TL;DR

Hive는 Python으로 만든 독립형 Multi-Agent Harness이자 production AI agent framework로, 자연어 목표를 Queen에게 전달하면 Queen이 작업 경로를 검증하고 skill과 playbook으로 체계화한 뒤 worker clone을 병렬 실행합니다. 모든 에이전트는 하나의 loop 구조를 공유하고 shared tracker ledger와 persistent task plan으로 결과를 조정하므로, 미리 DAG를 작성하는 오케스트레이션 코드가 필요하지 않습니다. 상태 저장 기반 park/resume, 비용 한도, 실시간 관측, Sentinel을 통한 Slack·Telegram human-in-the-loop가 런타임에 포함됩니다. Python 3.11 이상 환경에서 uv 기반 quickstart를 사용해야 하며, LiteLLM 호환 provider와 MCP 도구를 통해 장시간 비즈니스 프로세스 자동화를 운영하려는 팀에 적합하고 단순한 일회성 agent chain에는 과한 선택입니다.

핵심 포인트

• 분류상 Python 기반의 독립형 Multi-Agent Harness이자 에이전트 프레임워크로, 특정 모델 SDK나 MCP 서버에 종속되지 않습니다. Queen이 사용자 목표를 받아 작업을 직접 수행한 뒤 검증된 절차를 skill과 playbook으로 정리하고 worker clone을 병렬 생성합니다. 단순한 단일 에이전트 실험보다 상태 보존, 장애 복구, 비용 통제, 사람 개입이 필요한 운영 환경에 적합합니다.
• Hive는 미리 컴파일한 DAG 대신 하나의 에이전트 loop를 Queen과 모든 worker가 공유하는 구조입니다. worker는 Queen의 도구와 모델을 복제하되 각자 작업을 맡고, shared tracker ledger와 persistent task plan에 결과를 기록합니다. 따라서 복잡한 그래프 연결 코드 없이 자연어 목표에서 실행과 병렬화를 이어갈 수 있습니다.
• 장시간 작업은 상태를 디스크에 저장하는 park/resume 방식으로 중단 지점에서 재개하며, Sentinel을 통해 Slack 또는 Telegram에서 사람의 판단을 기다릴 수 있습니다. team, agent, workflow 단위의 spending limit와 throttle, model degradation 정책으로 실행 비용을 관리합니다. 실시간 관측, 감사 추적, crash-safe resume가 필요한 업무 자동화에서 핵심 가치가 있습니다.
• 설치는 일반적인 pip editable 설치가 아니라 uv workspace 기반 quickstart.sh 또는 quickstart.ps1을 사용해야 하며 Python 3.11 이상이 필요합니다. Core runtime과 colony runtime, MCP 도구, 암호화 credential store, LLM 설정을 스크립트가 함께 구성하고 브라우저 대시보드를 엽니다. Anthropic, OpenAI, OpenRouter, Hive LLM과 LiteLLM 호환 provider를 지원하며 Ollama는 ollama/model-name 형식으로 연결합니다.

이미지 분석