오늘 트렌딩은 “코딩 에이전트를 어떻게 더 잘 쓰게 만들 것인가"에 집중된 하루였다. 디자인 스킬(Hallmark, Impeccable), 보안 감사 스킬(Cloudflare security-audit-skill), SEO 감사 플러그인(Claude SEO)처럼 에이전트에 전문성을 주입하는 프로젝트가 나란히 올랐고, JetBrains의 에이전트 IDE ThinkRail과 로컬 실행형 에이전트 cindy가 그 흐름의 상단을 차지했다. 여기에 자체 서버 PaaS Coolify와 강화학습으로 걷는 초소형 2족 로봇 microduck까지, 실험적인 프로젝트가 눈에 띄었다.

cindy

별도 설정 없이 바로 쓰는 오픈소스 AI 에이전트 클라이언트로, 내 컴퓨터의 실제 파일과 로그인된 앱을 직접 다룬다.

  • GitHub: cindy
  • 언어/스택: Node.js 22.x, pnpm 10.x 모노레포, Electron(데스크톱), Expo/React Native(모바일), Git LFS
  • 카테고리: AI

무엇을 하는 프로젝트인가? Cindy는 사용자의 실제 컴퓨터에서 로컬로 실행되며 실제 파일과 로그인된 앱을 활용해 작업을 수행하는 AI 에이전트다. 이 저장소는 데스크톱/모바일 앱과 공용 패키지로 구성된 오픈소스 클라이언트이며, 백엔드 서비스는 별도 저장소에서 관리된다. 여러 하네스와 모델, 도구를 하나의 에이전트로 통합해 “즉시 사용 가능한” 경험을 제공하는 것이 핵심 목표다.

주요 특징

  • 다중 하네스 지원: 첫 지원 대상은 Claude Code와 Codex이며, 작업 중간에 모델·하네스를 전환해도 작업 공간·메모리·스킬·도구의 연속성이 유지된다. 하나의 작업을 서로 다른 하네스×모델 조합의 에이전트들이 계획·병렬 실행·검토할 수도 있다.
  • 브라우저·컴퓨터·휴대폰 제어: 로컬 기기 조작은 물론 IM과 스케줄러로부터 작업을 받아 처리할 수 있다.
  • 유연한 모델 연결: 공식 Cindy 서비스 로그인, 이미 결제 중인 Claude Code/Codex Coding Plan 인증(중복 과금 없음), 자체 API 키, 로컬 모델 중에서 선택할 수 있다.
  • 커스터마이징: 메모리(교정 내용이 하네스 전반에 공유), 스킬, 자동화, MCP 연동, 플러그인을 지원하고 클라이언트 소스는 Apache-2.0으로 공개된다.

개발자에게 의미하는 것 에이전트를 “채팅창"이 아니라 내 로컬 환경에서 실제 작업을 끝내는 실행 주체로 쓰고 싶은 팀에게 실용적인 출발점이 된다. 특히 이미 쓰고 있는 코딩 플랜 자격 증명을 그대로 연결할 수 있다는 점이 도입 장벽을 크게 낮춘다.

Hallmark

AI가 만든 티가 나지 않도록 웹페이지 디자인을 통제하는 코딩 에이전트용 디자인 스킬.

  • GitHub: Hallmark
  • 언어/스택: 에이전트 스킬 형식(Claude Code, Codex, Cursor, OpenCode 호환), Node.js 스크립트(theme.mjs, sloplint.mjs), 자체 완결형 HTML/CSS
  • 카테고리: AI

무엇을 하는 프로젝트인가? Hallmark는 Together AI가 만든 디자인 스킬로, AI가 생성한 페이지에서 반복적으로 나타나는 전형적인 패턴을 적극적으로 걸러낸다. 모든 제목 위에 붙는 작은 라벨, 헤드라인 속 한 단어만 색을 넣는 기법, 내용 없이 빈 프레임만 늘어놓은 페이지, 화면 높이를 벗어나는 히어로 섹션, 실제로 전송되지 않으면서 ‘감사합니다’만 표시하는 폼 같은 징후가 제거 대상이다.

