modelflare-ai/AnyModelBot

외부 오픈소스 저장소를 소개하는 글입니다. HDATF 제품이 아닙니다.

무엇을 하나

AnyModelBot은 각 봇의 역할과 작업 폴더와 모델과 기억을 나눠 쓰려는 사람을 위한 로컬 우선 AI 앱입니다. 데스크톱이나 로컬 웹 화면과 지원 메신저로 지시와 파일을 받고 답변과 파일과 명령 결과와 PC 조작을 출력합니다. Node.js 서버가 대화를 SQLite에 저장하고 범위별 Markdown 기억을 관리하며 내장 모델 연결기를 거쳐 DeepSeek Harness에서 AI 작업 세션을 실행합니다. 백그라운드 작업과 예약 규칙에는 별도 상태와 예산 처리와 질문 및 승인 대기 목록이 있습니다. 읽기 전용과 작업 폴더 쓰기와 전체 접근 설정이 실행 권한을 나누며 선택형 화면 조작 승인은 파일 권한과 구분됩니다. 데스크톱 패키지에서 Modelflare 인증이나 API 키로 시작한 뒤 모델을 고르고 필요하면 메신저나 지원 자료 계정을 연결합니다. Windows와 macOS와 Linux를 안내하지만 PC 조작에는 데스크톱 세션이 필요하고 macOS 조작은 베타이며 사용자가 임의로 추가하는 MCP 외부 도구 연결은 예정 기능입니다. 로컬 저장이 오프라인 추론을 뜻하지는 않으며 선택된 대화와 도구 결과와 화면 캡처는 Modelflare를 거쳐 모델 공급사로 전송되고 예약 작업도 실행 기기가 켜져 있어야 수행할 수 있습니다.

라이선스

MIT 허용 범위가 넓습니다. 저작권 표시를 유지하면 상업적 이용과 수정이 가능합니다.

