오늘 트렌딩은 AI 코딩 에이전트를 둘러싼 인프라가 압도적으로 많았다. Anthropic과 Cursor가 각각 공식 플러그인 디렉터리를 내놓았고, 여러 에이전트를 병렬로 굴리는 오케스트레이터(Orca, ruflo)와 에이전트를 넘나드는 공유 메모리(ai-memory)까지 한자리에 올랐다. 에이전트 자체보다 “에이전트를 어떻게 관리하고 연결할 것인가"로 관심이 옮겨간 흐름이 뚜렷하다. 그 바깥에서는 ComfyUI처럼 성숙한 생성 AI 엔진과 실전형 학습 자료(llm-course)도 꾸준히 순위권에 남았다.

opencode

터미널과 데스크톱에서 쓰는 오픈소스 AI 코딩 에이전트

  • GitHub: opencode
  • 언어/스택: Node.js/TypeScript, npm·Bun·Homebrew·Nix 배포
  • 카테고리: AI

무엇을 하는 프로젝트인가? opencode는 개발자의 코딩 워크플로에 AI 에이전트를 통합해, 터미널 환경에서 자연스럽게 코드 작성·수정·탐색을 지원하는 CLI/TUI 도구다. “The open source AI coding agent"를 내세우며, 단순 코드 자동완성이 아니라 에이전틱 워크플로를 전면에 둔다. 데스크톱 앱(현재 베타)도 함께 제공해 macOS·Windows·Linux를 지원하고, 설치 경로를 환경변수로 세밀하게 제어할 수 있다. 버전 2 설치 스크립트가 기본 경로이며, 안정 버전과 최신(AUR beta) 버전을 구분해 배포한다.

주요 특징

  • 터미널 UI(TUI) 기반 에이전트 실행과 데스크톱 애플리케이션(베타)을 동시 제공
  • 원라인 설치 스크립트부터 npm, Bun/pnpm/yarn, Homebrew, Arch, mise, Nix까지 폭넓은 설치 채널
  • 20개 이상 언어의 README를 제공하며 다국어 커뮤니티를 적극적으로 흡수

개발자에게 의미하는 것 에이전트 CLI를 새로 도입하려는 팀이라면 설치·배포 채널이 넓고 크로스플랫폼이라는 점이 실무 부담을 줄여준다. 다만 Homebrew 공식 포뮬러보다는 anomalyco tap이 최신 상태를 유지한다는 점은 미리 알아두면 좋다.

Claude Code Plugins Directory

Anthropic이 직접 큐레이션하는 Claude Code 플러그인 마켓플레이스

  • GitHub: claude-plugins-official
  • 언어/스택: Claude Code 플러그인 시스템, JSON 매니페스트, MCP
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code의 플러그인 생태계가 커지면서 “어떤 플러그인을 믿고 설치할 수 있는가"가 문제가 됐다. 이 저장소는 Anthropic 팀이 직접 관리하는 내부 플러그인과 파트너·커뮤니티가 제출한 외부 플러그인을 분리해 큐레이션하는 공식 디렉터리다. /plugin install {plugin-name}@claude-plugins-official 한 줄로 설치하거나 /plugin > Discover에서 탐색할 수 있다. 플러그인은 plugin.json, .mcp.json, commands/, agents/, skills/, README.md로 구성된 표준 구조를 따른다.

주요 특징

  • 내부 플러그인(/plugins)과 서드파티(/external_plugins)를 명확히 구분해 신뢰 경계를 설정
  • 플러그인 name을 불변 슬러그로 고정하고, 변경이 필요하면 marketplace.json의 renames 맵으로 기존 설치를 자동 마이그레이션
  • 스킬 정의를 묶은 스킬 번들 플러그인과 MCP 서버 설정 연동을 지원

개발자에게 의미하는 것 플러그인 이름 불변 정책은 사소해 보이지만, 사용자 설치를 깨뜨리지 않으면서 배포를 진화시키는 방법을 보여주는 좋은 사례다. 다만 Anthropic은 플러그인에 포함된 MCP 서버·파일 등 외부 소프트웨어의 동작을 보증하지 않으므로, 설치 전 검토는 여전히 사용자 몫이다.

