multimodaladvanced

OpenHuman

로컬 퍼스트 오픈소스 데스크톱 AI 에이전트 — 프라이버시 중심 설계

OpenHuman은 TinyHumans가 2026년 5월 베타 출시한 로컬 퍼스트(local-first) 오픈소스 데스크톱 AI 에이전트다. Rust와 Tauri v2로 구축된 네이티브 바이너리가 macOS, Windows, Linux에서 동작하며, 사용자의 이메일, 메신저, 노트, 캘린더 데이터를 로컬 SQLite와 Obsidian 호환 마크다운 볼트(~/.openhuman/wiki/)에 축적하여 장기 기억(persistent memory)을 형성한다. Obsidian이 개인 지식 관리를 마크다운 파일 기반으로 혁신한 것처럼, OpenHuman은 AI 에이전트에 장기 기억이라는 차원을 더하여 사용할수록 사용자를 깊이 이해하는 개인 AI 런타임을 지향한다. 출시 15일 만에 GitHub 32,000개 이상의 스타와 Product Hunt 데일리/위클리 동시 1위를 기록했다. 기존 AI 에이전트들은 두 가지 구조적 한계를 가진다. ChatGPT나 Gemini 같은 클라우드 서비스는 세션 기반으로 동작하여 대화가 끝나면 맥락을 잃고, 민감한 연구 데이터가 외부 서버로 전송된다. 반면 Ollama나 LM Studio 같은 로컬 LLM 솔루션은 프라이버시를 보장하지만 외부 서비스 연동이나 체계적 메모리 관리 기능이 부재하다. OpenHuman은 Memory Tree 아키텍처로 이 간극을 해결한다. 소스 어댑터가 Gmail, Notion, Slack에서 20분 주기(TICK_SECONDS=1200)로 데이터를 자동 수집하고, 3,000 토큰 이하 청크로 정규화한 뒤 소스별(source-based), 토픽별(topic-based), 일별 다이제스트(global daily digest) 세 가지 트리 구조로 조직한다. 각 리프 노드는 pending_extraction에서 admitted, buffered, sealed 순으로 라이프사이클을 거치며 깊이 점수(deep score)에 따라 승격 또는 폐기된다. TokenJuice 압축 엔진은 도구 출력의 토큰을 약 70% 절감하여 API 비용을 대폭 낮추고, 모델 라우팅 시스템이 작업 유형별 힌트(hint:reasoning, hint:fast, hint:vision, hint:code 등)에 따라 30여 개 LLM 프로바이더 중 최적 모델을 자동 선택한다. 118개 이상의 서비스에 Composio 커넥터를 통한 OAuth 원클릭 연동이 가능하며, v0.54.0부터는 agentmemory 백엔드를 통해 Claude Code, Cursor, Codex 등 다른 AI 코딩 도구와 메모리를 공유할 수 있다. 생명과학 연구자 관점에서 OpenHuman은 연구 워크플로우의 허브 역할을 할 수 있다. 논문 리뷰 과정에서 Gmail로 수신된 저널 알림, Notion에 정리한 독서 노트, Slack 랩 채널의 토론 내용이 Memory Tree에 자동 축적되므로, "지난 한 달간 CRISPR delivery 관련 논문에서 반복 언급된 키워드를 정리해줘"와 같은 질의에 맥락 있는 답변을 즉시 받을 수 있다. 내장 코더 도구셋(filesystem, git, lint, test, grep)으로 Python 분석 스크립트 디버깅이나 파이프라인 자동화를 자연어로 지시할 수 있고, 음성 입력(STT via Whisper)과 음성 출력(TTS via Piper)을 지원하여 웻랩 벤치에서 손을 쓸 수 없는 상황에서도 에이전트와 대화할 수 있다. 로컬 AI 모드를 활성화하면 Gemma3 1B 모델과 all-minilm 임베딩 모델이 오프라인 환경에서도 요약과 검색을 수행하므로, 보안이 엄격한 임상 데이터 환경에서도 프라이버시를 완전히 보장하며 운용할 수 있다.

