# \#ai-agents

**URL:** https://discuss.pytorch.kr/tag/ai-agents/6890.md

[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)

---

## [Solo to Team: 여러 AI 에이전트에게 맡긴 작업을 회수하고 증거로 검증하는 협업 스킬 4종](https://discuss.pytorch.kr/t/solo-to-team-ai-4/12487)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [11월 12, 2026, 7:00오전 UTC](https://discuss.pytorch.kr/t/solo-to-team-ai-4/12487 "2026-11-12T07:00:32Z")

</div>

핵심 요약 Solo to Team은 한 사람이 여러 AI 어시스턴트에게 작업을 나눠 맡길 때 따를 절차를 스킬 4종과 작업 등록 행 템플릿 1종으로 정리한 프로젝트입니다. 작업을 맡기기 전에 '수령 대기' 한 줄을 먼저 적고, 접수와 결과 수령, 검수 완료를 각각 다른 줄로 기록합니다. '검수 완료'나 '취소'가 기록된 작업만 미완료 목록에서 빠집니다. 타이머와 자동 알림은 포함되어 있지 않으므로(hooks: {}), 기한 확인과 후속 조치는 사람이나 호스트 도구의 기능으로 수행해야 합니다. Codex와 Cursor를 포함한 8개 환경에서 설치와 호출이 확인되었고, Claude Code는 플러그인 구조만 준비된 미검증 상태입니다. 스킬 본문은 현재 중국어로 작성되어 있습니다. 팀의 오류율이나 재촉 횟수가 줄었는지는 대조 실험이 없어 입증되지 않았다고 저자가 직접 밝히고 있습니다. Solo to Team 소개 AI 어시스턴트 여러 개를 오래 켜 두고 일을 나눠 맡기면 모델 성능과는 다른 종류의 문제가 생깁니다. 맡긴 작업을 아무도 회수하지 않거나, 확인되지 않은 완료 보고가 그대로 다음 단계로 넘어가거나, 작성자만 따라 할 수 있는 절차서가 남거나, 같은 실수가 반복됩니다. 채팅에 남은 한 문장만으로는 누가 제출했고 누가 받았는지조차 분명하지 않은 경우가 많습니다. 이번에 소개하는 Solo to Team은 이러한 문제를 다루기 위해, 사람 한 명이 여러 AI 어시스턴트를 총괄할 때 따를 작업 절차를 스킬 4종과 템플릿으로 정리한 프로젝트입니다. Solo to Team은 목표 설정, 분담, 인계, 검증, 판단으로 이어지는 하나의 흐름을 기준으로 합니다. 작업을 맡기기 전에 누가 수행하고 누가 회수하며 기한에 누가 확인하는지를 한 줄로 기록하고, 결과물이 약속한 위치에 있는 것을 직접 본 뒤에만 '결과 수령'으로 적습니다. 완료를 선언하려면 현재 버전의 결과물을 직접 열어 보거나 다시 실행한 증거가 있어야 하고, 수락과 반려의 최종 판단은 항상 사람이 내…

---

## [awesome-ai-agents: 200개가 넘는 에이전트 AI 프로젝트를 모은 큐레이션 목록](https://discuss.pytorch.kr/t/awesome-ai-agents-200-ai/11210)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [7월 13, 2026, 2:30오전 UTC](https://discuss.pytorch.kr/t/awesome-ai-agents-200-ai/11210 "2026-07-13T02:30:13Z")

