에이전트 경쟁은 모델 성능보다 “얼마나 적게 읽고도 정확히 이해하느냐”로 넘어가는 분위기예요. 오늘은 그 흐름이 GitHub, Hacker News, HuggingFace 전반에 아주 선명하게 드러났습니다.

오늘의 Top 5

1. tirth8205/code-review-graph

GitHub · Python · ⭐ 오늘 1,833

로컬 우선 code intelligence graph를 만들어 MCP와 CLI에서 쓰게 해주는 프로젝트예요. 공개된 설명만 보면 AI 코딩 도구가 코드베이스 전체를 무식하게 읽는 대신, 필요한 부분만 보게 해 컨텍스트를 줄이는 데 초점이 있어 보여요. 한국 개발자 입장에서는 “좋은 모델”보다 “큰 레포에서 어떻게 비용과 응답속도를 통제할지”가 더 실무적이라서 오늘 1위로 볼 만합니다.

2. diegosouzapw/OmniRoute

GitHub · TypeScript · ⭐ 오늘 1,107

하나의 endpoint로 268개 이상 provider와 500개 이상 모델을 연결하는 AI gateway예요. quota-aware auto-fallback, 토큰 절감 압축, Claude Code·Codex·Cursor·Cline·Copilot 연동을 전면에 내세우고 있어서, 팀 단위로 여러 모델을 섞어 쓰는 환경에 특히 눈길이 갑니다. 모델 교체가 잦아진 지금, 앱보다 라우팅 계층이 더 중요해진다는 신호로 읽혀요.

3. zai-org/GLM-5.2

HuggingFace · text-generation · ❤️ 4,233 · ⬇️ 531,947

오늘 HuggingFace에서 존재감이 가장 큰 모델 중 하나예요. 여기에 Hacker News의 ‘Who’s afraid of Chinese models?’가 414점, 댓글 283개를 기록한 것까지 합치면, 중국계 모델을 “실험용”이 아니라 실전 옵션으로 보는 시선이 확실히 커졌다고 볼 수 있죠. 국내 팀도 벤더 락인만 걱정할 게 아니라, 어떤 모델군이 비용·성능·배포 선택지를 넓혀주는지 다시 비교할 시점이에요.

4. MoonshotAI/kimi-cli

GitHub · Python · ⭐ 오늘 410

Kimi Code CLI를 “your next CLI agent”로 소개하는 프로젝트예요. 같은 날 Hacker News의 Kimi Work도 447점을 받은 걸 보면, Kimi 생태계가 단순 모델이 아니라 작업 도구 전반으로 확장되는 흐름이 보입니다. 코딩 에이전트 시장이 웹 UI보다 터미널 중심 워크플로로 재편되는지 살펴볼 만한 신호예요.

5. every-app/open-seo

GitHub · TypeScript · ⭐ 오늘 939

Semrush와 Ahrefs의 오픈소스 대안으로 포지셔닝한 프로젝트예요. AI 코딩, 모델, 에이전트 얘기만 넘치는 날이지만, 실제 한국 개발 조직에서는 “AI로 뭘 만들까”보다 “유입을 어떻게 만들까”가 더 급한 팀도 많죠. 마케팅 툴링을 직접 통제하고 싶은 SaaS 팀, 콘텐츠 플랫폼, 인하우스 growth 조직이라면 꽤 현실적인 관심사입니다.

짧게 훑기

  • KnockOutEZ/wigolo, local-first로 search·fetch·crawl을 MCP 위에서 다루려는 접근이라 에이전트용 리서치 레이어로 흥미로워요
  • topoteretes/cognee, 에이전트의 장기 메모리를 self-hosted knowledge graph로 풀겠다는 점이 눈에 띄어요
  • baidu/Unlimited-OCR, 다운로드 212만+라 문서 처리·OCR 수요가 여전히 강하다는 걸 보여줘요
  • moonshine-ai/moonshine, 저지연 speech-to-text·intent recognition·text-to-speech를 내세워 voice agent 흐름과 맞물려 보여요
  • Hacker wipes Romania’s land registry database, HN 603점으로 AI만큼이나 데이터 백업·복구 체계가 핵심 인프라 이슈라는 걸 상기시켜요

에디터 코멘트

오늘 신호는 꽤 분명해요. 이제 경쟁 포인트는 “어떤 LLM이 제일 똑똑하냐”보다 “에이전트가 어떤 컨텍스트를, 어떤 비용으로, 어떤 라우팅 정책 아래 읽느냐”로 이동하고 있어요.

서둘러 볼 건 code-review-graph, OmniRoute 같은 인프라형 도구예요. 이런 계층은 특정 모델 유행이 바뀌어도 팀 자산으로 남을 가능성이 높거든요.

반대로 개별 모델 유행이나 과격한 파생 모델은 바로 도입하기보다, 사내 보안·비용·운영 정책에 맞는지 한 템포 보고 들어가도 늦지 않아요.

오늘 해볼 것 한 가지: 1위 프로젝트 README를 10분만 읽고, 지금 팀 레포에서 “AI가 불필요하게 읽는 파일”이 뭔지 3개 적어보세요.