💻 필요한 컴퓨터 사양

🧠RAM

GPU 불요 (기본 구성은 클라우드 LLM 사용). 로컬 AI 모드 시 Ollama/LM Studio가 GPU 활용 가능하나 필수 아님

💾저장공간

바이너리 ~500MB, 로컬 모델 추가 시 +700MB (Gemma3 1B ~700MB, all-minilm ~23MB), 메모리 데이터 수 GB 가능

⚡ 설치법

### 4-1. Quick Start

```bash
# macOS (Homebrew)
brew tap tinyhumansai/openhuman
brew install openhuman

# Linux (Debian/Ubuntu) — 서명된 apt 저장소
curl -fsSL https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.sh | bash

# Windows (PowerShell) — 서명된 MSI 설치
irm https://raw.githubusercontent.com/tinyhumansai/openhuman/main/scripts/install.ps1 | iex
```

### 4-2. 상세 설치 (소스 빌드)

```bash
# 1. 저장소 클론 (서브모듈 포함)
git clone --recurse-submodules https://github.com/tinyhumansai/openhuman.git
cd openhuman

# 2. 의존성 설치 (Node.js 24+, pnpm 10.10.0, Rust 1.93.0 필요)
pnpm install

# 3. 데스크톱 앱 개발 모드 실행
pnpm --filter openhuman-app dev:app

# 4. (선택) 로컬 AI 활성화 — config.toml에서:
# local_ai.runtime_enabled = true
# local_ai.opt_in_confirmed = true
# 기본 모델: gemma3:1b-it-qat (요약), all-minilm:latest (임베딩)
```

### 4-3. Docker

```bash
docker-compose up
```

🧬 바이오 활용

🔬

연구 문헌 지식 허브

Gmail 저널 알림, Notion 독서 노트, Slack 랩 토론이 Memory Tree에 20분 주기로 자동 축적. "이번 분기 scRNA-seq 관련 토론에서 반복 언급된 도구를 정리해줘" 같은 질의에 소스별·시간별 가중치가 적용된 맥락 답변 생성. 수동 문헌 정리 대비 주간 수시간 절약

🧬

웻랩 음성 데이터 기록

Whisper STT로 실험 프로토콜을 음성 지시하면 마크다운 볼트에 자동 기록. "오늘 트랜스펙션 조건 — Lipofectamine 3000, 2μg DNA, 6well plate, 48시간 인큐베이션" → 실험 노트 자동 생성 및 이전 유사 실험 조건 자동 검색

💊

바이오인포매틱스 스크립트 자동화

내장 코더 도구셋으로 "DESeq2 결과 CSV에서 padj < 0.05인 유전자만 필터링하고 volcano plot 그려줘" 같은 자연어 지시 → Python 코드 생성, 실행, 결과 시각화까지 자동 수행. agentmemory를 통해 Claude Code나 Cursor에서 작성한 분석 코드의 맥락도 공유