같은 분야 저장소

• rerun-build/rerun
  Rerun은 역할이 나뉘고 반복 업무를 맡는 AI 동료를 원하는 팀을 위한 자체 호스팅 가능한 웹 앱입니다. Foreman이 자연어 요구를 받아 팀 구성을 돕고 보드 화면에서 동료와 작업을 보여 줍니다. 요청과 일정과 파일과 연결된 서비스가 입력이며 에이전트는 브라우저와 도구를 사용해 메시지와 보고서와 파일과 데이터베이스 기록을 만듭니다. 구조는 Next.js 화면, 작업공간 실행 엔진, 인증과 저장소와 앱 데이터를 담당하는 Supabase로 나뉩니다. 기억 코드는 활성 기억의 짧은 목록을 만들어 필요할 때 본문을 찾게 하고 예약 실행기는 같은 일정의 실행이 겹치지 않게 관리하며 시간이 된 작업을 시작합니다. 외부 업무에는 API 또는 모델 도구 연결 표준인 MCP를 통한 별도 서비스 인증이 필요하며 모델 접근도 따로 설정합니다. 자체 호스팅 시작 경로는 Docker와 Node.js 22와 Supabase와 모델 공급자 설정을 준비한 뒤 동료를 만드는 방식이므로 직접 운영해도 이런 준비와 사용 의존성이 없어지지는 않습니다. README는 중요한 행동 전 승인을 약속하지만 확인한 채팅 승인 경로는 미지원이라는 HTTP 501 응답을 반환하므로 이 구현만으로 승인 보장이 확인되지는 않으며 별도 확인이 필요합니다.
• zzp1221/Research-Assistant-Agent
  Research Assistant Agent는 논문 재현, 데이터 평가, 예산 안의 후보 탐색을 하려는 연구자를 위한 다중 에이전트 연구 실행 시제품입니다. 자연어 연구 목표, 논문이나 첨부 자료, 저장소 주소, 데이터와 자원 제약을 입력합니다. 계획기는 작업 선후 관계를 명시한 의존성 그래프를 만들고, 일정 관리기는 승인, 재시도, 취소, 예산을 처리하며 전문 에이전트에 작업을 나눕니다. 실험 산출물, 지표, 실행 환경 기록, 개별 주장과 근거의 연결을 내보내고 완료, 부분 완료, 최소 확인, 차단, 검토 필요를 구분합니다. React 작업 화면에 문헌 검색, 페이지별 문서 검색, REST 인터페이스와 실시간 실행 이벤트도 제공합니다. 주 구현은 Go 백엔드, 별도 격리 실행 서비스, Python 최적화기로 구성되며 문서의 Compose 설치에는 Docker와 OpenAI 호환 모델 주소 및 키가 필요합니다. 이 경로로 시작할 때는 정적 화면을 여는 것만으로 끝나지 않고 서비스 인증과 모델 접근을 설정한 뒤 작업 화면을 열어야 합니다. 루트 문서의 이전 안내는 백엔드를 Linux 전용으로 적지만 뒤의 데스크톱 절과 별도 README는 Windows Wails 화면, 운영체제 자체 격리 실행 지원, 교차 빌드를 설명하므로 개요만으로 Windows 자체 실행 준비가 끝났다고 볼 수 없습니다. 운영용 인증이 제한되고 공개된 원시 검증 로그가 충분하지 않은 연구 시제품입니다. 검증 문서에는 주장 판정 기준 해석과 논문 정보 추출 결함이 남아 있으며 최소 실행 성공이나 오프라인 프레임워크 기준 결과는 전체 논문 재현이나 실제 프레임워크 성능의 증거가 아닙니다.
• deeplethe/sandstorm
  Sandstorm은 요청 사이에 대기 시간이 있는 AI 서비스의 격리 실행 환경을 관리합니다. 개발자는 프로그램 실행 틀과 자원 제한, 실행 환경 생성 요청을 넣습니다. HTTP API로 실행 상태와 명령 결과를 받고 관리 화면에서 운영 상태를 볼 수 있습니다. 중앙 관리자는 SQLite에 목표 상태를 저장하고 여러 실행 노드에 작업을 배치합니다. 쉬는 환경은 실행 중인 상태에서 일시 정지, 디스크 저장, 저장 공간만 남기는 상태로 옮겨 갑니다. 요청이 들어오면 노드의 중계기가 환경을 복구하되 자원과 복구 대기열의 제한을 적용합니다. gVisor 컨테이너와 Firecracker 소형 가상 머신을 지원하며 환경마다 네트워크 공간을 나눕니다. 시작하려면 cgroup v2를 쓰는 Linux와 실행 방식별 의존성이 필요하고 Firecracker에는 호환되는 가상화 환경도 필요합니다. 저장된 상태의 배치는 실행 방식과 호스트 호환성에 영향을 받으며 자원이 부족하면 요청을 거절할 수 있습니다.
• deepseek-ai/dsh-superagent-prototype
  dsh-superagent는 하나의 GitHub 저장소에서 팀의 개발 요청을 처리하는 DeepSeek Harness용 연구 프로토타입입니다. 저장소는 공식 DeepSeek 제품이나 운영 준비가 끝난 소프트웨어가 아니며 논문에서 설명한 일부 방향은 구현되지 않았다고 밝힙니다. GitHub와 선택적으로 Feishu의 메시지를 입력받아 허용된 요청이나 규칙에 맞는 작업을 Ticket으로 만들고 별도 세션과 작업 디렉터리에서 처리합니다. 결과는 풀 리퀘스트 같은 형태로 원래 대화에 전달하며 웹 패널에서 사람의 확인이 필요한 일을 보여줍니다. 명시적 요청과 추론한 작업 후보를 구분하고 기본 observe 모드에서는 추론 후보를 실제 작업으로 수락하지 않습니다. 시작하려면 전용 Harness 프로필, 에이전트 GitHub 사용자 계정, 로그인된 gh, 모델 제공자와 작업공간 설정이 필요합니다. 운영 문서는 Node.js, pnpm, git, Python, tmux를 요구하며 Feishu는 별도 봇과 연결 설정이 필요합니다. GitHub Enterprise Server는 지원하지 않으며 계정용 래퍼는 프로세스 격리가 아니므로 실행 계정 권한과 비밀 정보 노출 범위를 별도로 통제해야 합니다.
• govijr/terminal-mac
  컴퓨터 화면을 조작하는 AI 에이전트에 별도의 가상 Mac을 제공하는 도구입니다. Apple Virtualization으로 macOS를 실행하고, 게스트 안의 보조 앱이 화면 캡처와 입력 처리를 맡습니다. 에이전트는 MCP나 명령줄로 화면 조회, 클릭, 드래그, 키 입력과 상태 확인을 요청합니다. MCP는 AI 도구와 외부 기능을 연결하는 공통 통신 방식입니다. 요청은 공유 폴더의 메시지로 전달되고, 결과는 이미지나 구조화된 응답으로 돌아옵니다. 사용자는 호환 터미널의 화면이나 기본 가상 머신 창으로 같은 게스트를 볼 수 있습니다. 시작에는 Apple silicon Mac과 macOS 14 이상, macOS 복원 이미지와 저장 공간이 필요합니다. 첫 설정에서는 사람이 게스트 계정을 만들고 화면 기록 및 손쉬운 사용 권한을 허용해야 합니다. 호스트의 앱과 로그인 상태를 물려받지 않지만 기본 네트워크는 호스트나 사내망에 닿을 수 있습니다. 초기 출시 후보이며 공식 검증 문서에도 실제 게스트 설치와 화면 조작의 종단 검증은 미완료로 남아 있습니다.

Trendshift 순위 목록에 오른 저장소만 담았고, 목록은 후보를 찾는 데만 썼습니다. 순위 숫자는 옮기지 않았습니다. 설명과 라이선스, 별 수는 각 GitHub 저장소에서 확인했습니다. 해설은 우리의 판단입니다. 이 프로젝트들을 직접 시험한 것은 아니며, 상승 목록에 올랐다고 품질이 증명되지는 않습니다.