TL;DR

BrainPilot은 PI Agent가 전문 에이전트(사서·실험설계자·엔지니어·작가·감사자)를 오케스트레이션해 문헌조사에서 실험설계·데이터 분석·보고서 작성·감사에 이르는 연구 워크플로를 자동화하는 오픈소스 플랫폼이다. SKILL.md 기반의 72개 스킬 라이브러리와 점진적 스킬 로딩을 통해 방법론 텍스트를 에이전트의 시스템 프롬프트에 요약·참조하며, MCP 연결로 로컬 벡터 스토어나 원격 검색 서비스를 도구로 통합한다. 모든 에이전트 호출과 산출물은 Graph of Trace로 기록되어 실행 경로와 근거 체인을 복원 가능하게 유지하며, 사례 검증에서는 RSC 디코딩 MAE 16.8cm, EEG에서 일부 피험자 기준 accuracy 0.580→0.620 등을 보고했으나 몇몇 비교에서는 전통적 유의수준을 넘지 못함이 병기되어 있다. 로컬 단일 사용자 실행은 Node.js ≥22로 빠르게 시작할 수 있고, 격리가 필요하면 Docker 동적 샌드박스 모드로 확장할 수 있다.

주요 기능

• 문헌 검색과 근거 수집을 자동으로 수행하고 관련 논문과 메타데이터를 에이전트 도구로 노출한다.
• 실험설계 단계에서 스킬 라이브러리를 참조해 표준화된 절차·파라미터를 제안하고 프로토콜 초안을 생성한다.
• 데이터 분석 파이프라인을 코드 실행 환경과 연결해 실험 실행, 분석, 시각화, 보고서 초안을 연속적으로 생성한다.
• Graph of Trace로 모든 에이전트 호출과 증거 흐름을 노드·엣지로 기록해 중간 산출물의 출처와 검증 기록을 보존한다.

어떻게 동작하는가

PI Agent가 사용자 입력을 수집해 작업을 계획하고 라이브러리·실험설계·코드 작성·감사 담당 전문 에이전트들을 순차적·병렬적으로 호출하는 오케스트레이션 레이어가 핵심이다. 각 스킬은 SKILL.md로 정의되어 에이전트의 system prompt 요약과 필요 시 전체 본문 읽기를 통해 점진적으로 참조되며, 이를 통해 프롬프트 길이를 제어하면서 도메인 방법론을 재사용한다. 세션 동안 일어난 모든 도구 호출과 산출물은 Graph of Trace로 물리화되어 실행 경로와 증거 체인을 감사 가능하게 만든다.

해결 문제

분야 간 증거 수집·방법론 적용·분석 자동화 과정에서 발생하는 수작업 병목과 추적 불가능성 문제를 해결하려 한다. BrainPilot은 전문 에이전트들을 조율해 문헌 조사, 가설 다듬기, 실험 설계, 데이터 분석, 보고서 작성, 독립 감사까지 연속 워크플로로 연결해 연구자 개입을 최소화하면서도 인간의 판단을 유지한다. 또한 Graph of Trace를 통해 중간 산출물의 출처와 의사결정 흐름을 보존해 재현성과 검증성을 높였다.

지금 주목받는 이유

2026-07에 v0.1.0 공개와 WAIC 2026 포럼 데모로 공개되었고, 뇌과학 연구 특화 에이전트 오케스트레이션과 검사 가능한 실행 추적이라는 조합이 주목을 받았다.

차별점

• 분야별로 검증된 SKILL.md 기반의 72개 스킬을 런타임으로 물리화해 에이전트가 구체적 실험 절차와 파라미터를 참조하도록 한다.
• Graph of Trace를 기본 감사 로그로 채택해 에이전트의 도구 호출과 증거 흐름을 노드·엣지 형태로 복원 가능하게 유지한다.
• MCP(Model Context Protocol) 연결을 통해 로컬 벡터 DB, 파일 시스템, 원격 검색 서비스 등 다양한 외부 리소스를 에이전트 도구로 직접 통합할 수 있다.

사용 사례

• 문헌이 방대한 주제에서 에이전트가 관련 논문을 수집·요약하고 방법론을 스킬로 전환해 연구 가설을 구조화하는 초기 조사 단계에 사용된다.
• 실험실에서 실험 설계와 파라미터 표준화를 자동으로 제안하고 프로토콜 초안을 생성해 실험자와 협업하는 워크플로에 적용된다.
• 신경과학 데이터 분석 파이프라인을 코드 실행 환경과 연결해 분석 재현성을 확보하고 보고서 초안을 자동 생성하는 일련의 분석 단계에 활용된다.

시작하기

로컬 단일 사용자 환경에서는 Node.js ≥ 22가 설치된 상태에서 전역 npm 패키지로 설치한 뒤 brainpilot up으로 브라우저에서 런타임을 기동하면 첫 세션을 바로 시작할 수 있다. 모델 제공자 API 키가 준비되어 있지 않으면 BP_MOCK=1 환경 변수로 모의 모드로 기동해 인터페이스와 워크플로를 확인할 수 있다. 다중 사용자 또는 격리된 샌드박스가 필요하면 제공된 Docker 구성파일을 복사해 .env를 편집한 뒤 docker compose up으로 컨테이너화된 배포를 실행하면 샌드박스 기반 런타임이 생성된다.

요구사항

• Node.js 버전 22 이상이 필요하며 전역 npm 설치 권한이 요구된다.
• 실제 모델을 연동하려면 Anthropic, OpenAI 호환 엔드포인트 등 공급자의 API 키가 필요하지만 BP_MOCK=1로 모의 실행이 가능하다.
• 컨테이너 격리와 샌드박스가 필요한 배포에서는 Docker와 docker-compose가 설치되어 있어야 하며, 동적 모드 사용 시 docker.sock 접근 권한이 필요하다.

벤치마크

이미지 분석