MOCO — AI Coworker Platform

Slack에 상주하는 AI 동료. 데스크톱 앱 하나를 설치하면 백그라운드에서 Python AI 서버가 떠서, 동료가 던진 메시지를 받아 역할별 전문 에이전트가 협업해 처리하고, Gmail·Google Workspace·Jira· Confluence·CRM·전화까지 219개+ 도구를 자율적으로 사용한다. 단순 챗봇이 아니라 라우팅 → 멀티 에이전트 오케스트레이션 → 메모리 → 능동적 제안을 갖춘, 약 50K LOC 규모의 프로덕션 시스템.

포트폴리오 공개본 — 이 저장소는 실무 프로젝트에서 회사·고객·개인 식별 정보(사내 데이터, 실사용 메모리·녹취·DB, 규제 문서 코퍼스, 하드코딩 크리덴셜)를 모두 제거하고 코드 아키텍처만 남긴 버전입니다. 전화(AICC)·데모 CRM 시드 데이터 등 회사 특화 데이터는 포함하지 않으며, 모든 시크릿은 환경변수로 주입됩니다.

🔗 Built on KRAFTON KIRA-Slack (Apache-2.0). 에이전트 런타임 하니스·Slack 연동·오케스트레이터·메모리/프로액티브 서브시스템·3-Tier 라우팅은 KIRA-Slack에서 파생되었으며, 이 저장소는 그 위에 Session Lane 동시성 재설계·병렬 실행기(TaskExecutor)·실시간 음성 상담(AICC)·Agent Factory·OAuth MCP 서버·8종 서비스 도구 통합(219개)·웹/관리자 대시보드를 단독 확장한 것입니다(신규 약 38K LOC). 자세한 출처·변경 내역은 NOTICE, 라이선스는 LICENSE를 참조하세요.

Demo

여섯 개의 실제 업무 자동화 장면. 한 문장 지시가 여러 도구(캘린더·Drive·Docs·Gmail·ClickUp·Slack)를 가로질러 하나의 결과물로 끝난다. 각 영상의 ▶ 를 누르면 이 자리에서 바로 재생됩니다.

미팅 전날 준비 캘린더 확인 · 아젠다 초안 · Slack DM	발표자료 제작 PPT 생성 · Google Drive 저장	스레드 → 문서화 의사결정을 Google Docs로 정리
스프린트 마감 보고서 Google Docs 리포트 자동 작성	신규 팀원 온보딩 Docs 생성 · 캘린더 등록 · 환영 Gmail	주간 브리핑 Drive · 캘린더 · ClickUp · Gmail 종합 → Slack

What is MOCO

설치된 데스크톱 앱이 사용자의 유일한 화면이다. 앱은 시작 버튼을 누르면 uv run python -m app.main으로 Python AI 서버를 백그라운드에 띄우고 그 생명주기를 관리한다. 서버 안에서는 네 축이 동시에(asyncio) 돈다.

hljs language-scss

Electron 앱 (설정 GUI · 실시간 로그 · 대시보드)
   └─ Python AI 서버 (asyncio)
        ① Slack Socket Mode   실시간 메시지 수신·응답      (핵심)
        ② APScheduler         이메일/Jira/Confluence 주기 감시 (능동)
        ③ FastAPI :8000       웹·음성·전화·CRM·자체 MCP 서버
        ④ ClawOps 070 전화    AICC 상담

핵심 메시지는 하나다 — 협업·기억·선제 행동의 에이전트 하니스는 KIRA-Slack을 기반으로 하고, 그 위에 실시간 음성 상담(AICC)·도메인 전문 에이전트·자가 확장(Agent Factory)·MCP 서버를 직접 얹어 실서비스로 확장·운영했다. 동료를 한 명 더 채용하는 게 아니라, AI 한 명이 회사 안에서 24시간 살면서 메일·전화·문서·코드·고객 응대를 동시에 처리하고, 필요한 도메인이 생기면 자기가 또 다른 동료를 만들어내는 시스템.

MOCO 핵심 강점

Why it exists

단일 거대 프롬프트는 컨텍스트가 폭주하고, 도구가 많아질수록 정확도가 떨어진다. KIRA 하니스는 이를 계층적 분해로 푼다: 가벼운 분류기(Haiku)가 앞에서 걸러내고, 복잡한 일만 오케스트레이터(Opus)로 올라가며, 오케스트레이터는 도메인 전문 서브에이전트에게 위임한다. 난이도별 Haiku/Sonnet/Opus 3-티어 라우팅도 하니스가 제공한다. MOCO는 이 구조 위에 도메인 에이전트 7종과 자가 확장(Agent Factory) 을 얹었다.

