LLM Wiki

AI 오픈소스 작업대

28 min read

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.
  • 오픈소스 도구들의 실무 묶음: n8n(custom JS & self-hosting API), Ollama & Open WebUI(self-hosted ChatGPT 대시보드 구축), Dify(prompt/provider 인프라 묶음), RAGFlow(citation traceability 특화) 등으로 지형이 안정되었다.
  • 터미널 네이티브와 오픈 가중치: npx @google/gemini-cli 명령어어로 작동하는 terminal assistant 및 671B 파라미터(37B 활성화)와 128K context를 갖춘 DeepSeek-V3가 오픈소스 생태계 핵심 축을 담당한다.
  • NocoBase는 22.3k GitHub Stars를 기록하며 비즈니스 구조와 규칙 경계를 갖춘 시스템 위에서 AI가 작업하도록 이끄는 대표적 로우코드 플랫폼이다.
  • n8n은 187k GitHub Stars의 자동화 플랫폼으로 AI 에이전트의 실제 업무 프로세스 연결에 사용된다.
  • Qdrant(31.2k Stars)와 Outline(38.5k Stars)은 각각 장기 기억 저장소와 지식 베이스를 담당하여 AI 컨텍스트 유실 문제를 해결한다.
  • Coolify(55k Stars)와 OpenHands(73.2k+ Stars)는 각각 self-hosting 배포 관리와 엔지니어링 에이전트 런타임으로 기능한다.
  • Mem0와 같은 장기 기억 프레임워크는 LoCoMo 벤치마크 테스트에서 기존 전체 컨텍스트 로딩 대비 레이턴시 92% 감소, 토큰 사용량 93% 절감을 이뤄내며 14배의 비용 효율화를 달성했다.
  • Stagehand v3는 Chrome DevTools Protocol(CDP) 기반으로 런타임 엔진을 전면 리팩터링하여 Playwright 대비 44% 빠른 브라우징 속도를 보고했다.
  • 엔지니어링 코딩 에이전트 영역에서는 OpenHands(SWE-bench Verified 5372%), Aider(git 내장형, Architect/Editor 모드로 3040% 비용 절감), Cline(VS Code 네이티브 분리 실행) 등 3대 오픈소스 도구들이 주도적인 스택을 점유했다.
  • 현대 개발자들은 단순히 챗봇 데모나 라이브러리를 찾는 단계를 넘어, GitHub을 통해 통째로 작동하는 AI 운영 체계와 엔지니어링 레이어를 찾아 나서고 있다. [출처: raw/지금 개발자들이 주목하는 오픈소스 GitHub 프로젝트 15선 - 출판형 다듬기.md]
  • AI 인프라는 점차 범용 어시스턴트에서 벗어나 금융, 리서치, 코딩, 개인 브라우징 격리 등 전문화된 로컬/셀프호스팅 시스템으로 세분화되고 있다. [출처: raw/지금 개발자들이 주목하는 오픈소스 GitHub 프로젝트 15선 - 출판형 다듬기.md]

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.

3. 주요 오픈소스 도구별 핵심 스펙 및 역할

  • n8n: visual builder와 custom JavaScript 코드를 자유롭게 결합하고, self-hosting이 가능하여 민감한 기업 비즈니스 데이터를 외부 유출 없이 로컬 네트워크 내에서 안전하게 자동화(webhook, data transform)한다.
  • Ollama & Open WebUI: 로컬 환경 모델 서빙(Ollama) 위에서 Open WebUI를 대시보드로 올려 대화 관리, user role, access control, audit log, RAG 및 voice feature를 탑재한 엔터프라이즈 사내 전용 AI 플랫폼을 무료 구축한다.
  • Dify: 단순 챗봇 데모를 넘어 prompt/model/file provider 관리 및 monitoring, deployment 인프라를 일괄 바인딩하여 벤더 종속 없이 self-hosting 프로덕션 배포를 가능케 한다.
  • DeepSeek-V3: Mixture-of-Experts 구조의 총 671B 파라미터(활성화 37B), 128K context window를 지원하는 오픈 가중치 모델로 상용 폐쇄형 모델 수준의 코딩 및 추론 능력을 local stack에 제공한다.
  • Google Gemini CLI: npx @google/gemini-cli 명령어 기반으로 작동하며 개발자가 상주하는 터미널 환경에 밀착해 디버깅, 파일 생성, 코드 해석 등의 shell task를 terminal-native하게 지원한다.
  • RAGFlow: 그럴듯한 답변이 아닌 검증 가능한 답변(citation traceability, 출처 추적성)이 필수적인 법무, 의료, 금융 도메인을 위해 document ingestion부터 citation tracking까지의 RAG 파이프라인을 통제한다.