Cursor plugins

인기 개발 도구와 SaaS를 Cursor 에이전트에서 바로 쓰게 해주는 공식 플러그인 모음

  • GitHub: Cursor plugins
  • 언어/스택: .cursor-plugin/plugin.json, TypeScript SDK, Playwright
  • 카테고리: AI

무엇을 하는 프로젝트인가? Cursor가 공식 배포하는 플러그인 저장소로, 코드 리뷰·문서화·배포·자동화 같은 에이전트 워크플로를 표준화된 형태로 제공한다. 각 플러그인은 저장소 루트 바로 아래 독립 디렉터리로 존재하고 자체 매니페스트를 가지므로, 필요한 것만 골라 설치하고 개별적으로 버전 관리할 수 있다. 서드파티 통합은 third_party/ 하위에 배치된다.

주요 특징

  • 개발 생산성 플러그인: create-plugin(스캐폴딩·검증), agent-compatibility(CLI 저장소 호환성 스캔), cli-for-agent(에이전트 친화적 CLI 설계 패턴), cursor-sdk
  • 에이전트 워크플로 플러그인: orchestrate(병렬 클라우드 에이전트 분산 처리), advisor(중요 결정 전 상위 모델 자문), thermos(보안·정합성 감사 및 병렬 PR 리뷰), ralph-loop, pstack/dyl-stack
  • Google Workspace·Salesforce·GitHub·Playwright 등 외부 서비스 통합과 grok-voice 실시간 음성 기능까지 포함

개발자에게 의미하는 것 에이전트 워크플로를 “프롬프트 모음"이 아니라 재사용 가능한 플러그인 단위로 관리하는 패턴을 그대로 참고할 수 있다. 사내 자동화를 플러그인으로 정리하려는 팀에게 좋은 레퍼런스다.

ruflo

Claude Code와 Codex를 위한 에이전트 메타 하네스

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

무엇을 하는 프로젝트인가? ruflo는 개별 에이전트를 실행하는 단계를 넘어, 여러 에이전트를 오케스트레이션하고 관찰·제어하는 상위 runtime 계층을 제공한다. ruvnet/claude-flow의 계보를 잇는 프로젝트로, Claude Code용 플러그인 3종(ruflo-core, ruflo-console, ruflo-mods)과 MCP 서버, 독립 실행형 TUI를 함께 제공한다. npx ruflo tui만으로 Claude Code 없이도 Overview·Cost·Swarm·Events·Missions 페이지를 볼 수 있다.

주요 특징

  • MCP를 지원하는 모든 클라이언트에서 사용 가능하며, stdio MCP 서버 연결도 한 줄 설정으로 끝난다
  • 다중 에이전트 스웜의 그래프와 상태를 시각화하는 Swarm 뷰 제공
  • RuVector 연동으로 로컬 벡터 검색·영구 컨텍스트·그래프 관계·피드백 학습을 통한 에이전트 메모리 부여

개발자에게 의미하는 것 에이전트 여러 개를 굴릴 때 비용과 상태를 한 화면에서 보려는 요구에 직접 대응한다. 다만 ruflo-mods는 사용자 권한으로 실행되므로 설치 전 코드 검토가 권장된다.

ai-memory

코딩 에이전트를 넘나드는 장기 메모리 서버

  • GitHub: ai-memory
  • 언어/스택: Rust 1.95+, MCP, git 기반 마크다운 위키, MIT
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code로 작업하다 중간에 종료하고 같은 디렉터리에서 Codex를 열어도, 아키텍처 설명과 실패했던 접근법, 열린 질문을 처음부터 다시 설명하지 않게 해주는 메모리 서버다. 기존 에이전트 내장 메모리는 한 머신·한 에이전트에 갇히는 한계가 있었는데, ai-memory는 20개 이상의 하네스가 하나의 공유 메모리에 기록하도록 만든다. 핸드오프는 타입이 지정된 프로토콜로 이뤄지고, 소유자가 있으며 정확히 한 번만 클레임된다.

주요 특징

  • 요약이 아니라 세션 자체를 이월하되, 원격 서버에는 하네스·세션 식별자만 전달하고 로컬 트랜스크립트 본문은 전송하지 않음
  • 진실의 원천이 git으로 백업되는 일반 .md 위키이므로 grep·Obsidian·수동 편집·rsync가 모두 가능하고, DB는 재생성 가능한 파생 인덱스일 뿐
  • 기본 경로가 LLM 호출 없이 동작하며, 라이프사이클 훅 기반 무음 캡처와 타입 지정 프라이버시 경계를 통과한 정제 후 저장
  • LLM 없는 메모리 노화(decay)와 접근 가중 보존, 하드 삭제 대신 버전 체인 기반 restore-page

개발자에게 의미하는 것 “에이전트 메모리는 어디에 저장되어야 하는가"라는 질문에 파일 기반·로컬 우선이라는 명확한 답을 제시한다. 여러 에이전트를 섞어 쓰거나 팀 단위로 지식을 공유하려는 조직에 특히 실용적이다.

