lsdefine/GenericAgent

lsdefine/GenericAgent 💻 Python #AI #MachineLearning #OpenSource #Python 🔗 github.com/lsdefine/GenericA…

Contains the exact GitHub repo slug.

【GitHub爆速トレンド】（04/18）今日の一押しは2位のlsdefine/GenericAgentです。LLMがPCを制御、自律進化するAIです。

Contains the exact GitHub repo slug.

今日のGitHub TrendをLLMで要約👇 個人開発のヒントにどうぞ 1. lsdefine/GenericAgent (Python) slidict.io/slides/externals/… 2. vercel-labs/open-agents (TypeScript) slidict.io/slides/externals/… 3. google/magika (Python) slidict.io/slides/externals/…

Contains the exact GitHub repo slug.

에이전트 프레임워크가 점점 무거워지는 지금, 정반대로 가는 프로젝트가 GitHub 트렌딩을 뚫었습니다. lsdefine/GenericAgent — 단 3,000줄 코어에 9개 원자 도구, 그리고 쓸수록 똑똑해지는 자가 진화 설계. 하루 만에 ★ 446, 누적 ★ 2,500+. 트렌딩 11위. 왜 지금 주목해야 하는가 ━━━━━━━━━━━━━━━━━━━━━━━━━ 요즘 AI 에이전트 프레임워크를 열어보면 이런 공통점이 보입니다. • 수만 줄 코드 + 수십 개 의존성 • 200K~1M 컨텍스트 윈도우를 전제로 설계 • 복잡한 오케스트레이션 레이어 • 실제 운영 비용이 데모 비용의 10배 이상 GenericAgent는 그 반대 방향의 설계 선언에 가깝습니다. 구조 ━━━━━━━━━━━━━━━━━━━━━━━━━ • 전체 코어: 약 3,000줄 Python 코드 • 원자 도구: 단 9개 (file / code exec / browser / shell / search / …) • Agent Loop: 약 100줄 • UI: Streamlit + pywebview 기반 경량 런처 • 설치: git clone → pip install streamlit pywebview → python launch.pyw 의존성 트리가 수십 줄을 넘지 않습니다. 읽고 수정할 수 있는 에이전트 프레임워크입니다. 핵심 1: 자가 진화 (Skill 결정화) ━━━━━━━━━━━━━━━━━━━━━━━━━ 다른 프레임워크와 가장 큰 차이입니다. • 에이전트가 작업 하나를 성공적으로 끝내면 • 그 실행 경로 자체가 "Skill"로 자동 결정화됨 • 다음에 비슷한 작업이 오면 처음부터 추론 X → Skill 호출 • 결과적으로 개인화된 Skill 트리가 쌓여감 "기술을 미리 설정하지 않고, 사용하면서 획득한다"는 설계 철학이 그대로 구현된 구조입니다. 누가 쓰느냐에 따라 완전히 다른 에이전트로 진화합니다. 핵심 2: 30K 이하 컨텍스트 최적화 ━━━━━━━━━━━━━━━━━━━━━━━━━ 이 부분이 비용·속도 양쪽에 직격입니다. • 대부분의 에이전트: 200K~1M 컨텍스트 의존 • GenericAgent: 30K 이하로 동작하도록 최적화 • → API 비용이 수십 분의 1로 내려감 • → 작은 모델(Haiku, Flash, 오픈소스 경량 모델)로도 실전 가능 • → 응답 속도 체감이 확연히 다름 "큰 컨텍스트가 지능을 대체한다"는 최근 경향에 대한 정면 반박에 가깝습니다. 핵심 3: 모델 교체가 한 줄 ━━━━━━━━━━━━━━━━━━━━━━━━━ • Claude (Anthropic) • Gemini (Google) • Kimi (Moonshot) • MiniMax • 기타 OpenAI 호환 API 전반 프롬프트·스킬·루프 로직은 그대로 두고 모델만 교체 가능. 벤더 락인 없이 모델별 성능을 동일 조건에서 비교할 수 있습니다. 핵심 4: 실제 브라우저 주입 ━━━━━━━━━━━━━━━━━━━━━━━━━ • 헤드리스 가짜 브라우저가 아니라 실제 Chromium 세션에 주입 • → 로그인 상태 유지 • → 2FA가 걸린 서비스에도 접근 가능 • → 캡차·봇 차단 우회 없이 자연스러운 사용자 흐름 데모용 에이전트가 아니라, 실제 업무 자동화에 바로 태울 수 있는 수준이라는 뜻입니다. 리서치, 리포트 수집, 반복 클릭 업무, 문서 추출 모두 커버됩니다. 활용 시나리오 ━━━━━━━━━━━━━━━━━━━━━━━━━ • 개인 리서치 비서: 자주 쓰는 검색·요약 흐름이 Skill로 굳음 • 반복 업무 자동화: 매일 같은 대시보드/레포트 확인 → 1번 돌리면 그 뒤론 Skill 호출 • 로컬 코드 에이전트: 30K 컨텍스트로 작은 모델 + 로컬 IDE • 멀티 모델 비교: 동일 태스크를 Claude/Gemini/Kimi에 동시에 돌려보기 왜 이 프로젝트에 베팅해야 하는가 ━━━━━━━━━━━━━━━━━━━━━━━━━ • 코드가 읽히는 크기 → 포크해서 내 것으로 만들 수 있음 • 자가 진화 루프 → 쓸수록 내 것이 되는 에이전트 • 컨텍스트 예산 자유 → 작은 모델·저비용 실전 운영 • 벤더 독립 → 모델 전쟁에 휘말리지 않는 설계 거대한 에이전트에 지친 사람에게, 2026년 현재 가장 주목해볼 만한 프레임워크 중 하나입니다. ━━━━━━━━━━━━━━━━━━━━━━━━━ 요약: 에이전트의 다음 페이지는 거대한 프레임워크가 아니라, 최소 코어 위에서 사용자 맞춤으로 자라나는 Skill 트리입니다.

Contains the exact GitHub repo slug.