오픈소스 AI 비서 CowAgent가 한 줄 설치로 24시간 스스로 일한다

CowAgent는 대화로 끝나는 챗봇이 아니라 일을 끝내는 쪽에 초점을 맞춘 오픈소스 AI 비서다. 스스로 '에이전트 하네스(agent harness)'를 자처하며, 주어진 목표를 분해해 도구와 스킬을 반복 호출하는 방식으로 작업을 밀어붙인다. 노트북 한 대나 상시 켜두는 서버에서 24시간 돌아가는 것을 전제로, 가볍고 확장하기 쉬운 구조를 내세운다.

설치 장벽은 낮게 잡았다. 리눅스·macOS에서는 curl로 배포 스크립트를 받아 실행하는 한 줄이면 설치와 설정, 실행이 한 번에 끝난다. 윈도우는 PowerShell의 irm 파이프를 쓰고, 도커를 선호하는 팀은 docker-compose.yml을 내려받아 컨테이너로 띄우면 된다. 개발자용 빠른 시작과 서버 상시 운영을 같은 진입점에서 해결하겠다는 의도다.

작업 수행 방식은 명확하다. 복잡한 요청을 여러 단계로 쪼갠 뒤, 각 단계마다 필요한 도구를 호출하고 결과를 확인하며 목표에 닿을 때까지 루프를 돈다. 파일 입출력, 터미널, 브라우저, 스케줄러, 메모리 검색, 웹 검색 등 10가지가 넘는 도구가 기본 탑재되어 있고, MCP(Model Context Protocol)를 네이티브로 받아들여 외부 도구 생태계와도 바로 연결된다.

기억하는 방식도 설계에 들어가 있다. 문맥(context) → 일별(daily) → 코어(core)로 이어지는 3계층 메모리 구조를 두고, 'Deep Dream'이라 부르는 자동 증류 과정을 통해 기억을 정제한다. 검색은 키워드와 벡터를 섞은 하이브리드 방식이다. 여기에 더해 대화에서 뽑아낸 구조화 지식을 마크다운 위키로 자동 정리하고, 문서 간 상호 참조를 쌓아 지식 그래프를 키워 나간다.

스킬은 사전 정의된 것만 쓰는 게 아니다. Skill Hub, GitHub, ClawHub에서 한 번의 클릭으로 설치할 수 있고, 자연어 대화만으로 커스텀 스킬을 새로 만들 수도 있다. 에이전트는 자신의 대화 기록을 스스로 되짚어 스킬을 개선하고, 끝내지 못한 작업을 이어가고, 메모리와 지식을 다시 정리하는 자기 점검 루틴을 갖는다.

모델과 채널은 특정 벤더에 묶이지 않는다. Claude, GPT, Gemini, DeepSeek, Qwen, GLM, Kimi, MiniMax, Doubao 등 주요 모델을 클릭 한 번으로 갈아끼울 수 있다. 하나의 에이전트가 웹, 위챗, 페이수, 딩톡, 위컴, QQ, 공식 계정까지 여러 채널에 동시에 붙는다. 역할이 다른 에이전트 여러 개를 만들어 그룹 대화에서 협업시키고, 작업을 위임하거나 하위 에이전트를 붙이는 식으로 '디지털 사원' 팀을 꾸리는 그림도 지원한다.

이런 제품이 나온 배경에는 에이전트 운영의 번거로움이 있다. 모델 API 키 관리, 도구 연결, 대화 기록 저장, 채널별 봇 배포를 각각 따로 붙이다 보면 정작 자동화 로직에 쓸 시간이 남지 않는다. CowAgent는 이 잡다한 접착 작업을 하나의 런타임으로 흡수하고, 그 위에 메모리와 스킬이라는 축적 구조를 얹는 쪽을 택했다.

실무에서 달라지는 지점은 세 가지다. 첫째, 개인 노트북이나 사내 서버에 부담 없이 올릴 수 있어 클라우드 SaaS에 데이터를 넘기지 않고 자체 운영이 가능하다. 둘째, 메모리와 지식이 파일 형태로 남기 때문에 장기 작업이나 반복 업무에서 맥락을 다시 설명할 필요가 줄어든다. 셋째, MCP와 스킬 허브를 통해 사내 시스템을 도구로 감싸 붙이는 확장 경로가 열려 있다.

다만 원문은 성능 벤치마크 수치나 라이선스 조건, 보안 모델에 대한 구체적 언급을 하지 않는다. 24시간 상시 구동과 터미널·파일 접근 권한을 함께 고려하면, 실제 도입 전에는 권한 범위와 실행 격리 방식을 직접 확인하는 편이 안전하다.