생산성
AI 에이전트에 기억·자료·손 붙이기: 오픈소스 7개 설치 가이드
지금 다 못 읽겠다면 · 이 가이드 링크를 메일로 받기
목차 · 4개 섹션
같은 모델을 쓰는데 누구는 답변만 받고 끝나고, 누구는 일을 통째로 맡깁니다.
프롬프트를 못 써서가 아닙니다. 모델은 머리만 있는 상태라서 그렇습니다. 어제 정한 걸 오늘 기억하지 못하고, 자료는 매번 다시 붙여넣어야 하고, 화면을 직접 만질 손도 없습니다.
이 세 가지를 직접 만들면 본론을 시작하기도 전에 몇 주가 지나갑니다. 그런데 이미 공개된 오픈소스로 대부분 해결됩니다. 아래 일곱 개가 그것들입니다.
별점·라이선스·언어는 GitHub API 실측(2026-09-16), 설치 명령은 각 저장소 README에서 직접 확인했습니다.
| # | 레포 | ★ | 언어 | 라이선스 |
|---|---|---|---|---|
| 1 | rohitg00/agentmemory | 28.4k | TypeScript | Apache-2.0 |
| 2 | volcengine/OpenViking | 37.5k | Python | AGPL-3.0 |
| 3 | browser-use/browser-use | 114.7k | Python | MIT |
| 4 | ai-boost/awesome-harness-engineering | 4.2k | Python | 표기 없음 |
| 5 | mukul975/Anthropic-Cybersecurity-Skills | 32.8k | Python | Apache-2.0 |
| 6 | cathrynlavery/diagram-design | 40.2k | HTML | MIT |
| 7 | K-Dense-AI/scientific-agent-skills | 45.0k | Python | MIT |
일곱 개를 다 깔 필요는 없습니다. 앞의 세 개가 기본기고 나머지 넷은 상황에 따라 고르면 됩니다. 그 이유는 아래에서 하나씩 설명하겠습니다.
먼저 붙일 세 가지
1. 기억 — Agent Memory
세션이 바뀌면 지금까지 정한 게 전부 사라집니다. 어제 “이 프로젝트는 이런 구조고, 이 파일은 건드리지 마”라고 설명했어도 오늘 새 창을 열면 처음부터 다시입니다. 이게 가장 먼저 티가 나는 결핍입니다.
Agent Memory는 그 기억을 파일이 아니라 검색 가능한 저장소에 쌓습니다. Claude Code, Cursor, Codex, Gemini CLI 등 MCP를 지원하는 대부분의 도구에 붙습니다.
★28.4k · TypeScript · Apache-2.0
설치
Node.js 20 이상이 필요합니다.
npx -y @agentmemory/agentmemory@latest첫 실행은 대화형 설정입니다. 연결할 에이전트를 고르고 LLM 제공자를 지정하면 설정 파일을 만들고 메모리 서버를 띄웁니다. 제공자 없이 키리스로도 돌아가는데, 이때는 벡터 임베딩이 꺼지고 키워드 검색(BM25)만 씁니다.
내 컴퓨터에서 무료로 의미 검색까지 쓰려면 ~/.agentmemory/.env에 한 줄 추가하고 재시작합니다.
EMBEDDING_PROVIDER=local함정: 메모리는 틀린 것도 똑같이 잘 기억합니다. 한 번 잘못 저장된 전제가 몇 주 동안 조용히 판단을 오염시킵니다. 메모리를 넣는다면 지우는 방법부터 정해두세요.
판단: AGENTS.md 하나로 버티고 있다면 아직 이릅니다. 그 파일이 3천 줄이 됐을 때가 도입 시점입니다.
2. 자료 — Open Viking
기억이 생겨도 자료는 별개입니다. 참고 문서가 수십 개로 불어나면 에이전트가 매번 통째로 읽느라 정작 일할 공간이 없어집니다.
Open Viking은 컨텍스트를 viking:// 가상 파일시스템으로 다룹니다.
ls, read, write로 접근하고, 필요한 조각만 꺼내 씁니다.
세션을 커밋하면 그 대화가 메모리로 승격되는 구조도 있습니다. ByteDance(volcengine) 프로젝트입니다.
★37.5k · Python · AGPL-3.0
설치
pip install openviking --upgrade
openviking-server init
openviking-server doctor
openviking-serverinit에서 제공자와 모델을 잡고, doctor로 연결을 확인한 뒤 서버를 띄웁니다.
