2026년 10월, GitHub의 인기 오픈소스 AI 프로젝트

GitHub의 월별 트렌딩 페이지는 언어별로 작동합니다. 언어 필터가 이미 대상 집합을 정의하기 때문입니다. 오픈소스 AI는 다른 질문을 던집니다: 프로젝트는 5개 언어에 걸쳐 있으며, 유용한 기준은 저장소가 수행하는 역할입니다.

이 스냅샷은 2026년 10월 16일에 공개된 GitHub API에서 읽어온 것이며, 각 그룹 안의 저장소는 별(Star) 수 기준으로 정렬되어 있습니다. 별 수는 관심의 척도이며, 스킬 폴더는 서빙 엔진보다 더 빠르게 이러한 관심을 모을 수 있으므로, 정렬보다 그룹화가 우선합니다. 라이선스 컬럼 역시 순위의 일부입니다. 별 수가 가장 많은 프로젝트 중 상당수가 페어코드(fair-code), 브랜드 제한, 또는 두 개의 라이선스로 나뉘어 있기 때문입니다.

이 사이트의 Rust 및 Go 모음은 같은 페이지에서 언어 필터를 적용해 그룹화하여 만들었습니다. 여기서는 필터 대신 아래의 8개 역할 그룹을 사용하고 있으며, 각 섹션에서는 근소한 차이로 선택지를 가르는 트레이드오프를 설명합니다. 마지막 섹션에서는 표를 실행 가능한 짧은 목록으로 바꾸고, 다음 스냅샷을 위한 반복 가능한 방법을 제시합니다.

오픈소스 AI 프로젝트 순위 매기기

주제 검색 후 역할 부여

GitHub 주제는 언어 필터의 실용적인 대체재입니다. ai-agents, llm, rag, local-llm, 또는 agent-memory와 같은 주제를 별 수로 정렬하고, 지난 몇 달간 push된 저장소를 유지하세요. “AI"에 대한 자유 텍스트 검색은 범위치가 너무 넓고, 필터링되지 않은 트렌딩 페이지는 여전히 에이전트와 무관한 도구들을 섞어 놓습니다.

목록을 재구성하려면 세 가지 공개 입력값이면 충분합니다. 풀(pool)을 위한 주제 검색, 역할 라벨을 위한 Top Open Source AI와 같은 시나리오 카탈로그, 그리고 마지막 컬럼을 위한 저장소의 LICENSE 파일을 사용하세요. 해당 카탈로그는 자체적으로 합성 점수를 공개합니다: 별 70%, 기여자 10%, 업데이트 최신성 20%. 이 글에서는 더 간단한 규칙을 유지하므로, 표에 있는 숫자는 GitHub에 표시된 숫자와 동일합니다.

유용한 시작 쿼리:

• ai-agents 주제, 별 수 순
• llm 주제, 별 수 순
• rag 주제, 별 수 순
• 5,000개 이상 별을 가진 agent-memory 주제
• GitHub 트렌딩, 월간

소프트웨어는 유지하고, 목록은 제외

어떤 사람이 설치할 수 있거나, 에이전트가 실행되는 방식을 변경하는 유지 관리되는 하네스(harness)일 때에만 저장소가 표에 한 줄을 얻습니다. Awesome-list, 프롬프트 디렉터리, 벤더 시스템 프롬프트 덤프는 별을 모으지만 배포할 무엇도 남기지 않습니다. 이들은 읽기 목록에 속하며, 아래 표에서는 제외됩니다.

트렌딩 컬럼은 자신의 스냅샷에서만 추가

언어 모음은 GitHub가 하나의 언어 안에서 해당 차이를 이미 계산하기 때문에 한 달 동안 얻은 별 수를 표시할 수 있었습니다. 이 그룹들 사이에서는 월간 차이를 계산하려면 자신의 두 번의 스냅샷이 필요합니다. 매월 1일에 full_name과 stargazers_count를 저장한 뒤, 차를 빼세요. 그 시계가 존재하지 않는 동안, 총 별 수는 정직한 순위 기준입니다. 제목에 있는 “Trending"은 이 날짜 기준으로, 상당한 관심과 그에 걸맞은 활성 유지 관리 프로젝트임을 의미합니다.

