오늘 트렌딩은 한 가지 키워드로 수렴한다. 바로 **“에이전트를 어떻게 먹이고, 어떻게 통제할 것인가”**다. Claude Code·Cursor·Android 같은 하네스 진영이 공식 플러그인/스킬 디렉터리를 내놓았고, 그 위에서 돌아가는 방법론(superpowers)과 메타 하네스(ruflo, ECC)가 동시에 올라왔다. 특히 anthropics/claude-plugins-official과 K-Dense-AI/scientific-agent-skills는 “플러그인·스킬을 큐레이션해 배포한다"는 새로운 유통 구조를 보여준다는 점에서 눈에 띈다.

Claude Code Plugins Directory

Anthropic이 직접 운영하는 Claude Code 공식 플러그인 마켓플레이스.

  • GitHub: claude-plugins-official
  • 언어/스택: Claude Code 플러그인 시스템, MCP, 슬래시 커맨드/에이전트/스킬
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code용 플러그인을 한곳에서 탐색·설치할 수 있게 해주는 공식 디렉터리다. 검증된 플러그인만 등록하는 큐레이션 정책을 취하며, /plugin install {플러그인}@claude-plugins-official 명령이나 /plugin > Discover 메뉴로 바로 설치할 수 있다. 내부 플러그인은 Anthropic 팀이 직접 유지보수하고, 외부 플러그인은 파트너·커뮤니티 제출분을 품질·보안 심사 후 등록한다.

주요 특징

  • 플러그인 구조가 표준화되어 있다: .claude-plugin/plugin.json(필수), .mcp.json, commands/, agents/, skills/ 디렉터리 구성
  • 마켓플레이스의 name은 불변 슬러그이며, UI 표기는 displayName으로 분리. 이름을 바꿔야 할 경우 marketplace.json의 renames 맵으로 기존 설치를 자동 마이그레이션한다
  • 참고 구현체로 /plugins/example-plugin을 제공해 자체 플러그인 제작의 출발점으로 삼을 수 있다

개발자에게 의미하는 것 에이전트 확장 기능이 개인 스크립트 수준을 벗어나 “설치 가능한 배포 단위"로 정착하고 있다는 신호다. 다만 저장소도 명시하듯 플러그인에 포함된 MCP 서버·파일은 Anthropic이 통제하지 않으므로, 설치 전 신뢰 여부를 반드시 확인해야 한다.

Scientific Agent Skills

연구·과학 워크플로에 특화된 177개 에이전트 스킬 모음집.

  • GitHub: scientific-agent-skills
  • 언어/스택: Python, Agent Skills 표준, Agent Plugins(plugin.json + skills/), GitHub Actions
  • 카테고리: AI

무엇을 하는 프로젝트인가? AI 에이전트가 과학 분야 패키지와 API를 “그럭저럭” 쓰는 수준을 넘어, 큐레이션된 문서와 과학적 관례·검증 절차에 따라 안정적으로 동작하도록 만드는 스킬 라이브러리다. 생물정보학·유전체학, 케모인포매틱스·신약개발, 단백질체학·질량분석, 임상 연구 등 폭넓은 영역을 다루며 100개 이상의 과학 데이터베이스와 연동된다. 이전 명칭은 Claude Scientific Skills다.

주요 특징

  • 총 177개 스킬을 제공하며, 각 스킬은 특정 패키지·데이터 소스·워크플로에 대한 가이드와 검증 체크를 함께 담는다
  • Agent Skills 표준(agentskills.io)을 준수하고, Agent Plugins 패키지로도 배포되어 호환 클라이언트에서 단일 플러그인으로 로드된다
  • 부속 프로젝트 K-Dense BYOK는 데스크톱에서 도는 오픈소스 AI 공동연구자로, 40개 이상 모델 선택과 177개 스킬 활용, 데이터 로컬 유지, Modal 기반 클라우드 확장을 지원한다

개발자에게 의미하는 것 도메인 지식을 “프롬프트"가 아니라 “재사용 가능한 스킬 자산"으로 배포하는 패턴을 보여준다. Cursor·Claude Code·Codex·Antigravity 등 여러 호스트에서 동일 스킬 세트를 쓰고 싶다면 참고할 만한 구조다.

ECC (Agent Harness Operating System)

에이전트 실행 환경을 OS처럼 통합 관리하는 메타 하네스.

