TL;DR

OpenWorker는 데스크탑에서 로컬 에이전트를 돌려 사용자의 파일과 25개 이상의 커넥터, 선택한 모델을 조합해 실무용 최종 산출물을 자동으로 생성하는 오픈 소스 앱이다. 내부적으로는 Python 기반의 로컬 에이전트 서버가 작업을 단계로 분해하고 MCP 호환 커넥터를 통해 도구 호출을 수행하며 모든 중대한 작업은 사용자 승인으로 제어된다. 사용자는 OpenAI·Anthropic·Google 같은 원격 모델 키를 붙이거나 Ollama·Together 기반 오픈 웨이트 모델을 로컬에서 실행해 운영할 수 있으며 이 구조는 데이터 노출을 줄이고 모델 교체 유연성을 제공한다. 현재 베타 상태이며 macOS용 서명된 빌드와 Windows 미서명 빌드가 존재하므로 운영 전 서명 및 배포 정책을 확인해야 한다.

주요 기능

• 문서와 스프레드시트 등 공유 가능한 최종 결과물을 생성하고 파일로 저장해 사용자가 즉시 열어 검토할 수 있다. 이 과정에서 모델 출력은 단순 텍스트가 아니라 편집 가능한 문서 형태로 제공되며 파일 저장과 링크 공유가 가능하다. 결과물은 앱 내 기록으로 남아 후속 자동화나 스케줄에 재활용할 수 있다.
• 25개 이상의 커넥터를 통해 Slack, GitHub, Jira, Notion, Google Calendar, Gmail 등 일상 도구와 직접 상호작용하며 필요한 데이터를 읽고 쓸 수 있다. 각 커넥터는 사용자 제공 자격증명이나 OAuth로 연결되며 도구별 권한을 세밀하게 제어할 수 있다. 도구 호출은 모델의 의도를 실제 행동으로 전환하여 메시지 전송, 이슈 조회, 캘린더 업데이트 같은 실무 작업을 수행한다.
• 사용자가 모델 키를 제공하거나 Ollama 같은 로컬 런타임을 지정해 BYO 모델을 사용할 수 있으며 Together·Fireworks 같은 오픈 웨이트 공급처도 지원한다. 모델 접근은 사용자의 키로 로컬에 저장되고 에이전트는 해당 키를 사용해 도구 호출과 콘텐츠 생성을 수행한다. 모델 교체 시에도 도구 호출 호환성을 유지하도록 검증된 모델 리스트를 제공해 위험을 완화한다.
• 반복 스케줄과 자동화 워크플로를 정의해 아침 브리핑, 주간 리포트, 채널 감시 같은 정기 작업을 자동으로 실행할 수 있다. 예약 실행은 앱 내 트랜스크립트와 로그로 기록되며 미결 작업은 사용자 승인 인박스로 배치된다. 자동화는 승인 정책과 결합되어 무단 실행을 방지하므로 안전하게 운영할 수 있다.

어떻게 동작하는가

OpenWorker는 데스크탑 환경에서 로컬 에이전트 서버(Python)와 React/Tauri 기반 UI가 협력해 작동하며 에이전트가 작업을 단계별로 분해해 파일 시스템과 커넥터, 모델을 차례로 호출한다. 각 도구 호출과 중대한 변경 작업 전에는 사용자에게 확인을 요청하여 자동화의 실수 실행을 방지하고 사용자는 승인하거나 재지시할 수 있다. 모델은 사용자가 제공한 API 키나 로컬 런타임으로 호출되며 MCP 규격을 따른 커넥터를 통해 외부 서비스와 안전하게 통신한다.

해결 문제

일상적인 협업 업무를 사람이 일일이 수동으로 처리하는 비용과 시간이 문제였다. OpenWorker는 작업 목표를 받아 이를 단계로 분해하고 데스크탑 파일, 터미널, 외부 커넥터를 순차적으로 호출해 최종 산출물을 자동으로 만들어 사용자의 반복 수작업을 줄인다. 또한 로컬 우선 설계와 도구별 승인 흐름으로 데이터 노출과 자동화 오작동 위험을 관리한다.

지금 주목받는 이유

OpenWorker는 베타 상태에서 로컬 에이전트로서 완성된 결과물을 제공하는 점과 데스크탑 우선 접근법으로 관심을 모았고 GitHub에서 높은 스타 수로 주목을 받았다. 다양한 상용 및 오픈 웨이트 모델 연동과 25개 이상의 커넥터를 통해 실무 적용 가능성이 커진 점이 화제성이 된 배경이다. 또한 데스크탑 앱으로의 자동 업데이트와 Tauri 기반 빌드 경험이 개발자와 파워유저의 관심을 끌었다.