주요 특징

  • 48개의 테마: 각 테마는 종이·타이포그래피·색상·표면·자체 컴포넌트로 구성된 하나의 ‘재료’이며, skills/hallmark/references/themes/에 8KB 이하 단일 파일로 존재한다. 테마는 계획이 아니라 재료이므로 같은 테마로도 다른 페이지가 나온다.
  • 작업(job) 기반 구성: 예약 페이지는 예약을, 쇼핑 페이지는 판매를 중심으로 설계되고 페이지는 그 행동으로 끝난다.
  • 3단계 품질 게이트: 절대 통과할 수 없는 Floor, 모델이 무의식적으로 빠지는 기본값인 Reflex, 출시를 막지 않는 마감 점검인 Finish로 나뉜다.
  • 실제 재료 사용: 지정한 URL·개발 서버·앱의 스크린샷을 직접 캡처하고, 공개 라이선스 사진 755장을 주제별로 선택해 출처를 표기한다. /hallmark redesign과 /hallmark audit 명령도 제공된다.

개발자에게 의미하는 것 “AI가 만든 것 같은 랜딩 페이지"에서 벗어나야 하는 프론트엔드 작업이라면, 프롬프트 몇 줄보다 이 스킬 하나를 붙이는 편이 결과 편차를 줄이는 데 효과적이다.

VoiceStudio

음성 클로닝·디자인·더빙·전사·오디오북 제작을 한 워크스페이스에서 처리하는 데스크톱 앱.

  • GitHub: VoiceStudio
  • 언어/스택: Electron 크로스플랫폼 데스크톱, 기본 음성 엔진 k2-fsa/OmniVoice(대체 엔진 선택 가능), 로컬 API 및 MCP 지원
  • 카테고리: AI

무엇을 하는 프로젝트인가? VoiceStudio는 646개 언어를 지원하는 오픈소스 음성 워크스페이스다. “Your voice. Your workflow.“라는 표어처럼 로컬 우선(local-first) 설계로 사용자의 하드웨어에서 음성 모델을 실행하고, 원격 서비스는 선택 사항으로 둔다.

주요 특징

  • 음성 클로닝과 음성 디자인: 샘플 음성으로 목소리를 복제하거나, 원하는 목소리를 텍스트로 설명해 새로 생성할 수 있다. 번들된 데모 보이스로 바로 테스트 가능하다.
  • 영상 더빙·받아쓰기·오디오북: 타이밍이 맞춰진 더빙, 플로팅 위젯 기반 실시간 받아쓰기, 스토리·오디오북·배치 작업을 지원한다.
  • 자동화와 연동: 재사용 가능한 레시피와 감시 폴더(watch folders)를 제공하고, 로컬 API와 MCP를 통해 에이전트에서 활용할 수 있다.
  • 모델 관리: 로컬 음성 모델을 설치·관리하는 전용 화면이 있고, 기본 엔진 외에 여러 엔진을 선택할 수 있다. 라이선스는 AGPL-3.0이며 사용 분석은 동의 시에만 수집된다.

개발자에게 의미하는 것 음성 파이프라인을 조립하려면 엔진·전처리·UI를 각각 붙여야 했던 작업을 하나의 앱으로 대체할 수 있다. MCP와 로컬 API가 열려 있어 자체 에이전트 워크플로에 음성을 끼워 넣기도 쉽다.

Impeccable

AI 코딩 에이전트의 프론트엔드 결과물 품질을 끌어올리는 디자인 가이드 도구.

  • GitHub: Impeccable
  • 언어/스택: Node.js(npx 설치), 브라우저 확장 프로그램, AI 코딩 도구 연동
  • 카테고리: AI

무엇을 하는 프로젝트인가? Impeccable은 AI가 생성한 프론트엔드 디자인의 품질과 일관성을 높이기 위한 도구다. Anthropic의 frontend-design 스킬에서 출발했으며, AI가 습관적으로 쓰는 전형적 패턴(Inter 폰트, 보라-파랑 그라데이션, 카드 중첩 등)을 피하도록 유도한다.