  • GitHub: ECC
  • 언어/스택: Shell, TypeScript, Python, Go, Java, Perl (폴리글랏), npm, GitHub App
  • 카테고리: 시스템

무엇을 하는 프로젝트인가? 스스로를 “에이전트 하네스 운영체제"로 소개하는 프로젝트로, 다양한 AI 에이전트 실행 환경을 하나의 계층에서 관리하는 것을 목표로 한다. MIT 라이선스로 공개되어 있으며, README에 GitHub Trending Repository of the Day 배지를 노출할 정도로 커뮤니티 관심이 높다.

주요 특징

  • ecc-universal(범용 설치·실행)과 ecc-agentshield(에이전트 보안/보호) 두 개의 npm 패키지로 배포된다
  • GitHub 마켓플레이스에서 설치 가능한 ECC Tools GitHub App을 제공하고, 설치 수는 api.ecc.tools 배지 엔드포인트로 집계된다
  • 영어·한국어·일본어·중국어 등 16개 이상 언어로 README를 제공하며, 공식 문서 진입점은 ecc.tools다

개발자에게 의미하는 것 에이전트를 실서비스에 투입할 때 가장 먼저 부딪히는 권한·샌드박싱 문제를 별도 패키지로 분리해 다룬다는 점이 실용적이다. 다국어 문서 동기화 정책까지 갖춘 점은 기여를 고려할 때 확인해볼 부분이다.

CLI-Anything

모든 소프트웨어를 에이전트 네이티브로 만드는 CLI 허브.

  • GitHub: CLI-Anything
  • 언어/스택: Python 3.10+, Click 8.0+, pytest, Apache 2.0
  • 카테고리: AI

무엇을 하는 프로젝트인가? AI 에이전트와 소프트웨어 사이의 간극을 CLI로 메우는 프로젝트다. CLI-Hub를 통해 커뮤니티가 만든 CLI를 탐색·설치·관리할 수 있고, 에이전트가 그 CLI를 호출해 CAD, 3D 장면, 다이어그램, 게임플레이, 자막 같은 실제 결과물을 만들어내도록 지원한다. 데모·미리보기·트래젝토리 루프 기능도 함께 제공한다.

주요 특징

  • pip install cli-anything-hub 후 cli-hub install <name>으로 바로 사용할 수 있다
  • 2,461개의 테스트를 통과했고 arXiv 논문(arXiv:2606.03854)이 존재할 만큼 검증에 공을 들였다
  • CLI 기여자 모집과 신규 CLI 요청을 열어두고 있어 생태계 확장을 전제로 설계됐다

개발자에게 의미하는 것 GUI나 SDK가 없는 소프트웨어도 CLI만 있으면 에이전트 도구로 편입시킬 수 있다는 발상이 핵심이다. 사내 도구를 에이전트에 물려야 한다면 CLI-Hub 등록 패턴을 참고할 가치가 있다.

context-mode

“컨텍스트 문제의 나머지 절반"을 겨냥한 도구.

  • GitHub: context-mode
  • 언어/스택: npm 패키지 (JavaScript/TypeScript 기반)
  • 카테고리: AI

무엇을 하는 프로젝트인가? 에이전트의 컨텍스트 관리 문제를 다루는 npm 패키지로, 마켓플레이스를 통해 설치한다. Discord 커뮤니티를 운영하고 있으며 Hacker News 1위를 차지할 정도로 화제가 됐고, Microsoft·Google·Meta·Amazon·IBM·NVIDIA·ByteDance·Stripe·Datadog·Salesforce·GitHub·Red Hat·Supabase·Canva 등의 팀에서 사용되고 있다고 밝히고 있다.

주요 특징

  • npm 기반으로 배포되어 설치 경로가 단순하다
  • 마켓플레이스 설치를 지원한다
  • 라이선스는 Elastic License 2.0(ELv2)으로, 완전한 오픈소스는 아니라는 점을 유의해야 한다

개발자에게 의미하는 것 에이전트 성능 이슈가 모델 성능이 아니라 컨텍스트 설계에서 갈린다는 문제의식을 대표하는 프로젝트다. 다만 상용 도입 시 ELv2 조건을 반드시 검토해야 한다.

ruflo (Ruflo)

Claude Code·Codex를 감싸는 에이전트 메타 하네스.

  • GitHub: ruflo
  • 언어/스택: Node.js/npm CLI, MCP, Claude Code 플러그인, RuVector, MIT
  • 카테고리: AI

무엇을 하는 프로젝트인가? “Agent = Model + Harness"라는 명제 아래, 모델에 도구·메모리·루프·샌드박스·제어를 붙여 실제 작업을 수행하게 만드는 실행 계층이다. Claude Code와 Codex에 100개 이상의 특화 에이전트를 추가하고, 스웜 기반 협업과 자기학습 메모리, 머신 간 연합 통신을 제공하는 것을 목표로 한다.