</div>

awesome-ai-agents 소개 에이전트 AI(agentic AI) 생태계는 프레임워크, 자율 코딩 도구, 평가 벤치마크, 메모리 계층 등으로 빠르게 갈라지며 커지고 있습니다. 새 프로젝트가 매주 쏟아지다 보니, 지금 무엇이 존재하고 어떤 범주에 속하는지 한눈에 파악하기가 쉽지 않습니다. awesome-ai-agents 는 이 흐름을 따라잡기 위해 Slava Kurilyak 이 관리하는 큐레이션 목록입니다. 저장소 설명 기준으로 에이전트 AI 관련 리소스를 200개 넘게 모아 두었으며, 각 프로젝트를 범주와 함께 정리해 어떤 도구가 어떤 문제를 다루는지 훑어볼 수 있게 했습니다. 목록 상단에는 "AI 에이전트가 전통적인 LLM 을 능가한다" 는 문제의식과 함께, Andrew Ng 의 "GPT-3.5 with an agentic workflow actually outperforms GPT-4" 라는 인용이 배경으로 제시됩니다. 이 목록은 단순히 링크만 나열하지 않고, 프로젝트마다 오픈소스 여부, 별(star) 수, 범주 태그, 한 줄 설명, 그리고 공식 링크를 함께 담고 있습니다. 본 게시물에서는 awesome-ai-agents 가 어떻게 구성되어 있고, 어떤 방식으로 활용할 수 있는지 정리합니다. awesome-ai-agents의 구성 awesome-ai-agents 는 크게 세 부분으로 나뉩니다. 먼저 별 수가 가장 많은 프로젝트를 모은 Top 10 Projects, 최근 활발히 갱신되는 프로젝트를 별도로 뽑은 Rising 10 Projects, 그리고 알파벳 순으로 정리된 All Projects 전체 목록입니다. Top 10 에는 AutoGPT, Ollama, LangChain, Lobe Chat, OpenDevin, Open Interpreter, MetaGPT, PrivateGPT 같은 널리 알려진 프로젝트가 별 수와 함께 올라와 있습니다. 전체 목록의 각 항목은 일관된 형식을 따릅니다. 오픈소스 여부를 나타내는 배지, 별 수와 …

---

## [Awesome Claude Skills: 1,000개 넘는 Claude 스킬을 정리한 목록](https://discuss.pytorch.kr/t/awesome-claude-skills-1-000-claude/11063)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [7월 4, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/awesome-claude-skills-1-000-claude/11063 "2026-07-04T09:30:10Z")

</div>

Awesome Claude Skills 소개 Claude Skills는 Claude가 특정 유형의 작업을 처리하는 방법을 담은 재사용 가능한 지침 묶음입니다. 각 스킬은 SKILL.md 파일 하나에 YAML 프런트매터(이름, 설명)와 마크다운 지침을 담고, 여기에 스크립트·참고 문서·에셋을 함께 묶을 수 있습니다. Anthropic이 2025년 10월에 이 형식을 처음 선보였고, 2025년 12월에는 오픈 표준으로 공개했습니다. 이제 Claude Code, Claude.ai, Claude API는 물론 OpenAI Codex, Cursor, Gemini CLI, Antigravity, Windsurf까지 이 형식을 지원합니다. Awesome Claude Skills는 Composio가 만들고 커뮤니티가 함께 채워 넣는 저장소로, \*"실전에서 바로 쓸 수 있는 1,000개가 넘는 Claude 스킬과 플러그인"\*을 표방하며 문서 처리부터 보안까지 여러 카테고리로 정리해 둡니다. 개별 스킬을 하나씩 찾아 헤매는 대신, 이 저장소 하나만 열어봐도 지금 커뮤니티가 Claude를 어떤 방식으로 확장하고 있는지 한눈에 파악할 수 있습니다. 저장소는 스킬을 그저 나열만 하지 않고, 스킬과 MCP(Model Context Protocol), 개별 도구(tool) 사이의 역할 차이도 설명합니다. MCP는 에이전트가 외부 시스템에 접속하는 방식(인증, 전송, 도구 탐색)을 정의하고, 도구는 에이전트가 호출하는 개별 함수이며, 스킬은 에이전트가 이미 연결과 도구를 갖춘 상태에서 "무엇을, 어떤 순서로, 어떤 안전장치와 함께" 수행할지 정의합니다. 실제 서비스 환경에서는 이 세 계층이 함께 동작합니다. Awesome Claude Skills의 카테고리 구성 저장소는 문서 처리(Document Processing), 개발·코드 도구(Development & Code Tools), 데이터·분석(Data & Analysis), 비즈니스·마케팅(Business & Marke…

---

## [Product Manager Skills: AI 에이전트를 위한 49가지 제품 관리 스킬 프레임워크](https://discuss.pytorch.kr/t/product-manager-skills-ai-49/10582)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [6월 9, 2026, 10:30오전 UTC](https://discuss.pytorch.kr/t/product-manager-skills-ai-49/10582 "2026-06-09T10:30:43Z")

