OpenHuman이란? 2026 개인 AI Agent 쉬운 설명: 메모리 트리·로컬 지식 기반·프라이버시 경계

1. 세 가지 고통: 「또 하나의 AI 앱」으로는 일이 안 담기는 이유

1. 맥락 단절: 세션·모델을 바꿀 때마다 배경을 다시 설명. 메일·IM 결론이 「AI 장기 기억」으로 이어지지 않음.
2. 숨은 비용: 자료 전체를 prompt에 넣으면 토큰 요금·대기 시간이 함께 증가. 압축 계층 없이 auto-sync를 계속 켜기 어려움.
3. 권한·감사 불안: 원클릭 OAuth는 편하지만 「무엇이 로컬·무엇이 클라우드·누가 철회」가 불명확해 실무 메일 연결을 꺼림.

2. 한 줄로 정리: OpenHuman이란

쉬운 말: 설치 후 Gmail·GitHub·Slack 등을 연결하면, 백그라운드에서 대략 20분마다 새 데이터를 가져와 Markdown 조각으로 바꿔 로컬 SQLite와 Obsidian 호환 wiki/에 씁니다. 질문할 때 Agent는 요약·조각을 필요에 따라 검색하며, 메일 전문을 한꺼번에 모델에 넣지 않습니다.

비유: ChatGPT는 언제든 물어볼 수 있는 컨설턴트. OpenHuman은 먼저 사무실 서류함을 정리해 둔 컨설턴트—여전히 본사(클라우드 모델)에 전화할 수 있지만, 「서류함」은 주로 책상(로컬 기억)에 있습니다.

일반 사용자에게: 강점은 개인 맥락 + 열어볼 수 있는 로컬 지식 기반이지, 「GPT-5보다 더 똑똑함」이 아닙니다.

3. 오해 바로잡기: 이것이 아닌 것

1. ChatGPT / Claude 직접 대체품이 아님. 범용 채팅은 여전히 필요할 수 있음. OpenHuman은 「당신의 일 세계를 기억」에 강함.
2. 기본 100% 오프라인이 아님. README: 메모리 트리·Markdown 저장소·작업 공간 설정은 로컬이지만, 기본 호스팅은 OpenHuman 백엔드(계정·모델 라우팅·검색 프록시·Composio OAuth 등)를 사용.
3. 설치만 하면 모든 일이 자동 완료되지 않음. Early Beta이며 연동 깊이는 서비스마다 다름. Mascot·음성·Google Meet 등은 현재 문서 기준.
4. 「118+ 연동 = 118개 모두 메모리 트리에 깊게 동기화」가 아님. 일부는 도구 프록시·권한 입구일 뿐, 깊이는 버전 설명 확인.

4. 갑자기 주목받는 이유(영구 트렌드로 읽지 말 것)

배경이 겹칩니다: GitHub Trending에서 개인 Agent 화제, 「매번 프로젝트를 처음부터 설명」에 지침, 자료가 Gmail/Notion/Slack/GitHub에 분산, 긴 컨텍스트는 비싸고 느림. OpenHuman은 자동 가져오기 + 메모리 트리 + TokenJuice 압축으로 이를 겨냅니다.

2026-05-25 기준 공개 저장소 약 27,363 Star, 2,534 Fork, 최신 안정판 v0.54.0(2026-05-19 릴리스). 인기는 변할 수 있으나 「로컬에서 감사 가능한 기억 + Agent 도구」 방향은 따로 이해할 가치가 있습니다—Trending만 보고 프로덕션급이라 가정하지 마세요.

5. 세 가지 비유로 전체 그림 잡기

• 자료 정리 비서: 연결된 계정에서 주기적으로 새 내용을 가져와 통일된 Markdown 조각으로 변환(공식 문서: 조각당 최대 약 3k 토큰).
• 로컬 개인 지식 기반: 구조화 인덱스는 memory_tree/chunks.db, 사람이 읽는 형태는 Obsidian으로 열 수 있는 wiki/ vault.
• 도구함 있는 AI 동료: 채팅 외에 웹 검색·스크래핑·코드 도구(파일·git·테스트), hint:reasoning / hint:fast 등으로 모델 분기.