6대 주요 오픈소스 도구 분석

  • NocoBase: CRM, 티켓팅, ERP 등 엔터프라이즈 시스템 구축용 AI + no-code 플랫폼. AI가 데이터 모델, 페이지, 워크플로우를 생성하면 사람은 GUI로 조정하여 시스템 경계를 고정한다.
  • n8n: node 로직, API 호출, 커스텀 코드를 조율하여 AI 에이전트를 실무 비즈니스 프로세스에 연동하는 시각적 자동화 계층.
  • Qdrant: RAG, semantic search, agent memory 구축용 고성능 벡터 DB. self-hosting 시 내부 데이터 보안 통제가 가능.
  • Outline: Notion/Confluence의 오픈소스 대안. PRD, 스키마, 프롬프트를 팀 위키로 관리하여 AI가 프로젝트를 이해하도록 만드는 명확한 지식 인프라.
  • Coolify: Vercel/Railway를 대체하는 self-hosting 배포 관리 도구. Docker, DB, 앱 런타임을 중앙 관리하여 AI 스택 운영을 간소화.
  • OpenHands: 코드베이스 분석, 버그 수정, DevOps를 자율 수행하는 장시간 실행 엔지니어링 에이전트.

2026년 오픈소스 에이전트 툴킷의 7대 레이어 구성

프로덕션 레벨 에이전트를 안정적으로 구축하고 운영하기 위한 오픈소스 스택은 7가지 책임 계층으로 표준화된다. 도구 선정 시 Latency, Audit Trail, Model Portability, Language Stack의 4대 제약 조건을 대조해야 한다.

  1. Orchestration & Runtime Control: 흐름을 제어하고 checkpointing을 관리한다. Python 생태계의 PostgresSaver 기반 LangGraph, 간편한 프로토타이핑 특화 CrewAI, Pydantic 규격을 강조하는 Pydantic AI, TypeScript 네이티브 환경의 Mastra가 핵심이다.
  2. Memory & State: Mem0 (48k+ stars, 하이브리드 벡터+그래프 검색, user/session/agent 다층 구조), Zep/Graphiti (시계열 텍스트 및 개체 해석 특화), Letta (운영체제의 virtual memory 구조처럼 RAM/Disk 분할 처리)를 결합한다.
  3. Protocols & Tools: FastMCP (async-first 파이선 MCP 서버 데코레이터 빌더) 및 mcp-agent를 통한 Model Context Protocol 표준 도구 작성이 주류를 이룬다.
  4. Browsers & Computer Use: DOM 파싱 계열의 Browser Use(50k+ stars), Playwright 기반 Stagehand v3(CDP 적용으로 44% 가속), 비주얼 좌표 픽셀 클릭 계열의 Skyvern(WebVoyager 2.0 성공률 85.85%, 단 일반 작업은 DOM-driven 대비 비용 4~8배 상승)이 포진한다.
  5. Coding Agents & Sandboxes: Docker 격리 및 이벤트 스트림 구조인 OpenHands(72k+ stars), git 형상관리 자동 커밋을 융합해 편집-기획 모드를 분리한 Aider(35k+ stars), VS Code 내에서 계획(Plan)-수행(Act) 단계를 수동 격리 통제하는 Cline(38k+ stars)이 경쟁한다.
  6. Evals & Observability: 오픈소스 로깅 표준인 Langfuse, 오픈텔레메트리 연동이 강력한 Arize Phoenix, 영국 AI Security Institute의 평가 스위트인 Inspect AI로 디버깅 신뢰성을 보완한다.
  7. Models & Inference: PagedAttention을 창안한 vllm, local quantization의 기본값인 Ollama, GGUF 파일 포맷을 주도한 C++ 기반 llama.cpp, 컨텍스트 접두사 캐싱 및 스키마 강제 출력을 지원하는 SGLang이 인프라 하단을 지탱한다.