그리고 이 시스템은 API 키 없이 동작한다 — 뒤의 인증 모델 참고. 이 설계가 "앱 설치만으로 동작(Zero-Setup)"을 가능하게 하는 핵심이고, 대신 한도가 계정 레이트리밋이라 견고성 장치들(세마포어·컨텍스트 자동 압축·재시도)이 필요해졌다.

Agentic Runtime Model

메시지 한 건이 수신되어 라우팅·오케스트레이션을 거쳐 응답·저장까지 처리되는 전체 경로.

MOCO 메시지 처리 파이프라인

수신 & 디바운싱 — 끊어 보낸 메시지를 {채널}:{유저} 키로 짧게 모아 하나로 병합. 같은 요청에 LLM을 여러 번 부르는 낭비 방지.
Session Lane — 대화 단위 독립 큐 + 단일 워커. 같은 대화는 순서대로, 다른 대화는 병렬로. 고정 워커풀과 달리 락 경합이 없다. 15분 유휴 시 워커가 스스로 종료.
라우팅 결정 트리 — 봇이 호출됐는지, 인가된 사용자인지, 복잡한지(약 60개 키워드 8개 카테고리 또는 첨부파일)를 판정해 simple/complex 경로를 정한다.
오케스트레이터 — Observer가 30초마다 진행 하트비트를 보내고, 관련 메모리를 검색해 프롬프트에 실어준다. 하드 타임아웃 20분.
서브에이전트 협업 — call_sub_agent로 도메인 전문가에게 위임. 결과는 표준 스키마(status/summary/data/artifacts/next_suggestions/error)로 회수. 병렬은 TaskExecutor, 중간 결과는 TaskWorkspace 공유 메모리에 네임스페이스로 쌓아 다음 에이전트에 넘긴다.
응답 & 기억 — 최종 응답을 올린 뒤 대화는 별도 메모리 큐로 넘어가 비동기 저장 — 사용자를 기다리게 하지 않는다.

Features

여덟 개의 축이 "챗봇"과 "AI 동료"를 가른다.

🧠 멀티 에이전트 오케스트레이션

분류기(Haiku) → 오케스트레이터(Opus) → 도메인 서브에이전트 7종의 계층 구조.

7종 전문가 — research · communication · code · pm · document · data · web. 각자 필요한 MCP 도구만 화이트리스트로 받는다
3-티어 모델 — 난이도별 Haiku/Sonnet/Opus로 비용·속도·정확도를 동시에
협업 프로토콜 — 표준 결과 스키마 회수, TaskWorkspace 공유 메모리로 결과 전달, 실패 시 최대 2회 재계획

🗂️ 순수 Python 메모리 (LLM 없는 검색)

대화를 Markdown으로 누적하되 검색·저장 판단에 LLM을 쓰지 않는다.

검색 — JSON 인덱스 토큰 스코어링(제목·태그·채널/유저 가중치)으로 즉시, 없으면 파일 스캔 키워드 점수
저장 판단 — 규칙 기반(명시 신호·지속 신호·도구 사용량)으로 잡담에 불필요한 LLM 호출 차단
빠르고, 토큰 비용 0

🔔 능동(Proactive) 시스템

요청을 기다리지 않고 먼저 일한다.

주기 감시 — 이메일 5분 · Jira 30분 · Confluence 60분, 2단계(수집 → LLM 분석) 패턴
선제 제안 — Dynamic Suggester(15분)가 메모리를 분석해 요청 전에 제안 → 승인 시 자동 실행

🏭 자동 에이전트 생성 (Agent Factory)

MOCO가 사용 패턴을 감지해 새 에이전트를 직접 만들어낸다. 자유 코드 작성의 위험은 템플릿 슬롯만 채우게 해 원천 차단하고, 6단계 자동 검증과 사람 승인을 거쳐 재시작 없이 배포한다.

