본문으로 건너뛰기

트렌딩 - GitHub 인기 레포 & HuggingFace 모델

tinyhumansai/openhuman

Rust0 / 0

개인 데이터를 기억하고 에이전트 fleet과 workflow를 조율하는 Rust 기반 로컬 우선 AI harness

TL;DR

OpenHuman은 Rust 기반 standalone personal AI agent harness로, 개인 데이터를 로컬에서 기억하고 여러 에이전트와 workflow를 조율하는 데 초점을 둡니다. SQLite의 Memory Tree와 Obsidian vault가 문서·이메일·채팅을 Markdown 구조로 압축하며, tinyagents의 checkpointed graph는 중단된 작업을 재개하게 합니다. 100+ OAuth integrations, 5,000+ MCP servers, 90,000+ Skills, 17개 messaging channels와 web search·browser·voice·media generation을 한 데 묶고 자체 provider key와 Ollama도 연결할 수 있습니다. Privacy Mode는 Rust core에서 로컬 추론을 강제하지만 early beta이고 기본 subscription 구조가 있으므로, 개인 데이터와 장기 운영에 투입하기 전 release 안정성·라이선스·권한 범위를 확인해야 합니다.

핵심 포인트

  • OpenHuman은 Rust로 작성된 standalone personal AI agent harness이자 로컬 우선 데스크톱 애플리케이션입니다. Memory Tree와 SQLite, Obsidian vault를 연결해 문서·이메일·채팅을 Markdown 트리로 압축하고 동기화합니다. 단순 챗봇보다 개인 데이터 기억과 여러 에이전트의 장기 실행에 초점을 둔 선택지입니다.
  • tinyagents 기반 checkpointed graph가 작업을 중단 지점에 저장하고 재시작 뒤 이어서 실행합니다. 전문 에이전트는 최대 세 단계 깊이로 생성되며 Signal-protocol E2E 세션으로 다른 에이전트와 통신합니다. 반복 작업을 시각적 tinyflows workflow로 저장하고 스케줄·webhook·채널 이벤트와 승인 게이트에 연결할 때 적합합니다.
  • Gmail·Notion·GitHub·Slack 등을 포함한 100+ OAuth integrations, 5,000+ MCP servers, 90,000+ Skills와 17개 messaging channels를 한 UI에서 다룹니다. Exa 기반 web search, scraper, browser, coder toolset, in-process Whisper voice, image·video generation을 함께 묶고 model routing으로 workload별 LLM을 선택합니다. 자체 provider key나 Ollama를 연결할 수 있지만 기본 subscription과 early beta 상태를 고려해야 합니다.
  • Privacy Mode는 추론이 기기 밖으로 나가지 않도록 Rust core에서 강제하며 encrypted on-device data, OS-keyring secrets, approval gate를 사용합니다. 다만 README는 라이선스를 GNU로만 표기하고 정확한 라이선스 종류와 각 integration의 데이터 처리 범위를 밝히지 않습니다. 개인정보를 다루기 전 실제 release 문서와 권한 범위, 로컬 모델 설정을 별도로 확인하는 편이 안전합니다.

벤치마크

벤치마크지표비교
TokenJuice 도구 출력 압축토큰 감소율최대 80%
OAuth integrations연동 수100+
MCP servers지원 수5,000+
Skills지원 수90,000+
Auto-fetch동기화 주기20분
Messaging channels채널 수17개

이미지 분석

OpenHuman 데스크톱 UI에서 Human 화면과 음성 입력, 에이전트 작업 단계, 코드 실행 결과를 함께 확인하는 모습입니다.
화면 오른쪽은 Research, Run Code, Tools Agent 같은 작업 단계를 순차적으로 기록하고 최종 답변과 reasoning 결과를 같은 패널에 배치합니다. README가 말하는 도구 실행과 replayable run journal 개념을 실제 작업 흐름에 연결하지만, 화면만으로 내부 저장 방식이나 결과 정확도까지 판단할 수는 없습니다.
OpenHuman이 문서·이메일·채팅을 압축해 개인 지식 그래프와 Markdown 기반 Memory Tree로 구성하는 흐름을 나타낸 다이어그램입니다.
이미지는 여러 개인 데이터 원천이 요약·압축 단계를 거쳐 기억 구조로 모이는 방식을 시각화합니다. 이는 SQLite의 scored Markdown trees와 Obsidian vault를 이용해 장기 기억을 만든다는 README의 핵심 구조와 직접 연결되며, 데이터 원본에서 기억 노드까지의 처리 흐름을 한눈에 파악하게 합니다.
OpenHuman의 Brain 화면에서 1,599개 노드와 1,584개의 parent-child links로 구성된 기억 그래프를 탐색하는 모습입니다.
그래프 화면은 Source, L1, L2, Document 범례와 여러 군집 노드를 제공하고, Reset Memory Tree·Refresh·View Vault·Build Summary Trees 버튼으로 기억 구조를 관리하게 합니다. 이 구성은 Memory Tree가 단순 벡터 저장소가 아니라 계층형 노드와 문서 연결을 유지한다는 점을 뒷받침하지만, 그래프 생성 품질이나 검색 성능 수치는 이미지에 없습니다.
Tiny Place 화면에서 여러 색상의 에이전트 캐릭터가 건물과 도로가 있는 가상 도시 안에 배치되고 World·Feed·Messages·Bounties 메뉴가 표시됩니다.
화면은 에이전트가 World, Poker, Court, Office, Home 같은 공간에서 상호작용하는 Tiny Place 환경을 나타냅니다. README의 agent economy, @handle, agent-to-agent orchestration과 관련된 시각 자료지만, 실제 workflow canvas나 승인 게이트 실행 과정은 이 이미지에서 확인되지 않습니다.

38.5k

STARS

3.8k

FORKS

+226

TRENDING

0

조회수

watchers 38.5kopen issues 321GNU General Public License v3.0

관련 토론

아직 관련 토론이 없습니다.

댓글

댓글을 작성하려면 로그인이 필요합니다.