2026년 오픈소스 에이전트 툴킷의 7대 레이어 구성

프로덕션 레벨 에이전트를 안정적으로 구축하고 운영하기 위한 오픈소스 스택은 7가지 책임 계층으로 표준화된다. 도구 선정 시 Latency, Audit Trail, Model Portability, Language Stack의 4대 제약 조건을 대조해야 한다.

  1. Orchestration & Runtime Control: 흐름을 제어하고 checkpointing을 관리한다. Python 생태계의 PostgresSaver 기반 LangGraph, 간편한 프로토타이핑 특화 CrewAI, Pydantic 규격을 강조하는 Pydantic AI, TypeScript 네이티브 환경의 Mastra가 핵심이다.
  2. Memory & State: Mem0 (48k+ stars, 하이브리드 벡터+그래프 검색, user/session/agent 다층 구조), Zep/Graphiti (시계열 텍스트 및 개체 해석 특화), Letta (운영체제의 virtual memory 구조처럼 RAM/Disk 분할 처리)를 결합한다.
  3. Protocols & Tools: FastMCP (async-first 파이선 MCP 서버 데코레이터 빌더) 및 mcp-agent를 통한 Model Context Protocol 표준 도구 작성이 주류를 이룬다.
  4. Browsers & Computer Use: DOM 파싱 계열의 Browser Use(50k+ stars), Playwright 기반 Stagehand v3(CDP 적용으로 44% 가속), 비주얼 좌표 픽셀 클릭 계열의 Skyvern(WebVoyager 2.0 성공률 85.85%, 단 일반 작업은 DOM-driven 대비 비용 4~8배 상승)이 포진한다.
  5. Coding Agents & Sandboxes: Docker 격리 및 이벤트 스트림 구조인 OpenHands(72k+ stars), git 형상관리 자동 커밋을 융합해 편집-기획 모드를 분리한 Aider(35k+ stars), VS Code 내에서 계획(Plan)-수행(Act) 단계를 수동 격리 통제하는 Cline(38k+ stars)이 경쟁한다.
  6. Evals & Observability: 오픈소스 로깅 표준인 Langfuse, 오픈텔레메트리 연동이 강력한 Arize Phoenix, 영국 AI Security Institute의 평가 스위트인 Inspect AI로 디버깅 신뢰성을 보완한다.
  7. Models & Inference: PagedAttention을 창안한 vllm, local quantization의 기본값인 Ollama, GGUF 파일 포맷을 주도한 C++ 기반 llama.cpp, 컨텍스트 접두사 캐싱 및 스키마 강제 출력을 지원하는 SGLang이 인프라 하단을 지탱한다.

2026년 오픈소스 에이전트 툴킷의 7대 레이어 구성

프로덕션 레벨 에이전트를 안정적으로 구축하고 운영하기 위한 오픈소스 스택은 7가지 책임 계층으로 표준화된다. 도구 선정 시 Latency, Audit Trail, Model Portability, Language Stack의 4대 제약 조건을 대조해야 한다.

