nanobot은 홍콩대학교 데이터 인텔리전스 랩(HKUDS)에서 2026년 2월 공개한 초경량 개인 AI 에이전트 런타임이다. GPT가 어떤 텍스트든 처리하듯, nanobot은 어떤 LLM이든 하나의 일관된 에이전트 루프 안에서 구동할 수 있게 설계되었다. 핵심 에이전트 파이프라인 — 메시지 수신, LLM 의사결정, 도구 호출, 컨텍스트 관리 — 을 최소한의 Python 코드로 구현하면서도 WebUI, 메신저 연동, MCP(Model Context Protocol) 호스팅, 장기 기억(Long-term memory), 주기적 스케줄링까지 실용적 컴포넌트를 모듈 단위로 붙일 수 있는 구조를 채택했다. 기존 에이전트 프레임워크의 한계는 복잡성이다. LangChain, AutoGen 등 대형 프레임워크는 수만 줄의 추상화 레이어를 쌓아 올려 연구자가 내부 동작을 파악하거나 특정 컴포넌트만 교체하기 어렵다. nanobot은 정반대 철학을 취한다. 에이전트 루프의 핵심 로직을 읽기 쉬운 수천 줄 수준으로 유지하면서, 30개 이상의 LLM 프로바이더(OpenAI, Anthropic Claude, Google Gemini, DeepSeek, Ollama, vLLM, LM Studio, AWS Bedrock, Azure OpenAI 등)를 named preset과 fallback routing으로 전환할 수 있게 했다. MCP 서버를 다중 연결하여 외부 도구를 에이전트에 노출하고, 토큰 기반 2단계 기억 시스템(Dream)으로 장기 세션에서도 컨텍스트를 자동 압축·복원한다. 여기에 자연어 기반 cron 스케줄링, 샌드박스 코드 실행, 서브에이전트 백그라운드 실행까지 지원하므로, 단순 챗봇을 넘어 지속적으로 목표를 추적하는 에이전트를 구축할 수 있다. 생명공학 연구자 관점에서 nanobot의 가치는 "나만의 AI 비서를 인프라 종속 없이 빠르게 구축"하는 데 있다. 예컨대 논문 모니터링 에이전트를 만들어 PubMed API를 MCP 도구로 연결하고, cron으로 매일 새 논문을 수집한 뒤 요약을 Telegram이나 Slack으로 전달하는 파이프라인을 코드 수십 줄로 완성할 수 있다. 실험 데이터 전처리 워크플로에서는 로컬 LLM(Ollama 등)을 에이전트에 연결해 민감 데이터를 외부 API로 보내지 않으면서도 자연어 지시로 CSV 정제, 통계 요약, 시각화 스크립트 생성을 자동화할 수 있다. WebUI가 Python wheel 안에 내장되어 별도 빌드 없이 `nanobot run`으로 브라우저 기반 관리 화면이 열리며, Docker 컨테이너 배포도 지원하므로 랩 서버에 상시 가동하는 연구 지원 에이전트를 운영하기에 적합하다.