주요 특징

  • 하나의 스킬과 24개 명령어: /impeccable init으로 PRODUCT.md에 제품 정보를 기록하고, polish·audit·critique·distill·animate·bolder·quieter 등의 명령으로 디자인을 개선한다.
  • 62개의 결정적 감지 규칙: CLI와 브라우저 확장 프로그램은 LLM이나 API 키 없이 이 규칙들을 실행할 수 있다.
  • 라이브 브라우저 반복 작업: 렌더링 결과를 보면서 개선 루프를 돌리는 워크플로를 지원한다.
  • 공식 문서는 impeccable.style에서 확인할 수 있다.

개발자에게 의미하는 것 에이전트에게 “예쁘게 만들어줘"라고 부탁하는 대신 검사 가능한 규칙을 씌우는 접근이라는 점이 핵심이다. API 키 없이도 규칙 검사를 돌릴 수 있어 CI에 넣기도 수월하다.

microduck

강화학습 정책으로 걷고, 구르고, 집는 약 25cm 크기의 초소형 2족 보행 로봇.

  • GitHub: microduck
  • 언어/스택: Rockchip RK3566, 데몬 기반 소프트웨어 스택, 50Hz 제어 루프, ONNX 정책 로드(MuJoCo + PPO로 학습)
  • 카테고리: 기타

무엇을 하는 프로젝트인가? Microduck은 Pollen Robotics가 만든 약 25cm, 800g의 2족 보행 로봇으로, 이 저장소는 로봇의 ‘두뇌’에 해당하는 소프트웨어 스택을 담고 있다. Rockchip RK3566 기반 보드 위에서 여러 데몬 형태로 동작한다.

주요 특징

  • 보행과 롤러 모드: 게임패드로 조종 가능한 2족 보행은 신경망 정책이 15개의 서보를 구동한다. 바퀴를 장착하고 롤러 모드를 요청하면 별도의 정책을 로드해 주행한다.
  • 그리핑과 50Hz 제어 루프: 물체를 집는 동작을 수행하고, 신경망 정책 기반으로 서보를 실시간 제어한다.
  • 무선·카메라·OTA: 라디오 통신과 카메라를 제어하며, 로봇을 벽돌화시키지 않고 새 소프트웨어를 안전하게 배포하는 업데이트 메커니즘을 포함한다.
  • 정책 학습은 별도 저장소인 microduck_rl에서 MuJoCo 시뮬레이터와 PPO, sim2real 레시피로 진행하고 ONNX로 내보낸 모델을 이 저장소에서 로드한다.

개발자에게 의미하는 것 임베디드 제어와 강화학습, sim2real 배포 파이프라인을 실제 하드웨어에서 어떻게 분리해 운영하는지 볼 수 있는 드문 사례다. 로보틱스에 관심 있는 개발자라면 정책 학습 저장소와 함께 읽을 가치가 있다.

TradingAgents

실제 트레이딩 회사의 의사결정 구조를 모방한 다중 에이전트 LLM 금융 트레이딩 프레임워크.

  • GitHub: TradingAgents
  • 언어/스택: Python, LangGraph, 다중 LLM 프로바이더(OpenAI·Claude·Gemini·Grok·DeepSeek·Qwen·Ollama 등), Docker
  • 카테고리: AI

무엇을 하는 프로젝트인가? Tauric Research가 논문(arXiv:2412.20138)과 함께 공개한 완전 오픈소스 프레임워크다. 펀더멘털·감성·기술적 분석가부터 트레이더, 리스크 관리 팀까지 각기 다른 역할의 LLM 에이전트가 협업하고 토론하며 시장 상황을 종합 평가해 트레이딩 전략을 도출한다.

주요 특징

  • 역할별 전문 에이전트: 애널리스트, 트레이더, 리서치 매니저, 포트폴리오 매니저, 리스크 관리 팀이 상호 토론으로 판단을 내린다.
  • 구조화된 의사결정과 백테스팅: 구조화 출력과 5단계 평가 스케일, 명확한 매매 신호를 제공하고 종목·날짜 그리드 단위 백테스트를 지원한다. 각 결정 시점의 첫 종가를 기준으로 채점하며 point-in-time 무결성을 보장한다.
  • 리포트와 로그: 실행 결과를 단일 HTML 리포트로 저장하고 사용된 설정과 영속적 의사결정 로그를 유지한다.
  • CLI와 병렬 실행: --ticker, --date 플래그로 프롬프트 없이 실행하고 LangGraph 체크포인트로 중단/재개할 수 있으며, 애널리스트를 병렬로 돌려 속도를 높인다. 최신 버전은 v0.7.0(2026-10)이다.

