YC, 멀티플레이어 협업 AI 에이전트 프레임워크 'QM' 오픈소스 공개

QM은 YC가 오픈소스로 공개한 팀 협업 전용 자율 에이전트 프레임워크다. 한 사람이 하나의 대화창을 붙잡고 쓰던 기존 AI 도구와 달리, AI를 조직 구성원 모두가 함께 활용하는 공유 인프라로 전환해 준다.

시중의 대다수 AI 에이전트는 개인용 비서 형태로 설계되어 있어, 이를 회사 전체로 가져오면 컨텍스트가 뒤섞이고 권한 관리가 순식간에 복잡해진다. QM은 이 문제를 스코프(Scope)라는 작업 영역 개념으로 해결했다. 하나의 중앙 코어 엔진 위에서 사용자 및 방 단위로 완전히 격리된 작업 공간을 제공한다. 직원마다 전용 샌드박스, 영구 메모리, 파일 저장소, API 키체인, 스케줄러가 개별 부여되는 동시에, 슬랙 채널이나 프로젝트 공간에서는 동일한 에이전트를 팀원들과 함께 호출해 협업할 수 있다. 에이전트가 어떤 방에 들어가느냐에 따라 역할과 권한이 자동으로 전환되는 구조다.

어떤 작업을 할 수 있나

QM은 개인 업무 자동화와 팀 단위 프로젝트 협업을 모두 지원한다.

개인 업무 영역에서는 사용자의 과거 메시지를 학습해 글 작성 스타일을 익히고, 정해진 시간에 수신함을 검토해 라벨을 지정하거나 답장 초안을 자동으로 작성해 준다. 또한 격리된 영구 샌드박스 환경 안에서 기존 코드 저장소를 불러와 테스트를 실행하고, 풀 리퀘스트를 생성하며, CI 상태를 점검하거나 시스템 로그를 추적할 수 있다.

다자간 협업 영역에서는 슬랙 공유 채널에 에이전트를 투입해 프로젝트 진행 상황을 추적하고 업데이트를 게시하도록 설정할 수 있다. 특정 팀원들만 사용할 수 있는 가벼운 사내 웹 애플리케이션을 즉석에서 생성해 배포하고 데이터를 동기화하는 것도 가능하다.

에이전트가 사용하는 스킬은 스코프 단위로 소유 및 공유된다. 개인이 만든 자동화 스킬을 동료에게 전달하거나, 관리자 승인을 거쳐 전사에 배포할 수 있으며, 깃 저장소에서 스킬 팩을 직접 가져오는 기능도 지원한다. 백그라운드 크론, 파일 감시, 웹훅 시스템이 내장되어 있어 사용자가 자리를 비운 상태에서도 정기 작업이 중단 없이 돌아간다.

아키텍처와 보안 모델

QM의 코어 엔진은 Node.js 및 TypeScript 기반으로 제작되었으며, Fastify를 통해 HTTP 서비스를 제공한다. 에이전트 루프에는 Pi 프레임워크가 적용되어 여러 공급자의 LLM 모델을 자유롭게 교체하며 사용할 수 있고, 특정 벤더에 종속되지 않는다. 데이터 영속성은 Postgres가 담당하여 대화 세션, 메모리, 작업 큐를 저장한다.

실행 환경의 가장 큰 특징은 스코프별로 할당되는 영구 샌드박스다. 일회성 컨테이너와 달리 샌드박스 내부에 설치된 CLI 도구와 환경 설정이 세션 종료 후에도 그대로 유지된다. 웹 인터페이스는 Vite와 Lit으로 렌더링되며, 슬랙 연동은 Bolt 플러그인을 통해 코어와 직접 통신한다.

보안 설계는 로컬 코딩 에이전트의 원칙을 따른다. 에이전트는 해당 작업을 요청한 사람의 자격 증명과 권한 범위 내에서만 작동하며, 모든 행동은 감사 로그에 남는다. 관리자는 세 가지 보안 모드를 지정할 수 있다. 모든 도구 실행 시 사람의 승인을 요구하는 Strict, 내부 사설망 접근을 차단하는 기본값 Auto, 승인 단계를 생략하는 Dangerous 모드가 있다. 위험한 SQL 실행이나 재귀적 파일 삭제를 원천 차단하는 명령어 보호 정책은 어떤 모드에서도 예외 없이 강제 적용된다. 데이터 공유 또한 기본적으로 격리(Isolated) 상태로 유지되므로, 사용자가 명시적으로 허용하지 않는 한 개인 파일과 메모리가 공유 채널로 유출되지 않는다.

설치 및 실행 방법

QM은 MIT 라이선스로 배포되며, 기업이 자체 클라우드 계정에 직접 호스팅하고 자체 모델 API 키를 사용하는 방식을 지향한다.

설치 환경으로는 Node.js와 실행 중인 Postgres 데이터베이스가 필요하다. npm을 통해 초기화 CLI를 실행하고 조직 식별자와 타깃 인프라(Fly.io 또는 AWS)를 지정하면, 인프라 세팅부터 슬랙 연동 및 인증 단계까지 순차적으로 설정할 수 있다. 개발 단계에서는 로컬 인스턴스 명령어로 웹 UI와 슬랙 연동 환경을 즉시 띄워 검증할 수 있다.

커스터마이징은 공식 패키지를 고정한 채 별도 디렉터리에서 사내 도구와 설정을 관리하거나, 비공개 소스 포크를 생성해 코어 런타임과 샌드박스 이미지를 직접 수정하는 방식을 선택할 수 있다. 자체 서버 운영이 부담스러운 조직을 위한 타사 호스팅 옵션도 마련되어 있다.

왜 중요한가

현재 기업용 AI 도입은 개인용 챗봇에 사내 계정 연동만 붙여놓거나, 막대한 비용이 드는 폐쇄형 플랫폼에 데이터를 종속시키는 양극단으로 나뉘어 있다. QM의 영리한 지점은 거창한 협업 이론 대신 개발자들에게 친숙한 샌드박스와 스코프 격리를 활용해, 개인의 보안과 팀 협업을 깔끔하게 양립시켰다는 데 있다.

기술 스타트업이나 사내 업무 자동화를 고민하는 엔지니어링 팀이라면 지금 직접 배포해 검증해 볼 가치가 충분하다. 특정 모델에 얽매이지 않고 안전한 실행 환경을 자체 클라우드에 확보할 수 있다는 점은 큰 장점이다. 다만 안정적인 운영을 위해서는 인프라 관리와 데이터베이스 유지보수 역량이 뒷받침되어야 하므로, 비개발 직군 전용 솔루션보다는 개발자 주도로 사내 인프라를 구축하려는 팀에 가장 적합하다고 우리는 판단한다.