  1. Orchestration & Runtime Control: 흐름을 제어하고 checkpointing을 관리한다. Python 생태계의 PostgresSaver 기반 LangGraph, 간편한 프로토타이핑 특화 CrewAI, Pydantic 규격을 강조하는 Pydantic AI, TypeScript 네이티브 환경의 Mastra가 핵심이다.
  2. Memory & State: Mem0 (48k+ stars, 하이브리드 벡터+그래프 검색, user/session/agent 다층 구조), Zep/Graphiti (시계열 텍스트 및 개체 해석 특화), Letta (운영체제의 virtual memory 구조처럼 RAM/Disk 분할 처리)를 결합한다.
  3. Protocols & Tools: FastMCP (async-first 파이선 MCP 서버 데코레이터 빌더) 및 mcp-agent를 통한 Model Context Protocol 표준 도구 작성이 주류를 이룬다.
  4. Browsers & Computer Use: DOM 파싱 계열의 Browser Use(50k+ stars), Playwright 기반 Stagehand v3(CDP 적용으로 44% 가속), 비주얼 좌표 픽셀 클릭 계열의 Skyvern(WebVoyager 2.0 성공률 85.85%, 단 일반 작업은 DOM-driven 대비 비용 4~8배 상승)이 포진한다.
  5. Coding Agents & Sandboxes: Docker 격리 및 이벤트 스트림 구조인 OpenHands(72k+ stars), git 형상관리 자동 커밋을 융합해 편집-기획 모드를 분리한 Aider(35k+ stars), VS Code 내에서 계획(Plan)-수행(Act) 단계를 수동 격리 통제하는 Cline(38k+ stars)이 경쟁한다.
  6. Evals & Observability: 오픈소스 로깅 표준인 Langfuse, 오픈텔레메트리 연동이 강력한 Arize Phoenix, 영국 AI Security Institute의 평가 스위트인 Inspect AI로 디버깅 신뢰성을 보완한다.
  7. Models & Inference: PagedAttention을 창안한 vllm, local quantization의 기본값인 Ollama, GGUF 파일 포맷을 주도한 C++ 기반 llama.cpp, 컨텍스트 접두사 캐싱 및 스키마 강제 출력을 지원하는 SGLang이 인프라 하단을 지탱한다.

개발자들이 주목하는 15대 GitHub 오픈소스 프로젝트 상세 스펙

  1. Anthropic Financial Services (anthropics/financial-services): 금융 보고, 컴플라이언스 검토, 문서 분석 등 실제 금융 비즈니스 워크플로우를 타깃으로 승인 루프 내에 사람을 두는(HITL) 에이전틱 컬렉션.
  2. Agent Skills (addyosmani/agent-skills): AI 에이전트를 위한 구조화된 워크플로우, 프롬프트, 테스트 패턴을 표준 소프트웨어 아키텍처 레이어로 정의한 저장소.
  3. D-Flash (dflash-dev/dflash): 임베딩, 벡터 인출, 분산 추론 등 대규모 모델에 최적화된 고속 데이터 접근용 분산 flash 기반 저장소 인프라.
  4. Cloak Browser (cloakware/cloak-browser): AI의 무분별한 행동 데이터 수집에 대응하여 브라우저 격리, 추적 방지, 미세 세부 설정을 지원하는 보안 연구자용 브라우저.
  5. AI Trader (codas-ai/ai-trader): 멀티 에이전트 간의 협업적 추론과 분석 토론을 결합하여 시장 맥락을 정밀 판단하는 금융 거래 연구 프레임워크.
  6. Local Deep Research (dzhng/deep-research): 클라우드 API를 쓰지 않고 로컬 LLM, 추론 파이프라인, 출처 분석 검색기를 결합해 기밀 정보를 보호하며 동작하는 자율 연구 워크플로우.
  7. Lobe Hub (lobehub/lobe-chat): 다중 모델 제공사, 플러그인, 에이전트 및 지식 통합 오케스트레이션을 개인화된 AI 워크스페이스 형태로 서빙하는 플랫폼.
  8. Hello Agents (hello-agent/hello-agents): 현대 에이전트의 핵심 구성 요소인 메모리, 계획, 도구 사용, 오케스트레이션의 실제 아키텍처 구현을 가르쳐주는 교육용 저장소.
  9. Flutter Agent Skills (flutter/agentic_ai): 범용 조수가 아닌 Flutter 프레임워크에 특화된 재사용 가능 프롬프트와 코딩 패턴을 제공하는 에이전트 스킬 세트.
  10. May Gray (maygray/maygray): 사이버보안 및 디지털 조사를 위해 여러 공개 플랫폼에서 username 및 공개 프로필을 자동으로 스캔하는 OSINT 도구.
  11. Chigode (chigode/chigode): IDE를 켤 필요 없이 가벼운 코딩 스니펫과 워크플로우를 신속하게 설정하고 테스트할 수 있는 초경량 실행 환경.
  12. Skills for Real Engineers (mattpocock/skills-for-real-engineers): Matt Pocock이 만든 저장소로, 채팅 인터페이스에서 탈피해 구조화된 프롬프트와 재사용 가능 액션으로 엔지니어링 개발 자동화 패턴을 표준화한 프로젝트.
  13. OpenBB (OpenBB-finance/OpenBB): 과거 값비싼 기업 전용 터미널 뒤에 숨겨진 다양한 금융 시장 데이터 제공자를 단일 오픈소스 워크플로우로 끌어내린 데이터 플랫폼.
  14. Temporal TypeScript SDK (temporalio/sdk-typescript): 분산 마이크로서비스 및 AI 오케스트레이션 파이프라인에서 재시도, 일시 실패, 장기 실행 프로세스를 durable하게 제어하는 개발자용 SDK.
  15. Obsidian Copilot (logancyang/obsidian-copilot): 지식 베이스와 AI 레이어를 하나로 융합하여 노트 필기 내에서 요약, 브레인스토밍, 검색을 돕는 Copilot 플러그인.

