Shubhamsaboo/awesome-llm-apps

📚 Awesome LLM Apps 는 무엇인가요?

Awesome LLM Apps 는 100개 이상의 실행 가능한 AI 에이전트, 에이전트 스킬, 그리고 검색 증강 생성(RAG) 파이프라인을 포함한 큐레이션된 오픈소스 카탈로그입니다. 각 항목은 API 키 하나로 클론, 설치, 실행 가능한 완전한 테스트된 템플릿입니다. 리포지토리는 다음과 같은 섹션으로 구성되어 있으며, 각 템플릿에는 다음이 포함됩니다:

실제 코드 (Python, Streamlit, 또는 브라우저 자동화 스크립트)는 Apache-2.0 라이선스 하에 제공되며, 코드를 복사, 수정, 판매, 제품에 임베딩할 수 있습니다.
모델 독립적 프롬프트 — Claude, Gemini, GPT-4/4o, DeepSeek, Llama, Qwen 및 기타 오픈소스 모델과 호환됩니다.
빠른 시작 가이드 — 대부분의 항목은 1분 이내에 시작 가능합니다 (예: pip install -r requirements.txt && streamlit run travel_agent.py).
보안 및 평가용 CI — 각 스킬은 게시되기 전에 자동화된 안전성 및 정확성 검사를 통과합니다.

이 프로젝트는 Unwind AI (배너 및 튜토리얼 링크는 https://theunwindai.com)에서 유지보수되며, Vorflux 등의 기업들에 의해 후원받고 있습니다.

🚀 사용 방법

수초 내에 코딩 에이전트에 스킬 추가:
```
npx skills add https://github.com/Shubhamsaboo/awesome-llm-apps/tree/main/agent_skills/project-graveyard
```
이후 에이전트에게 자연어 질문을 던지세요.

완전한 에이전트 실행:

git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd awesome-llm-apps/starter_ai_agents/ai_travel_agent
pip install -r requirements.txt
streamlit run travel_agent.py

대부분의 에이전트는 requirements.txt 하나와 짧은 Python 스크립트로 구성되어 있습니다.

주간 업데이트 구독 — Unwind AI 뉴스레터를 통해 정기적으로 새로운 템플릿이 추가됩니다.

📂 포함된 내용

카테고리	예시 템플릿 (클릭하여 보기)	기능
에이전트 스킬	Project Graveyard, Scope Creep Detector, Self-Improving Agent Skills	코딩 어시스턴트에 새로운 기능을 제공하는 작은 플러그인 (예: 방치된 리포지토리 분석, 스코프 크리프 감지, 자동 최적화)
스타터 AI 에이전트	AI Travel Agent, AI Blog-to-Podcast, AI Data Analysis	API 키 하나로 로컬에서 실행 가능한 단일 파일 에이전트; 학습이나 빠른 프로토타이핑에 적합
고급 AI 에이전트	AI Home Renovation (photo-in → render-out), AI Fraud Investigation, AI Financial Coach	메모리, 도구 사용, 외부 API를 갖춘 다단계 에이전트; 프로덕션 수준 작업에 적합
상시 작동 에이전트	Hacker News Briefing, Release Radar	스케줄에 따라 실행되는 백그라운드 서비스로, 데이터 소스를 모니터링하고 Slack/이메일로 요약을 전송
멀티에이전트 팀	AI Competitor Intelligence Team, AI Legal Team, AI Services Agency (CrewAI)	라우팅 로직을 통해 협력하는 전문 에이전트 모음으로, 복잡한 다분야 작업을 해결
음성 AI 에이전트	Insurance Claim Live Agent, Voice RAG (OpenAI SDK)	실시간 음성 API를 사용하는 음성 입력/출력 에이전트
생성형 UI 및 프론트엔드	Generative UI Starter, AI Dashboard Canvas, AI Shadcn Component Generator	대화의 일부로 인터랙티브한 UI 컴포넌트(카드, 차트, 칸반 보드)를 생성
자율 게임 플레이 에이전트	AI Chess Agent, AI 3D Pygame Agent	게임 환경 내에서 추론, 계획, 행동을 수행하는 에이전트
MCP AI 에이전트	Browser MCP Agent, GitHub MCP Agent, Notion MCP Agent	Model-Context-Protocol (MCP)를 통해 외부 도구와 통신하는 에이전트로, 실시간 브라우징, 리포지토리 분석 등 가능
RAG 튜토리얼	Agentic RAG with Embedding Gemma, Corrective RAG, Vision RAG	단계별 설명이 포함된 엔드투엔드 검색 파이프라인(로컬 또는 클라우드); 많은 경우 완전히 오프라인으로 작동

🛠️ 기술적 특징

모델 독립적 — 프롬프트는 다양한 LLM 제공업체와 호환되도록 작성되었습니다.
Apache-2.0 라이선스 — 어떤 템플릿도 자유롭게 상용화할 수 있습니다.
보안 게이트 CI — 각 스킬은 게시되기 전에 자동화된 안전성 및 평가 테스트를 통과합니다.
MCP 지원 — 여러 에이전트가 통일된 방식으로 외부 서비스를 호출할 수 있도록 하는 새로운 Model-Context-Protocol을 사용합니다.
Streamlit 및 CLI 인터페이스 — 대부분의 에이전트는 Streamlit을 통해 간단한 웹 UI 또는 명령줄 진입점을 제공합니다.

📦 빠르게 시작하기

# 리포지토리 클론
git clone https://github.com/Shubhamsaboo/awesome-llm-apps.git
cd awesome-llm-apps

# 예시: 여행 에이전트 실행 (OpenAI/Claude/Gemini 키를 $OPENAI_API_KEY 등에 설정)
cd starter_ai_agents/ai_travel_agent
pip install -r requirements.txt
streamlit run travel_agent.py

다른 템플릿으로 폴더를 교체하세요. 각 하위 디렉터리의 README에 추가 설정 단계가 설명되어 있습니다.

🎯 누구에게 적합한가요?

LLM 기반 제품 개발을 빠르게 시작하고 싶은 개발자
특정 사용 사례(예: 음성 청구 입력, PDF 기반 RAG, 멀티에이전트 리서치)의 참조 구현을 찾는 프로덕트 팀
에이전트적 사고, 도구 사용, 검색 파이프라인의 구체적이고 실행 가능한 예제가 필요한 연구자/교육자
법적 명확성이 있으며 Apache-2.0 라이선스 코드베이스를 배포하거나 수익화할 수 있는 스타트업

📚 추가 리소스

단계별 튜토리얼 — Unwind AI 사이트에서 호스팅 (https://theunwindai.com)
Trendshift 배지 — 이 리포지토리는 최고 트렌드 AI 프로젝트로 강조됨
스폰서 링크 — README에 Vorflux 및 일반 스폰서 페이지가 표시됨

위 정보는 리포지토리의 README에서 직접 가져온 것이며, 외부 가정은 전혀 추가되지 않았습니다.