# \#openshell **URL:** https://discuss.pytorch.kr/tag/openshell/9079.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [OpenShell: AI 에이전트의 파일, 네트워크, 자격증명 접근을 선언형 정책으로 제한하는 NVIDIA 샌드박스 런타임](https://discuss.pytorch.kr/t/openshell-ai-nvidia/12079)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 2, 2026, 3:00오전 UTC](https://discuss.pytorch.kr/t/openshell-ai-nvidia/12079 "2026-10-02T03:00:11Z")
핵심 요약 OpenShell은 AI 에이전트를 격리된 샌드박스에서 실행하고, 파일과 시스템 호출, 네트워크 연결을 YAML 정책으로 제한하는 NVIDIA의 오픈소스 런타임입니다. 제공자(Provider)로 연결한 API 키는 에이전트에게 실제 값 대신 의미 없는 플레이스홀더로만 전달되고, 실제 키는 샌드박스 밖의 감독 프로세스가 정책이 허용한 엔드포인트로 가는 요청에만 채워 넣습니다. 정책 변경은 SMT(Satisfiability Modulo Theories) 솔버 기반 정책 증명기(Policy Prover)가 먼저 검사하며, 새로운 호스트에서의 자격증명 사용이나 새 HTTP 메서드 추가처럼 위험한 확장은 자동 승인되지 않고 사람의 검토를 기다립니다. 2026년 9월 말 공개된 0.1.0은 0.0.x에서 그대로 업그레이드할 수 없는 대규모 변경 릴리스이고, 2026년 10월 1일 기준 NemoClaw는 여전히 0.0.x의 마지막 릴리스인 OpenShell 0.0.116에 고정되어 있습니다. OpenShell 소개 코딩 에이전트가 쓸모 있으려면 파일을 읽고, 패키지를 설치하고, API를 호출하고, 자격증명을 사용할 수 있어야 합니다. 같은 권한은 그대로 위험이 됩니다. 에이전트가 소스 코드를 허가되지 않은 서버로 올리거나, ~/.ssh의 키를 읽거나, 승인되지 않은 모델 제공자로 사내 데이터를 보낼 수 있기 때문입니다. 컨테이너에 넣는 것만으로는 이 문제가 풀리지 않습니다. 컨테이너 안에 API 키가 환경 변수로 들어가 있고 외부 네트워크가 열려 있다면, 에이전트는 그 키를 어디로든 보낼 수 있습니다. 이번에 소개하는 OpenShell은 NVIDIA가 이 문제를 겨냥해 공개한, 에이전트가 무엇에 접근할 수 있는지를 정책으로 선언하고 커널 수준에서 강제하는 에이전트용 샌드박스 런타임입니다. OpenShell은 크게 2가지 방식으로 에이전트의 행동을 통제합니다: 하나는 실행 시점에 모든 파일 접근, 시스템 호출, 네트워크 연결을 커널 기능으로 검사하는 것… --- ## [NVIDIA NemoClaw로 만든 기억하는 에이전트, 지식과 판단을 분리해 정확도 82.8% → 90.9%로 개선](https://discuss.pytorch.kr/t/nvidia-nemoclaw-82-8-90-9/11851)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 9, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/nvidia-nemoclaw-82-8-90-9/11851 "2026-09-09T03:30:32Z")
NemoClaw 메모리 에이전트 소개 NVIDIA가 2026년 9월 4일 공개한 이 글은 NemoClaw 위에 올린 업무 비서 에이전트가 사람과 프로젝트에 대한 기억을 자기 모델(self model) 이라는 마크다운 지식 계층으로 유지하고, 그 기억으로 답변 정확도를 82.8%에서 90.9%로 끌어올린 과정을 정리한 설계 기록입니다. 핵심 주장은 저장 공간을 늘리는 것이 아니라 구조, 선별적 검색, 거버넌스(governance) 를 갖춰야 에이전트 메모리가 쓸모 있어진다는 것입니다. 문제 설정 자체는 익숙합니다. 에이전트에게 업무를 맡기려면 그 사람이 누구와 일하고, 무엇을 책임지고 있고, 어떤 결정을 이미 내렸고, 무엇을 습관적으로 무시하는지를 알아야 합니다. 대화 기록(conversation history)은 세션 안에서만 이어지고, 그 안에서 현재의 우선순위와 지나간 결정과 일회성 요청이 뒤섞입니다. 검색 증강 생성(Retrieval-Augmented Generation, RAG)은 관련 원문을 찾아 주지만, 시간에 걸쳐 흩어진 정보를 이어 붙이는 일은 여전히 모델의 몫으로 남습니다. NVIDIA 하드웨어 인프라 응용 AI 팀은 이 문제를 메모리 용량이 아니라 메모리 계약의 문제로 봤습니다. 그 결과가 nemoclaw-community 저장소(예제 카탈로그 사이트)에 공개된 Memory-Driven Chief of Staff 레시피입니다. 사람이 읽을 수 있는 마크다운 위키가 지식을 담고, SQLite 원장이 판단을 담고, 예약 작업이 그 둘을 매일 손질합니다. 그리고 그 위에서 에이전트가 무엇을 할 수 있는지는 메모리가 아니라 OpenShell 샌드박스가 정합니다. 이 글에서 다루는 스택의 층위를 먼저 정리해 두면 뒤가 읽기 쉽습니다. NemoClaw는 Hermes, LangChain Deep Agents, OpenClaw 같은 에이전트를 OpenShell 샌드박스 안에서 관리형 추론(managed inference)과 함께 돌려 주는 Typ…