설치 전에 먼저 보고 싶다면 openviking.ai/studio에서 브라우저로 돌려볼 수 있습니다.
함정: AGPL-3.0입니다. 이 목록에서 유일합니다. 네트워크 너머로 서비스하는 제품에 넣으면 소스 공개 의무가 따라옵니다. 개인 작업이나 사내 도구라면 문제없지만, SaaS에 붙일 생각이라면 여기서 멈추고 법무를 거치세요. MIT인 줄 알고 가져다 쓰는 게 이 목록에서 가장 비싼 실수입니다.
로컬 밖으로 열 거라면 인증부터 설정해야 합니다. 기본값은 그걸 가정하지 않습니다.
판단: 기술적으로 가장 야심 차고, 라이선스 때문에 가장 조심해야 합니다.
3. 손 — Browser Use
기억하고 자료를 찾아도, 화면을 직접 만지지 못하면 결국 사람이 붙어 있어야 합니다. Browser Use는 에이전트가 실제 브라우저를 열고, 클릭하고, 폼을 채우고, 워크플로를 끝까지 돌리게 합니다. API가 없는 서비스를 다룰 때는 사실상 유일한 길입니다.
이 목록에서 별이 가장 많고(11만), 가장 오래됐습니다.
★114.7k · Python · MIT
설치
Python 3.11 이상, uv 기준입니다.
uv add browser-use.env에 모델 키를 넣습니다.
OPENAI_API_KEY=your-keyREADME가 안내하는 가장 빠른 방법은 에이전트에게 시키는 것입니다. Claude Code나 Codex에 아래 문장을 그대로 붙여넣으면 됩니다.
browser-use를 uv로 Python 3.12에 설치하고
browser-use skill install을 실행해서 내 브라우저에 연결해줘.
함정: 대상 사이트가 자동화 탐지를 하면 계정이 잠깁니다. 인스타그램·링크드인처럼 자동화에 민감한 곳에 본계정을 물리지 마세요. 그리고 화면 구조가 바뀌면 조용히 깨집니다 — 스크래핑 코드의 숙명이고 이것도 예외가 아닙니다.
판단: API가 있으면 API를 쓰세요. 이건 API가 없을 때의 답이지 API보다 나은 선택이 아닙니다.
필요할 때 더하는 넷
여기까지 붙이면 혼자 굴러가기는 합니다. 다만 혼자 움직이는 것과 믿고 맡기는 건 다릅니다. 아래 넷은 그 간극을 메우는 것들이고, 전부 필요하지는 않습니다.
4. 여럿을 굴리는 법 — Awesome Harness Engineering
에이전트를 여러 개 동시에 돌리기 시작하면 구조 문제가 생깁니다. 이건 도구가 아니라 읽는 자료입니다. 패턴, 평가, 메모리, 권한, 관측성, 오케스트레이션을 모아둔 큐레이션입니다.
★4.2k · 라이선스 표기 없음
설치할 게 없습니다. 한 번 훑고 북마크해두면 됩니다.
이름이 비슷한 저장소가 여럿이라는 점은 알아두세요. 같은 날 만들어진 walkinglabs/awesome-harness-engineering(★4.1k)이 거의 같은 내용이고, Picrew/awesome-agent-harness(★1.8k)는 또 다른 목록입니다. 어느 쪽이든 크게 다르지 않으니 최근 커밋이 살아 있는 쪽을 보면 됩니다.
5. 사고를 막는 감각 — Cybersecurity Skills
MITRE ATT&CK 포함 6개 프레임워크에 매핑된 보안 스킬 817개입니다. 위협 모델링, 취약점 분류, 보안 리뷰 체크리스트에 씁니다.
★32.8k · Python · Apache-2.0
npx skills add mukul975/Anthropic-Cybersecurity-Skills이름에 Anthropic이 붙어 있지만 공식 저장소가 아닙니다. 작성자는 mukul975이고,
README 최상단에 본인들이 “독립적인 커뮤니티 프로젝트이며 Anthropic PBC와 무관하다”고 밝혀뒀습니다.
품질 문제라기보다 출처를 알고 쓰자는 이야기입니다.
Anthropic 공식 스킬 저장소는 anthropics/skills(★176k)이고, 보안 쪽은 anthropics/defending-code-reference-harness(★7.5k)가 따로 있습니다.
