AI 오픈소스 작업대
한 줄 정의
AI 오픈소스 작업대는 2026년 AI GitHub 생태계가 local execution, workflow automation, self-hosted interface, grounded retrieval, terminal-native assistant 쪽으로 수렴한다는 관찰을 묶은 허브다.
핵심 요지
- 중요한 변화는 단일 저장소의 스타 수보다, 어떤 작업 표면이 오픈소스로 표준화되는가에 있다.
- 핵심 축은 local model 실행, self-hosted UI, visual workflow builder, RAG 플랫폼, terminal assistant, automation orchestration이다.
- 저장소 이름과 세부 스펙은 빨리 바뀌므로, 이 노트는 특정 도구 추천보다 생태계 방향과 작업 표면의 이동을 읽는 데 더 적합하다.
상세
원문에 등장하는 저장소들은 결국 몇 가지 묶음으로 정리된다. local AI stack에는 Ollama, Open WebUI, open-weight model이 있다. 이는 private code와 문서를 cloud 밖에서 다루려는 수요와 연결된다. 각 로컬 호스팅 플랫폼 및 클라우드/하드웨어 추론 환경별 비교는 2026년 오픈소스 LLM 플랫폼 비교에서 상세히 다룬다. workflow automation에는 n8n이 있고, 이는 business workflow와 AI reasoning을 연결하는 층을 보여 준다. agent/runtime tooling에는 OpenClaw, Gemini CLI, LangChain ecosystem이 있다. 이는 AI가 채팅창에서 terminal·shell·앱 workflow로 이동하는 흐름을 상징한다. 특히 OpenClaw는 multi-channel personal agent, markdown memory, SKILL.md, self-hosted runtime을 한 덩어리로 보여 주는 사례다. visual AI pipeline tooling에는 Langflow가 있고, 이는 RAG와 multi-agent flow를 block 단위로 실험하는 표면이다. grounded enterprise AI에는 Dify와 RAGFlow가 있다. 이는 retrieval, citation, self-hosting, provider switching을 제품화하는 방향을 보여 준다. 후속 TTS raw를 보면 이 작업 표면이 텍스트를 넘어 speech layer로도 확장된다. 즉 local runtime과 open-weight 흐름은 코딩·검색·문서 요약뿐 아니라 음성 출력까지 온디바이스화하는 쪽으로 확장되고 있다.
raw/지금 개발자들이 주목하는 오픈소스 GitHub 프로젝트 15선 - 출판형 다듬기.md는 같은 지형을 한 번 더 스냅샷처럼 보여 준다. 단일 저장소 소개보다 중요한 것은, local stack, workflow automation, RAG platform, terminal assistant가 여전히 반복되는 작업 표면이라는 점이다.
raw/After Claude Code. 6 Open-Source Tools You Should Know-ko.md는 이 지형을 도구 묶음으로 다시 보여 준다. NocoBase, n8n, Qdrant, Outline, Coolify, OpenHands는 각각 app builder, automation, vector store, knowledge base, deployment, agent runtime이라는 서로 다른 표면을 대표한다. 즉 “오픈소스 작업대”는 하나의 앱이 아니라, 서로 다른 문제를 해결하는 작업 표면들의 묶음이다. 특히 raw/Hermes 에이전트와 함께 사용하기 좋은 오픈소스 내부 도구 5가지.md에서 나타나듯, NocoBase 외에도 Appsmith, Budibase, Directus, Baserow와 같은 5대 로우코드/노코드 도구들은 셀프 호스팅 에이전트인 Hermes Agent와 연동되어 데이터 스키마 설계, 승인 워크플로우 구성, 데이터 가공 등의 작업 표면을 구축한다. 구체적인 연동 가이드는 Hermes Agent와 오픈소스 내부 도구 연동에서 다룬다.
raw/The Open-Source Agent Toolkit in 2026-ko.md는 같은 흐름을 stack layer로 재배치한다. orchestration/runtime control, memory/state, protocols/tools, browsers/computer use, coding agents/sandboxes, evals/observability, models/inference라는 7개 레이어는 어떤 저장소를 먼저 보아야 하는지 결정하는 체크리스트가 된다. 이 노트의 생태계 관찰은 결국 이 레이어 선택 문제로 수렴한다.
이 묶음은 Agent Native Infrastructure와 이어진다. 클릭 기반 SaaS가 아니라, self-hosted runtime·CLI·workflow builder·RAG platform이 에이전트용 작업 표면을 만든다는 뜻이기 때문이다. 또한 에이전트 확장 3계층 관점에서 보면 이들 저장소는 Skill/MCP/tool의 구분을 구현체 수준에서 다르게 조합한 사례로 볼 수 있다.
읽는 법
이 노트는 “지금 어떤 저장소를 깔아야 하는가”보다 “오픈소스가 어떤 작업 표면을 표준화하고 있는가”를 읽는 허브로 쓰는 편이 맞다.
- 저장소 이름은 바뀔 수 있어도 local execution, workflow automation, grounded retrieval, terminal-native agent 같은 축은 비교적 안정적으로 반복된다.
- 따라서 실제 도입 판단은 개별 도구 노트나 공식 README에서 하고, 이 노트는 상위 분류와 방향성 판단에 사용한다.
- OpenClaw처럼 개별 제품 구조를 보고 싶을 때는 하위 tool note로 내려가고, Agent Native Infrastructure처럼 더 상위 개념을 보고 싶을 때는 허브 노트로 올라간다.
예시
- local assistant 실험: Ollama + Open WebUI
- business automation: n8n + AI step
- terminal-native coding: Gemini CLI 또는 유사 도구
- grounded Q&A: RAGFlow 또는 Dify 계열
충돌
- 2026-05-26 확인: 저장소별 스타 수, 버전, 모델 스펙, 기능 범위는 변동성이 높다. 다만 local stack, workflow builder, grounded AI, terminal assistant로 작업 표면이 이동한다는 구조적 관찰은 개별 저장소 교체와 무관하게 유지된다.