TL;DR

QwenPaw는 로컬과 클라우드에서 동작하는 개인 AI 비서 플랫폼으로서 QwenPaw-Flash 로컬 모델 지원과 Ollama·LM Studio 등 외부 백엔드 연동을 통해 API 키 없이도 운영이 가능하다. 에이전트는 스킬과 세 층 메모리를 보유하며 서브에이전트를 스폰하고 ACP로 협업을 조정하며 작업을 병렬화할 수 있다. 툴 호출 전후에 커널 수준 샌드박스, Tool Guard, File Guard, Skill Scanner를 적용해 외부 명령 실행과 파일 접근의 위험을 줄이며 다양한 설치 경로와 콘솔·TUI·데스크톱 앱을 통해 운영성과 접근성을 모두 제공한다. 단, 클라우드 모델 사용 시 적절한 API 키 설정이 필요하며 데스크톱과 Docker 환경에서는 플랫폼별 권장 설정을 따라야 한다; 문서에는 설치·연결·권한 관련 세부 절차가 포함되어 있다.

주요 기능

• 로컬 및 클라우드 환경에서 에이전트를 실행하고 관리할 수 있다. 설치 옵션으로 pip, 스크립트, Docker, 데스크톱 앱, 그리고 AgentScope 플랫폼 배포를 제공해 다양한 운영 환경에 대응한다. 웹 콘솔과 터미널 UI, 데스크톱 앱을 동일한 세션과 메모리로 공유해 사용성 통합을 달성한다.
• 멀티채널 연동 기능으로 한 인스턴스에서 DingTalk, Lark, WeChat, Discord, Telegram 등 다양한 메시징 플랫폼과 연결해 알림·요약·콘텐츠 배포를 통합 관리할 수 있다. 채널별 설정과 스킬 조합을 통해 동일한 작업을 여러 채널에 맞추어 전송할 수 있다. 채널 설정은 콘솔의 Channels 메뉴와 문서에서 상세 구성 절차를 제공한다.
• 세 계층 메모리 구조를 통해 실시간 컨텍스트, 전체 전말 기록, 증류된 지식으로 메모리를 분리해 장기 기억을 유지하며 오래된 턴을 필요시 재호출할 수 있다. 메모리는 삭제 없이도 명시적 관리 정책으로 보관되고 소거 규칙에 따라 오래된 항목을 퇴출한다. 이 구조는 사용자가 대화의 흐름과 누적 지식을 모두 유지하면서 에이전트의 응답 일관성을 확보하도록 설계되었다.
• 보안 레이어로 커널 수준의 샌드박스, YAML 기반의 Tool Guard, 독립적인 File Guard, 그리고 Skill Scanner를 제공해 도구 호출과 파일 접근을 사전 검사하고 잠재적 쉘 이스케이프·경로 탐색·데이터 유출 시도를 차단한다. Tool Guard는 ShellEvasionGuardian으로 명령문 내 주입·난독화 패턴을 검사하며 여러 승인 모드를 제공한다. 스킬 실행 전후에 스캐너와 정책을 적용해 악용 위험을 낮춘다.
• 코딩 모드와 TUI를 통해 코드 읽기·편집·차이 보기, 구조 검색, Jump-to-definition 같은 개발자 작업을 지원하며 동일한 에이전트 환경에서 테스트와 리뷰를 수행할 수 있다. 터미널 UI는 스트리밍 응답과 슬래시 명령, 파일/긴 텍스트 붙여넣기 기능을 제공해 키보드 중심의 워크플로를 가능하게 한다. Coding Mode는 웹 UI의 삼분할 패널을 사용해 파일 트리와 디프 프리뷰를 통합한다.

어떻게 동작하는가

QwenPaw는 에이전트 런타임, 플러그인형 스킬, 다층 메모리와 보안 가드로 구성된 통합 스택으로 동작한다. 로컬 모델은 QwenPaw-Flash 시리즈(2B/4B/9B)를 QwenPaw Local(llama.cpp)로 직접 구동하거나 Ollama·LM Studio 등 외부 백엔드와 연동해 사용자가 지정한 모델 제공자에 요청을 전달한다. 스킬 호출은 Tool Guard와 Skill Scanner로 선검증을 거쳐 샌드박스에서 제한된 권한으로 실행되며 결과는 에이전트 메모리와 세션에 안전하게 기록된다.

해결 문제

사용자가 개인 데이터와 환경에서 작동하는 에이전트를 쉽고 안전하게 배포·운영하는 문제를 해결한다. 로컬 모델 실행과 다중 채널 통합을 통해 클라우드 의존성을 제거하거나 선택적으로 결합할 수 있도록 지원한다. 또한 툴 호출과 파일 접근에 대한 사전 검사와 커널 수준 격리를 제공해 자동화된 에이전트가 실제 시스템 자원에 미치는 위험을 낮춘다.