Agent Factory — 6단계 검증 파이프라인

🔌 양방향 확장성

안으로 — Google Drive에 SKILL.md를 올리면 런타임에 능력 추가 (Skill Marketplace)
밖으로 — /mcp 엔드포인트로 MCP 서버를 노출, 팀원이 자기 Claude에서 MOCO 능력 호출 (정적 토큰 + OAuth 2.1 PKCE/DCR)

📞 멀티 채널 진입점

Slack · ChatGPT 스타일 웹 챗 · 070 전화(AICC) · Twilio · 브라우저/Gemini Live 음성
웹 챗의 도메인 전문 에이전트(법령 자문 등)는 도구·인용·결정 권한을 제한해 모달로 분리

🛡️ 프로덕션 견고성

서브에이전트 동시 실행 세마포어(20) 로 레이트리밋 폭주 방지
컨텍스트 오버플로우 감지 시 /compact 자동 실행 후 재시도
SDK 초기화 지수 백오프 재시도 · graceful shutdown

📊 운영 모니터링 (Daemon Plane)

모든 에이전트 실행을 JSONL로 기록
/daemon/ 대시보드에서 업타임 · 실행 통계 · 세션 · 리소스 조회

인증 모델 — API 키 없이 동작

자주 받는 질문: "API 키도 안 넣었는데 어떻게 Claude를 쓰지?" MOCO는 Anthropic API를 직접 부르지 않고 claude CLI를 거친다.

hljs language-scss

MOCO (claude-agent-sdk)
  └─ ClaudeSDKClient → claude CLI(자식 프로세스) 실행 → stdio로 대화
                          └─ CLI가 자기 저장소의 로그인 토큰으로 인증·모델 라우팅

SDK는 HTTP 클라이언트가 아니라 Claude Code CLI를 서브프로세스로 띄운다. claude로 한 번 로그인하면 토큰이 CLI 저장소(~/.claude/·OS 키체인)에 캐시되고, MOCO가 매번 CLI를 띄우면 그 로그인 상태를 그대로 상속한다. 그래서 MOCO 설정에 ANTHROPIC_API_KEY가 없다. (대안: CLAUDE_CODE_USE_VERTEX=1로 GCP 서비스계정을 통한 Vertex AI 인증.) 둘 다 Anthropic API 키가 필요 없다.

Project Structure

hljs language-bash

moco-ai-coworker/
└─ app/                        # Python AI 서버
   ├─ main.py                  # 부팅·워커·스케줄러 등록
   ├─ cc_slack_handlers.py     # Slack 이벤트 → 라우팅 결정 트리
   ├─ queueing_extended.py     # Session Lane 동시성
   ├─ cc_agents/               # 에이전트들
   │  ├─ orchestrator/ operator/       # 복잡작업 총괄 (Opus)
   │  ├─ simple_chat/ bot_call_detector/  # 경량 분류 (Haiku)
   │  ├─ sub_agents/{research,communication,code,pm,document,data,web}/
   │  ├─ memory_retriever/ memory_manager/  # 순수 Python 검색 / 저장
   │  ├─ agent_factory/ generated/     # 자동 에이전트 생성 + 격리 로더
   │  ├─ atticus/ ra_regulatory_expert/  # 도메인 전문 에이전트 (웹 챗)
   │  └─ task_executor.py workspace.py   # 병렬 실행 / 공유 메모리
   ├─ cc_checkers/             # Proactive 체커 (ms365, atlassian, skill_sync)
   ├─ cc_tools/                # MCP 도구 구현 (slack, google, crm, phone…)
   ├─ cc_mcp/                  # 자체 MCP 서버 (JSON-RPC + OAuth 2.1)
   ├─ cc_utils/                # SDK 재시도·프롬프트·메모리 인덱스·Daemon Plane
   ├─ cc_web_interface/        # FastAPI: 웹 챗 · 음성 · CRM · AICC 콘솔
   └─ config/settings.py       # Pydantic 설정 + 피처 플래그

Quick Start

이 공개본은 아키텍처 열람용입니다. 실제 구동에는 Slack 앱, claude CLI 로그인, 각 MCP 자격증명이 필요합니다.

hljs language-bash

uv sync                              # 의존성 설치
cp app/config/env/dev.env.example app/config/env/dev.env   # 설정 채우기
uv run python -m app.main            # 서버 기동

모델·MCP·체커·웹/음성·Agent Factory 등 모든 기능은 settings.py의 피처 플래그(*_ENABLED)로 켜고 끈다. 시크릿은 전부 환경변수(dev.env / ~/.moco/config.env)로 주입되며, 코드에 하드코딩된 키는 없다.

