연동된다.
  • go-to-definition과 절감 측정: xerj def로 심볼 정의와 시그니처를 확인하고, xerj gain으로 실제 절감 토큰을 실측한다.
  • 토큰 절감 효과: 통제된 실험에서 16/16 문제 해결률을 유지하며 출력 토큰을 2.7배 절감했고, 실무 사용자들은 약 5배의 절감을 보고했다.

개발자에게 의미하는 것 기본 임베더가 오프라인의 lexical 방식이라 프라이버시에 유리하고, 뉴럴 임베딩은 약 90MB 다운로드로 옵트인한다. Apache 2.0 라이선스의 단일 정적 바이너리로 배포되어 CI나 로컬 환경에 부담 없이 붙일 수 있다. 다만 2.7배 수치는 통제된 연구 기준이며 실무 보고는 약 5배로 편차가 있다는 점은 감안해야 한다.

오늘의 한 줄 정리: 에이전트의 **머리(모델)**보다 **몸(하네스·스킬·컨텍스트·토큰)**을 다루는 도구들이 트렌딩을 휩쓸었고, 그 중심에는 Claude Code 플러그인·MCP 생태계가 있었다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.