2026년 5월, tinyhumans.ai가 공개한 OpenHuman은 “AI가 나에 대해 뭘 알고 있나?”라는 근본적인 질문에서 출발한다. 118개 이상의 서비스와 원클릭 연동, 20분마다 자동 동기화, 로컬 기반 메모리 트리. Karpathy의 Obsidian 위키 워크플로에서 영감받은 이 프로젝트가 왜 주목받는지 정리했다.
4컷 만화로 보는 OpenHuman
왜 “또” AI 에이전트인가
현재 AI 에이전트 시장은 두 가지 극단에 있다. 한쪽은 Claude, ChatGPT 같은 챗봇 — 대화는 잘하지만 당신에 대해 아무것도 모른다. 매 대화가 새 시작이다. 다른 한쪽은 OpenClaw, Hermes 같은 개발자 도구 — 강력하지만 설정이 복잡하고, 플러그인 생태계에 의존하며, 에이전트가 “당신”을 이해하는 데 몇 주가 걸린다.
OpenHuman이 노리는 지점은 명확하다. 설치 후 몇 분 만에 당신의 전체 맥락을 이해하는 에이전트를 만드는 것.
“Most agents start cold. OpenHuman skips the wait.”
핵심 아키텍처: 메모리가 먼저다
OpenHuman의 설계 철학은 한 줄로 요약된다: 모델이 똑똑한 게 아니라, 맥락이 풍부한 게 중요하다.
Memory Tree — 로컬 지식 그래프
OpenHuman의 심장은 Memory Tree다. Gmail, Slack, GitHub, Notion, 캘린더 — 연결된 모든 데이터가 하나의 파이프라인을 통과한다:
- 정규화: 모든 소스를 마크다운으로 변환
- 청킹: 3,000토큰 이하로 압축
- 스코어링: 중요도에 따라 점수 부여
- 계층화: 소스별/주제별/날짜별 요약 트리로 구조화
- 저장: 로컬 SQLite에 저장 (벡터 블랙박스가 아니다)
이 구조의 장점은 추론 가능성이다. 벡터 유사도 검색이 “어렴풋이 비슷한 것”을 찾는다면, Memory Tree는 “이 이메일이 이 프로젝트와 연결되어 있고, 이 사람이 관여했다”를 그래프 순회로 답한다.
Obsidian 위키 — 읽을 수 있는 메모리
“믿을 수 없는 메모리는 메모리가 아니다.” OpenHuman은 Memory Tree의 모든 청크를 .md 파일로 Obsidian 호환 볼트에 저장한다. Obsidian에서 열어보고, 편집하고, 링크를 직접 연결할 수 있다.
이건 Karpathy가 자신의 Obsidian 위키 워크플로에서 제안한 방식과 같은 맥락이다. AI가 만든 지식 베이스를 인간이 검증하고 보완하는 루프.
Auto-fetch — 20분마다 자동 동기화
대부분의 에이전트가 “질문할 때만” 데이터를 가져온다. OpenHuman은 20분마다 연결된 모든 서비스에서 새 데이터를 끌어와서 Memory Tree에 반영한다. 아침에 일어나면 에이전트가 이미 어젯밤 이메일과 오늘 일정을 알고 있다.
118개 이상의 원클릭 연동
Gmail, Notion, GitHub, Slack, Stripe, Google Calendar, Drive, Linear, Jira… API 키를 수동으로 설정할 필요 없이 원클릭 OAuth로 연결된다. 연결된 모든 서비스는 에이전트에게 typed tool로 노출된다.
현재 AI 에이전트 시장에서 이 정도 연동을 기본 제공하는 경우는 드물다. 대부분 BYO(Bring Your Own) 방식으로, 사용자가 직접 플러그인을 찾고 설치하고 설정해야 한다.
TokenJuice — 토큰 비용 80% 절감
AI 에이전트의 현실적인 문제: 토큰이 비싸다. 이메일 본문, 검색 결과, 스크래핑 내용, 도구 호출 결과 — 이 모든 게 LLM 컨텍스트를 잡아먹는다.
OpenHuman은 TokenJuice라는 토큰 압축 레이어를 모든 도구 출력 앞에 둔다:
- HTML → 마크다운 변환
- 긴 URL 단축
- 비 ASCII 문자 제거
- 중복 정보 압축
결과: 동일한 정보를 최대 80% 적은 토큰으로 전달. 최근 6개월 이메일을 스윕해도 한 자릿수 달러면 충분하다.
