오늘 트렌딩은 “AI 코딩 에이전트를 어떻게 더 똑똑하고 안전하게 쓸 것인가"라는 질문에 답하는 프로젝트들이 압도적으로 많았다. Claude Code 세션에 장기 기억을 붙여주는 claude-mem, 접근성 트리로 데스크톱 앱을 조작하는 Vercel Labs의 agent-desktop, 그리고 하나의 Claude Code 세션을 49개 에이전트로 구성된 게임 스튜디오로 바꿔주는 Claude-Code-Game-Studios가 특히 눈에 띈다. 여기에 더해 로컬에서 대형 MoE 모델을 돌리는 순수 C 추론 엔진 colibri까지, “개인 장비에서 최대한 다 해보자"는 흐름이 뚜렷하다.

claude-mem

Claude Code 세션 간의 작업 맥락을 저장·압축·복원해 주는 지속적 메모리 시스템.

  • GitHub: claude-mem
  • 언어/스택: Node.js (>= 20.0.0), npm
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code는 세션이 끝나면 이전 대화 맥락을 잃어버린다. claude-mem은 이 한계를 정면으로 다루는 Claude Code 전용 지속적 메모리 압축 시스템이다. 세션 로그를 요약·압축해 저장해 두고, 다음 세션에서 핵심 정보만 다시 주입함으로써 매번 같은 프로젝트 설명을 반복하지 않아도 되게 만든다. 원본 대화를 그대로 쌓아 두는 대신 압축하기 때문에 토큰 사용량과 스토리지 부담도 함께 줄인다.

주요 특징

  • 메모리 압축: 세션 로그를 요약·압축해 핵심 정보만 유지
  • Claude Code 통합: 훅/플러그인 형태로 기존 워크플로우에 맞춰 동작
  • 다국어 문서: 한국어를 포함한 30여 개 언어 README 제공(i18n)

개발자에게 의미하는 것 장기 프로젝트를 Claude Code로 굴리는 사람이라면 세션마다 컨텍스트를 다시 설명하는 비용을 크게 줄일 수 있다. Apache 2.0 라이선스로 공개돼 있고 Awesome Claude Code 등에 등재될 만큼 커뮤니티 검증도 어느 정도 된 편이다.

agent-desktop

AI 에이전트가 스크린샷 없이 접근성 트리로 데스크톱 앱을 조작하게 해주는 컴퓨터 사용(Computer Use) 도구.

  • GitHub: agent-desktop
  • 언어/스택: C 라이브러리 + CLI, npm 패키지
  • 카테고리: AI

무엇을 하는 프로젝트인가? Vercel Labs가 공개한 agent-desktop은 AI 에이전트가 macOS, Windows, Linux의 데스크톱 애플리케이션을 직접 보고 조작할 수 있게 해주는 도구다. 핵심은 픽셀 매칭이나 스크린샷 대신 운영체제의 접근성 트리(Accessibility Tree)를 읽어 UI를 JSON으로 돌려준다는 점이다. 에이전트가 동작할 수 있는 모든 요소에는 ref 참조 ID가 부여되고, 에이전트는 이 ref를 대상으로 클릭·타이핑을 수행한 뒤 다시 UI를 읽어 결과를 검증하는 관찰-행동-재관찰 루프를 돈다. 모델 자체는 내장하지 않고 사용자의 에이전트 측에 위임하는 구조다.

주요 특징

  • 원자적 ref 시스템: @s8f3k2p9:e8처럼 스냅샷 ID를 포함하며, 스냅샷 ID가 없으면 INVALID_ARGS, UI 변경 시 STALE_REF/AMBIGUOUS_TARGET 오류 반환
  • 헤드리스 기본 동작: 기본적으로 포인터 이동·포커스 변경 없이 동작하고, --headed 플래그로 실제 물리 입력 수행
  • 단일 JSON 응답: 모든 명령이 버전·성공 여부·명령 이름·데이터를 담은 하나의 JSON 봉투(envelope)로 응답

개발자에게 의미하는 것 스크린샷 기반 자동화의 취약함(해상도·테마 변경에 깨지는 문제)을 접근성 트리로 우회하는 접근이 실용적이다. 다만 스냅샷과 클립보드에 사적인 데스크톱 내용이 담길 수 있으니 로그·업로드 시 노출 주의가 필요하다.