주요 특징

  • npx ruflo init 한 번으로 시작하며, /plugin marketplace add ruvnet/ruflo 후 core·console·mods 플러그인을 설치하는 구성 (Claude Code 2.1.287 이상 필요)
  • MCP 서버를 지원해 Codex 등 MCP 호환 도구에서도 사용 가능하고, npx ruflo tui로 Claude Code 없이 단독 실행하는 터미널 UI를 제공한다
  • RuVector 연계로 로컬 벡터 검색·영구 컨텍스트·그래프 관계·피드백 학습을 붙일 수 있으며, 생태계 npm 다운로드가 12개월간 약 1,252만 회에 달한다

개발자에게 의미하는 것 단일 에이전트를 넘어 “여러 에이전트를 조직화하는 계층"이 별도 제품 범주로 자리잡고 있음을 보여준다. 다만 mods는 사용자 계정 권한으로 실행되므로 설치 전 코드 검토가 권장된다.

Android skills

Android 공식 문서의 모범 사례를 에이전트가 실행하도록 만든 스킬 저장소.

  • GitHub: android/skills
  • 언어/스택: Markdown(SKILL.md), 오픈 표준 에이전트 스킬 규격, Android CLI, Apache 2.0
  • 카테고리: AI

무엇을 하는 프로젝트인가? developer.android.com의 가이드라인을 AI 에이전트가 이해하고 실행하도록 만든 모듈형 지침·리소스 모음이다. 각 스킬은 SKILL.md 마크다운 파일로 작업 명세를 담아 LLM을 특정 도메인과 워크플로에 그라운딩한다. LLM이 이미 잘하는 영역(예: 기본적인 Jetpack Compose 모범 사례)은 우선순위에서 제외하고, 성능이 부족한 유즈케이스에 집중한다.

주요 특징

  • android skills add r8-analyzer --project=.처럼 개별 스킬을 설치하거나, android skills add --all로 전체를 설치할 수 있다
  • Claude Code에서는 /plugin install android-skills --marketplace android/skills, Codex에서는 codex plugin marketplace add android/skills로 플러그인 설치가 가능하다
  • 기존 에이전트 디렉터리가 없으면 Gemini·Antigravity용으로 ~/.gemini/antigravity/skills에 설치되며, android skills update --all로 갱신한다

개발자에게 의미하는 것 플랫폼 벤더가 공식 문서를 “에이전트가 읽는 형태"로 재배포하기 시작했다는 상징적인 사례다. Android 앱을 에이전트로 개발·리팩터링한다면 가장 먼저 깔아볼 스킬 세트다. 단, AI 결과는 재확인이 필요하다는 면책 조항이 붙어 있다.

Superpowers

코딩 에이전트에게 “먼저 묻고 계획하게” 만드는 개발 방법론.

  • GitHub: superpowers
  • 언어/스택: 에이전트 스킬 세트, Claude Code/Antigravity/Codex/Cursor/Gemini CLI 등 다중 하네스
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code, Codex, Cursor, Gemini CLI 같은 코딩 에이전트가 곧바로 코드를 쓰기 시작하는 대신, 사용자가 진짜 만들려는 것을 되묻고 요구사항을 정리하도록 설계된 소프트웨어 개발 방법론이다. 상호 조합 가능한 스킬 세트와, 이를 반드시 사용하게 만드는 초기 지침 위에 구축되어 있다.

주요 특징

  • 별도 명령 없이 상황에 맞춰 스킬이 자동 트리거된다
  • 대화로 명세를 끌어내고, 소화 가능한 짧은 청크로 제시해 승인을 받은 뒤 구현 계획을 세운다. 이 계획은 “테스트를 꺼리는 주니어 엔지니어"도 따라할 수 있을 만큼 명확해야 하며 red/green TDD, YAGNI, DRY를 강조한다
  • ‘go’ 신호 이후에는 서브에이전트 기반 개발로 각 태스크를 에이전트가 처리하고 결과를 검사·리뷰한다

개발자에게 의미하는 것 에이전트의 문제를 모델이 아니라 “프로세스"로 푸는 접근이다. 여러 하네스를 함께 쓴다면 각각 별도로 설치해야 하며, 상업적 지원이 필요하면 별도 문의 경로가 열려 있다.

plugins (Cursor 공식 플러그인 모음)

Gmail·Salesforce·Playwright까지 Cursor 에이전트에 붙여주는 공식 플러그인 저장소.