</div>

Product Manager Skills 소개 Product Manager Skills는 제품 관리(Product Management) 업무를 AI 에이전트가 전문가 수준으로 수행할 수 있도록 정리한 49개의 스킬과 6개의 커맨드 워크플로우 모음입니다. AI에게 "PRD를 써줘" 라고 프롬프트만 던지면 일반적이고 밋밋한 결과물이 나오기 쉽습니다. 문서의 각 섹션이 왜 필요한지, 이해관계자에게 어떤 질문을 던져야 하는지, 어떤 우선순위 프레임워크가 언제 무너지는지 같은 맥락이 빠져 있기 때문입니다. 이 프로젝트는 그 맥락 자체를 구조화된 스킬 파일로 만들어 에이전트에 장착하는 방식으로 문제에 접근합니다. Dean Peters가 만들어 공개했으며, Claude Code 플러그인 마켓플레이스 등록과 ZIP 패키지 배포를 통해 비개발자 PM도 설치할 수 있도록 구성되어 있습니다. 이 프로젝트의 설계 철학에서 눈에 띄는 점은 사람과 에이전트를 동시에 가르친다 는 목표입니다. 프로젝트는 자신의 동작 방식을 "You learn the why. Your agents execute the how." 라는 문구로 요약합니다. 즉 PM은 프레임워크가 작동하는 이유를 배우고, 에이전트는 실행 방법을 맡는 구조입니다. 스킬에 담긴 프레임워크는 Teresa Torres, Geoffrey Moore, Amazon, MITRE 등에서 가져온 검증된 방법론이며, 모든 스킬은 ABC(Always Be Coaching) 원칙에 따라 단계뿐 아니라 그 이유까지 설명하도록 작성되어 있습니다. 학습 스캐폴딩을 걷어내고 출력만 간결하게 만드는 수정은 개선이 아니라 결함으로 간주한다는 운영 원칙도 문서에 명시되어 있습니다. 지원 범위도 특정 도구에 묶여 있지 않습니다. Claude Code, Claude Desktop/Web, OpenAI Codex, ChatGPT, Gemini, n8n, LangFlow 등 구조화된 지식을 읽을 수 있는 에이전트 환경 전반을 대상으로 하며, 환경별 설치 가이…

---

## [\[GN⁺\] 기술 CEO들은 AI 정신증을 겪고 있는 듯하다](https://discuss.pytorch.kr/t/gn-ceo-ai/10422)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [5월 31, 2026, 12:30오전 UTC](https://discuss.pytorch.kr/t/gn-ceo-ai/10422 "2026-05-31T00:30:55Z")

</div>

기술 CEO들은 AI 정신증을 겪고 있는 듯하다 글 소개 AI 과대망상은 CEO가 프로토타입과 계약서 생성 경험만으로 에이전트가 실제 업무까지 대체한다고 성급히 믿을 때 생김 Aaron Levie는 AI 낙관론자이자 엔젤 투자자지만, CEO가 현장 업무의 마지막 구간을 모른 채 자동화 범위를 과대평가한다고 봄 2026년 첫 5개월 기술 업계 해고는 152개 기업 115,430명으로, 2025년 전체 124,636명에 거의 근접함 ClickUp은 약 3,000개 AI 에이전트 도입 뒤 직원 22% 를 해고했고, Zeb Evans는 빠른 검토 인력 중심의 "100x org"를 원함 UC Berkeley, NBER, MIT 연구는 AI 생산성 효과가 제한적이거나 역설적이며, 준비 없는 CEO AI 과신은 조직 혼란으로 이어질 수 있음 CEO의 AI 과신과 현장 업무의 간극 Box 창업자 Aaron Levie에게 핵심 위험은 CEO들이 AI 과대망상에 빠지는 데 있음 CEO는 AI로 프로토타입을 만들거나 계약서를 생성해본 뒤, 에이전트가 실제 업무까지 대신할 수 있다고 빠르게 결론 내리기 쉬움 하지만 배포 전 코드를 검토하고, 버그를 찾고, 환각 라이브러리 호출을 식별하는 마지막 구간은 CEO의 일상 업무와 거리가 멂 회사 고유의 계약 조건으로 AI 모델을 학습시키거나, 계약서 속 교묘한 조항을 며칠씩 뒤지는 일도 CEO가 직접 맡는 경우는 드묾 Levie는 AI에 부정적인 인물이 아니라, X 팔로워 270만 명에게 AI 긍정론을 자주 공유하고 AI 스타트업에도 엔젤 투자자로 참여함 "Headless software is the future"에서는 AI 에이전트를 위해 만들어진 소프트웨어가 앞으로의 방향이라고 봄 CEO에게는 AI를 "엄청 많이" 써보며 가능한 일과 불가능한 일을 직접 확인하고, 장점과 실제 필요한 작업을 함께 이해하라고 조언함 문제는 CEO가 업무 프로세스를 충분히 이해하지 못한 채 자동화 가능 범위를 과대평가하고, 그 믿음을…