Worktrunk

AI 에이전트를 병렬로 굴리는 워크플로를 겨냥한 git worktree 관리 CLI.

  • GitHub: Worktrunk
  • 언어/스택: Rust (Cargo), GitHub Actions CI, Codecov
  • 카테고리: DevOps

무엇을 하는 프로젝트인가? Worktrunk는 git worktree 관리를 위한 CLI 도구로, AI 에이전트를 병렬로 실행하는 시나리오를 염두에 두고 설계됐다. 여러 병렬 변경사항을 동시에 다룰 때 생기는 번거로움을 줄이는 것이 목표다. 브랜치를 다루듯 worktree를 생성·전환·정리할 수 있는 간결한 핵심 명령 3개를 제공하고, 병렬 작업 편의를 위한 기능들을 얹었다. 문서는 GitBook 기반 사이트(worktrunk.dev)로 제공된다.

주요 특징

  • 훅(hooks): worktree 생성·전환 시 반복 작업을 자동화
  • Copy-on-write 빌드 캐시: 여러 worktree가 빌드 캐시를 공유·복제해 병렬 작업의 디스크·시간 절약
  • 듀얼 라이선스: MIT OR Apache-2.0, 릴리스 자산은 별도 에셋 저장소와 jsDelivr CDN으로 배포

개발자에게 의미하는 것 여러 에이전트가 각자 다른 브랜치에서 작업하는 워크플로우에서 worktree 전환 지옥을 줄여준다. 프로젝트 노트에 따르면 공개 이후 빠르게 가장 인기 있는 worktree 관리 도구가 되었다고 하며, 사용자 마찰을 적극적으로 제보받아 반영하는 것을 지향한다.

colibri

일반 PC에서 수천억 파라미터 MoE 모델을 디스크 스트리밍으로 돌리는 순수 C 추론 엔진.

  • GitHub: colibri
  • 언어/스택: Pure C, int4 양자화, CPU / Vulkan / CUDA 백엔드
  • 카테고리: AI

무엇을 하는 프로젝트인가? colibri는 “작은 엔진, 거대한 모델(Tiny engine, immense model)“을 표방하는 오픈소스 추론 엔진이다. GPU 없이 일반 PC에서 수천억 파라미터 규모의 오픈 모델을 실행하는 것이 목표다. 핵심 아이디어는 MoE 모델이 토큰 하나를 생성할 때 전체 파라미터 중 극히 일부만 쓴다는 점을 이용하는 것 — 항상 쓰이는 부분만 RAM에 상주시키고 나머지 expert 가중치는 필요할 때 디스크에서 읽어 들이는 계층적 스트리밍 구조다. 이미 공개된 GGUF 파일을 변환 없이 그대로 읽어 실행한다.

주요 특징

  • 13개 엔진 내장: GLM-5.2/5.3, Kimi K3, DeepSeek V4 Flash, Qwen3.8/3.6 계열 등 언어 모델 10종과 이미지 생성(Qwen-Image-2.1), 의사결정 모델(Laya, GLiNER2.5-Decide 등) 포함
  • 원스텝 설치: START-HERE.bat / start-here.sh가 시스템(RAM·디스크·CPU·GPU)을 자동 감지해 맞는 모델을 추천하고, 다운로드(이어받기 지원) 후 서버를 띄워 대시보드를 연다
  • OpenAI 호환 API: http://127.0.0.1:8000/v1 엔드포인트와 Anthropic 호환 base URL 제공, ./coli chat 대화형 CLI 지원

개발자에게 의미하는 것 최소 RAM 8GB(16GB 권장), 최소 모델 기준 디스크 22GB면 시작할 수 있고 그래픽 카드는 선택 사항이라는 점이 매력적이다. GLM-5.2 744B MoE 예시에서 상주 메모리 약 9.9GB로 32초 만에 준비된다고 소개할 만큼, 로컬 대형 모델 실험의 진입 장벽을 크게 낮춘다.

skills (Skills For Real Engineers)

Matt Pocock이 실제 엔지니어링에 쓰는 AI 코딩 에이전트용 스킬 모음집.