  • GitHub: cursor/plugins
  • 언어/스택: .cursor-plugin/plugin.json 매니페스트, TypeScript SDK, MCP 계열 통합
  • 카테고리: AI

무엇을 하는 프로젝트인가? 널리 쓰이는 개발 도구·프레임워크·SaaS를 Cursor 에이전트 워크플로에서 활용할 수 있도록 만든 플러그인 모음이다. 팀 단위 워크플로(CI, 코드 리뷰, 배포, 검증)를 에이전트가 직접 수행하도록 지원하는 것이 목적이다.

주요 특징

  • 개발 도구 카테고리에는 보안·정확성 감사를 수행하는 Thermos, 대규모 작업을 병렬 클라우드 에이전트로 분산하는 Orchestrate, CLI 설계 패턴을 정리한 CLI for Agents, 필요할 때 더 강한 모델에 자문하는 Advisor 등이 있다
  • 생산성 카테고리로 Gmail·Google Drive·Calendar·Docs/Sheets/Slides 연동을 제공하고, 통합 카테고리로 Gong·Salesforce·Playwright·GitHub·Ashby·HubSpot 등을 지원한다
  • 각 플러그인은 저장소 루트의 독립 디렉터리 또는 third_party/ 하위에 위치하며, 자체 plugin.json 매니페스트를 가진다

개발자에게 의미하는 것 에이전트가 “코드 작성기"에서 “사내 SaaS를 조작하는 워커"로 확장되는 흐름을 가장 잘 보여주는 사례다. 새 플러그인을 만들 때는 Create Plugin으로 스캐폴딩부터 시작하는 것이 권장된다.

VoiceStudio

646개 언어를 지원하는 오픈소스 음성 클로닝·더빙 데스크톱 앱.

  • GitHub: VoiceStudio
  • 언어/스택: Electron, k2-fsa/OmniVoice 기반 엔진, 로컬 모델 관리, AGPL-3.0
  • 카테고리: AI

무엇을 하는 프로젝트인가? 음성 클로닝·음성 디자인·영상 더빙·받아쓰기·전사·오디오북 제작을 한 앱에서 처리하는 도구다. “Your voice. Your workflow.“를 표방하며, 대부분의 작업을 로컬 하드웨어에서 처리하고 원격 서비스는 선택 사항으로 둔다.

주요 특징

  • Create 워크스페이스에서 샘플 음성을 학습한 클로닝, 텍스트 설명만으로 목소리를 설계하는 Voice Design, 플로팅 위젯 받아쓰기를 제공한다
  • Produce 워크스페이스에서 타이밍에 맞춘 영상 더빙과 스토리·오디오북 배치 작업을 처리한다
  • Connect 영역에서 에이전트용 로컬 API와 MCP를 지원하고, 재사용 가능한 레시피와 감시 폴더 기능을 제공한다

개발자에게 의미하는 것 음성 파이프라인을 클라우드 API 없이 로컬에서 돌리고, 그 결과를 MCP로 에이전트에 연결할 수 있다는 점이 실용적이다. 사용 분석은 옵트인 방식이며, AGPL-3.0 조건은 상용 활용 시 확인이 필요하다.

Claude Code로 이력서·자소서·면접 준비까지 돌리는 구직 프레임워크.

  • GitHub: ai-job-search
  • 언어/스택: Claude Code CLI, Python 3.10+, Bun, LaTeX(lualatex/xelatex), pypdf
  • 카테고리: AI

무엇을 하는 프로젝트인가? 저장소를 포크해 자기 프로필을 채우면, Claude가 채용 공고를 평가하고 CV를 맞춤 조정하며 자기소개서를 쓰고 면접까지 준비해주는 로컬 구직 워크플로다. 화려한 ML 서비스가 아니라 개인 머신 위에서 도는 구조를 표방하며, 만든 사람이 이 프레임워크로 69건 맞춤 지원 → 20건 1차 면접 → 1건 최종 계약을 거쳐 2026년 6월 AI 엔지니어로 입사했다고 밝히고 있다.

