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.