---

## [Agent Governance Toolkit: Microsoft가 공개한 AI 에이전트 거버넌스 도구](https://discuss.pytorch.kr/t/agent-governance-toolkit-microsoft-ai/10428)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [5월 28, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/agent-governance-toolkit-microsoft-ai/10428 "2026-05-28T21:30:23Z")

</div>

Agent Governance Toolkit 소개 AI 에이전트는 도구를 호출하고, 웹을 탐색하고, 데이터베이스를 조회하고, 다른 에이전트에게 작업을 위임합니다. 일단 배포되면 이 에이전트들은 스스로 결정을 내립니다. Agent Governance Toolkit(AGT)은 이렇게 자율적으로 움직이는 AI 에이전트에 대해 정책 시행(policy enforcement), 신원(identity), 샌드박싱, SRE 를 제공하는 Microsoft 의 거버넌스 도구입니다. pip install 한 번으로 설치되며 특정 프레임워크에 묶이지 않습니다. AGT 의 핵심 발상은 "프롬프트로 부탁하지 말고 코드로 막는다" 입니다. "규칙을 지켜줘" 같은 프롬프트 수준의 안전장치는 통제 표면(control surface)이 아니라, 확률적으로 동작하는 시스템에 대한 정중한 요청일 뿐입니다. AGT 는 모든 도구 호출·메시지 전송·위임을 모델의 의도가 외부로 나가기 전에 결정적(deterministic) 애플리케이션 코드에서 가로챕니다. 커널이 거부한 행동은 "가능성이 낮은" 것이 아니라 구조적으로 불가능 합니다. AGT 는 Microsoft 가 서명한 퍼블릭 프리뷰(Public Preview) 상태로, 공개 시점 기준 최신 버전은 v3.7.0 입니다. Python·TypeScript·.NET·Rust·Go 다섯 개 언어 SDK 와 함께, GitHub Copilot CLI·Claude Code 용 개발자 표면도 제공합니다. Agent Governance Toolkit가 풀려는 문제 AGT 는 배포된 에이전트에 대해 세 가지 질문에 답할 수 있어야 한다고 봅니다. 첫째, 이 행동이 허용되는가? send\_email 과 query\_database 권한을 가진 에이전트가 drop\_table 까지 할 수 있어서는 안 됩니다. OAuth 범위나 IAM 역할은 에이전트가 어떤 서비스에 닿을 수 있는지 를 통제할 뿐, 연결된 뒤 무엇을 하는지 는 통제하지 못합니다. 둘째, 어떤 에이전…

---

## [seCall: AI 에이전트와 나눈 대화를 로컬 위키로 정리하고 검색하는 Rust 도구](https://discuss.pytorch.kr/t/secall-ai-rust/10112)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [5월 9, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/secall-ai-rust/10112 "2026-05-09T09:30:12Z")

</div>

seCall 소개 Claude Code, Codex CLI, Gemini CLI, claude.ai, ChatGPT 등 여러 AI 에이전트와 주고받은 대화는 각자의 형식과 위치에 흩어져 저장됩니다. 어제 디버깅하면서 합의한 아키텍처 결정이나 의존성 업그레이드 시 적용했던 패치 노트가 어느 세션에 있었는지 다시 찾으려고 하면, 결국 폴더를 뒤지고 grep을 돌리는 일이 반복됩니다. AI 에이전트가 늘어날수록 이 흩어짐 문제는 더 커지고, "지난번에 그 업스트림 에러 어떻게 패치했더라"를 추적하는 것 자체가 부담이 됩니다. seCall은 이 문제를 로컬 퍼스트(local-first) 도구로 풀어내는 Rust 기반 오픈소스입니다. 여러 에이전트의 세션 로그를 통일된 형식으로 파싱하여 SQLite와 Obsidian 호환 마크다운 볼트(vault)에 저장하고, 그 위에 LLM이 정리한 위키(wiki) 페이지를 얹어 두 계층을 모두 검색할 수 있게 합니다. 검색은 BM25 전문 검색과 BGE-M3 임베딩(embedding) 기반 시맨틱 검색을 동시에 사용하는 하이브리드 방식이며, CLI, 내장 웹 UI, REST API, MCP 서버, Obsidian 플러그인 등 어디서든 같은 인덱스에 접근할 수 있습니다. seCall 프로젝트는 Andrej Karpathy의 LLM Wiki 컨셉(원본 소스를 보존한 채 LLM이 점진적으로 위키를 빌드하는 패턴)과 Tobi Lütke의 마크다운 검색 도구 qmd를 직접적인 출발점으로 삼고 있으며, 그래프 추출 부분은 Safi Shamsi의 graphify에서 영감을 받았습니다. 자체 멀티 에이전트 워크플로우 도구인 tunaFlow로 Claude Code와 Codex를 오케스트레이션해 개발된 것도 특징입니다. seCall의 멀티 에이전트 수집 파이프라인 seCall은 코딩 에이전트별로 다른 세션 포맷을 통합 모델(Session → Turn → Action)로 정규화하여 다룹니다. 현재 안정 단계로 지원되는 에이전트는 다음과…