Orca

여러 AI 코딩 에이전트를 병렬 worktree로 굴리는 데스크톱 오케스트레이터

  • GitHub: Orca
  • 언어/스택: git worktree 격리, WebGL 터미널, 데스크톱 + iOS/Android, MIT
  • 카테고리: AI

무엇을 하는 프로젝트인가? Orca는 Codex, ClaudeCode, OpenCode, Pi 등 여러 에이전트를 동시에 나란히 실행하고, 각 에이전트를 개별 git worktree에 격리해 한 화면에서 추적·관리하는 데스크톱 앱이다. 하나의 프롬프트를 여러 에이전트에 분배해 결과를 비교한 뒤 가장 좋은 결과를 merge하는 워크플로를 핵심으로 한다.

주요 특징

  • Parallel Worktrees: 하나의 프롬프트를 5개 에이전트에 동시 분배하고 독립 worktree에서 실행
  • Mobile Companion: 외부에서 에이전트를 모니터링하고, 완료 알림을 받은 뒤 후속 지시를 전송
  • Ghostty급 터미널 분할 지원 — WebGL 렌더링, 무한 분할, 재시작 후에도 유지되는 scrollback
  • macOS·Windows·Linux 데스크톱과 iOS App Store·Android APK 동시 제공

개발자에게 의미하는 것 에이전트별로 worktree를 분리하는 구조는 결과 비교와 롤백을 쉽게 만드는 대신, 브랜치/worktree 관리 전략과 디스크 사용량에 대한 이해를 요구한다. 병렬 에이전트 실험을 체계화하려는 팀에 적합하다.

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? “오늘의 소프트웨어는 인간을 위한 것이지만, 미래의 사용자는 에이전트가 될 것"이라는 전제 아래, AI 에이전트가 CLI를 통해 다양한 소프트웨어를 직접 제어하도록 돕는 프로젝트다. CLI-Hub를 통해 커뮤니티 CLI를 설치·관리하고, 에이전트가 생성된 CLI로 CAD 빌드, 3D 장면, 다이어그램, 게임플레이, 자막 같은 실제 결과물을 만들어내는 데모를 제공한다.

주요 특징

  • pip install cli-anything-hub 후 cli-hub install <name>으로 CLI를 설치·관리하는 허브 구조
  • 프리뷰 및 라이브 프리뷰, 트래젝토리 루프 등 에이전트 실행 검증 기능
  • 2,461개 테스트 통과 및 arXiv 논문(arXiv:2606.03854) 공개

개발자에게 의미하는 것 GUI 중심 소프트웨어를 에이전트가 다루게 하려면 결국 안정적인 CLI 표면이 필요하다는 문제의식을 구체적인 배포 채널로 구현했다. 사내 도구를 에이전트 친화적으로 노출하려는 팀이 참고할 만하다.

Claude Code로 채용 공고 평가부터 면접 준비까지 자동화하는 구직 프레임워크

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

무엇을 하는 프로젝트인가? 저장소를 포크한 뒤 자신의 프로필만 채워 넣으면, Claude가 채용 공고를 평가하고 CV를 맞춤형으로 다듬고 자기소개서를 작성하며 면접까지 준비해 주는 구직 지원 프레임워크다. 제작자는 2025년 말 해고를 겪은 뒤 직접 만들어 실제 구직에 사용했고, 69건의 맞춤 지원과 20건의 1차 면접을 거쳐 2026년 6월 AI 엔지니어로 입사했다고 밝힌다. 모든 처리가 로컬 머신에서 실행되는 것이 특징이다.