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

예시

  • 터미널 네이티브 어시스턴트 실행: npx @google/gemini-cli를 로컬 쉘에서 구동하여 브라우저 전환 오버헤드 없이 terminal-native하게 빌드 로그 오류를 전송하고, 로컬 디버깅 및 소스 보정을 자율 수행하는 워크플로우.

Claude Code 연동 설치 명령어

  • NocoBase: NocoBase CLI 설치와 초기화까지 도와줘: https://docs.nocobase.com/cn/ai/ai-quick-start.md 프롬프트 사용.

  • n8n: n8n을 Docker로 설치하고, PostgreSQL 영속 스토리지와 기본 인증까지 설정해 줘

  • Qdrant: Qdrant를 Docker로 설치하고, AI Knowledge Base용 기본 collection까지 만들어 줘

  • Outline: Outline을 Docker로 설치하고, PostgreSQL과 object storage를 설정해 줘

  • Coolify: Ubuntu 서버에 Coolify를 설치하고 기본 초기 설정까지 마무리해 줘

  • OpenHands: OpenHands를 Docker로 설치하고 기본 런타임 환경 설정까지 마무리해 줘

  • 오픈소스 장기 기억 모듈 설치 및 기동:

    pip install mem0ai

    Mem0를 이용해 사용자의 이전 선호 데이터나 세션 정보를 로컬 또는 클라우드 DB에 분리 저장하여, Context Window 폭주로 인한 토큰 소모를 Naive full-context 방식 대비 93% 이상 기계적으로 차단하는 실무 구현.

  • 오픈소스 장기 기억 모듈 설치 및 기동:

    pip install mem0ai

    Mem0를 이용해 사용자의 이전 선호 데이터나 세션 정보를 로컬 또는 클라우드 DB에 분리 저장하여, Context Window 폭주로 인한 토큰 소모를 Naive full-context 방식 대비 93% 이상 기계적으로 차단하는 실무 구현.

  • 오픈소스 장기 기억 모듈 설치 및 기동:

    pip install mem0ai

    Mem0를 이용해 사용자의 이전 선호 데이터나 세션 정보를 로컬 또는 클라우드 DB에 분리 저장하여, Context Window 폭주로 인한 토큰 소모를 Naive full-context 방식 대비 93% 이상 기계적으로 차단하는 실무 구현.

주요 툴킷 기동 및 설치 지침

  • Local Deep Research 클론 및 빌드: 
    git clone https://github.com/dzhng/deep-research.git
cd deep-research
npm install
# 로컬 AI 모델 설정 및 실행
  • Agent Skills를 활용한 프롬프트 등록 패턴 예시: AI 에이전트가 ADD_SKILL 툴 콜을 호출하여 ~/skills 디렉터리에 재사용 가능한 프롬프트 스키마를 저장하는 워크플로우.

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.

관련 노트

그래프 뷰

백링크