공격·이중용도 기법이 섞여 있으니 권한 있는 범위에서만 쓰라는 경고도 README에 붙어 있습니다.
6. 설명하는 능력 — Diagram Design
에이전트가 그린 다이어그램이 매번 똑같은 Mermaid 박스 더미로 나오는 게 지겨울 때 씁니다. 에디토리얼 다이어그램 39종을 자립형 HTML + SVG로 뽑아줍니다. 저장소 설명이 스스로 밝힌 원칙이 정확합니다 — “No shadows. No Mermaid slop.”
★40.2k · HTML · MIT
Claude Code는 플러그인으로 넣습니다.
/plugin marketplace add cathrynlavery/diagram-design
/plugin install diagram-design@diagram-design설치 후 /plugin → Marketplaces → diagram-design에서 자동 업데이트를 한 번 켜세요.
서드파티 마켓플레이스는 기본이 꺼짐이라, 안 켜면 계속 옛 버전을 씁니다.
Codex도 같은 구조입니다.
codex plugin marketplace add cathrynlavery/diagram-design
codex plugin add diagram-design@diagram-designHTML+SVG라 GitHub README에서 바로 뜨지는 않습니다. 이미지로 뽑는 단계가 하나 더 붙습니다.
일곱 개 중 도입 비용이 가장 쌉니다. 문서를 자주 쓴다면 오늘 바로 값어치를 합니다.
7. 전공 지식 — Scientific Agent Skills
문헌 조사, 데이터 분석, 실험 설계 같은 연구 워크플로 스킬 166개입니다. 과학 데이터베이스 100개 이상을 함께 물립니다. 논문도 있습니다 — arXiv:2609.00065.
★45.0k · Python · MIT
npx skills add K-Dense-AI/scientific-agent-skillsGitHub CLI(v2.90.0+)를 쓰면 스킬 하나만 골라 넣을 수도 있습니다. 컨텍스트를 아끼려면 이쪽이 낫습니다.
gh skill install K-Dense-AI/scientific-agent-skills scanpy
gh skill install K-Dense-AI/scientific-agent-skills --agent claude-code166개를 다 켜면 컨텍스트가 스킬 설명으로 찹니다. 필요한 것만 고르세요. 스킬 라이브러리의 가치는 개수가 아니라 안 쓰는 걸 끄는 능력에 있습니다.
연구가 본업이 아니라면 이건 그냥 무게입니다. 건너뛰어도 됩니다.
다 넣으면 오히려 느려집니다
목록을 받으면 전부 설치하고 싶어집니다. 그러면 컨텍스트가 도구 설명으로 가득 차고 정작 일할 자리가 안 남습니다. 도구를 늘리면 에이전트는 더 똑똑해지는 게 아니라 더 산만해집니다.
상황별로 하나만 고른다면 이렇습니다.
| 상황 | 먼저 볼 것 |
|---|---|
| 세션이 바뀔 때마다 다시 설명하고 있다 | Agent Memory |
| 참고 문서가 수십 개로 불었다 | Open Viking (라이선스 확인 후) |
| API 없는 서비스를 다뤄야 한다 | Browser Use |
| 문서·다이어그램을 자주 쓴다 | Diagram Design |
| 에이전트를 여러 개 굴리기 시작했다 | Awesome Harness (읽기용) |
| 보안 리뷰가 필요하다 | Cybersecurity Skills |
| 연구·분석이 본업이다 | Scientific Agent Skills |
처음이라면 Agent Memory 하나만 붙여보세요. 결핍이 가장 먼저 체감되는 자리이고, 설치도 명령 한 줄입니다.
마지막으로 두 가지
- Open Viking은 AGPL-3.0입니다. 나머지 여섯 개와 성격이 완전히 다릅니다. 상용 서비스에 붙일 거라면 반드시 확인하세요.
- Cybersecurity Skills는 Anthropic 공식이 아닙니다. 이름이 그렇게 보일 뿐입니다.
별 개수는 채택 근거가 아닙니다. 라이선스와 유지보수 상태가 근거입니다. 참고로 이 일곱 개 중 여섯 개는 최근 이틀 안에 커밋이 올라왔습니다(2026-09-16 확인).
FOR TEAMS
이 가이드, 우리 팀에 적용하려면?
회사명과 업무 한 줄만 남겨주시면 널포인터스튜디오가 직접 검토해 회신드립니다.