주요 특징

  • /setup, /scrape, /apply <url>, /interview 등 단계별 슬래시 커맨드로 구성된 워크플로
  • 적합도 점수화 후 LaTeX 기반 맞춤 이력서·자기소개서 초안을 생성하고, Reviewer 에이전트가 비평·수정
  • ATS(지원자 추적 시스템) 파싱 검사와 선택적 연봉 벤치마킹 기능 포함
  • 핵심 워크플로는 언어·국가 무관하게 설계되었고, 구인 포털 검색 스킬은 덴마크 시장 기준(교체 가능한 패턴)

개발자에게 의미하는 것 “작성자 에이전트 + 검토자 에이전트” 파이프라인은 구직이라는 특수 도메인을 넘어, 산출물 품질을 끌어올리는 범용 패턴으로 참고할 가치가 있다. 별도의 암호화폐·토큰·유료 후원 프로그램이 없다는 점도 프로젝트 측이 명시하고 있다.

Android skills

Android 공식 가이드를 AI 에이전트가 실행 가능한 스킬로 정리한 저장소

  • GitHub: Android skills
  • 언어/스택: Markdown(SKILL.md), Android CLI, Agent Skills 표준, Apache 2.0
  • 카테고리: AI

무엇을 하는 프로젝트인가? developer.android.com의 모범 사례와 권장 사항을 AI 에이전트가 정확히 이해하고 실행하도록 돕는 모듈형 지시문·리소스 모음이다. LLM이 취약한 사용 사례에 집중하고, 이미 능숙한 영역(기본적인 Jetpack Compose 모범 사례 등)은 우선순위에서 제외하는 방식으로 범위를 잡았다.

주요 특징

  • 오픈 표준 Agent Skills 규격을 채택해 SKILL.md 마크다운 파일로 기술 명세 제공
  • android skills add r8-analyzer --project=. 같은 개별 설치와 --all 전체 설치, update --all 업데이트 지원
  • Claude Code·Codex 플러그인 형태 설치와 에이전트별 자동 활성화 지원
  • 에이전트 디렉터리가 없으면 Gemini·Antigravity용 경로에 기본 설치

개발자에게 의미하는 것 프레임워크 벤더가 공식 문서를 “읽는 문서"에서 “실행되는 스킬"로 재배포하기 시작했다는 신호다. AI가 생성한 결과를 반드시 재확인해야 한다는 면책 조항도 함께 기억해두자.

VoiceStudio

646개 언어를 지원하는 로컬 우선 음성 클로닝·더빙 데스크톱 앱

  • GitHub: VoiceStudio
  • 언어/스택: Electron, k2-fsa/OmniVoice 엔진, 로컬 API·MCP, AGPL-3.0
  • 카테고리: AI

무엇을 하는 프로젝트인가? 음성 클로닝, 음성 디자인, 비디오 더빙, 받아쓰기, 전사, 오디오북 제작을 하나로 묶은 오픈소스 데스크톱 애플리케이션이다. 로컬 워크플로를 사용자 하드웨어에서 직접 실행하는 것을 기본으로 하고 원격 서비스는 선택 사항으로 둔다. 기본 엔진은 k2-fsa/OmniVoice이며 다른 엔진으로 교체할 수 있다.

주요 특징

  • 샘플 음성 기반 클로닝과 목소리 특성 설명 기반 음성 디자인을 모두 지원
  • 타이밍에 맞춘 비디오 더빙, 플로팅 위젯 실시간 받아쓰기, 배치 작업
  • 재사용 가능한 레시피와 감시 폴더(watch folder) 기반 워크플로 자동화
  • 로컬 API 및 MCP 서버를 제공해 에이전트에서 직접 호출 가능

개발자에게 의미하는 것 음성 파이프라인을 로컬에서 끝내려는 요구에 맞춘 구성으로, 상세 기능과 엔진 카탈로그는 docs/feature-catalog.md에서 확인할 수 있다. 다만 AGPL-3.0 라이선스이므로 상용 통합 시 조건을 반드시 검토해야 한다.

ComfyUI

노드 그래프로 이미지·비디오·3D·오디오를 생성하는 모듈형 AI 엔진

  • GitHub: ComfyUI
  • 언어/스택: Python 추론 엔진, 노드 그래프 UI, REST API
  • 카테고리: AI

무엇을 하는 프로젝트인가? 모든 모델·파라미터·출력물을 세밀하게 제어하려는 비주얼 전문가를 겨냥한 콘텐츠 생성 AI 엔진이다. 확산 모델 기반 생성 파이프라인을 노드 단위로 직접 설계·제어할 수 있게 하고, 이미지뿐 아니라 비디오·3D 모델·오디오까지 폭넓게 다룬다. 최신 오픈소스 SOTA 모델을 네이티브로 지원하고 로컬 소비자용 하드웨어에서의 고성능 추론에 초점을 둔다.

