이미지: METAL LAB 생성
요약
- tinyhumansai가 공개한 개인용 AI 에이전트 도구 '오픈휴먼'이 출시 1주 안에 깃허브 트렌딩 저장소 1위를 9일 연속 차지했어요.
- 이메일·문서·메시지를 20분 주기로 모아 압축한 '메모리 트리'를 만들고, 시그널 프로토콜 암호화로 여러 에이전트를 연결해 지휘하는 구조예요.
- 아직 얼리 베타 단계로, 터미널 설치와 config.toml 설정을 거쳐 클로드 코드·커서·코덱스 같은 기존 도구와 함께 쓸 수 있어요.
- 프로젝트
- tinyhumansai/openhuman (오픈휴먼)
- 제작자
- @senamakel (원문에 '크리에이터'로 표기)
- 트렌딩 기록
- 출시 1주 내 깃허브 트렌딩 저장소 1위 9일 연속
- 개발 단계
- Early Beta, 스스로 'AGI는 아니다'라고 명시
- 메모리 동기화 주기
- 계정 연동 후 20분 자동 수집 루프
- 에이전트 간 통신
- 시그널(Signal) 프로토콜 종단간 암호화
- 연동 대상
- Claude Code, Cursor, Codex, OpenCode (agentmemory 백엔드 경유)
- 설치 경로
- GitHub Releases, Homebrew, Debian/Ubuntu .deb, AUR, 설치 스크립트
오픈휴먼, 출시 일주일 만에 트렌딩 9일 연속 1위
깃허브 트렌딩 저장소는 하루에도 순위가 바뀌는 곳인데요, tinyhumansai가 공개한 '오픈휴먼(OpenHuman)'은 출시 후 일주일 안에 이 자리에 올라 9일 연속 1위를 지켰어요. 저장소 설명에는 이 프로젝트를 "당신의 삶을 로컬 우선으로 기억하는 두뇌이자, 에이전트 함대를 지휘하는 오케스트레이터, 그리고 딥 리서처"라고 적어 놨어요. 제작자 계정은 @senamakel로 표기돼 있어요.
프로젝트 소개 문서는 오픈휴먼이 아직 범용인공지능(AGI)은 아니라고 선을 그으면서도, "더 나은 기억, 더 나은 오케스트레이션, 더 나은 도구로 그 방향에 한 걸음 다가선 아키텍처"라고 스스로를 설명해요. 지금은 얼리 베타 단계라 거친 부분이 있을 수 있다는 안내도 함께 붙어 있어요.
세 가지 축: 기억, 지휘, 리서치
오픈휴먼이 내세우는 첫 번째 축은 메모리예요. 계정을 연동하면 자동 수집 기능이 20분 주기로 로컬에 데이터를 끌어오고, 메모리 트리가 이걸 압축해 마크다운 파일로 정리해요. 저장 방식은 옵시디언(Obsidian) 스타일 위키 구조를 따르는데, 개발자 안드레이 카파시가 자신의 트윗에서 언급한 옵시디언 볼트 방식에서 아이디어를 가져왔다고 소개해요.
두 번째 축은 오케스트레이션이에요. 에이전트끼리 주고받는 메시지는 시그널(Signal) 프로토콜로 종단간 암호화되고, 클로드 코드·커서·오픈AI 코덱스·오픈코드처럼 서로 다른 도구를 한 화면에서 지휘할 수 있다고 소개해요. 이미 자체 호스팅한 agentmemory를 쓰고 있다면 config.toml 파일에 아래 한 줄만 추가하면 같은 메모리 저장소를 오픈휴먼과 함께 쓸 수 있어요.
memory.backend = "agentmemory"
세 번째 축은 딥 리서치예요. 질문을 다 입력하기도 전에 로컬 데이터와 웹을 훑어 답을 준비한다고 설명하는데, 이 부분의 구체적인 작동 방식은 문서에서 더 다루고 있어요.
콜드스타트를 얼마나 줄였나
오픈휴먼 소개 문서는 경쟁 도구와 자신을 이렇게 비교해요. 대부분의 에이전트는 새로 붙이면 아무것도 모르는 상태에서 시작하고, 사용자 업무 방식을 파악하기까지 며칠에서 몇 주가 걸린다는 거예요.
| 도구 | 시작 방식 | 오픈휴먼 소개 문서의 설명 |
|---|---|---|
| 헤르메스 | 사용자 작업을 관찰하며 학습 | 시간이 걸리는 방식 |
| OpenClaw | 플러그인이 맥락을 옮겨줄 때까지 대기 | 플러그인 의존적 |
| 오픈휴먼 | 계정 연동 후 1회 동기화로 압축 맥락 확보 | "며칠·몇 주가 필요 없다"고 주장 |
이 표는 오픈휴먼 쪽 설명을 정리한 것이라, 실제 체감 속도는 각자 써보고 판단할 부분이에요.
