Human-Agent-Society/CORAL

해결하는 문제

CORAL은 자율 AI 에이전트 조직이 자동 연구를 수행할 수 있는 강력한 인프라를 제공합니다. 이를 통해 여러 코딩 에이전트가 실험을 실행하고, 지식을 공유하며, 수동 개입 없이 주어진 작업(예: 코드 성능 최적화 또는 수학적 추측 해결)에 대한 솔루션을 지속적으로 개선할 수 있습니다.

작동 방식

CORAL은 각각 고유한 격리된 git worktree에서 작동하는 AI 코딩 에이전트 플릿(예: Claude Code, Cursor Agent, Codex)을 관리합니다. 이러한 에이전트는 메모, 기술 및 이전 시도를 교환할 수 있는 공통 상태 디렉토리(.coral/public/)를 공유합니다. 전용 채점 데몬은 모든 커밋을 지속적으로 채점하여 에이전트가 최적의 솔루션을 찾도록 안내하는 피드백 루프를 제공합니다. 관리자는 주기적인 프롬프트로 에이전트를 중단시켜 전략을 반성, 통합 및 변경하도록 합니다.

대상 독자

멀티 에이전트 협업 및 자가 진화를 통해 발견 및 최적화의 반복적인 과정을 자동화하려는 연구원 및 개발자를 위해 설계되었습니다.

하이라이트

• 멀티 에이전트 협업: Claude Code, OpenCode 및 DeepSeek Harness를 포함한 광범위한 에이전트 런타임을 지원합니다.
• 대칭 공유 상태: 에이전트는 심볼릭 링크된 공개 디렉토리를 통해 실시간으로 서로의 작업을 볼 수 있습니다.
• 안전한 평가: Docker와 통합하여 격리된 비권한 사용자 실행을 수행함으로써 에이전트가 개인 채점 키에 액세스하지 못하도록 방지합니다.
• 확장 가능한 채점기: 사용자 정의 채점 패키지 및 개방형 작업을 위한 LLM 평가 기준(LLM-judge rubric) 채점기를 지원합니다.
• 플러그인 통합: Claude Code 및 Codex용 플러그인을 제공하여 에이전트 인터페이스 내에서 직접 작업을 스캐폴드하고 실행할 수 있습니다.