프로젝트가 놓인 위치

이 그룹들은 쌓을 수 있는 계층입니다. 코딩 어시스턴트가 게이트웨이를 호출할 수 있고, 게이트웨이가 Ollama 또는 vLLM을 호출할 수 있으며, 메모리 서비스는 이 둘 중 어느 것과도 나란히 놓일 수 있습니다. 같은 계층의 두 제품은 보통 두 번째 의견일 뿐이며, 더 나은 아키텍처인 경우는 드뭅니다.

개인 AI 어시스턴트

이 그룹은 단일 코딩 세션을 넘어, 마शी나 또는 도구 전반에서 작업을 수행하는 에이전트를 위한 것입니다. OpenClaw는 압도적인 격차로 1위를 차지합니다. Hermes는 이 규모에서 다른 범용 에이전트이며, AutoGPT는 라이선스가 나뉘어 있더라도 여전히 별을 축적하고 있는 오래된 이름입니다. 이 두 프로젝트만의 더 깊은 리더보드, 다운로드, 토큰 점유율, CVE 이력은 OpenClaw vs Hermes Agent 비교에서 확인할 수 있습니다.

Firecrawl이 여기 목록에 포함된 이유는 에이전트가 페이지를 필요로 하며, 이는 실제로 사람들이 별을 주는 웹 데이터 프로젝트이기 때문입니다. 이는 도구이며, 어시스턴트가 이를 호출합니다.

OpenClaw

OpenClaw는 “모든 플랫폼에서 작업을 수행하는 AI"라고 스스로를 지칭하는 프로젝트를 단순하게 해석하면, 자신의 운영체제에서 실행되어 작업을 수행하는 개인 에이전트입니다. 별 수는 이 글 중 가장 크고, MIT 라이선스는 이 집합 중 가장 관대한 편에 속합니다. 광범위한 마शी나 접근권을 가진 로컬 자동화 런타임으로 설치하고, 실행을 유지하기 전에 터치할 수 있는 범위를 제한하세요.

Hermes Agent

Nous Research의 Hermes Agent는 사용하면서 스킬과 컨텍스트를 축적하도록 설계된 범용 에이전트입니다. Python 코드베이스와 동일한 MIT 조건을 갖추고 OpenClaw와 같은 역할을 수행합니다. 이러한 성장 루프를 원하고 이미 Python 에이전트 운영에 익숙할 때 선택하세요. Hermes와 OpenClaw를 모두 실행하면 감사해야 할 권한 모델이 두 개가 됩니다.

AutoGPT

AutoGPT는 자율 에이전트를 GitHub의 주류 카테고리로 만든 프로젝트이며, 여전히 이 집합에서 가장 별을 많이 받은 이름 중 하나입니다. 라이선스는 더 이상 단일 부여가 아닙니다. autogpt_platform 폴더 밖의 모든 것은 MIT이며, 그 폴더 안의 모든 것은 제작자가 코드의 상업적 가치를 예약하는 Polyform Shield 라이선스 하에 있습니다. 플랫폼 디렉터리 위에 프로덕트를 구축하기 전에 그 분할을 읽으세요.

Firecrawl

Firecrawl는 웹사이트를 에이전트가 호출할 수 있는 데이터로 변환합니다. 별 수가 수집(acquisition)이라는 역할에도 불구하고 어시스턴트들 사이에 위치한다는 것은 2026년에 사람들이 무엇을 연결하고 있는지 많은 것을 말해 줍니다. 수정하여 서비스를 제공하려면 AGPL-3.0이 중요합니다. 로컬 또는 벤더 엔드포인트만 호출하는 개인 에이전트의 경우, 라이선스는 더 작은 제약 사항입니다.

AI 코딩 어시스턴트

코딩 에이전트는 2026년 목록의 가장 밀집된 부분입니다. OpenCode는 완전히 오픈된 터미널 및 편집기 에이전트에서 선두를 달리고 있으며, Codex와 Gemini CLI는 우연히 오픈소스인 벤더 CLI로紧随其后합니다. OpenHands, Cline, Goose는 실제로 실행할 수 있는 다른 프로그램입니다.