워크플로우는 n8n·재피어에서 빌려왔다
자동화 기능은 n8n과 재피어(Zapier)에서 영감을 받았다고 밝히고 있어요. 다른 점은 사용자가 워크플로우를 직접 그리는 대신, "자동화해 줘"라고 말하면 에이전트가 '틴리플로우(tinyflows)' 그래프를 먼저 제안한다는 거예요. 사용자는 이 제안을 캔버스 화면에서 검토한 뒤 저장할 수 있고, 저장된 워크플로우는 일정·웹훅·채널 이벤트로 실행되면서 재시작에도 살아남고, 부작용이 있는 동작은 승인 절차 뒤에 걸려 있다고 설명해요.
어떻게 써보나
설치 파일은 github.com/tinyhumansai/openhuman 저장소의 릴리스 페이지에서 받을 수 있어요. 터미널 설치를 선호하면 홈브루(Homebrew), 데비안·우분투용 .deb 패키지, AUR, 설치 스크립트 중 하나를 고르면 되는데, 플랫폼별 안내는 저장소 안 INSTALL.md 파일에 정리돼 있어요.
- 저장소에서 운영체제에 맞는 설치 파일을 내려받거나 터미널 설치 명령을 실행해요.
- 이메일·캘린더·저장소·메신저 계정을 연동하면 자동 수집이 20분 주기로 시작돼요.
- 첫 동기화가 끝나면 메모리 트리가 압축된 맥락을 만들어, 별도 학습 기간 없이 에이전트가 사용자 업무 맥락을 파악한 상태로 대화를 시작해요.
- 이미 클로드 코드나 커서, 코덱스를 쓰고 있다면 config.toml에서 메모리 백엔드를 agentmemory로 지정해 같은 저장소를 공유할 수 있어요.
지금은 얼리 베타라 안내 문서도 계속 손보고 있는 단계고, 처음 기여하는 사람을 위한 CONTRIBUTING.md와 CONTRIBUTING-BEGINNERS.md도 함께 제공하고 있어요.
에디터의 시선
에이전트 하네스 경쟁은 최근 몇 달 사이 '누가 먼저 사용자를 파악하느냐' 싸움으로 옮겨가고 있어요. 터미널에서 가볍게 뜨는 코딩 에이전트들이 실행 속도에 집중했다면, 오픈휴먼은 그보다 한 단계 앞, 그러니까 에이전트가 사용자를 파악하는 시간 자체를 줄이는 쪽에 무게를 실었어요.
이런 도구를 실무에 붙여 보면 매번 같은 벽에 부딪혀요. 에이전트가 쓸모 있어지기까지 걸리는 학습 기간이에요. 온보딩 문서를 매번 새로 붙여넣거나, 며칠 동안 같은 배경 설명을 반복해서 넣어줘야 그나마 맥락이 쌓이는 경험을 해본 사람이라면, '한 번 동기화로 맥락이 채워진다'는 주장이 왜 매력적인지 바로 이해할 거예요. 다만 이 주장은 아직 오픈휴먼 쪽 설명일 뿐이라, 압축된 메모리가 얼마나 정확하고 최신 상태를 유지하는지는 실제로 써봐야 확인되는 영역이에요.
국내에서 이런 도구를 팀에 들이려는 곳이 있다면, 베타 단계라는 점을 감안해 개인 계정이나 사이드 프로젝트에서 먼저 검증하는 게 순서예요. 이메일·캘린더·메신저를 통째로 연동하는 구조라 회사 데이터를 다루기 전에 로컬 저장 방식과 암호화 범위를 직접 확인하는 절차가 필요하고요. 이미 클로드 코드나 커서를 쓰고 있는 팀이라면 agentmemory 백엔드를 공유하는 방식으로 먼저 실험해 보는 정도가 지금 할 수 있는 선이에요.
깃허브 트렌딩 9일 연속 1위라는 기록은 관심이 얼마나 몰렸는지를 보여주는 지표지, 완성도를 보증하는 것은 아니에요. 얼리 베타 딱지가 붙어 있는 만큼 앞으로 몇 주는 안정성 이슈나 메모리 압축 오류 리포트가 이슈 트래커에 쌓이는 시기가 될 가능성이 커요.
댓글