Renmin University NLPIR 등 팀의 범용 장기 작업 에이전트 셸로, 핵심은 '전략'과 '실행 관리'를 분리하는 것입니다. 모델은 무엇을 할지, 누구에게 위임할지, 검수 여부를 결정하고, 런타임은 상태 저장 및 피드백을 담당합니다. 3계층 구조는 주 에이전트(계획 수립, 위임, 평가), 조정 런타임(하위 작업 할당, 생명주기 추적), 선택적 하위 에이전트(범위가 제한된 작업 실행)로 구성되며, 동기식 또는 비동기식으로 실행할 수 있습니다. 공유 애플리케이션 계층은 CLI, 검색, 파일, MCP와 문서 편집기, 프레젠테이션, CAD, Blender를 연결하며, 사용자는 대화를 통해 참여하거나 동일한 문서 또는 장면을 직접 수정할 수 있습니다. 계층적 작업 공간과 영구적 의미 기억을 통해 파일, 주요 결정 사항, 장기 작업 로그가 중단 후에도 이어서 실행될 수 있습니다.
좋아요 88 · 코드 스타 수 78
이유
- 저자는 12개 벤치마크와 6가지 실제 애플리케이션에서 Codex, DeepSeek Harness 등 최신 에이전트 애플리케이션과 동등한 성능을 보였다고 주장합니다.
- 장기 자동화 사례: GLM-5.3를 백본으로 사용하여 CoworkOS가 Qwen3.6-35B-A3B에 대해 5번의 자동 후처리 학습(실패 분석, 데이터 수정, 학습, 검증)을 수행하도록 했습니다. 저자는 8개 벤치마크의 평균 점수가 33.19에서 42.95으로 상승했다고 보고했습니다(+9.76).
- 설치가 간단합니다: MIT 라이선스, npm 패키지 coworkos-app, macOS 데스크톱 버전 및 macOS / Linux 명령줄 버전이 있으며, 모델 서비스는 직접 구성해야 하고 작업 공간 및 실행 기록은 로컬에 저장됩니다. Hugging Face 공개 당일 좋아요 순위 4위(관심도만 반영).
사용법
- 데스크톱 버전(Apple 칩, macOS 14 이상, Node.js ≥22.19.0): npx coworkos-app@latest desktop install.
- 명령줄 버전: npm install -g coworkos-app, 프로젝트 디렉터리로 이동한 후 coworkos init을 실행하여 모델 서비스 주소, 모델 ID, API Key를 입력하고, coworkos doctor --test-connection으로 연결을 확인합니다(한 번의 할당량을 소모함). 이후 coworkos를 실행하여 수행할 작업을 설명합니다.
- 종료 후 동일한 디렉터리에서 coworkos --continue를 실행하면 이전 세션을 이어서 진행할 수 있습니다. 온라인 데모는 프로젝트 페이지의 showcase를 참조하세요.
위험 요소
- 셸만 제공되며 모델은 포함되지 않으므로, 성능은 연결하는 모델 서비스와 할당량에 따라 달라집니다. Codex 등과의 비교 및 후처리 학습 사례의 점수는 모두 저자가 보고한 내용입니다.
- 데스크톱 버전은 현재 Apple 칩이 장착된 macOS만 지원합니다. 에이전트는 명령을 실행하고 파일을 수정할 수 있으며, README에는 서드파티 구성 요소에 별도의 라이선스 예외가 명시되어 있으므로 직접 확인해야 합니다.
- 자동 후처리 학습 사례에는 학습 컴퓨팅 리소스가 필요하지만, README에는 재현 스크립트가 제공되지 않습니다.
열기 · 코드 · Hugging Face 논문 페이지