AgentLoom · AI 워크스페이스
작업에 맞는 모델을
하나의 일에 모으세요.
하나의 데스크톱 작업 공간에서 모델을 조율하고, 세션을 이어 가며, 변경 사항을 확인하세요. 자리를 비울 때는 휴대폰으로 진행 상황을 살필 수 있습니다.
macOS · Windows 프리뷰 · 직접 선택한 모델과 API 키
함께 일하고, 이어 가고, 제어하기
서로 다른 모델, 하나의 목표
리더가 작업을 나누고 결과를 모아 검증을 조율합니다
목표를 나누고 범위를 정하기
작업별로 모델 선택하기
변경 사항과 결과 확인하기
역할을 설명한 개요입니다. 모델 선택은 작업과 설정에 따라 달라지며, 모델의 강점을 고정된 순위로 매긴 것이 아닙니다.
자리를 비워도 작업은 내 컴퓨터에서.
QR로 연결하고 메시지·승인·중지
종단 간 암호화된 내용 전달
로컬 작업 공간에서 작업 실행
두 기기 모두 릴레이로 아웃바운드 연결을 맺으므로 VPN 설정은 필요하지 않습니다. 데스크톱은 온라인 상태여야 합니다. 연결 메타데이터는 콘텐츠 암호화 범위에 포함되지 않습니다. 화살표는 경로를 나타내며 실제 통신은 양방향입니다.
사용량 한도에 도달해도 작업은 계속.
같은 세션에서 제공업체를 바꾸고 기존 맥락을 이어 가세요. 긴 세션은 연결된 세션을 위한 인계 문서를 만들 수도 있습니다.
행동은 보이게. 결과는 확인할 수 있게.
명령, 파일 변경, 검토를 한곳에 모았습니다. 내장 MyAgent 엔진은 설정한 API 키로 작동하며 외부 CLI 에이전트가 필요하지 않습니다.
작업 공간에서 하는 일
세션별로 작업 정리하기
GitHub 저장소나 일반 로컬 폴더를 프로젝트로 사용하고, 프로젝트별 세션 목록과 그룹을 관리하세요. ⌘K로 작업을 찾을 수 있습니다. 리더, 팀원, 역할을 설정하고 작업에 맞는 제공업체를 선택하세요.
변경 사항을 반영하기 전에 확인하기
명령 실행과 파일 쓰기 카드를 펼쳐 볼 수 있습니다. 검토 화면은 파일별 변경 기록과 diff를 제공합니다. 체크포인트와 선택적 실행 취소로 파일 변경을 관리할 수 있지만, 파일을 되돌려도 외부에서 실행한 작업은 취소되지 않습니다.
대화 속에서 읽기 쉬운 결과
세션은 Mermaid 다이어그램, 인라인 이미지, diff, 접을 수 있는 사고 과정 및 도구 호출 카드를 표시하며 긴 출력은 접어 둡니다. MyAgent는 도구 사용, 계획 모드, 체크포인트, 이벤트 스트리밍을 갖춘 내장 Rust 엔진이며 독립 CLI로도 실행됩니다.
나에게 맞게 구성하기
OpenAI 또는 Anthropic 호환 엔드포인트, 사용자 지정 기본 URL, 로컬 모델을 사용할 수 있습니다. DuckDuckGo 검색은 별도 키가 필요 없으며 Brave와 Exa는 사용자의 키를 씁니다. 제품 UI는 영어와 중국어 간체를 지원합니다. 모델 및 검색 요금은 이용하는 서비스에 따라 달라집니다.
자리를 비워도 작업을 살피고 조작하기
앱 설치나 VPN 설정 없이 QR 코드를 스캔해 휴대폰 브라우저를 연결하세요. 실시간 세션을 보고 입력을 보내며 단계를 승인하거나 실행을 중지할 수 있습니다. 데스크톱은 온라인 상태를 유지하며 작업을 실행합니다. 두 기기는 모두 릴레이에 아웃바운드로 연결합니다. 콘텐츠는 종단 간 암호화되며 릴레이는 콘텐츠 키를 보유하지 않습니다. 방·세션 식별자, 시간, 크기 등의 연결 메타데이터는 콘텐츠 암호화 범위 밖에 있습니다.
릴레이 직접 호스팅 · AGPL-3.0 ↗로컬 우선, 네트워크 경계는 명확하게
API 키는 운영체제 키체인에, 대화는 로컬 데이터베이스에 저장되며 에이전트는 사용자의 저장소에서 작업합니다. AgentLoom 자체 관리 데이터는 작업 트리 외부에 두고, 로컬 보조 리스너는 루프백을 사용합니다. 모델 요청은 선택한 제공업체로 전송되며, 웹 검색을 켜면 검색어가 검색 서비스로 전송됩니다. Remote Control을 켜면 암호화된 세션 콘텐츠가 릴레이를 통과하며 릴레이는 연결 메타데이터를 볼 수 있습니다.
비용과 평가 수치가 의미하는 것
30개 과제 실험과 그 한계 읽기
MyAgent와 deepseek-v4-pro는 호스트 환경에 맞춰 직접 고른 SWE-bench Verified 일부 과제에서 8회 실행 결과 중앙값 17/30(56.7%), 범위 16~19개를 해결했습니다. 30개 과제 전체의 모델 비용은 약 $3~6 정도였습니다. 공식 Docker 채점 과정에서 채점 테스트는 엔진에 공개하지 않았습니다. 실험은 고정된 빌드의 반복 테스트가 아니라 4일 동안 엔진을 변경하며 진행했습니다. 전체 500개 과제의 결과, 리더보드와의 직접 비교, 향후 비용 보장은 아닙니다.
평가 방법 및 과제 목록 ↗AgentLoom v0.2.9 다운로드
macOS: Apple silicon과 Intel용 서명 및 공증된 DMG 설치 파일입니다. 이미지를 열고 앱을 Applications로 드래그하세요. 시스템 경고가 나오면 다운로드 출처, 체크섬, 릴리스 노트를 확인하세요.
Windows: CI에서 빌드하고 설치 후 스모크 테스트를 거친 미서명 x64 프리뷰 v0.2.6입니다. SmartScreen 경고가 표시될 수 있으며 서명된 정식 릴리스가 아닙니다. 설치 파일과 함께 SHA256을 제공합니다. Linux 개발은 아직 시작하지 않았습니다.
소스에서 빌드하려면 Rust, Node ≥20 및 Tauri의 플랫폼별 필수 환경이 필요합니다.
빌드 안내 ↗라이선스와 커뮤니티
AgentLoom 코드는 AGPL-3.0 라이선스로 제공됩니다. 사용, 수정, 배포, 네트워크 서비스에 관한 조건은 라이선스 원문을 참고하세요. AgentLoom 및 MyAgentHubs의 이름과 로고는 MyAgentHubs의 상표이며 코드 라이선스에 포함되지 않습니다.