---

## [\[GN⁺\] 모두가 AI를 가져도 회사는 여전히 아무것도 배우지 못할 때](https://discuss.pytorch.kr/t/gn-ai/10078)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [5월 8, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/gn-ai/10078 "2026-05-08T09:30:42Z")

</div>

모두가 AI를 가져도 회사는 여전히 아무것도 배우지 못할 때 글 소개 직원 개인의 AI 생산성 향상은 자동으로 조직 차원의 학습으로 이어지지 않으며, 실제 발견이 개인에서 팀과 조직 역량으로 이동하는 경로가 핵심 과제가 됨 AI 도입의 복잡한 중간 단계에서는 Copilot, ChatGPT Enterprise, Claude, Gemini, Cursor 같은 도구 사용이 널리 퍼졌지만 팀마다 활용 깊이가 다르고, 일부 학습은 숨겨져 비교와 확산이 어려움 기존 변화 관리 방식인 커뮤니티, 챔피언 네트워크, 데모, 설문, 대시보드는 실제 업무 중 생기는 AI 활용의 맥락/실패/검증/사람의 개입을 충분히 담기 어려움 에이전트형 엔지니어링은 반복 비용을 낮춰 의도에서 프로토타입과 평가까지 빠르게 이동하게 하지만, 조직의 Scrum/스프린트/인수인계 절차는 여전히 반복이 희소하다는 전제에 머물 수 있음 조직에는 Agent Operations, Loop Intelligence, Agent Capabilities가 함께 필요하며, 직원 감시가 아니라 실제 업무 루프를 이해해 재사용 가능한 역량과 더 빠른 학습으로 되돌리는 피드백 하네스가 중요함 조직이 배우지 못하는 AI 도입의 복잡한 중간 단계 Ethan Mollick의 Leadership, Lab, and Crowd 관점에서 개인의 AI 생산성 향상은 자동으로 조직 차원의 성과가 되지 않음 직원은 더 빨리 쓰고, 더 많이 분석하고, 자동화하고, “사이보그”처럼 일할 수 있지만 회사는 거의 아무것도 배우지 못할 수 있음 GitHub Copilot, ChatGPT Enterprise, Claude, Gemini, Cursor 같은 도구가 회사 안에 들어왔고, 공식 교육 자료보다 훨씬 앞서 있는 사람이 각 팀에 있음 경영진은 라이선스 사용량, 프롬프트 수, 설문, 내부 PoC, 조향위원회 자료를 볼 수 있지만 실제 학습이 어디서 일어나는지는 잘 보이지 않음 일부 회사에서는 AI가 IT 부서로 바로 넘어간 뒤 더 이…

---

## [agent-desktop: OS 접근성 트리를 활용해 모든 데스크톱 앱을 제어하는 AI 에이전트용 CLI](https://discuss.pytorch.kr/t/agent-desktop-os-ai-cli/10024)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [5월 8, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/agent-desktop-os-ai-cli/10024 "2026-05-08T06:30:07Z")