Aider(49,567 별, Apache-2.0), Continue(36,228, Apache-2.0), Crush(28,669, FSL-1.1-MIT)는 다음 밴드에서 실제 코딩 도구입니다. Crush의 라이선스는 파일에 명시된 일정표에 따라 MIT로 변환되는 Functional Source License입니다. 코딩 에이전트 하나는 충분합니다. 두 번째는 비교 주간을 위한 것이고, 그 후로는 동기화해야 할 구성이 됩니다.

OpenCode

OpenCode는 터미널 워크플로우와 대형 플러그인 서면을 갖춘 오픈소스 코딩 에이전트입니다. 검사 가능한 코딩 에이전트를 원할 때 사람들이 인용하는 기본 이름이 되었으며, MIT 라이선스는 그 사용과 일치합니다. 저장소는 anomalyco/opencode입니다. 에이전트 자체를 패치할 수 있는 무언가로 원할 때 선택하세요.

Codex

Codex는 Rust로 작성되어 Apache-2.0 라이선스를 가진 OpenAI의 터미널용 경량 코딩 에이전트입니다. 호스팅 모델 패밀리용 오픈 클라이언트로, 로컬 우선 에이전트와는 다른 거래(bargain)입니다. 팀이 이미 OpenAI 모델로 표준화되어 있고 자동화할 수 있는 CLI를 원할 때 사용하세요. 클라이언트가 오픈되어 있다고 해서 모델 가중치가 디스크에 이동하는 것은 아닙니다.

Gemini CLI

Gemini CLI는 Gemini를 Apache-2.0 하에서 에이전트로 터미널에 가져옵니다. 이는 다른 프로바이더를 위한 Codex와 동일한 역할을 수행하며, TypeScript 코드베이스는 기존 Node 툴링에 내장하기가 더 쉽습니다. 이미 지불하고 있는 모델이 Gemini일 때 선택하세요. Codex 옆에서 실행하는 것은 각 저장소가 하나의 기본 에이전트를 가지는 경우에만 합리적입니다.

OpenHands

OpenHands는 전체 작업 루프를 갖춘 소프트웨어 개발 에이전트로, 이제 OpenHands 조직에서 게시됩니다. MIT 라이선스와 더 높은 수준의 제품은 이를 플랫폼 선택지로 만듭니다. 단일 바이너리보다 자체 호스팅할 수 있는 호스팅 개발 환경에 더 가깝습니다. 에이전트 주위에 이슈, 샌드박스, UI를 원할 때 사용하세요. 1인용 터미널 워크플로우의 경우 OpenCode, Codex, Goose가 더 작은 설치입니다.

Cline

Cline는 SDK, IDE 확장 프로그램, 또는 CLI로 배포되는 자율 코딩 에이전트입니다. Apache-2.0과 편집기 통합은 VS Code에 머무르면서도 호출할 수 있는 라이브러리를 원하는 사람들에게 실용적인 선택을 만들어 줍니다. 채팅 UI와의 겹침보다는 OpenCode와의 겹침이 더 많습니다. 리뷰가 가독성을 유지하도록 각 저장소마다 둘 중 하나를 표준화하세요.

Goose

Goose는 지정한 모델로 코드를 설치, 편집, 실행, 테스트하는 확장 가능한 로컬 에이전트입니다. 저장소는 이제 aaif-goose/goose에 있으며, Rust 구현과 Apache-2.0은 이를 강력한 워크스테이션 에이전트로 만듭니다. 모델 프로바이더가 교체 가능하고 에이전트가 코드를 가진 마शी나에서 실행되어야 할 때 Goose를 선택하세요. OpenCode보다 별 수가 적지만, 로컬 모델에 더 직접적인 적합성입니다.

에이전트 스킬과 하네스

주제 검색은 이 그룹을 실제 제품 중 여러 개보다 위에 놓을 것입니다. Superpowers와 ECC는 이미 실행 중인 에이전트를 위한 지침, 훅, 워크플로우입니다. Spec Kit은 GitHub 자체의 스펙 기반 개발을 위한 프로세스 툴킷입니다. 이들은 에이전트 동작을 변경하지만, 여전히 이전 섹션의 코딩 어시스턴트와 조합되는 소프트웨어입니다.