주요 특징

  • 노드 그래프 인터페이스로 복잡한 워크플로우를 시각적으로 구성
  • 비동기 가중치 스트리밍을 통해 최소 4GB VRAM + 8GB RAM 환경에서도 대형 모델 실행 지향
  • Nano Banana, Seedance, Hunyuan3D 등 클로즈드 소스 모델에 접근하는 Partner Nodes 제공
  • App Mode로 정교한 워크플로우를 단순 UI로 노출하고, API 엔드포인트로 프로덕션 파이프라인에 통합

개발자에게 의미하는 것 에이전트 열풍 속에서도 생성 파이프라인의 세밀한 제어라는 확고한 수요를 보여주는 성숙한 프로젝트다. 저사양에서 대형 모델을 돌릴 계획이라면 실제 사용 전 환경 검증이 필요하다.

Jasna

GPU로 모자이크 영역을 탐지·복원하는 도구

  • GitHub: Jasna
  • 언어/스택: BasicVSR++/LTX 모델, NVIDIA·AMD GPU(ROCm), GUI + CLI
  • 카테고리: 기타

무엇을 하는 프로젝트인가? 동영상과 이미지에 적용된 모자이크(검열) 영역을 GPU로 자동 탐지·복원하는 오픈소스 도구다. 화면 전체가 아니라 모자이크 영역만 찾아 복원하며, GUI 애플리케이션과 CLI 두 형태로 사용할 수 있다.

주요 특징

  • 빠른 무료 모델 BasicVSR++와 고디테일 LTX 모델(서포터 전용, NVIDIA 한정) 중 선택
  • 사용자가 복원할 부분만 직접 고르는 Segment Editor와 미리보기
  • VR180 동영상·정지 이미지 처리 및 파일 저장 없이 확인하는 실시간 Video Player
  • 최초 실행 시 GPU 최적화에 약 15~60분이 소요되며, 이후에는 model_weights 폴더 복사로 재작업 회피 가능

개발자에게 의미하는 것 NVIDIA GTX 16/RTX 20 시리즈 이상(Compute Capability 7.5+)을 요구하고 비영어 문자가 포함된 경로를 지원하지 않는 등 환경 제약이 뚜렷하다. 성격상 민감한 콘텐츠 처리에 쓰일 수 있으므로 각국 법규와 윤리 기준을 반드시 확인해야 한다.

LLM Course

LLM 기초부터 학습·서빙까지 다루는 무료 교육 과정

  • GitHub: LLM Course
  • 언어/스택: Python, Jupyter/Colab, Hugging Face, Unsloth, Axolotl, TRL
  • 카테고리: AI

무엇을 하는 프로젝트인가? LLM의 기초부터 최신 기법을 활용한 모델 구축, 그리고 LLM 기반 애플리케이션 개발·배포까지 단계적으로 안내하는 무료 교육 과정이다. 선택 사항인 LLM Fundamentals(수학·Python·신경망), The LLM Scientist(최신 기술로 좋은 모델 만들기), The LLM Engineer(애플리케이션 제작·배포) 세 부분으로 구성된다.

주요 특징

  • 모델 평가·병합·파인튜닝·양자화·중복 제거를 자동화하는 노트북과 도구 제공(LLM AutoEval, LazyMergekit, LazyAxolotl, AutoQuant 등)
  • Unsloth 기반 Llama 3.1, ORPO 기반 Llama 3, DPO/QLoRA 기반 Mistral-7b, Axolotl 기반 CodeLlama 등 실습 노트북
  • GGUF·GPTQ·EXL2·AWQ·HQQ 등 양자화 형식 섹션 포함

개발자에게 의미하는 것 이론과 실습 노트북을 함께 제공해 “읽고 끝나는” 과정이 아니라 직접 돌려볼 수 있는 자료라는 점이 강점이다. 더 포괄적인 버전은 DeepWiki에서 확인할 수 있다.

오늘의 한 줄 정리: 에이전트를 만드는 경쟁에서 에이전트를 연결하고 기억하게 하고 병렬로 굴리는 인프라 경쟁으로 무게중심이 옮겨간 하루였다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.