SAIL-Research-Lab/cheetahclaws

CheetahClaws, From Model Scaling to System Scaling: Scaling the Harness in Agentic AI

해결하는 문제

CheetahClaws는 Claude Code와 같은 프로덕션급 AI 코딩 어시스턴트에 대한 해킹 가능하고 Python 네이티브인 대안을 제공합니다. 특정 모델 제공업체나 컴파일되어 불투명한 코드베이스에 종속되는 문제를 해결하여, 개발자와 연구자가 복잡한 Node.js 빌드 체인 없이도 로컬 오프라인 모델을 포함한 모든 LLM을 사용하여 에이전트 어시스턴트를 실행할 수 있도록 합니다.

작동 방식

이 프로젝트는 스트리밍 API와 자동 도구 사용 루프(주로 단일 agent.py 파일에 포함됨)를 구현합니다. Anthropic, OpenAI, Gemini, Ollama 등 다양한 모델 제공업체에 연결하며, 파일 조작, 셸 실행, 웹 검색을 위한 내장 도구 모음을 관리합니다. 긴 대화를 처리하기 위한 다층 컨텍스트 압축 시스템과 사용자 및 프로젝트별 정보를 추적하기 위한 이중 범위 영구 메모리 시스템을 갖추고 있습니다.

대상 사용자

로컬 또는 Anthropic 이외의 코딩 어시스턴트를 원하는 개발자, 에이전트 루프를 연구하는 AI 연구자, AI 에이전트 구축을 위한 사용자 정의 가능한 베이스라인이 필요한 팀을 위해 설계되었습니다.

주요 특징

  • 모델 비종속성: OpenRouter, Requesty 및 Ollama, vLLM과 같은 로컬 엔진을 포함한 광범위한 제공업체를 지원합니다.
  • 확장 가능한 도구: 28개의 내장 도구가 포함되어 있으며, stdio, SSE 또는 HTTP를 통해 외부 도구를 추가할 수 있는 Model Context Protocol (MCP)을 지원합니다.
  • 자율 실행: 요청을 엔드투엔드로 수행하는 "자동" 모드를 제공하며, 고위험 작업에 대해서만 프롬프트를 표시하는 세밀한 권한 시스템을 갖추고 있습니다.
  • 개발자 경험: 다음 프롬프트에 대한 고스트 텍스트 예측 기능을 갖춘 터미널 REPL, 웹 UI 및 데스크톱 Electron 앱이 포함되어 있습니다.
  • 고급 에이전트 기능: 유형화된 하위 에이전트 생성, 작업 의존성 그래프, 페르소나 기반 계획 및 구현을 위한 "브레인스토밍 → 워커" 워크플로우를 지원합니다.

관련

  • 프로젝트
    johnson7788/MultiUserClaw

    MultiUserClaw는 Docker 기반의 SaaS 프레임워크로, 여러 사용자를 위한 격리된 AI 어시스턴트(Hermes 에이전트)를 실행할 수 있습니다. React 프론트엔드, 인증 및 컨테이너 관리, LLM 프록시용 FastAPI 게이트웨이, 사용자별 Hermes 컨테이너, PostgreSQL 스토리지, 지식 기반, 스킬 스토어, cron 작업, 다중 채널 봇, 다중 모델 지원 등의 기능을 포함합니다.

  • 프로젝트
    clawdotnet/openclaw.net

    OpenClaw.NET은 .NET 네이티브, 자체 호스팅 AI 에이전트 런타임으로 데스크톱 Avalonia UI(AgentQi Companion)를 제공합니다. OpenAI 호환 모델과 통신하는 게이트웨이를 실행하며 스트리밍, 도구 실행, 세션 메모리 및 다양한 통합(REST, WebSocket, MCP, 80개 이상의 도구, 채널 어댑터)을 지원합니다. 게이트웨이는 NativeAOT로 컴파일할 수 있어 엣지 또는 온프레미스 배포에 적합합니다. 사용자는 준비된 데스크톱 번들이나 소스에서 시작하여 채팅 명령으로 어시스턴트를 구성하고, .NET 플러그인이나 재사용 가능한 MetaSkill DAG 워크플로우로 기능을 확장할 수 있습니다.

  • 프로젝트
    zhayujie/CowAgent

    CowAgent는 작업 계획, 도구 실행, 개인 지식 기반 유지, 협력 에이전트 팀으로 운영이 가능한 오픈소스 자체 호스팅 AI 어시스턴트입니다. 다양한 LLM 제공업체, 멀티모달 입력, 수십 개의 채팅 채널(Telegram, Slack, WeChat 등), 플러그인 스킬 시스템, 야간 "Deep Dream" 증류 기능이 있는 3계층 메모리를 지원합니다. 한 줄 스크립트 또는 Docker로 설치하고, 웹 콘솔에서 모든 것을 관리하며, 공개 Skill Hub 또는 사용자 정의 도구 통합을 통해 시스템을 확장할 수 있습니다.

  • 프로젝트
    bytedance/deer-flow

    DeerFlow는 하위 에이전트를 조율하고, 도구(웹 검색, 샌드박스 코드 실행, RAG)를 사용하며, 메모리를 관리할 수 있는 자율 AI 에이전트를 구축할 수 있는 오픈소스 프레임워크입니다. 많은 LLM 공급자를 지원하고, 웹 UI, 터미널 UI를 제공하며, 추적 서비스를 통합하고, Docker로 배포할 수 있습니다.

  • 프로젝트
    Trampoline-AI/predict-rlm

    predict-rlm은 대규모 언어 모델(LLM)에 샌드박스화된 상태 유지 런타임을 제공하는 Python 라이브러리입니다. 모델은 Python 코드를 작성 및 실행하고, 가변 상태를 유지하며, 특정 하위 모델을 호출하고, 도구 및 기술(PDF 처리, 스프레드시트 등)을 사용할 수 있습니다. 이 프레임워크는 관측 가능성을 위해 전체 추적을 기록하며, 해당 추적을 GEPA와 같은 최적화 도구에 공급할 수 있습니다. 문서 분석, 감사, 스프레드시트 자동화와 같은 복잡한 다단계 워크플로우를 대상으로 하며, 선택적 Docker 샌드박스 및 풍부한 콜백을 지원합니다.