Superpowers

Superpowers는 에이전틱 스킬 프레임워크이자 소프트웨어 개발 방법론으로, 주로 MIT 하의 shell 파일과 지침 파일로 배포됩니다. 이 별 수는 몇 달 만에 코딩 에이전트 사용자들에게 방법이 확산될 때 얻는 것입니다. 이미 신뢰하는 에이전트 위에 설치하고, 저장소에 맞추기 위해 스킬을 편집해야 할 것임을 예상하세요. 프레임워크는 그 에이전트가 이미 가진 권한을 따릅니다.

ECC

ECC는 Claude Code, Codex, OpenCode, Cursor 및 유사한 에이전트를 위한 하네스로, 에이전트가 작동하는 방식 주변의 스킬, 메모리, 검사를 다룹니다. 여러 코딩 에이전트에 동일한 루프를 원한다면 이것이 올바른 형태입니다. 또한 모델과 당신 사이의 또 다른 움직임 있는 계층입니다. 팀이 이미 에이전트를 선택했고 그들에게 브리핑하기 위한 하나의 공유 방식을 원할 때 채택하세요.

Spec Kit

Spec Kit은 GitHub의 스펙 기반 개발 및 그 주위의 프로세스를 위한 툴킷입니다. 유지 관리자 플랫폼은 이 저장소 대부분이 이미 살고 있는 곳이며, MIT 라이선스는 단순합니다. 에이전트가 코드를 편집하기 전에 작성된 스펙을 원할 때 사용하세요. 팀이 스펙을 선택적 서류로 취급하면 조용히 있을 것입니다.

AI 메모리

메모리는 에이전트가 재개할 수 있게 해주는 계층입니다. 별을 받은 프로젝트들은 두 가지 스타일로 나뉩니다. claude-mem, Beads, Hindsight의 대부분은 코딩 세션에 메모리를 첨부합니다. Mem0, Cognee, Letta는 애플리케이션 에이전트에서 호출하는 서비스입니다. 이러한 백엔드의 캡처 정책, 종속성, 셀프 호스팅 트레이드오프는 Agent Memory Providers에서 비교됩니다.

Memvid(16,600 별, Apache-2.0)와 Zep(4,961 별, Apache-2.0)은 같은 역할에서 더 작은 옵션으로, Memvid는 단일 파일 스토리지, Zep은 통합 중심 메모리 API입니다. 에이전트당 하나의 메모리 시스템은 나중에 설명할 수 있는 설정입니다.

claude-mem

claude-mem은 코딩 에이전트가 수행한 것을 기록하고, 그 히스토리를 압축하고, 관련 부분을 후속 세션에 주입합니다. Claude Code, OpenClaw, Codex, Gemini CLI, Hermes, Copilot, OpenCode와 대화하므로 이 그룹에서 1위를 차지합니다. Apache-2.0은 수정할 수 있는 사이드카에 적합합니다. 계속 잊는 것이 코딩 세션 자체일 때 사용하세요.

Mem0

Mem0은 에이전트와 애플리케이션을 위한 메모리 계층으로, API 뒤에서 사용자, 세션, 에이전트 상태를 관리합니다. 프로덕트가 서포트 봇 또는 개인 어시스턴트이고, 그 메모리를 단일 코딩 도구 외부에 원할 때 기본 이름입니다. Apache-2.0과 호스팅 옵션은 나란히 있으므로, 셀프 호스팅은 나중에 결정할 수 있는 선택입니다. 코딩 세션 훅보다 여러 에이전트가 사용자의 동일한 사실에 액세스해야 할 때 이를 선호하세요.

Hindsight

Hindsight는 Vectorize의 에이전트 메모리 프로젝트로, 이미 수행한 것에서 배우는 에이전트를 목표로 하며, 코딩 에이전트와 애플리케이션 프레임워크 모두와 통합됩니다. MIT 라이선스는 이 그룹에서 가장 관대합니다. 이 프로젝트는 강력한 벤치마크 주장을 게시하며, 프로덕트를 거기에 베팅하기 전에 자신의 전사록으로 그 주장을 재실행해야 합니다. 전용 메모리 서비스를 원하고 자신의 데이터로 Mem0와 비교할 의사가 있을 때 Hindsight를 선택하세요.