  • GitHub: skills
  • 언어/스택: Markdown 스킬 정의, npx skills@latest CLI
  • 카테고리: AI

무엇을 하는 프로젝트인가? Claude Code, Codex, GitHub Copilot, Gemini CLI, Cursor, opencode, Devin, Windsurf, Amp, Pi 등 다양한 에이전트에서 쓸 수 있는 스킬 모음이다. GSD, BMAD, Spec-Kit 같은 기존 접근법은 프로세스를 대신 소유해 주는 대신 개발자의 통제권을 빼앗고 프로세스 내 버그를 고치기 어렵게 만든다는 문제의식에서 출발했다. 대신 이 스킬들은 작고(small), 적응하기 쉽고(easy to adapt), 조합 가능(composable)하도록 설계됐으며 특정 모델에 종속되지 않는다.

주요 특징

  • 다중 에이전트 설치: Claude Code 플러그인, Codex 마켓플레이스, Copilot CLI/VS Code, Gemini CLI 등 환경별 설치 경로 제공
  • /setup-matt-pocock-skills 초기 설정: 저장소당 한 번 실행해 이슈 트래커 선택, 트리아지 라벨 설정, 문서 저장 위치를 지정
  • 설치 방식 선택 주의: 플러그인은 자동 업데이트, skills.sh는 편집 가능한 파일 복사 방식이라 에이전트당 하나만 선택해야 함(둘 다 설치하면 스킬 중복)

개발자에게 의미하는 것 “바이브 코딩"이 아닌 실제 엔지니어링 작업을 매일 수행하려는 사람에게 바로 쓸 수 있는 실전 스킬 세트다. 자유롭게 수정해 자신만의 것으로 만드는 것을 전제로 설계됐다는 점이 기존 프레임워크와의 결정적 차이다.

Heretic

값비싼 재학습 없이 수학적 기법으로 모델 행동을 조향하는 도구.

  • GitHub: Heretic
  • 언어/스택: Python CLI, Hugging Face Transformers / PyTorch 계열, TOML 설정
  • 카테고리: AI

무엇을 하는 프로젝트인가? Heretic은 대규모 컴퓨팅 자원을 가진 기업만 하던 언어 모델 ‘수정’ 작업을 개인 사용자 수준으로 끌어내린 도구다. 파인튜닝 없이 대조 예시 프롬프트(contrasting example prompts)와 채점기(scorer)를 조합해 모델의 내부 표현을 조향하며, 소위 ‘abliteration’ 계열 기법을 자동화한 것으로 볼 수 있다. dense 모델 대부분과 다수 멀티모달 모델, 여러 MoE 아키텍처, 최신 하이브리드 모델을 지원한다. 자신의 하드웨어에서 돌아가는 모델이라면 수정 대상이 될 수 있고, 작업 자체는 한나절 안에 끝난다고 소개한다.

주요 특징

  • 검열 제거/거부 응답 억제: 기본 설정 동작
  • 프리셋 설정 파일: config.noslop.toml(슬롭 감소), config.nohumor.toml(유머 감소), config.nosyco.toml(아부성 감소), config.emotions.toml(감정 정렬 변경)
  • 낮은 진입 장벽: 모델 내부 동작 원리를 몰라도 몇 초 만에 첫 모델 검열 제거까지 도달 가능

개발자에게 의미하는 것 모델 내부 표현을 직접 건드리는 계열의 기법을 CLI 수준으로 추상화했다는 점에서 로컬 모델 실험자에게 유용하다. 다만 검열 제거를 기본 목적으로 하므로 각 국가 법규와 모델 라이선스·이용약관을 확인한 뒤 사용해야 한다. Hugging Face에 생성된 모델이 수천 개 공개돼 있고, GitHub 트렌드에서 ‘Repository of the Day’ 1위를 기록한 바 있다.

Spotify Portal AI Plugins

Spotify Portal을 Claude Code·Codex·Cursor 같은 코딩 에이전트로 가져오는 플러그인 모음.

  • GitHub: Spotify Portal AI Plugins
  • 언어/스택: Spotify Portal CLI(@spotify/portal-cli), Claude Code/Codex/Cursor/pi 플러그인 생태계
  • 카테고리: DevOps

무엇을 하는 프로젝트인가? Spotify Portal을 AI 코딩 에이전트 환경으로 가져오는 플러그인 모음이다. Portal CLI를 기반으로 인증 설정, 소프트웨어 카탈로그 검색, 서비스 브리핑 생성, 진단 실행, Portal 액션 호출 등에 특화된 워크플로를 자연어 인터페이스로 감쌌다. 반복적인 카탈로그 조회와 운영 작업을 에이전트 친화적인 스킬 형태로 자동화하는 것이 목적이다.