개발자에게 의미하는 것 멀티 에이전트 오케스트레이션과 구조화 출력, 백테스팅 무결성을 한 코드베이스에서 참고할 수 있다는 점이 금융 도메인 밖에서도 유용하다. 다만 연구·교육 목적 프레임워크이므로 실제 투자 판단 전 충분한 검증이 필요하다.

ziwei-doushu

자미두수 명반 산출 엔진과 초대규모 해석 데이터셋을 함께 공개한 오픈 데이터 프로젝트.

무엇을 하는 프로젝트인가? 중국 전통 명리학인 자미두수의 오픈소스 명반 산출 엔진이다. 니해하 선생의 《천기》 강의 체계를 기반으로 하며, 완전한 명반 산출 알고리즘과 사화 시스템, 격국 지식베이스, 고전 원문 데이터를 포함한다. “알고리즘은 담장 안에 가둬둘 것이 아니다"라는 철학 아래 코드뿐 아니라 대규모 해석 데이터셋까지 개방했다.

주요 특징

  • 명반 산출 엔진: 음력/양력 변환, 윤달, 진태양시 보정, 출생지 경도 기반 보정과 사화(化祿·化權·化科·化忌) 연산을 지원한다. 성요 밝기 기본값을 《두수전서》 기준으로 변경했고, 중국 서머타임 처리 함수와 성직할현급·신장생산건설병단 도시 경도 데이터를 추가했다.
  • 초대규모 해석 데이터셋: v4.0은 674,976장의 명반 × 13개 차원 = 8,774,688개 해석 단락(본문 약 204억 자)으로, 압축 시 161MB를 연도별 77개 파일로 분할 제공한다. 배포 전 77개 파일을 개별 압축 해제해 원본과 바이트 단위로 대조 검증한다.
  • 니해하 《천기·자미두수》 원어 코퍼스: 14강 + 2개 보충 구간, 총 1,848개 항목을 정리하고 각 항목마다 영상 출처를 표기했다.
  • 라이선스 구조: 코드는 MIT, 데이터셋은 CC BY 4.0, 고전 원문은 퍼블릭 도메인이지만 니해하 원어 인용은 CC BY-NC-SA 4.0(비상업)이다. 13차원 단정문 라이브러리 자체는 비공개이며 교정 결과만 데이터셋에 반영된다.

개발자에게 의미하는 것 도메인 지식이 두터운 프로젝트가 코드·데이터·원문 근거를 어떻게 분리해 라이선스하는지 보여주는 흥미로운 사례다. 대용량 데이터를 Release 자산으로 쪼개 배포하는 방식 자체도 참고할 만하다.

ThinkRail

npm의 pi 코딩 에이전트를 중심에 둔 JetBrains의 에이전트 기반 IDE.

  • GitHub: ThinkRail
  • 언어/스택: Monaco Editor, Git worktree 기반 워크스페이스, @earendil-works/pi-coding-agent, MCP, Agent Skills, 데스크톱 앱 + thinkrail CLI
  • 카테고리: AI

무엇을 하는 프로젝트인가? JetBrains가 인큐베이터 프로젝트로 공개한 에이전트 기반 IDE로, “사용할수록 더 똑똑해지는 개발 환경"을 목표로 한다. 에이전트가 코드를 작성하고 리뷰하고 PR을 만들고 머지하는 전 과정을 하나의 워크벤치에서 처리하도록 설계됐다.