지금 주목받는 이유

v1.1.12 등 연이은 릴리스에서 모델 페이지 개편, Simple Mode, 비차단 플러시 등 사용자 경험과 운영 현실성 개선이 지속되어 주목을 받고 있다.

차별점

• 로컬에서 구동 가능한 QwenPaw-Flash 모델을 기본 제공하며 llama.cpp 기반 QwenPaw Local을 통해 API 키 없이도 완전한 로컬 실행이 가능하다. 이 접근은 데이터 유출 위험을 줄이고 오프라인 환경에서 동작하는 에이전트를 제공한다. 모델 선택은 콘솔에서 직접 설정할 수 있어 클라우드와 로컬을 혼용하는 하이브리드 운영이 가능하다.
• 보안 계층을 다중으로 배치해 커널 수준의 샌드박스, YAML 규칙 기반의 Tool Guard, 독립적인 File Guard, Skill Scanner를 결합함으로써 툴 호출 이후의 피해를 사전에 억제한다. Tool Guard는 명령형 도구 호출에 대해 주입과 난독화 패턴을 검사하고 승인 정책을 적용한다. 이러한 설계는 자동화된 스크립트 실행과 파일 처리를 포함하는 워크플로의 위험을 낮춘다.
• 멀티에이전트와 ACP(Agent Communication Protocol)를 지원해 서브에이전트 생성과 에이전트 간 협업을 내부 프로토콜로 조정함으로써 복합 워크플로와 병렬 처리 시나리오를 구조적으로 지원한다. 에이전트별 메모리와 스킬을 분리해 독립적 실행이 가능하며 필요한 경우 결과를 합성해 최종 작업을 수행한다. 이로 인해 복잡한 업무 분할과 자동화된 오케스트레이션이 쉬워진다.
• 다양한 설치 경로(pip, 스크립트 인스톨러, Docker, 데스크톱 앱, AgentScope 플랫폼)를 제공해 사용자 기술 수준과 운영 제약에 맞춘 배포 옵션을 갖추고 있다. 설치 스크립트는 의존성·가상환경·노드 프런트엔드 빌드를 자동으로 처리하는 옵션을 포함해 비전문가도 비교적 쉽게 배포할 수 있도록 설계되었다. Docker 및 컨테이너 네트워크 가이드도 제공해 호스트 서비스 연동을 위한 실무 지침을 포함한다.

사용 사례

• 사내 문서 검색과 요약 자동화: 기업 내부 문서를 로컬에 보관한 채 에이전트를 통해 PDF·Word·Excel 파일을 읽고 요약하거나 질의응답용 지식베이스로 활용할 수 있다.
• 자동화된 멀티채널 알림·레포트 배포: 정기 보고서나 뉴스 다이제스트를 스케줄링해 DingTalk, Lark, Discord, Telegram 등 여러 채널에 동시 송출하는 워크플로를 구성할 수 있다.
• 코드 리뷰와 개발 생산성 도구로서의 활용: Coding Mode와 TUI를 통해 리포지토리 내 코드 검색, 차이점 미리보기, 간단한 코드 변경 제안 및 테스트 실행을 에이전트와 결합해 개발 사이클을 단축할 수 있다.
• 보안 민감 환경의 개인 에이전트 운영: 데이터가 로컬에 머무르길 원하는 환경에서 QwenPaw Local을 사용해 외부 API 키 없이도 에이전트를 운영하고 툴 가드·파일 가드로 외부 명령 실행을 제한할 수 있다.

시작하기

Python 3.11~3.13 환경에서 pip로 설치한 뒤 `qwenpaw init --defaults`로 기본 설정을 생성하고 `qwenpaw app`을 실행하면 웹 콘솔이 http://127.0.0.1:8088 에 노출된다. Docker 사용자는 agentscope/qwenpaw:latest 이미지를 풀한 뒤 권장된 포트와 볼륨 마운트를 지정해 컨테이너를 실행하면 동일한 콘솔에 접속할 수 있다. 데스크톱 앱을 사용하면 설치 후 더블클릭으로 실행해 GUI에서 모델·채널·스킬을 설정할 수 있다.

요구사항

• Python >= 3.11 and < 3.14 또는 Docker 환경이 준비되어 있어야 한다.
• 로컬 모델 사용 시 하드웨어에 따라 적절한 GPU/CPU 자원과 quantized 모델 파일(Q4/Q8 등)이 필요하다.
• 채널 연동이나 클라우드 모델 사용을 위해서는 해당 서비스의 API 키를 콘솔의 Models 설정에 등록해야 한다.

이미지 분석