주요 특징

  • 핵심 워크플로: setup(인증 구성), doctor(읽기 전용 진단), search(자연어 카탈로그 검색), service(소유권·헬스·인시던트 브리핑), actions(드라이런·확인 절차 포함 안전 호출)
  • Fleetshift 워크플로: shift 초안 작성·실행·진행 확인·실패 진단을 각각 전용 명령으로 제공
  • shunt 플러그인(Claude Code 전용): 대량 파일 읽기·보일러플레이트 생성 같은 I/O 집약 작업을 더 저렴한 워커 모델로 라우팅해 토큰 절약

개발자에게 의미하는 것 내부 개발자 플랫폼(IDP)을 에이전트에 물려 운영 작업을 자연어로 처리하는 패턴의 실제 사례다. doctor가 읽기 전용이고 액션 호출에 드라이런·확인이 내장돼 있어 안전성을 의식한 설계가 눈에 띈다.

floci

계정·토큰·유료 게이트 없이 쓰는 로컬 AWS 에뮬레이터.

  • GitHub: floci
  • 언어/스택: Docker / Docker Compose, 네이티브 바이너리, MIT
  • 카테고리: DevOps

무엇을 하는 프로젝트인가? floci는 개발·테스트·CI 환경을 위한 무료 오픈소스 로컬 AWS 에뮬레이터다. 슬로건은 “Any Cloud. Locally.“로, 기존 AWS SDK·CLI·Terraform·CDK·OpenTofu·테스트 스위트의 엔드포인트를 http://localhost:4566으로 지정하기만 하면 기존 워크플로를 그대로 유지할 수 있다. 클라우드 계정이나 인증 토큰, 유료 기능 게이트 없이 로컬에서 AWS API를 검증할 수 있는 것이 핵심이다.

주요 특징

  • 간편 실행과 환경 변수: docker compose up 또는 floci start, floci env로 로컬 AWS 환경 변수를 일괄 export 후 표준 AWS CLI 사용
  • 드롭인 대체: LocalStack 사용자는 이미지 교체만으로 마이그레이션 가능
  • 컨테이너 없는 옵션: Docker가 없는 환경을 위한 독립 실행형 floci-aws 네이티브 바이너리(Linux/macOS/Windows) 제공

개발자에게 의미하는 것 단위·통합 테스트와 CI 파이프라인에서 클라우드 의존 서비스를 비용 없이 돌릴 수 있다. 같은 철학의 형제 프로젝트로 floci-az(Azure, 4577), floci-gcp(GCP, 4588), floci-oci(OCI, 4599)가 있어 멀티 클라우드 에뮬레이션으로 확장 가능하다는 점도 흥미롭다.

ai-goofish-monitor

Playwright와 멀티모달 AI로 闲鱼 매물을 실시간 감시하는 멀티태스크 모니터링 시스템.

  • GitHub: ai-goofish-monitor
  • 언어/스택: Python, Playwright(Chromium 내장), SQLite, OpenAI 호환 비전 API, Docker
  • 카테고리: 데이터

무엇을 하는 프로젝트인가? 중국 중고거래 플랫폼 闲鱼(Xianyu)에 올라오는 매물을 키워드·가격·지역 조건에 따라 주기적으로 크롤링하고, 멀티모달 AI 모델로 상품 이미지와 설명을 분석해 조건에 맞는 좋은 매물만 선별해 즉시 알리는 도구다. 완전한 웹 관리 인터페이스를 제공해 여러 개의 감시 작업을 동시에 운영할 수 있다. 자연어로 작업을 생성하고, 작업별로 키워드·가격대·필터·AI 프롬프트를 독립적으로 설정한다.

주요 특징

  • 즉시 알림: ntfy.sh, 기업위챗(WeCom), Bark, Telegram, Webhook 등 다양한 채널 지원
  • 계정·프록시 로테이션: 다중 계정 관리와 작업별 계정 바인딩, 프록시 풀 로테이션 및 실패 시 재시도
  • Docker 원클릭 배포: 기본 Web UI 8000 포트, SQLite(data/app.sqlite3) 주 저장소, Cron 기반 스케줄링

개발자에게 의미하는 것 브라우저 자동화 + 비전 모델 판단 + 알림 파이프라인을 하나로 묶은 실전형 크롤링 아키텍처 참고 사례다. 다만 플랫폼 크롤링 특성상 계정 제재 가능성이 있어 다중 계정·프록시 로테이션 활용이 권장되고, 로그인 상태 확보를 위한 별도 Chrome 확장 프로그램이 필요하다.