주요 특징

  • 격리된 워크스페이스: git worktree 기반으로 워크스페이스를 분할해 여러 에이전트가 병렬로 작업해도 사용자의 체크아웃을 건드리지 않는다. PR이 머지·클로즈되거나 일정 기간 조용하면 프로젝트별 ‘셸프’로 자동 정리되고 다시 작업하면 복귀한다.
  • 브랜치/PR 관리: 활성 브랜치와 origin 관계, PR 상태를 상단바에 표시하고 publish/push/PR 생성부터 CI 체크 확인, 머지, 재오픈, 원격 브랜치 삭제까지 처리한다.
  • 스펙과 스킬: 코드 옆에 SPEC.md 연결 그래프를 두고 전용 spec_* 도구로 읽기·검색·유지보수하며, 다른 코딩 에이전트용 이식 가능한 Agent Skills를 그대로 읽어들인다.
  • 스트리밍 채팅과 도구: 워크스페이스당 여러 pi 세션, 세션별 모델 지정, 실시간 토큰/비용 표시, 실행 중 개입(steer)과 후속 작업 큐잉을 지원한다. MCP 서버 연결과 승인 흐름, 웹 리서치·인라인 다이어그램 같은 셸 너머의 도구도 제공한다.
  • 배포: 네이티브 데스크톱 앱과 동일한 앱을 브라우저로 여는 thinkrail CLI를 함께 제공하며, 앱 상태는 ~/.thinkrail에 저장된다. macOS는 Apple Silicon 전용, Windows x64, Linux x64/ARM64를 지원한다.

개발자에게 의미하는 것 에이전트를 IDE에 얹는 방식이 “사이드 패널 챗"을 넘어 워크스페이스 격리·PR 자동화·스펙 그래프로 확장되는 방향을 보여준다. JetBrains AI 또는 자체 프로바이더 자격 증명을 쓰며 별도 계정 체계가 없다는 점도 눈에 띈다.

Coolify

애플리케이션·데이터베이스·서비스를 내 서버에서 직접 배포하는 오픈소스 셀프호스팅 PaaS.

  • GitHub: Coolify
  • 언어/스택: Docker / Docker Compose, Nixpacks·Railpack·Dockerfile 빌드, SSH 기반 서버 관리, 웹 대시보드·REST API·CLI·MCP
  • 카테고리: DevOps

무엇을 하는 프로젝트인가? Heroku, Netlify, Vercel의 오픈소스 대안을 표방하는 셀프호스팅 플랫폼이다. VPS, 베어메탈, 라즈베리 파이 등 SSH 접속이 가능한 어떤 서버든 관리 대상으로 편입할 수 있고, 클라우드의 편의성은 누리면서 인프라 통제권은 사용자가 유지한다.

주요 특징

  • 애플리케이션 배포: GitHub·GitLab·Bitbucket·Gitea 연동과 Nixpacks, Railpack, Dockerfile, Docker Compose, 사전 빌드 이미지 등 다양한 배포 방식을 지원한다.
  • 데이터베이스와 원클릭 서비스: 관리형 데이터베이스와 360개 이상의 원클릭 서비스를 영구 스토리지 및 자동 생성 자격 증명과 함께 배포한다.
  • 배포 자동화와 네트워킹: Git 푸시 시 자동 배포, PR 프리뷰 환경, 웹훅, 이미지 롤백과 함께 커스텀 도메인·자동 HTTPS·리버스 프록시·헬스 체크를 제공한다.
  • 운영과 보호: 다중 서버 관리, 배포·런타임 로그, 컨테이너 터미널, 백업, 스케줄 작업, 시크릿 관리, 알림을 지원한다. 설치 전에 scripts/install.sh를 미리 검토한 뒤 실행할 수도 있다.

개발자에게 의미하는 것 소규모 팀이 관리형 플랫폼 비용과 종속성에서 벗어나는 가장 현실적인 선택지 중 하나다. Coolify 사용을 중단하더라도 실행 중인 리소스는 계속 동작한다는 점이 락인 회피 관점에서 특히 매력적이다.

security-audit-skill

코딩 에이전트를 보안 감사자로 전환시키는 Cloudflare의 에이전트 스킬.

  • GitHub: security-audit-skill
  • 언어/스택: SKILL.md 기반 스킬 정의, Node.js CommonJS 검증 스크립트(무의존성), JSON / JSON Schema
  • 카테고리: 보안

무엇을 하는 프로젝트인가? Cloudflare의 취약점 발견 하네스에서 출발한 스킬로, 블로그 글 “Build your own vulnerability harness"에서 소개된 멀티 스테이지 시스템의 단일 저장소 버전이다. 여러 격리된 에이전트를 오케스트레이션해 정찰부터 보고까지 일관된 파이프라인으로 수행한다.