</div>

agent-desktop 소개 AI 에이전트가 컴퓨터를 직접 조작하는 것은 자율 에이전트 연구에서 핵심 과제 중 하나입니다. 웹 브라우저 자동화 도구들이 이미 성숙한 반면, 운영체제 수준의 데스크톱 애플리케이션 제어는 여전히 복잡하고 불안정한 영역으로 남아있습니다. agent-desktop은 이 문제를 운영체제의 접근성 API(Accessibility API)를 통해 해결하는 Rust 기반 CLI 도구입니다. 스크린샷 기반의 불안정한 컴퓨터 비전 접근 대신, 운영체제가 제공하는 접근성 트리(Accessibility Tree) 구조를 직접 탐색하여 애플리케이션의 UI 요소를 정확하게 식별하고 제어합니다. 시각 장애인 보조 기술에서 사용하던 접근성 API를 AI 에이전트 자동화에 재활용하는 발상의 전환이 돋보입니다. 이 도구의 핵심 차별점은 결정론적 요소 참조(Deterministic Element Refs)와 구조화된 JSON 출력입니다. 일반적인 컴퓨터 사용 AI 에이전트는 화면 캡처를 비전 모델로 분석한 뒤 픽셀 좌표를 기반으로 클릭 위치를 결정합니다. 이 방식은 해상도나 테마 변경에 취약하고 비결정론적입니다. agent-desktop은 운영체제가 각 UI 요소에 부여하는 고유한 접근성 식별자를 사용하므로, 동일한 버튼은 해상도나 위치에 관계없이 항상 같은 참조값으로 식별됩니다. AI 에이전트가 이를 활용하면 더 안정적이고 재현 가능한 자동화가 가능해집니다. Rust로 구현되어 성능과 메모리 안전성이 뛰어나며, macOS의 Accessibility API를 1차 지원 대상으로 합니다. 또한 MCP(Model Context Protocol) 서버로도 동작할 수 있어 Claude, GPT-4 등의 LLM 기반 에이전트와 직접 연동이 가능합니다. Apache-2.0 라이선스로 공개되어 있어 자유로운 활용이 가능합니다. agent-desktop의 구조 및 동작 예시 agent-desktop의 구조는 다음과 같습니다: 이제 agent-desk…

---

## [Awesome Codex Subagents: OpenAI Codex 플랫폼을 위한 136개 전문화 AI 서브에이전트 컬렉션](https://discuss.pytorch.kr/t/awesome-codex-subagents-openai-codex-136-ai/9765)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [4월 18, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/awesome-codex-subagents-openai-codex-136-ai/9765 "2026-04-18T09:30:43Z")

</div>

Awesome Codex Subagents 프로젝트 소개 하나의 AI 에이전트에게 모든 것을 맡기는 방식에는 한계가 있습니다. 범용 AI 에이전트는 백엔드 개발, 보안 감사, 인프라 관리, 데이터 분석 등 각기 다른 전문 지식을 요구하는 태스크를 동등한 품질로 수행하기 어렵습니다. VoltAgent가 공개한 Awesome Codex Subagents는 이러한 전문화의 필요성에 응답하는 프로젝트입니다. OpenAI Codex 플랫폼을 위한 136개 이상의 전문화된 AI 서브에이전트(subagent)를 TOML 설정 파일 형식으로 제공하며, 10개의 기능 카테고리로 체계적으로 분류되어 있습니다. 2026년 4월 기준 GitHub에서 4,000개 이상의 스타를 기록하고 있습니다. Codex의 서브에이전트 시스템은 에이전트를 특정 역할에 특화시켜 독립적인 컨텍스트 윈도우에서 실행하는 방식을 사용합니다. 서브에이전트는 메인 대화의 컨텍스트를 오염시키지 않으며, 각자의 전문 지식 영역에 집중하여 더 깊이 있는 결과를 도출합니다. Awesome Codex Subagents는 이 시스템을 최대한 활용할 수 있도록, 다양한 개발 역할에 맞게 정교하게 튜닝된 136개 이상의 서브에이전트 설정을 제공합니다. 10개 카테고리와 주요 서브에이전트들 Awesome Codex Subagents의 136개 서브에이전트는 10개의 기능 카테고리로 분류되어 있으며, 각 카테고리는 소프트웨어 개발의 특정 영역을 담당합니다. 핵심 개발(Core Development): 백엔드, 프론트엔드, 풀스택 및 특화 역할을 포함하는 12개 에이전트. 각 에이전트는 특정 스택이나 아키텍처 패턴에 맞게 최적화되어 있습니다. 언어 전문가(Language Specialists): Python, TypeScript, Rust, Go, Java, C++ 등 27개 프로그래밍 언어 및 프레임워크 전문 에이전트. 언어별 관용구(idiom)와 모범 사례를 깊이 이해하는 전문 에이전트가 언어 특화 코드 품질을 …
