2026년 04월 06일 AI 뉴스 — 오픈소스 에이전트, 토큰 절약, 코드 분석

OpenScreen: Screen Studio를 대체할 오픈소스 화면 녹화 도구

전문가 수준의 화면 녹화 영상을 만들기 위해 매월 29달러를 내야 했던 시대가 끝날 수 있다. OpenScreen은 Screen Studio의 오픈소스 대안으로, Electron과 React, TypeScript 기반으로 만들어졌다. 자동/수동 줌 효과, 마이크 및 시스템 오디오 동시 캡처, 텍스트와 화살표 어노테이션, 구간별 재생 속도 조절, 모션 블러 효과까지 지원한다. 다양한 종횡비와 해상도로 내보내기가 가능하며, 배경도 벽지, 단색, 그라데이션 중 선택할 수 있다.

GitHub에서 이미 22,000개 이상의 스타를 받았으며 37명의 기여자가 활발하게 개발 중이다. Screen Studio만큼 정교하지는 않지만, 구독료 없이 상업적 용도로도 자유롭게 사용할 수 있다는 점이 가장 큰 매력이다.

원본 링크

Goose: 코드를 스스로 짜고 테스트하는 오픈소스 AI 에이전트

Block이 Apache 2.0 라이선스로 공개한 Goose는 단순한 코드 제안을 넘어, 프로젝트를 처음부터 빌드하고 디버깅하며 워크플로를 자동화하는 자율형 AI 에이전트다. 어떤 LLM이든 연결할 수 있고 멀티 모델 구성도 지원해 성능과 비용을 동시에 최적화할 수 있다. MCP 서버와도 매끄럽게 통합된다.

데스크톱 앱과 CLI 두 가지 형태로 제공되어 개발자의 작업 스타일에 맞게 선택할 수 있다. GitHub 스타 36,900개, 커밋 4,000건 이상의 활발한 커뮤니티가 뒷받침하고 있어, 독점 AI 코딩 도구에 대한 유력한 오픈소스 대안으로 자리잡고 있다.

원본 링크

pi-mono: AI 에이전트를 빠르게 만드는 통합 툴킷

pi-mono는 AI 에이전트 구축에 필요한 모든 것을 하나의 모노레포에 담았다. 핵심은 pi 코딩 에이전트 CLI로, OpenAI, Anthropic, Google 등 여러 LLM 프로바이더를 하나의 인터페이스로 추상화한 통합 API를 제공한다. 에이전트 런타임이 도구 호출과 상태 관리를 처리하고, 터미널 UI 라이브러리와 웹 채팅 컴포넌트, Slack 봇 통합까지 포함되어 있다.

TypeScript 기반으로 95.9%가 작성되었으며, 31,900개의 GitHub 스타와 3,470건의 커밋이 프로젝트의 성숙도를 보여준다. 벤더 종속 없이 필요한 컴포넌트만 골라 쓸 수 있는 모듈식 구조가 강점이다.

원본 링크

Caveman: 원시인처럼 말해서 LLM 토큰 75% 절약

LLM에게 원시인처럼 간결하게 답하라고 지시하면 토큰 사용량이 평균 65% 줄어든다는 아이디어를 실현한 Claude Code 스킬이다. "기꺼이 도와드리겠습니다" 같은 인사말, 관사, 완곡 표현을 제거하되 기술 용어와 코드 블록은 그대로 유지한다. 실제 벤치마크에서 22%에서 87%까지 토큰이 절감되었고, React 리렌더링 설명의 경우 1,180 토큰이 159 토큰으로 줄었다.

`npx skills add JuliusBrussee/caveman` 한 줄로 설치하고 `/caveman` 명령으로 활성화한다. 응답 속도는 약 3배 빨라지며, 연구에 따르면 간결한 응답이 특정 벤치마크에서 정확도를 26 퍼센트포인트까지 높일 수 있다고 한다.

원본 링크

8년간 꿈꾸고, AI와 함께 3개월 만에 완성하다

한 개발자가 8년 동안 구상만 하던 프로젝트를 AI 도구의 도움으로 3개월 만에 완성한 경험담이 Hacker News에서 큰 관심을 받고 있다. 핵심 교훈은 AI가 잘하는 영역과 못하는 영역의 구분이다. 구현과 리팩토링에서는 AI가 뛰어난 생산성을 보여주지만, 아키텍처 설계와 전체적인 디자인 판단은 여전히 사람의 몫이라는 것이다.

AI 코딩의 실전 경험에서 나온 솔직한 평가로, 과도한 기대도 과소평가도 아닌 현실적인 AI 활용법을 제시한다. 코드를 지속적으로 리팩토링해야 AI가 생성한 코드의 품질을 유지할 수 있다는 조언도 눈여겨볼 만하다.

원본 링크

Nanocode: 200달러로 나만의 코딩 AI 훈련하기

JAX와 TPU를 활용해 약 200달러의 비용으로 코딩 전문 AI를 직접 훈련할 수 있는 프레임워크가 공개되었다. Constitutional AI 기법을 적용한 에이전트형 코딩 AI를 누구나 만들 수 있다는 것이 핵심이다. Claude Code나 Copilot 같은 상용 도구에 의존하지 않고, 자신만의 용도에 최적화된 코딩 AI를 구축하고 싶은 개발자들에게 실용적인 출발점을 제공한다.

TPU 접근이 가능하다면 비용 대비 효과가 뛰어나며, AI 모델 훈련의 진입 장벽이 빠르게 낮아지고 있음을 보여주는 사례다.

원본 링크

Claude Code 소스 코드 분석: 4단계 아키텍처의 비밀

Claude Code가 어떻게 작동하는지 소스 코드 수준에서 분석한 글이 공개되었다. 4단계 아키텍처로 구성된다. 1단계 초기화에서는 OAuth, API 키 등 5가지 인증을 병렬 처리하고 Git 상태와 CLAUDE.md 파일을 로드한다. 2단계 쿼리 루프에서는 토큰 관리와 스트리밍 응답을 처리한다. 3단계 도구 실행에서는 45개 이상의 내장 도구를 10단계 파이프라인으로 관리하며, 안전성 검사를 위해 Tree-sitter 파싱까지 활용한다. 4단계에서는 React 기반 터미널 UI가 더블 버퍼링과 오브젝트 풀링으로 결과를 렌더링한다.

특히 fail-closed 기본값과 트랜스크립트 자동 저장 등 프로덕션급 안정성 설계가 인상적이다.

원본 링크

LLM-Wiki: Karpathy가 제안한 LLM 지식 베이스 패턴

Andrej Karpathy가 제안한 LLM Wiki 패턴은 LLM을 활용해 지속적인 지식 베이스를 구축하고 유지하는 방법이다. 원본 폴더의 파일들을 직접 읽는 대신, LLM이 내용을 정리하고 구조화한 위키 형태로 변환하는 것이 핵심이다. 이렇게 하면 매번 전체 파일을 컨텍스트에 넣을 필요 없이, 압축된 지식 그래프만 참조하면 되어 토큰 사용량이 대폭 줄어든다.

개인 문서 관리부터 프로젝트 온보딩까지 다양한 용도로 활용할 수 있으며, 최근 Reddit에서 71.5배 토큰 절감 사례가 보고되면서 실용성이 입증되고 있다.

원본 링크

---

매일 아침 엄선된 AI 뉴스를 놓치지 않으려면 나무숲 블로그를 방문해 주세요. 더 깊이 있는 분석과 최신 트렌드를 확인할 수 있습니다.