차별점

• 로컬 퍼스트 아키텍처를 채택해 에이전트 루프와 자격증명, 모델 키를 사용자의 머신에 보관하므로 클라우드로의 불필요한 데이터 전송을 최소화한다. 이 구조는 프라이버시와 규정 준수 요구가 있는 워크로드에서 유리하며 사용자가 원하는 경우 완전히 로컬 모델로 전환할 수 있다. 로컬 실행은 또한 네트워크 지연과 외부 의존도를 줄여 반응성을 개선한다.
• 모델 종속성을 강요하지 않고 사용자가 OpenAI, Anthropic, Google 같은 상용 제공자 키를 붙이거나 Ollama와 같은 로컬 추론 엔진 또는 Together 기반 오픈 웨이트 모델을 직접 연결할 수 있게 해 유연성을 제공한다. 검증된 모델 리스트를 통해 도구 호출 호환성을 안내하되, 어떤 모델 문자열이든 추가할 수 있어 실험적 설정도 수용한다. 이 방식은 사용자 요구에 맞춰 비용과 성능의 균형을 조절할 수 있게 한다.
• 사용자 승인 기반의 실행 체인을 통해 모델이 작성한 메시지 전송이나 스케줄 변경, 쉘 명령 실행 등 중대한 동작 전 반드시 확인을 거치게 하여 안전성을 보장한다. 승인되지 않은 자동 실행은 인박스로 보관되어 사용자가 검토할 때까지 실제 행동으로 이어지지 않는다. 이 설계는 자동화 편의성과 통제 간의 균형을 맞추는 데 유효하다.

사용 사례

• 고객 브리핑, 회의 요약, 리포트 초안처럼 반복적으로 문서를 생산해야 하는 업무에서 모델이 자료를 수집하고 편집 가능한 최종 문서로 완성해 시간을 절약할 수 있다. 사용자는 생성된 파일을 바로 검토하고 수정하며 이후 자동화 파이프라인에 재활용할 수 있다. 이 흐름은 문서 작성 주기를 단축하고 검토 중심의 워크플로에 적합하다.
• Slack 채널에서 @OpenWorker로 요청하면 데스크탑 세션이 열리고 필요한 데이터를 로컬과 외부 도구에서 모아 스레드에 답변을 게시할 수 있으므로 채널 트라이아지와 숫자 기반 회신을 자동화할 수 있다. 자동 응답은 사용자의 승인 전용 모드로 설정할 수 있어 잘못된 전송을 방지할 수 있다. 이 기능은 운영 팀의 반복 문의 처리 부담을 줄인다.
• 정기 리포트나 모니터링 작업을 스케줄에 따라 실행시켜 아침 브리핑이나 주간 요약을 자동으로 생성하게 할 수 있으며 실행 결과와 전체 트랜스크립트를 앱에서 확인할 수 있다. 예약 작업은 실패나 의심스러운 변경에 대해 사용자의 수동 검토를 요구하도록 구성할 수 있다. 이로 인해 정기 업무 자동화가 안전하게 운영될 수 있다.
• 로컬 개발 환경에서 터미널 명령과 파일을 조합해 코드베이스 상태 확인, 릴리스 진행상황 점검, 이슈 트라이아지 같은 엔지니어링 작업을 자동화할 수 있다. 에이전트는 GitHub와 연동해 이슈를 조회하거나 PR 상태를 수집하고 요약 리포트를 생성한다. 사용자는 생성된 리포트를 기반으로 빠르게 의사결정을 수행할 수 있다.

시작하기

개발자 환경에서는 시스템에 Python 3.10 이상과 Node 20 이상, 그리고 데스크탑 셸을 빌드하려면 Rust toolchain이 필요하다. 저장소를 클론한 뒤 packaging/setup_dev_env.sh로 가상환경을 부트스트랩하고 .venv/bin/openworker-server로 로컬 에이전트 서버를 기동한 다음 surfaces/gui에서 npm install과 npm run dev로 UI를 기동하면 브라우저 개발 모드로 접속할 수 있다. 데스크탑 전체를 실행하려면 surfaces/gui에서 npm run tauri dev를 사용하면 Tauri 셸이 백엔드를 감독하는 네이티브 창을 띄운다.

요구사항

• Python 3.10 이상이 필요하며 백엔드 에이전트 서버와 종속 패키지들이 이 파이썬 환경에서 실행된다. 개발 환경 스크립트가 .venv를 생성하므로 시스템 수준의 Python 버전 관리가 있어야 하며 가상환경이 생성되지 않으면 수동으로 의존성을 설치해야 한다. 테스트는 .venv/bin/pytest로 실행할 수 있다.
• Node 20 이상이 요구되며 프론트엔드 빌드와 개발 서버, Tauri 빌드 파이프라인이 이 Node 런타임을 사용한다. surfaces/gui 디렉토리에서 npm install과 npm run dev로 개발 UI를 기동하고 배포용 빌드는 추가 스크립트를 통해 생성한다. 프론트엔드 테스트는 npm test 및 npm run e2e로 실행된다.
• 데스크탑 번들링과 원활한 Tauri 개발을 위해 Rust toolchain이 필요하며 rustup을 통해 설치하도록 안내되어 있다. 데스크탑 빌드 스크립트는 macOS DMG와 Windows installer를 지원하나 Windows 빌드는 아직 코드 서명이 진행 중이므로 SmartScreen 경고가 발생할 수 있다. macOS 빌드는 Apple Silicon(macOS 12+)을 지원하며 서명 및 자동 업데이트를 포함한다.
• 운영 환경에서는 사용자가 제공하는 모델 API 키나 로컬 Ollama 런타임이 필요하며 커넥터별로 별도 자격증명 또는 OAuth 설정이 요구된다. 커넥터 OAuth는 브로커 서비스가 일부 클라우드 동작을 중개하므로 해당 부분의 네트워크 접근과 설정 권한이 필요하다. 모든 자격증명과 모델 키는 앱의 로컬 시크릿 스토어에 저장되어 에이전트가 이를 사용해 도구 호출을 수행한다.

이미지 분석