Hex

단축키를 누른 채 말하면 현재 앱에 바로 붙여넣어 주는 온디바이스 음성 받아쓰기 도구.

  • GitHub: Hex
  • 언어/스택: 크로스플랫폼 데스크톱 앱, 온디바이스 음성 추론, MIT
  • 카테고리: 기타

무엇을 하는 프로젝트인가? Hex는 macOS, Windows, Linux를 지원하는 로컬 음성 받아쓰기(dictation) 도구다. 단축키를 누른 채로 말하고 손을 떼면 음성이 텍스트로 변환돼 현재 사용 중인 애플리케이션에 그대로 붙여넣기 된다. 클라우드 전송 없이 사용자 기기에서 직접 음성 인식을 수행하는 것을 목표로 하며, 최초 실행 시 음성 모델을 다운로드한 뒤에는 어떤 데이터도 외부로 나가지 않는다.

주요 특징

  • 홀드-투-토크 입력: 녹음 중에는 키를 누르고, 떼면 즉시 전사 후 붙여넣기
  • 온디바이스 전사: 최초 1회 모델 다운로드 이후 완전 로컬 처리
  • 폭넓은 배포 채널: Homebrew(anomalyco/tap/hex), AUR(hex-bin), Nix, .deb/.rpm, Linux 설치 스크립트 제공

개발자에게 의미하는 것 별도 연동 없이 포커스된 앱에 텍스트를 삽입하는 방식이라 어떤 에디터·터미널에서도 그대로 쓸 수 있다. Stable/Dev 채널을 나눠 자체 업데이트를 지원하며, 참고로 이 저장소는 Pull Request를 받지 않고 이슈로만 피드백을 받는다.

Scrapling

동적 렌더링과 안티봇 환경을 염두에 둔 Python 웹 스크래핑 라이브러리.

  • GitHub: Scrapling
  • 언어/스택: Python, PyPI / Docker(pyd4vinci/scrapling), Read the Docs
  • 카테고리: 데이터

무엇을 하는 프로젝트인가? Scrapling은 “Effortless Web Scraping for the Modern Web"을 슬로건으로 내세운 Python 기반 웹 스크래핑 라이브러리다. 최신 웹 환경의 동적 렌더링, 안티봇, 프록시 차단에 대응할 수 있도록 설계됐다. 파싱, 페칭, 스파이더, 프록시 로테이션까지 하나의 라이브러리에서 통합 제공해, 적은 코드로 효율적으로 데이터를 수집하는 것을 목표로 한다.

주요 특징

  • 다양한 선택자 방식: CSS, XPath, 텍스트 기반 검색 등 직관적인 요소 선택 API
  • 다중 Fetcher: 정적 요청부터 브라우저 렌더링 기반 동적 페이지 수집까지 상황에 맞게 선택
  • AI/에이전트 연동: MCP 서버 및 AI Agent Skill 지원으로 LLM 기반 에이전트와 통합 가능

개발자에게 의미하는 것 프록시 로테이션과 차단 우회가 라이브러리 안에 들어 있어, 스크래핑 파이프라인을 조립할 때 필요한 부품을 여러 개 붙이지 않아도 된다. 한국어를 포함한 다국어 README를 제공하고 MCP 서버를 지원한다는 점에서 AI 에이전트 자동화 파이프라인과의 결합에도 적합하다.

Kronos

금융 K-라인(캔들스틱) 시계열을 위해 사전학습된 최초의 오픈소스 파운데이션 모델.

  • GitHub: Kronos
  • 언어/스택: 디코더 전용 자기회귀 Transformer, 계층적 이산 토크나이저, Hugging Face Hub
  • 카테고리: 데이터

무엇을 하는 프로젝트인가? Kronos는 금융 시장의 ‘언어’인 K-라인 시계열을 위해 사전학습된 최초의 오픈소스 파운데이션 모델이다. 전 세계 45개 이상 거래소 데이터로 학습됐고 논문은 arXiv(2508.02739)에 공개, AAAI 2026에 채택됐다. 범용 시계열 파운데이션 모델과 달리 금융 데이터 특유의 고노이즈·비정형성을 견디면서 예측·분류 등 다양한 퀀트 태스크에 단일 모델로 활용되는 기반 모델을 제공하는 것이 목표다.