Cognee

Cognee는 에이전트가 쿼리할 수 있는 메모리와 지식 그래프를 구축하며, 해당 계층을 더 작은 모델에서 실행하는 데 중점을 둡니다. Mem0와 겹치며, 아래 RAG 도구와도 겹칩니다. 문서의 그래프는 메모리와 검색 모두처럼 작동하기 때문입니다. Apache-2.0은 임베딩 경로를 교체 가능하게 유지합니다. 신경 쓰이는 사실이 엔티티와 관계이고, 평탄한 벡터 인덱스가 이미 너무 손실이 크다고 느껴질 때 선택하세요.

Beads

Beads는 코딩 에이전트 작업, 계획, 종속성을 git 분기(branch)와 함께 이동하는 파일로 저장합니다. 저장소는 이제 gastownhall/beads이며, 1월 Go 모음에서 이전 경로로 나열된 것과 동일한 프로젝트입니다. MIT와 git 기반 스토리지로 인해 기존 리뷰 프로세스가 볼 수 있는 메모리 도구가 됩니다. 컨텍스트가 분기(fork)와 함께 이동해야 할 때 사용하세요. 메모리가 단일 저장소를 넘어야 할 때는 claude-mem 또는 Mem0를 사용하세요.

Letta

Letta는 MemGPT에서 기원한 스테이트풀 에이전트 플랫폼입니다. 여기서 메모리는 에이전트 런타임의 일부이므로, 에이전트는 플랫폼의 기능으로서 자신의 컨텍스트를 관리합니다. 이는 이미 실행 중인 에이전트 아래에 Mem0를 떨어뜨리는 것보다 더 깊은 헌신(commitment)입니다. Apache-2.0은 오픈 플랫폼에 적용됩니다. 런타임과 메모리가 함께 설계되어 있을 때 Letta를 선택하고, 대체할 의도가 없는 에이전트 아래에 메모리를 원할 때 Mem0를 선택하세요.

RAG와 지식 베이스

RAG 프로젝트는 문서를 컨텍스트 계층으로 변환합니다. RAGFlow는 사람들이 별을 주는 끝에서 끝까지(end-to-end) 엔진입니다. LlamaIndex는 문서 프레임워크, GraphRAG는 Microsoft의 그래프 접근법, WeKnora는 Tencent의 지식 플랫폼으로, 1월 Go 모음에도 등장했고 성장하고 있습니다.

RAGFlow

RAGFlow는 지저분한 문서를 분석하고 인용(citations)을 프로덕트의 일부로 포함하여 에이전트에 검색을 노출하는 셀프 호스팅 RAG 엔진입니다. Apache-2.0과 팀에게 전달할 수 있는 UI는 이것이 분명한 격차로 이 그룹에서 선두인 이유입니다. “우리 파일을 답변 박스 뒤에 놓는” 것이 역할이고, 파서, 인덱스, API를 하나의 프로젝트에서 원할 때 사용하세요. 이미 제어하는 애플리케이션 안에 검색을 임베딩할 때 LlamaIndex를 찾아가세요.

LlamaIndex

LlamaIndex는 에이전트와 RAG 파이프라인을 위한 문서 처리 프레임워크입니다. 많은 커넥터가 있는 라이브러리이며, MIT 라이선스는 그 역할에 적합합니다. 인덱스, 스토리지, 에이전트를 스스로 조립하는 것이 유연성의 비용입니다. 프로덕트 코드를 위해 선택하세요. 배포 가능한 서비스로서 동일한 역할을 원할 때 RAGFlow를 선택하세요.

GraphRAG

GraphRAG은 코퍼스 위의 그래프를 구축하고, Microsoft Research의 오픈 구현으로서 해당 그래프를 따라가며 질문에 답합니다. 기법 자체는 Advanced RAG: LongRAG, Self-RAG and GraphRAG에서 설명됩니다. MIT 라이선싱은 벡터 파이프라인 옆에서 시도하기 쉽게 만듭니다. 그래프 구축은 chunk-and-embed 인덱스보다 초기 비용이 더 들며, 많은 문서를 아우르는 질문에 그 비용을 회수합니다. 현재 문서를 chunk로 억지로 밀어 넣고 있는 구조가 있는 코퍼스일 때 사용하세요.

