MaxMiksa/Autonomous-Company

Autonomous Company – AI 기반 멀티 에이전트 프레임워크

개요

• 대규모 언어 모델(기본값은 Claude Code, 또는 OpenAI Codex)이 "회사"를 대신하여 지속적인 작업 루프를 실행하는 독립형 시스템.
• 루프는 공유 작업 요약을 읽고, 다음에 무엇을 할지 결정하며, 임시 AI 에이전트 팀(각각 실제 전문가를 모델로 함)을 생성하고, 연구, 코딩, 배포 또는 마케팅과 같은 작업을 실행하며, 새로운 요약을 다시 작성하고 반복합니다.
• 모든 상태는 일반 텍스트 파일(PROMPT.md, memories/consensus.md, 로그, 제품 폴더)에 저장되므로 사람이 언제든지 개입할 수 있습니다.

핵심 개념

개념	기능
Agentic Workflows	프롬프트 기반의 "팀 구성". LLM이 14개의 사전 정의된 전문가 페르소나 중 2~5개를 선택하고(예: CEO로 Jeff Bezos, 풀스택 엔지니어로 DHH), 현재 작업을 해결하기 위한 기술 세트를 부여합니다.
Product Center	생성된 모든 제품을 카탈로그화하고, 기록을 유지하며, 새로운 모델 호출 없이 실행을 시작, 일시 중지 또는 검사할 수 있는 로컬 웹 UI (http://127.0.0.1:8810/center).
Continuous Auto-Loop	사용자 수준 데몬(macOS의 경우 launchd, Linux/WSL의 경우 systemd)으로 실행되는 셸 스크립트 (auto-loop.sh). 각 반복은 단일 LLM CLI 호출이며, 그 뒤에 장애 처리(속도 제한 대기, 서킷 브레이커, 롤백)가 수행됩니다.
Engine adapters	일반 CLI 호출을 Claude Code 또는 @openai/codex npm 패키지로 변환하는 얇은 래퍼. Cursor 또는 기타 OpenAI 호환 백엔드용 옵션 어댑터는 ENGINE_ADAPTERS.md를 통해 추가할 수 있습니다.
Human-in-the-Loop (HITL)	사람이 memories/consensus.md(다음 작업, 예산 제한, 가드레일)를 편집하고 루프를 다시 시작합니다. 대시보드는 감독을 위한 로그와 사용량을 표시합니다.

작동 방식 (상위 수준 흐름)

1. 작업 요약 읽기 – auto-loop.sh가 PROMPT.md + memories/consensus.md를 로드합니다.
2. LLM 호출 – Codex CLI 또는 Claude Code를 통해 회사 헌장(CLAUDE.md)과 선택된 팀 기술 파일(.claude/skills/team/SKILL.md)을 전달합니다.
3. 팀 구성 – 모델이 관련 전문가 페르소나를 선택하고 임시 멀티 에이전트 팀을 구성합니다.
4. 실행 – 에이전트가 연구, 코드 작성, 배포 실행, 마케팅 문구 생성 등을 수행합니다.
5. 결과 유지 – 출력은 제품 폴더, 로그 및 다음 주기를 위해 업데이트된 consensus.md에 기록됩니다.
6. 수면 / 반복 – 데몬이 잠시 수면 상태가 된 후 다음 반복을 시작합니다.

시작하기

• 전제 조건: macOS 또는 Windows + WSL, Python 3.10+, Git, make, 인증된 Claude Code 또는 Codex CLI 토큰.
• 복제 및 실행 (macOS 예시):

  git clone https://github.com/MaxMiksa/Autonomous-Company.git
  cd Autonomous-Company
  make start            # 포그라운드, 실시간 출력 (기본값 Claude)
  # 또는 ENGINE=codex make start   # 대신 Codex 사용
  

• 대시보드: make center (macOS/WSL) 또는 .scripts\windows\center-win.ps1 (Windows)로 제품 카탈로그 UI를 엽니다.
• 제어: make pause / make resume로 데몬 제어, make monitor로 로그 추적, make language LANGUAGE=en으로 인터페이스 언어 설정.

구축 가능한 것

• 완전 자율형 마이크로 제품: 이미지 크기 체크리스트, 범위 변경 협상 도구, COI 영수증 추적기 등 (저장소에 22개의 예제 제품 포함).
• 신속한 프로토타이핑: 대시보드에서 새로운 제품 요청을 정의하고, AI 팀이 연구, 코딩 및 최소한의 웹 앱을 배포하도록 하여 직접 코드를 작성할 필요가 없습니다.
• 실험 플랫폼: 엔진 교체, 예산 조정, 전문가 페르소나 교체를 통해 다양한 프롬프트가 결과에 미치는 영향을 연구합니다.

제한 사항 및 주의 사항

• 이 시스템은 프롬프트 기반 오케스트레이터이며, 정확하거나 안전한 소프트웨어를 보장하지 않습니다. 생성된 코드는 LLM에 의해 작성되므로 사람의 검토가 필요할 수 있습니다.
• 예산 및 속도 제한은 주변 데몬에 의해서만 강제됩니다. API 할당량을 초과하면 루프가 일시 중지되고 대기합니다.
• 팀 규모는 기본 모델의 토큰 예산에 의해 제한됩니다. 14개의 역할 정의는 템플릿이며 항상 동시에 인스턴스화되는 것은 아닙니다.
• 관측 가능성은 파일 기반입니다. 에이전트별 세부 로그는 캡처되지 않으며 집계된 LLM 출력만 기록됩니다.
• 플랫폼 의존성: 대시보드는 macOS 및 Windows WSL에서 실행됩니다. 네이티브 Linux 지원은 문서화되어 있지 않습니다.

대상 사용자

• 수동 코딩을 최소화하면서 제품 아이디어를 프로토타이핑하려는 1인 창업자 또는 소규모 팀.
• 멀티 에이전트 프롬프팅, 역할 기반 LLM 오케스트레이션 또는 AI 증강 워크플로우를 연구하는 연구원.
• 제어된 샌드박스 내에서 엔드 투 엔드 AI 자동화(연구 → 코딩 → 배포)를 시연하는 교육자.

---

위의 모든 정보는 저장소의 README에서 직접 가져온 것이며, 외부 가정은 추가되지 않았습니다.