주요 특징

  • 2단계 프레임워크: 전용 토크나이저가 OHLCV K-라인 데이터를 계층적 이산 토큰으로 양자화하고, 대규모 자기회귀 Transformer가 이 토큰들로 사전학습
  • 모델 주코: Kronos-mini(4.1M, 컨텍스트 2048), Kronos-small(24.7M, 512), Kronos-base(102.3M, 512) 공개, Kronos-large(499.2M)는 비공개
  • 파인튜닝 지원과 라이브 데모: 자체 태스크용 파인튜닝 스크립트와 BTC/USDT 향후 24시간 예측 시각화 웹 데모 제공

개발자에게 의미하는 것 컴퓨팅 환경과 태스크에 맞춰 모델을 고르는 것이 중요하다(긴 컨텍스트는 mini, 성능 위주는 base). 금융 시계열 예측 결과는 투자 조언이 아니며, 실제 트레이딩에 적용하려면 별도 리스크 검증이 필요하다는 점을 명심해야 한다.

Claude Code Game Studios

단일 Claude Code 세션을 49개 에이전트로 구성된 완전한 게임 개발 스튜디오로 바꿔주는 프로젝트.

  • GitHub: Claude Code Game Studios
  • 언어/스택: Claude Code 생태계(.claude/agents, skills, hooks, rules), Markdown, MIT
  • 카테고리: AI

무엇을 하는 프로젝트인가? “49개의 에이전트, 74개의 스킬, 하나의 협업 AI 팀"이라는 슬로건 아래, 1인 AI 게임 개발에 실제 스튜디오와 같은 조직 체계와 품질 관리 절차를 부여하는 프로젝트다. AI와 혼자 게임을 만드는 것은 강력하지만 단일 채팅 세션에는 구조가 없다 — 매직 넘버 하드코딩, 디자인 문서 건너뛰기, 스파게티 코드를 막아줄 사람도, QA 검수도, 디자인 리뷰도 없다. 이 프로젝트는 감독이 비전을 지키고, 부서장이 도메인을 책임지며, 실무자가 작업을 수행하는 3계층 구조로 이 문제를 해결한다.

주요 특징

  • 3계층 스튜디오 구조: Tier 1 감독(크리에이티브/테크니컬/프로듀서) → Tier 2 부서장(게임 디자이너, 리드 프로그래머, 아트/오디오/내러티브 디렉터, QA 리드, 릴리스·로컬라이제이션 리드) → Tier 3 실무 스페셜리스트
  • 워크플로 자산: /start, /design-system, /create-epics, /dev-story, /story-done 등 74개 슬래시 명령과 15개 훅(커밋·푸시, 에셋 변경, 세션 수명주기 검증 등)
  • 규칙과 템플릿: 게임플레이·엔진·AI·UI·네트워크 코드용 14개 규칙, GDD·UX 스펙·ADR·스프린트 계획 등 62개 문서 템플릿

개발자에게 의미하는 것 최종 결정권은 여전히 사용자에게 있지만, 올바른 질문을 던지고 실수를 조기에 발견하며 브레인스토밍부터 출시까지 프로젝트를 체계적으로 유지해 주는 AI 팀을 얻는 셈이다. 에이전트마다 책임 범위, 에스컬레이션 경로, 품질 게이트가 정의돼 있어 에이전트 오케스트레이션 설계의 좋은 참고 사례가 된다.

오늘의 한 줄 정리 AI 코딩 에이전트가 “코드를 써주는 도구"에서 “기억하고, 데스크톱을 조작하고, 스튜디오 조직처럼 굴러가는 팀"으로 진화하는 흐름이 오늘 트렌딩의 중심이었고, 그와 동시에 colibri·floci·Hex처럼 로컬·무료·프라이버시 우선 도구가 탄탄하게 자리 잡고 있다는 점이 인상적이다.

매일 아침 GitHub Trending을 릿치 블로그에서 만나보세요.