Development

hljs language-bash

uv run python dev.py                 # 핫 리로드 개발 서버
uv run python -m py_compile app/**/*.py   # 구문 점검
uv run black app/                    # 포매팅

Notes

Zero-Setup 철학 — 비개발자가 터미널 없이 데스크톱 앱만으로 배포·운영하는 것을 목표로 설계됨. 이 공개본에는 Electron 앱과 빌드 산출물은 포함하지 않았다.
데이터 거버넌스 — 실사용 데이터, 학습/운영 상태, 회사·고객·개인 식별 정보, 규제 문서 코퍼스, 하드코딩 크리덴셜은 모두 제거했다. CRM 데모 시드, 전화(AICC) 시나리오 등 회사 특화 데이터는 스텁으로 대체했다.

_{실무 프로젝트를 포트폴리오 열람용으로 재구성한 저장소입니다. 코드 열람 목적이며 별도 라이선스는 부여하지 않습니다.}

🗂️ 포트폴리오

이 저장소는 포트폴리오의 일부입니다. → 전체 프로젝트 보기

MOCO — AI Coworker Platform ← 현재 저장소
근감소증 예측 멀티모달 ML
DTx 인지훈련 난이도 조정 봇
한국어 난독증 읽기평가 엔진
AICC 음성 상담 서버

MOCO — AI Coworker Platform

포트폴리오 공개본 — 이 저장소는 실무 프로젝트에서 회사·고객·개인 식별 정보(사내 데이터, 실사용 메모리·녹취·DB, 규제 문서 코퍼스, 하드코딩 크리덴셜)를 모두 제거하고 코드 아키텍처만 남긴 버전입니다. 전화(AICC)·데모 CRM 시드 데이터 등 회사 특화 데이터는 포함하지 않으며, 모든 시크릿은 환경변수로 주입됩니다.

🔗 Built on KRAFTON KIRA-Slack (Apache-2.0). 에이전트 런타임 하니스·Slack 연동·오케스트레이터·메모리/프로액티브 서브시스템·3-Tier 라우팅은 KIRA-Slack에서 파생되었으며, 이 저장소는 그 위에 Session Lane 동시성 재설계·병렬 실행기(TaskExecutor)·실시간 음성 상담(AICC)·Agent Factory·OAuth MCP 서버·8종 서비스 도구 통합(219개)·웹/관리자 대시보드를 단독 확장한 것입니다(신규 약 38K LOC). 자세한 출처·변경 내역은 NOTICE, 라이선스는 LICENSE를 참조하세요.

Demo

미팅 전날 준비 캘린더 확인 · 아젠다 초안 · Slack DM	발표자료 제작 PPT 생성 · Google Drive 저장	스레드 → 문서화 의사결정을 Google Docs로 정리
스프린트 마감 보고서 Google Docs 리포트 자동 작성	신규 팀원 온보딩 Docs 생성 · 캘린더 등록 · 환영 Gmail	주간 브리핑 Drive · 캘린더 · ClickUp · Gmail 종합 → Slack

What is MOCO

hljs language-scss

Electron 앱 (설정 GUI · 실시간 로그 · 대시보드)
   └─ Python AI 서버 (asyncio)
        ① Slack Socket Mode   실시간 메시지 수신·응답      (핵심)
        ② APScheduler         이메일/Jira/Confluence 주기 감시 (능동)
        ③ FastAPI :8000       웹·음성·전화·CRM·자체 MCP 서버
        ④ ClawOps 070 전화    AICC 상담

MOCO 핵심 강점

Why it exists

Agentic Runtime Model

메시지 한 건이 수신되어 라우팅·오케스트레이션을 거쳐 응답·저장까지 처리되는 전체 경로.