WeKnora

WeKnora는 문서를 RAG 인덱스, 에이전트, 프로젝트가 자체 유지(self-maintaining)라고 설명하는 위키로 변환하는 Tencent의 지식 플랫폼입니다. 프로젝트 라이선스는 Tencent의 서문(preamble) 아래에 놓인 MIT 부여를 포함하여 MIT이며, 서드파티 구성 요소는 각자의 조건 하에 있습니다. GitHub는 해당 라이선스를 Other로 보고합니다. 이 표에서 RAGFlow와 가장 가까운 사촌(cousin)으로, Go 코어를 갖추고 있습니다. 위키와 에이전트를 동일한 박스에 원할 때 선호하고, 라이브러리를 마이그레이션하기 전에 자신 PDF의 샘플로 파서를 비교하세요.

워크플로우와 에이전트 빌더

빌더는 팀이 플로우를 그리는 곳이거나, 개발자가 그이를 위한 프레임워크를 가져오는 곳입니다. n8n은 별 수로는 가장 크고 라이선스로는 가장 좁습니다. Dify와 Langflow는 AI 네이티브 스튜디오입니다. LangChain은 그 외 수많은 것들의 밑바닥에 있는 라이브러리입니다.

CrewAI(59,745 별, MIT)와 AutoGen(61,429 별, CC-BY-4.0)은 코드 우선 멀티 에이전트 프레임워크와 같은 대화에 속합니다. AutoGen의 Creative Commons 귀속(attribution) 라이선스는 코드 저장소에 대해 이례적이며, 벤더링하기 전에 읽을 가치가 있습니다. LangChain은 여전히 그 프레임워크들이 만나는 통합 표면입니다.

n8n

n8n은 수백 개의 통합과 네이티브 AI 스테이를 갖춘 워크플로우 플랫폼으로, Zapier 스타일의 호스팅 가능한 자동화를 원할 때 사람들이 의미하는 프로젝트입니다. Sustainable Use License는 내부 비즈니스 사용, 개인 사용, 비상업적 사용을 허용합니다. 배포는 무료 비상업적 카피로 제한되며, .ee로 표시된 파일은 별도의 엔터프라이즈 라이선스가 필요합니다. 이는 소스 가용 페어코드이며, 이러한 제한이 운영 방식과 일치한다면 내부 자동화에 여전히 적합한 도구입니다.

Dify

Dify는 에이전트 워크플로우와 RAG 파이프라인을 위한 워크스페이스로, 모델 프로바이더와 도구를 하나의 배포 가능 스택에 담고 있습니다. 라이선스는 Apache-2.0에서 시작하여 조건을 추가합니다: 멀티 테넌트 서비스(여러 워크스페이스) 운영에는 상업 라이선스가 필요하며, 콘솔 로고와 저작권 표시는 프론트엔드에 유지됩니다. 싱글 테넌트 내부 사용은 추가 조항이 열어 둔 경우입니다. 프로토타입부터 프로덕션까지 하나의 UI가 필요한 팀에 Dify를 선택하고, 라이선스가 단순 MIT여야 할 때 Langflow를 선택하세요.

Langflow

Langflow는 에이전트와 RAG 플로우를 위한 시각적 빌더로, MIT 라이선스와 Dify와 거의 동률을 이루는 별 수를 가집니다. 캔버스가 프로덕트이며, 생성된 플로는 개발자가 여전히 소유할 수 있는 것입니다. 파이프라인의 다이어그램과 조달 체크리스트가 이미 이해하는 라이선스를 원할 때 사용하세요. 트레이드오프는 Dify의 워크스페이스 기능보다 젊은 애플리케이션 표면입니다.

LangChain

LangChain은 대부분의 통합 문서가 여전히 전제로 하는 에이전트 엔지니어링 라이브러리입니다. MIT와 커넥터의 폭넓음은 모든 짧은 목록에 남게 하며, 체인이 단순한 것을 수행할 때 추상화 비용은 실제입니다. 애플리케이션 코드를 작성하고 이미 작성된 어댑터를 원할 때 사용하세요. 전달 가능한 것이 워크스페이스일 때 Dify 또는 Langflow를 사용하고, 플로우가 몇 번의 호출일 때 직접 프로바이더 SDK를 사용하세요.