주요 특징

  • 6단계 감사 파이프라인: 정찰(architecture.md, coverage-ledger.json) → 커버리지 기반 헌팅 → 후보 검증 → 구조화 출력(findings.json) → 독립적 기록 검증 → 대상 중립적 보고(REPORT.md 등) 순으로 진행된다.
  • 세 가지 판정 체계: confirmed는 완전한 소스 추적과 관측된 제한적 결과를, needs_validation은 정확한 미해결 사실만을 담고 심각도는 부여하지 않으며, rejected는 반증된 후보를 기록한다.
  • 누적 실행과 무결성 검증: 동일 저장소 반복 실행은 이전 원장과 발견 내용을 활용해 누락 지점을 겨냥하고 변경된 소스를 재검증한다. 부모 에이전트가 validate-coverage-ledger.cjs와 validate-findings.cjs를 실행해 무결성을 유지한다.
  • 공격 클래스별 문서: 메모리 안전성, AI/LLM, 웹 프로토콜·인증, 클라이언트 사이드, 공급망, 클라우드·배포, 리소스 고갈, 데이터 격리 등 대상 유형에 따라 선택적으로 활용한다.

개발자에게 의미하는 것 “보안 리뷰 해줘"라는 한 줄 프롬프트를 반증 중심의 재현 가능한 파이프라인으로 바꿔준다는 점이 핵심이다. 검증기가 외부 의존성 없이 동작해 Node.js만 있으면 감사 단계를 그대로 재현할 수 있다.

Claude SEO

Claude Code에서 사이트 주소 하나로 전체 SEO 감사를 돌리는 무료 오픈소스 플러그인.

  • GitHub: Claude SEO
  • 언어/스택: Claude Code 플러그인(26개 서브 스킬, 19개 전문 에이전트), GitHub Actions CI, MIT
  • 카테고리: AI

무엇을 하는 프로젝트인가? 웹사이트 주소를 입력하면 10~15분 내에 전체 SEO 감사를 수행하고 중요도 순으로 정렬된 실행 계획을 제시한다. Google 검색 순위를 높이는 동시에 ChatGPT, Perplexity, Gemini, Google AI Overviews 같은 AI 검색에서 인용되도록 최적화하는 것이 목표다.

주요 특징

  • 기술적 SEO: 크롤링 가능성, 인덱싱, 사이트맵, robots.txt, 리다이렉트, 페이지 속도, Core Web Vitals를 점검한다.
  • 콘텐츠 품질과 구조화 데이터: E-E-A-T 평가와 빈약한 페이지·토픽 커버리지 분석, Schema.org 마크업 탐지·검증·생성을 지원한다.
  • AI 검색(GEO)과 로컬/이커머스: 각 페이지가 AI 검색엔진에 인용될 가능성을 평가하고, Google 비즈니스 프로필·리뷰·지도 팩·제품 페이지·국제 사이트까지 다룬다.
  • 병렬 분석 구조: 최대 17개 에이전트가 동시에 사이트를 분석하며 역할에 맞게 Sonnet·Opus 등 모델을 배치한다. /seo로 전체 명령 목록을 확인하고 /seo technical, /seo content 같은 세부 명령을 쓸 수 있으며, 1,077개 테스트를 통과했다.

개발자에게 의미하는 것 유료 컨설턴트가 점검하는 항목을 자동화하면서 각 권장 사항마다 “왜 중요한지"와 “성공 여부를 어떻게 확인하는지"를 함께 설명한다는 점이 실용적이다. 개발자가 직접 운영하는 사이드 프로젝트의 SEO 점검 용도로 부담 없이 써볼 수 있다.

오늘의 한 줄 정리

오늘 트렌딩의 공통 키워드는 “에이전트에게 무엇을 가르칠 것인가"였다. 디자인이든 보안이든 SEO든, 범용 모델 위에 검증 가능한 규칙과 전문 스킬을 얹는 프로젝트가 개발자들의 관심을 끌고 있다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.