에이전트 반복 학습으로 토큰 사용량 줄이는 AgentRun 오픈소스 공개
원제 Show HN: AgentRun – open-source, Self-improving Managed Agents
100 포인트댓글 28
Key Point
에이전트가 같은 작업을 반복할 때마다 토큰 사용량이 누적되는 문제를 학습과 메모리로 근본적으로 해결하는 오픈소스 플랫폼으로, 특히 비용이 높은 AI 작업을 운영하는 팀에게 직접적인 절감 효과를 제시한다.
핵심 요약
- Parcha AI가 오픈소스 플랫폼 AgentRun을 공개했다. AI 에이전트에 자동 학습, 내구적 실행, 제어 판넬을 추가해 매번 실행할 때마다 토큰 사용량을 줄인다.
- Greptile의 코드 리뷰 비용이 달당 180달러에서 6,451달러로 36배 증가하자, Greptile을 사용하는 에이전트 대신 저가 모델로 자체 리뷰 도구를 만들었다. 리뷰당 18센트로 비용을 98% 줄였으면서 미처 본 30개의 PR에서 실제 버그 1.6배를 더 찾았다.
- 상인 분류 작업에선 Opus 모델이 분류 방법을 학습한 후 저가 모델에 전달해, 건당 비용을 0.89달러에서 0.12달러로 내렸다.
- AgentRun의 핵심 기능은 학습(Learning)이다. 각 실행 후 에이전트가 다음 번에 도움될 메모, 스킬, 워크플로우를 보관했다가 다음 실행부터 활용한다.
- 모든 에이전트, 버전, 실행, 스텝이 하나의 저장소에 저장된다. 서버 실행 중 중단돼도 다시 시작하면 그 지점부터 계속 진행되고, 여러 러너가 있으면 다른 러너가 죽은 러너의 작업을 30초 후 인수한다.
- 사용자는 승인, 지출 상한선, 에이전트별 통합 콘솔로 모든 걸 제어한다. 에이전트가 질문을 던지면 대기했다 사용자 답변을 받으면 계속 진행된다.
- 다섯 가지 템플릿(코드 리뷰, 기업 실사, 기업 모니터링, 리드 연구, 릴리스 노트)을 제공하며, 각 템플릿은 지침, 스킬, 규칙, 평가 케이스로 구성된다.
- 학습된 스킬이 3번 이상 활용되면 다음 실행부터 워크플로우 초안으로 제안되고, 초안은 모델을 호출하거나 도구를 실행하지 않고 검증한 후 보관한다.
- 노드, 스킬, 워크플로우를 저장할 때 비밀 유출이나 폴더 외 파일 접근, 삭제, 인덱스 손상이 감지되면 전체 응답을 거부한다.
- Claude Code, Codex, OpenCode, Pi 등 여러 에이전트 프레임워크를 지원하며, 각각 다른 모델 키가 필요하다.
- Docker 샌드박스, Linux 데스크톱, 안드로이드 폰, 브라우저 등 다양한 컴퓨팅 환경을 제공하고, 원격 컴퓨팅은 사용자 계정으로 청구된다.
- 로컬에서 한 명령으로 실행하거나 Render에 한 클릭으로 배포 가능하며(월 약 27.50달러), Docker Compose나 PostgreSQL 러너로도 확장 가능하다.
- CLI, TypeScript, Python 클라이언트로 에이전트를 만들고 실행할 수 있으며, 모든 시크릿은 AGENTRUN_SEAL_KEY로 암호화된다.
- Apache 2.0 라이선스이며, 향후 호출별 컴퓨팅 선택, iPhone·macOS·Windows 네이티브 컴퓨터, Slack 트리거 등을 계획하고 있다.