MOCO 메시지 처리 파이프라인

수신 & 디바운싱 — 끊어 보낸 메시지를 {채널}:{유저} 키로 짧게 모아 하나로 병합. 같은 요청에 LLM을 여러 번 부르는 낭비 방지.
Session Lane — 대화 단위 독립 큐 + 단일 워커. 같은 대화는 순서대로, 다른 대화는 병렬로. 고정 워커풀과 달리 락 경합이 없다. 15분 유휴 시 워커가 스스로 종료.
라우팅 결정 트리 — 봇이 호출됐는지, 인가된 사용자인지, 복잡한지(약 60개 키워드 8개 카테고리 또는 첨부파일)를 판정해 simple/complex 경로를 정한다.
오케스트레이터 — Observer가 30초마다 진행 하트비트를 보내고, 관련 메모리를 검색해 프롬프트에 실어준다. 하드 타임아웃 20분.
서브에이전트 협업 — call_sub_agent로 도메인 전문가에게 위임. 결과는 표준 스키마(status/summary/data/artifacts/next_suggestions/error)로 회수. 병렬은 TaskExecutor, 중간 결과는 TaskWorkspace 공유 메모리에 네임스페이스로 쌓아 다음 에이전트에 넘긴다.
응답 & 기억 — 최종 응답을 올린 뒤 대화는 별도 메모리 큐로 넘어가 비동기 저장 — 사용자를 기다리게 하지 않는다.

Features

여덟 개의 축이 "챗봇"과 "AI 동료"를 가른다.

🧠 멀티 에이전트 오케스트레이션

분류기(Haiku) → 오케스트레이터(Opus) → 도메인 서브에이전트 7종의 계층 구조.

7종 전문가 — research · communication · code · pm · document · data · web. 각자 필요한 MCP 도구만 화이트리스트로 받는다
3-티어 모델 — 난이도별 Haiku/Sonnet/Opus로 비용·속도·정확도를 동시에
협업 프로토콜 — 표준 결과 스키마 회수, TaskWorkspace 공유 메모리로 결과 전달, 실패 시 최대 2회 재계획

🗂️ 순수 Python 메모리 (LLM 없는 검색)

대화를 Markdown으로 누적하되 검색·저장 판단에 LLM을 쓰지 않는다.

검색 — JSON 인덱스 토큰 스코어링(제목·태그·채널/유저 가중치)으로 즉시, 없으면 파일 스캔 키워드 점수
저장 판단 — 규칙 기반(명시 신호·지속 신호·도구 사용량)으로 잡담에 불필요한 LLM 호출 차단
빠르고, 토큰 비용 0

🔔 능동(Proactive) 시스템

요청을 기다리지 않고 먼저 일한다.

주기 감시 — 이메일 5분 · Jira 30분 · Confluence 60분, 2단계(수집 → LLM 분석) 패턴
선제 제안 — Dynamic Suggester(15분)가 메모리를 분석해 요청 전에 제안 → 승인 시 자동 실행

🏭 자동 에이전트 생성 (Agent Factory)

Agent Factory — 6단계 검증 파이프라인

🔌 양방향 확장성

안으로 — Google Drive에 SKILL.md를 올리면 런타임에 능력 추가 (Skill Marketplace)
밖으로 — /mcp 엔드포인트로 MCP 서버를 노출, 팀원이 자기 Claude에서 MOCO 능력 호출 (정적 토큰 + OAuth 2.1 PKCE/DCR)

📞 멀티 채널 진입점

Slack · ChatGPT 스타일 웹 챗 · 070 전화(AICC) · Twilio · 브라우저/Gemini Live 음성
웹 챗의 도메인 전문 에이전트(법령 자문 등)는 도구·인용·결정 권한을 제한해 모달로 분리

🛡️ 프로덕션 견고성

서브에이전트 동시 실행 세마포어(20) 로 레이트리밋 폭주 방지
컨텍스트 오버플로우 감지 시 /compact 자동 실행 후 재시도
SDK 초기화 지수 백오프 재시도 · graceful shutdown

📊 운영 모니터링 (Daemon Plane)

모든 에이전트 실행을 JSONL로 기록
/daemon/ 대시보드에서 업타임 · 실행 통계 · 세션 · 리소스 조회

인증 모델 — API 키 없이 동작

자주 받는 질문: "API 키도 안 넣었는데 어떻게 Claude를 쓰지?" MOCO는 Anthropic API를 직접 부르지 않고 claude CLI를 거친다.

hljs language-scss

MOCO (claude-agent-sdk)
  └─ ClaudeSDKClient → claude CLI(자식 프로세스) 실행 → stdio로 대화
                          └─ CLI가 자기 저장소의 로그인 토큰으로 인증·모델 라우팅