주요 특징

  • /setup(프로필 작성) → /scrape(공고 검색·적합도 평점) → /apply <url>(적합도 평가 후 LaTeX CV·커버레터 초안) → /interview(면접 준비) 흐름으로 구성된다
  • /apply는 drafter-reviewer 파이프라인을 갖춰 Reviewer 에이전트가 초안을 비평하고 수정하는 단계를 거친다
  • ATS 파싱 가능성 점검(선택적 pypdf, Poppler 대체 가능), 구조화된 평가 기준, 선택적 연봉 벤치마킹을 지원한다

개발자에게 의미하는 것 “에이전트 워크플로를 개인 업무에 어떻게 적용하는가"의 좋은 레퍼런스다. 다만 채용 포털 검색 스킬은 덴마크 시장 기준이며, Claude Pro/Max/Team 구독 또는 API 크레딧이 필요하고 Anthropic과 무관한 독립 프로젝트다.

LinkSwift

여러 클라우드 저장소의 직링크를 뽑아주는 사용자 스크립트.

  • GitHub: LinkSwift
  • 언어/스택: JavaScript 유저스크립트, Tampermonkey/Violentmonkey, aria2 RPC·IDM·Motrix 연동
  • 카테고리: 기타

무엇을 하는 프로젝트인가? 바이두·알리윤·티엔이·콰크·115·123云盘·迅雷云盘·蓝奏云 등 중국 클라우드 저장소에서 파일의 직접 다운로드 주소(직링크)를 추출해주는 브라우저 사용자 스크립트다. 페이지에 주입되어 공유 링크나 파일 목록을 인식하고, 외부 다운로드 프로그램으로 넘길 수 있는 링크를 생성한다.

주요 특징

  • 페이지 내 파일 목록을 파싱해 직링크를 뽑고, aria2(RPC)·IDM·Motrix 등 외부 다운로더와 커스텀 다운로더를 지원한다
  • 바이두 秒传 링크 생성·변환, 파일 목록 내보내기 같은 부가 기능을 제공한다
  • 스크립트 자체 업데이트와 다중 배포 소스를 지원하며, GitHub Releases·GreasyFork로 배포된다

개발자에게 의미하는 것 브라우저 사용자 스크립트가 여전히 강력한 자동화 계층이라는 걸 보여준다. 다만 각 서비스 정책 변경에 따라 특정 클라우드 지원이 깨질 수 있고, README에서도 GreasyFork 유입 사용자에게 다른 소스로 덮어쓰기 설치를 권장하고 있다. 이용약관 확인은 필수다.

XERJ

폴더를 자동 인덱싱해 에이전트의 토큰 낭비를 줄이는 로컬 AI 검색 도구.

  • GitHub: xerj
  • 언어/스택: Rust (단일 정적 바이너리), BM25 + kNN 하이브리드 검색, MCP, Apache-2.0
  • 카테고리: 시스템

무엇을 하는 프로젝트인가? 코딩 에이전트가 파일을 하나씩 읽으며 토큰을 태우는 대신 필요한 코드를 정확히 찾아 쓰도록 돕는 도구다. 대표 활용 사례는 ‘레퍼런스 코딩’으로, 작업을 지시하면 가장 유사한 오픈소스 저장소를 자동으로 내려받아 인덱싱하고, 코드를 쓰기 전에 기존 해결 방식을 검색해 재사용한다.

주요 특징

  • xerj autoindex ~/my-project 한 줄로 제로 설정 인덱싱이 가능하고, BM25·kNN·하이브리드 검색으로 file:line 위치를 반환한다
  • xerj def "euler_to_rotationmatrix"처럼 심볼 정의 위치와 시그니처를 찾고, xerj init으로 Claude Code/Cursor에 MCP와 스킬을 한 번에 연결한다
  • 기본 임베더는 오프라인 렉시컬 방식이며 뉴럴 임베더는 약 90MB 선택 다운로드다. 통제된 실험에서 동일한 16/16 해결률을 유지하면서 출력 토큰을 2.7배 줄였다고 밝히고 있다

개발자에게 의미하는 것 토큰 비용과 검색 정확도를 동시에 잡으려는 시도로, 에이전트에게 “읽을 파일을 덜 주고 필요한 줄만 주는” 전략의 실전 구현이다. xerj gain으로 절감 효과를 계정 기반으로 확인할 수 있고, 에이전트가 바로 읽는 문서(https://xerj.org/llms.txt)를 제공한다.

오늘의 한 줄 정리: 오늘 트렌딩은 “모델 성능"이 아니라 “하네스와 스킬을 어떻게 배포하고 통제하는가"로 무게중심이 완전히 옮겨갔음을 보여준다. 동시에 XERJ처럼 에이전트의 토큰·탐색 비용을 줄이는 인프라가 함께 부상하는 흐름이 인상적이다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.