모델 라우팅 — 하나의 구독으로
OpenHuman은 작업 특성에 따라 자동으로 모델을 선택한다:
- 복잡한 추론 →
hint:reasoning→ 프론티어 모델 - 빠른 응답 →
hint:fast→ 경량 모델 - 이미지 처리 → 비전 모델
하나의 구독으로 모든 라우팅을 처리한다. 여러 API 키를 관리하거나, 모델별로 요금을 추적할 필요가 없다.
선택적으로 Ollama를 통한 로컬 AI도 지원한다. 임베딩과 요약을 온디바이스에서 실행하고 싶은 사용자를 위한 옵션.
데스크톱 마스코트 — 에이전트에 얼굴이 있다
OpenHuman은 단순한 터미널 도구가 아니다. 데스크톱 마스코트가 있다.
- 말을 하고, 반응하고, 주변 환경에 반응한다
- Google Meet에 실제 참가자로 참석해서 회의를 녹취하고, 당신을 대신해 발언할 수도 있다
- 타이핑을 멈춰도 백그라운드에서 계속 생각한다
- 주에 걸쳐 당신을 기억한다
이건 “챗봇에 아바타 붙이기”가 아니다. 에이전트가 지속적으로 당신의 맥락을 유지하면서, 언제든 대화형으로 개입할 수 있다는 의미다.
경쟁사 비교
OpenHuman의 GitHub README에 있는 비교표를 정리하면:
| Claude Cowork | OpenClaw | Hermes | OpenHuman | |
|---|---|---|---|---|
| 오픈소스 | ❌ | ✅ MIT | ✅ MIT | ✅ GNU |
| 시작 난이도 | ✅ | ⚠️ 터미널 필수 | ⚠️ 터미널 필수 | ✅ UI |
| 비용 | 구독+애드온 | BYO 모델 | BYO 모델 | 1구독 + TokenJuice |
| 메모리 | 채팅 범위 | 플러그인 의존 | 자기학습 | Memory Tree + Obsidian |
| 연동 | 소수 | BYO | BYO | 118+ OAuth |
| 자동 동기화 | ❌ | ❌ | ❌ | 20분 주기 |
| 모델 라우팅 | 단일 | 수동 | 수동 | 자동 |
| 기본 도구 | 코드만 | 코드만 | 코드만 | 코드+검색+스크래퍼+음성 |
기술 스택
- 런타임: Rust + Tauri (Tauri/CEF 내장)
- 프론트엔드: 웹 UI
- 로컬 DB: SQLite
- 로컬 AI: Ollama (선택)
- 음성: STT 인 + ElevenLabs TTS 아웃 + 마스코트 립싱크
- 라이선스: GNU GPL-3.0
개발 환경 세팅: Node.js 24+, pnpm 10.10.0, Rust 1.93.0, CMake 필요.
설치
# macOS / Linux x64
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash
# Windows
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex또는 tinyhumans.ai/openhuman에서 DMG/EXE 다운로드.
⚠️ 현재 Early Beta 상태. “거친 부분”이 있을 수 있다고 명시되어 있다.
생각할 점
가능성
- “Cold start” 문제의 실질적 해결: 대부분의 AI 에이전트가 “몇 주 쓰면 좋아져요”라고 말하지만, OpenHuman은 연동 즉시 맥락을 확보한다
- 로컬 우선 설계: 데이터가 내 기기에 있고, 암호화되어 있고, 내가 읽을 수 있다
- 비용 효율: TokenJuice + 자동 모델 라우팅으로 실제 사용 비용을 크게 낮춘다
아쉬운 점
- GNU GPL-3.0 라이선스: MIT에 비해 상업적 활용 제약이 있다. 기여한 코드도 동일 라이선스로 공개해야 한다
- Early Beta: 실제 안정성과 에지 케이스는 직접 써봐야 알 수 있다
- 구독 모델 불명확: “One sub”라고 하지만 정확한 가격 구조가 아직 명확하지 않다
- 의존성: 118개 연동이 장점이지만, OAuth 토큰 관리와 서비스 정책 변경에 대한 대비가 필요하다
링크
- GitHub: github.com/tinyhumansai/openhuman
- 공식 사이트: tinyhumans.ai/openhuman
- 문서: tinyhumans.gitbook.io/openhuman
- Discord: discord.tinyhumans.ai
- 크리에이터: @senamakel (X/Twitter)
OpenHuman은 “더 똑똑한 챗봇”이 아니라 **“당신의 모든 데이터를 소화하고 기억하는 로컬 에이전트”**를 지향한다. AI가 당신에 대해 아는 것이 포스트잇 몇 장이 아니라, 구조화된 지식 그래프가 되는 것. 그 방향성이 당연해 보이면서도, 아직 아무도 제대로 해내지 못한 일이다.
Early Beta지만, 방향과 아키텍처는 확실히 주목할 만하다.