Project Structure

hljs language-bash

moco-ai-coworker/
└─ app/                        # Python AI 서버
   ├─ main.py                  # 부팅·워커·스케줄러 등록
   ├─ cc_slack_handlers.py     # Slack 이벤트 → 라우팅 결정 트리
   ├─ queueing_extended.py     # Session Lane 동시성
   ├─ cc_agents/               # 에이전트들
   │  ├─ orchestrator/ operator/       # 복잡작업 총괄 (Opus)
   │  ├─ simple_chat/ bot_call_detector/  # 경량 분류 (Haiku)
   │  ├─ sub_agents/{research,communication,code,pm,document,data,web}/
   │  ├─ memory_retriever/ memory_manager/  # 순수 Python 검색 / 저장
   │  ├─ agent_factory/ generated/     # 자동 에이전트 생성 + 격리 로더
   │  ├─ atticus/ ra_regulatory_expert/  # 도메인 전문 에이전트 (웹 챗)
   │  └─ task_executor.py workspace.py   # 병렬 실행 / 공유 메모리
   ├─ cc_checkers/             # Proactive 체커 (ms365, atlassian, skill_sync)
   ├─ cc_tools/                # MCP 도구 구현 (slack, google, crm, phone…)
   ├─ cc_mcp/                  # 자체 MCP 서버 (JSON-RPC + OAuth 2.1)
   ├─ cc_utils/                # SDK 재시도·프롬프트·메모리 인덱스·Daemon Plane
   ├─ cc_web_interface/        # FastAPI: 웹 챗 · 음성 · CRM · AICC 콘솔
   └─ config/settings.py       # Pydantic 설정 + 피처 플래그

Quick Start

이 공개본은 아키텍처 열람용입니다. 실제 구동에는 Slack 앱, claude CLI 로그인, 각 MCP 자격증명이 필요합니다.

hljs language-bash

uv sync                              # 의존성 설치
cp app/config/env/dev.env.example app/config/env/dev.env   # 설정 채우기
uv run python -m app.main            # 서버 기동

Development

hljs language-bash

uv run python dev.py                 # 핫 리로드 개발 서버
uv run python -m py_compile app/**/*.py   # 구문 점검
uv run black app/                    # 포매팅

Notes

Zero-Setup 철학 — 비개발자가 터미널 없이 데스크톱 앱만으로 배포·운영하는 것을 목표로 설계됨. 이 공개본에는 Electron 앱과 빌드 산출물은 포함하지 않았다.
데이터 거버넌스 — 실사용 데이터, 학습/운영 상태, 회사·고객·개인 식별 정보, 규제 문서 코퍼스, 하드코딩 크리덴셜은 모두 제거했다. CRM 데모 시드, 전화(AICC) 시나리오 등 회사 특화 데이터는 스텁으로 대체했다.

_{실무 프로젝트를 포트폴리오 열람용으로 재구성한 저장소입니다. 코드 열람 목적이며 별도 라이선스는 부여하지 않습니다.}

🗂️ 포트폴리오

이 저장소는 포트폴리오의 일부입니다. → 전체 프로젝트 보기

MOCO — AI Coworker Platform ← 현재 저장소
근감소증 예측 멀티모달 ML
DTx 인지훈련 난이도 조정 봇
한국어 난독증 읽기평가 엔진
AICC 음성 상담 서버

moco-ai-coworker

MOCO — AI Coworker Platform

Demo

What is MOCO

Why it exists

Agentic Runtime Model

Features

🧠 멀티 에이전트 오케스트레이션

🗂️ 순수 Python 메모리 (LLM 없는 검색)

🔔 능동(Proactive) 시스템

🏭 자동 에이전트 생성 (Agent Factory)

🔌 양방향 확장성

📞 멀티 채널 진입점

🛡️ 프로덕션 견고성

📊 운영 모니터링 (Daemon Plane)

인증 모델 — API 키 없이 동작

Project Structure

Quick Start

Development

Notes

🗂️ 포트폴리오

Similar Packages

moco-ai-coworker

MOCO — AI Coworker Platform

Demo

What is MOCO

Why it exists

Agentic Runtime Model

Features

🧠 멀티 에이전트 오케스트레이션

🗂️ 순수 Python 메모리 (LLM 없는 검색)

🔔 능동(Proactive) 시스템

🏭 자동 에이전트 생성 (Agent Factory)

🔌 양방향 확장성

📞 멀티 채널 진입점

🛡️ 프로덕션 견고성

📊 운영 모니터링 (Daemon Plane)

인증 모델 — API 키 없이 동작

Project Structure

Quick Start

Development

Notes

🗂️ 포트폴리오

Similar Packages