로컬 추론과 채팅 인터페이스

이것은 다른 모든 것 밑의 계층입니다. Ollama는 워크스테이션 런너, Transformers는 모델 정의 라이브러리, Open WebUI는 채팅 프론트엔드, llama.cpp은 포터블 C++ 엔진, vLLM은 서버 엔진입니다. Hugging Face Transformers는 다른 프로젝트들이 이를 가져오기 때문에 포함되며, Ollama를 실행하는 방식처럼 이를 “실행"하지는 않습니다. 런타임 전반의 API 성숙도, 하드웨어 지원, 프로덕션 준비 상태는 Ollama vs vLLM vs LM Studio에서 비교됩니다.

Ollama

Ollama는 단순한 CLI와 OpenAI 호환 API 뒤에서 최신 오픈 모델을 로컬에서 실행합니다. 1월 Go 모음에서 이미 리더였으며, 183,334 별을 가진 여전히 기본 워크스테이션 런타임입니다. MIT와 단일 데몬이 이유입니다. 개발자 마शी나와 소형 서버에서 사용하세요. 동시성, 배치, GPU 활용도가 문제가 될 때 동일한 가중치를 vLLM으로 이동하세요.

Transformers

Transformers는 텍스트, 비전, 오디오, 멀티모달 체크포인트 전반에서 모델을 정의, 로드, 실행하는 Hugging Face의 라이브러리입니다. Apache-2.0과 그 주변의 모델 허브는 이를 스택의 나머지 부분이 가져오는 라이브러리로 만듭니다. 모델을 훈련, 변환, 디버깅할 때 이를 느낍니다. Ollama 또는 vLLM이 이미 필요한 체크포인트를 서빙한다면 오랜 시간 이를 무시할 수 있습니다.

Open WebUI

Open WebUI는 대부분의 사람들이 Ollama와 OpenAI 호환 API 앞에 두는 채팅 인터페이스입니다. Open WebUI 라이선스는 재배포를 허용한 뒤 브랜딩을 제한합니다. 이동 30일 중 50명의 최종 사용자가 넘으면, 서면 허락 또는 엔터프라이즈 라이선스 없이 Open WebUI 이름과 마크를 변경, 제거, 대체할 수 없습니다. 이름을 유지하는 개인 또는 소규모 팀 설치에 대해, 이는 세련된 프론트엔드입니다. 재브랜딩할 프로덕트의 경우, 엔터프라이즈 대화를 먼저 예산에 포함하세요. Docker 배포와 설정 옵션은 Open WebUI 가이드에서 다룹니다.

llama.cpp

llama.cpp는 일반 하드웨어에서 로컬 모델을 실용적으로 만든 C 및 C++ 추론 엔진입니다. MIT 라이선싱과 GGUF 생태계 때문에 Ollama와 수많은 소형 앱들이 그 위에 놓입니다. 엔진, 양자화(quantization) 도구, 또는 종속성이 적은 바이너리를 원할 때 프로젝트를 직접 사용하세요. 모델 관리가 이미 감싸여 있는 그 엔진을 원할 때 Ollama를 사용하세요.

vLLM

vLLM는 GPU를 위한 고처리량 서빙 엔진으로, 연속 배치와 OpenAI 호환 API를 갖추고 있습니다. Apache-2.0과 배포 중심성은 이를 Ollama의 서버 대응으로 만듭니다. GPU를 실행하는 사람들로 인해 별 수는 낮지만, 그 대상이 차이를 느끼는 대상입니다. 하나의 마शी나를 공유하는 동시 세션이 몇 개를 넘을 때 vLLM을 선택하세요.

LLM 게이트웨이

게이트웨이는 많은 프로바이더 앞의 OpenAI 호환 프론트 도어입니다. LiteLLM은 일반적 선택, New API는 셀프 호스팅 유통사, Bifrost는 더 작은 고처리량 게이트웨이입니다. 프로바이더가 하나 이상, 키당 예산, 또는 페일오버(fail over)가 필요할 때 스택에 게이트웨이를 두세요. 단일 로컬 Ollama 데몬은 이를 필요로 하지 않습니다.