6. 핵심 개념: 메모리 트리(Memory Tree) 동작

메모리 트리는 「채팅 기록을 벡터 DB에 한 번에 넣기」만이 아닙니다. 공식 문서의 결정적 파이프라인: 수집 → Markdown 정규화 → 청킹 → SQLite+Markdown vault 기록 → 계층 요약 → 출처/주제/전역 정리 → 대화 시 필요분만 검색.

단순 벡터 검색보다 장기 맥락에 가까운 이유: 출처 트리, 엔티티·주제 트리, 일일 전역 digest가 있어 모델은 메일 500통 전체가 아니라 요약·선별 조각을 봅니다. 「최근 고객이 가장 걱정하는 것은?」 같은 질문은 수동보내기가 아니라 정리된 기억을 탑니다.

Obsidian Wiki: 로컬 Markdown이 중요한 이유

같은 chunk가 Obsidian 호환 wiki/에도 쌓이고 UI에서 Obsidian으로 열 수 있습니다. 기억이 투명하고, 백업·수정 가능—블랙박스 「AI가 기억함」보다 신뢰하기 쉽고 오기도 고칠 수 있습니다.

7. 비교표: OpenHuman vs 챗봇 vs Agent vs 수동 Obsidian

8. 프라이버시 경계표: 로컬 우선 ≠ 완전 오프라인

실무 팁: 설치 후 어떤 커넥터에 무엇을 허용했는지 목록을 보고, 모델로 가는 내용은 로컬 모델·직연동을 쓰지 않는 한 기기 밖으로 나갈 수 있다고 가정하세요.

9. TokenJuice, 118+ 연동, 모델 라우팅

TokenJuice: 컨텍스트 압축기

도구 출력이 LLM에 들어가기 전 HTML→Markdown, URL 단축, 중복 제거. 공식 표현은 비용·지연 최대 약 80% 절감—상한 목표이며 모든 작업이 80%는 아닙니다. 압축 없으면 받은편지함 auto-sync는 비싸고 느림; 있어야 「기억 키우기」가 현실적입니다.

118+ 연동과 auto-fetch

Gmail·GitHub·Slack·Notion·Calendar·Drive 등 OAuth 연결 후 코어가 약 20분마다 활성 연결을 순회합니다. 예: Gmail+GitHub+Slack 연결 후 「이번 주 사용자가 반복한 불만 TOP3」—이상적으로는 수집된 요약에서 답하고 CSV 수동 추출은 피함. 연동별 동기화 깊이는 다릅니다.

모델 라우팅: 작업에 맞는 모델

hint:reasoning, hint:fast, hint:vision, hint:summarize 등. 「모델 관리자」가 될 필요는 없지만 추론·요약·이미지 등 서로 다른 클라우드 모델로 갈 수 있음을 알아두세요(구독 포함 또는 자체 API).

Mascot, 음성, 기타

데스크톱 Mascot, 음성(STT+ElevenLabs TTS), Google Meet 참여, 백그라운드 루프 등은 비전에 있으나 Early Beta에서 변할 수 있음—공식 GitBook 현행 페이지 확인 후 워크플로에 넣으세요.

10. 7단계로 시작하기(일반 사용자)

1. 경로 선택: 우선 공식 DMG/Windows 설치 프로그램. 상급자는 스크립트 검토 후 curl -fsSL …/install.sh | bash.
2. 로그인: 기본 OpenHuman 호스팅 계정—완전 오프라인 아님.
3. 저위험 소스 1~2개: 예: Calendar+GitHub 먼저, 실무 메일함은 나중.
4. 첫 auto-fetch 대기: Obsidian 또는 Finder에서 wiki/로 chunk 적절한지 확인.
5. 구체 질문으로 검증: 「다음 주 회의」「최근 merge된 PR 주제」—추적 가능한 조각 인용 여부.
6. 프라이버시 설정: Composio/OAuth 목록, 불필요 커넥터 해제.
7. (선택) 소스 빌드: Git, Node.js 24+, pnpm 10.10+, Rust 1.93+, CMake, Ninja, ripgrep—Getting Set Up·README(버전 변동).

게시 전 재확인 숫자: Star 약 2.7만 · v0.54.0 · 2026-05-19 · auto-fetch 약 20분 · 연동 118+(공식) · TokenJuice 상한 약 80% · GPL-3.0.

11. 맞는 사람·지금은 안 해도 되는 사람

행동 기준: AI를 가끔만 쓰면 급히 갈아탈 필요 없음. 매일 배경 설명에 지치면 소규모로 시도—전자동 전에 권한 관리.