📄 공식문서 🐙 GitHub

📝 업데이트 노트

vv0.61.87/17/2026
OpenHuman v0.61.8 업데이트는 소프트웨어 배포 파이프라인을 정비하여 최신 개선 사항을 더욱 안정적으로 반영하는 데 집중했습니다. 메인 브랜치의 최신 작업 내용이 릴리스 브랜치로 원활하게 이어지도록 구조를 개선하여, 향후 배포될 기능들의 신뢰도를 높였습니다. 이번 업데이트는 시스템 안정화에 초점을 맞추고 있어, 연구자분들이 최신 기능과 버그 수정 사항을 더욱 끊김 없이 안정적인 환경에서 활용할 수 있도록 돕습니다.
vv0.61.27/15/2026
이번 OpenHuman v0.61.2 업데이트는 여러 AI 에이전트를 통합 관리하는 '오케스트레이션 허브'를 통해 연구 워크플로우의 제어 능력을 획기적으로 높였어요. 복잡한 실험 시뮬레이션이나 데이터 분석 단계를 에이전트 단위로 정교하게 설계할 수 있으며, 승인 절차를 거치는 도구 실행 기능으로 실험 장비와의 안전한 연동도 가능해졌습니다. 특히 강화된 보안과 안정성 덕분에 민감한 생물학적 데이터를 다루는 자동화 파이프라인을 더욱 신뢰하며 운영할 수 있게 되었어요.
vv0.58.77/1/2026
OpenHuman v0.58.7에서는 화상 회의 기능이 대폭 개선되어, 연구 미팅 내용을 더욱 직관적으로 관리하고 자동 요약 기능을 더욱 안정적으로 활용할 수 있어요. 특히 MCP와 Skills 연결 기능의 응답 속도와 안정성이 향상되어, 외부 생물정보학 데이터베이스나 분석 도구를 연동하여 사용하는 워크플로우의 지연 시간을 크게 줄였습니다. 실험 데이터 처리나 복잡한 분석 파이프라인을 자동화하는 과정에서 더욱 빠르고 신뢰할 수 있는 연구 환경을 경험해 보세요.
vv0.58.06/26/2026
OpenHuman v0.58.0은 메모리와 지능 처리 능력이 대폭 강화되어, 방대한 양의 생물학적 데이터를 더욱 빠르고 정확하게 분석할 수 있어요. 특히 데이터 입력 및 임베딩 과정이 효율적으로 개선되어, 복잡한 유전체 정보나 대규모 문헌 데이터를 다룰 때의 안정성이 높아졌답니다. 또한, 작업 및 에이전트 워크플로우가 정교해짐에 따라 복잡한 실험 파이프라인이나 연구 프로세스를 더욱 체계적으로 자동화하고 관리할 수 있게 되었어요.
vv0.57.536/23/2026
이번 업데이트는 실험 데이터 확인을 위한 채팅 UI와 가독성 개선에 집중했어요. 마크다운 테이블과 첨부 파일 처리 기능이 정교해져 복잡한 수치나 실험 결과물을 더 정확하게 파악할 수 있습니다. 또한, 음성 명령의 안정성이 높아져 실험 중 핸즈프리 활용이 더 원활해졌으며, 세션 관리 오류도 해결되어 끊김 없는 연구 흐름을 유지할 수 있어요.
vv0.57.526/20/2026
이번 업데이트로 Agent World의 데이터 레이어가 강화되어, 실시간 데이터 피드와 디렉토리를 더욱 정확하게 모니터링할 수 있게 되었어요. 특히 백그라운드 에이전트의 작업 관리 기능이 개선되어, 복잡한 연구 워크플로우 수행 시 불필요한 연산 자원 낭비를 방지할 수 있습니다. 또한 지갑 보안 및 복구 프로세스가 안정화되어 연구 자산 관리의 신뢰도도 한층 높아졌어요. 데이터의 정확성과 작업 효율성을 동시에 높이고 싶은 연구자분들께 이번 업데이트를 추천드려요.
vv0.57.446/18/2026
이번 업데이트에서는 멀티 에이전트 오케스트레이션 기능이 강화되어, 비용이 많이 드는 복잡한 생물학적 시뮬레이션이나 워크플로우를 승인 절차와 함께 안정적으로 관리할 수 있어요. 특히 시각 지능(Vision) 기능과 수치 정확도(Numeric Grounding)가 개선되어, 현미경 이미지 분석이나 정밀한 실험 데이터 추출 시 데이터의 신뢰성을 높여줍니다. 또한 백그라운드 작업 패널이 도입되어 대규모 데이터 분석을 실행해 두는 동안에도 중단 없이 다른 연구 업무에 집중할 수 있어 매우 효율적이에요.
vv0.57.406/17/2026
OpenHuman v0.57.40은 에이전트 추론을 병렬로 처리하여 대화 속도를 획기적으로 높였습니다. 덕분에 여러 개의 복잡한 생물학적 질의를 순차적 대기 없이 동시에 수행하며 데이터 분석 시간을 크게 단축할 수 있어요. 또한 메모리 소스의 신뢰성이 개선되어, 이전 연구 맥락이나 실험 데이터가 끊김 없이 더욱 정확하게 유지됩니다. 더욱 빠르고 안정적인 환경에서 대규모 문헌 검토와 데이터 분석 작업을 효율적으로 진행해 보세요.

🧪 관련 생명의 코드

관련된 생명의 코드 글이 아직 없습니다.