LiteLLM

LiteLLM은 하나의 OpenAI 모양 인터페이스를 통해 대량의 프로바이더 API를 노출하며, 지출 추적, 재시도, 가드레일을 갖추고 있습니다. enterprise/ 디렉터리 밖의 코드는 MIT이며, 그 디렉터리는 자체 라이선스를 가집니다. Python SDK는 애플리케이션 코드가 가져오고, 프록시는 플랫폼 팀이 실행합니다. 많은 벤더에 대한 하나의 클라이언트를 원할 때 코어를 사용하세요. 저장소 전체가 MIT라고 가정을 하기 전에 엔터프라이즈 디렉터리를 확인하세요.

New API

New API는 프로바이더를 집계하고 OpenAI, Claude, Gemini 호환 엔드포인트로 재서빙하는 모델 허브입니다. 사용자 계정, 할당량, 유통 UI도 원할 때 사람들이 배포하는 게이트웨이입니다. 허브를 수정하여 서비스로 제공하려면 AGPL-3.0이 중요한 조건입니다. 업스트림 키가 있는 내부 게이트웨이에 대해, Go 배포와 더 엄격한 라이선스를 가진 LiteLLM 프록시의 구체적인 대안입니다.

Bifrost

Bifrost는 모델과 도구를 위한 Go 게이트웨이로, 페일오버, 예산, MCP 게이트웨이를 동일한 프로세스에 갖추고 있습니다. LiteLLM보다 별 수가 훨씬 낮고, 1월 Go 모음에서 이미 트렌딩 목록에 있었으므로, 이 프로젝트는 알려지지 않은 것보다 젊은 것입니다. Apache-2.0은 엔터프라이즈 디렉터리 분할을 피합니다. 게이트웨이가 바쁘게 움직이는 서비스의 요청 경로 위에 있고 소형 Go 바이너리를 원할 때 고려하세요. 오늘날 프로바이더 어댑터의 긴 꼬리(long tail)가 필요할 때 LiteLLM을 유지하세요.

실행할 가치가 있는 스택

표들은 지도이며, 워크스테이션은 여전히 짧은 목록을 필요로 합니다. 2026년 10월의 로컬 설정을 위해, Ollama와 코딩 에이전트 하나는 일일 루프를 커버합니다. 브랜딩 조항이 사용자 수와 맞으면 Open WebUI를, 메모리가 애플리케이션에 속하는지 코딩 세션에 속하는지에 따라 Mem0 또는 claude-mem을, 문서가 프로덕트라면 RAGFlow를 추가하세요. 두 번째 모델 프로바이더가 등장한 후에만 LiteLLM 또는 New API를 추가하세요.

Superpowers와 ECC와 같은 스킬 팩은 에이전트가 선택된 후에 옵니다. 별을 주고 축적하기가 쉬우며, 하나의 저장소에 세 개의 하네스가 있으면 동일한 지시를 놓고 다툰다.

순위 최신화 유지

이 글 상단의 주제 쿼리를 반복하고, 각 새 저장소에 하나의 역할을 부여한 뒤, 그 역할을 별 수로 재정렬하세요. 그런 다음 라이선스 파일을 여세요. 스킬 디렉터리, 프롬프트 목록, 또는 한 주의 관심으로 표를 뛰어넘은 프로젝트는 실행하는 도구를 대체하기 전에 다음 스냅샷까지 기다릴 수 있습니다.

스냅샷을 저장하세요. full_name, stargazers_count, license, pushed_at을 포함하는 단일 CSV를 월간으로 취하면, 이 페이지의 다음 판을 실제 트렌딩 컬럼, 즉 언어 기사들이 이미 보여주는 것과 같은 종류의 차이(delta)로 바꿉니다. 그때까지, 그룹은 잘 늙는 부분이며, 별 수는 의도적으로 오래될 부분입니다.

출처

별 수, 언어, 라이선스 정체성은 2026년 10월 16일에 GitHub 저장소 API와 저장소 LICENSE 파일에서 읽었습니다. 역할 라벨은 또한 Top Open Source AI의 공개 시나리오 목록을 참조하며, 이는 여기서 사용된 정렬과 별개로 자체 합성 점수를 문서화합니다.

• GitHub 주제: ai-agents
• GitHub 주제: llm
• GitHub 주제: rag
• GitHub 트렌딩, 월간
• Top Open Source AI
• Polyform Shield 라이선스
• Functional Source License
• n8n: Sustainable Use License 및 플랜
• Open WebUI 라이선스 파일