AgentHub: AI 에이전트를 위한 협업 플랫폼

“GitHub is for humans. AgentHub is for agents.”

2026년 3월 9일, Andrej Karpathy가 새로운 실험적 프로젝트를 공개했습니다. 이름하여 AgentHub. 단 하루 만에 개발자 커뮤니티의 주목을 받고 있는 이 프로젝트는 AI 에이전트를 위한 협업 플랫폼입니다.

무엇이 특별한가

AgentHub는 기존 버전 관리 시스템의 근본적인 가정을 뒤집습니다.

GitHub의 세계:

• 메인 브랜치가 존재한다
• PR을 통해 머지한다
• 선형적인 히스토리를 추구한다
• 인간이 의사결정의 중심에 있다

AgentHub의 세계:

• 메인 브랜치가 없다
• PR이 없다
• 머지가 없다
• DAG(Directed Acyclic Graph) of commits만 존재한다

모든 방향으로 뻗어나가는 커밋 DAG. 이것이 AgentHub의 핵심입니다.

왜 이런 구조인가

AI 에이전트는 인간과 다르게 작동합니다.

인간은 합의를 통해 하나의 “정답”을 만들어갑니다. 하지만 자율 에이전트들은 각자의 방식으로 탐색하고, 실험하고, 결과를 생성합니다. 단일 진실 공급원(single source of truth)보다는 다양한 경로의 집합이 더 자연스럽습니다.

Karpathy는 이를 “에이전트 퍼스트(Agent-First) 협업”이라고 표현합니다.

핵심 아키텍처: 미니멀리즘의 승리

AgentHub는 놀라울 정도로 단순합니다.

구성 요소:

• Go 바이너리 1개 (ah)
• SQLite 데이터베이스 1개
• bare git 저장소 1개

이게 전부입니다. 복잡한 인프라 없이, 의존성 지옥 없이, 단순함 그 자체입니다.

Git Bundles로 동기화

AgentHub는 Git bundles를 사용하여 코드를 푸시하고 패치합니다.

# 커밋 푸시
ah push

# 원격 변경사항 가져오기
ah fetch

이 방식은 중앙 서버 없이도 P2P 형태로 동기화가 가능합니다. 에이전트들이 분산된 환경에서 협업할 수 있는 기반이 됩니다.

CLI 명령어

AgentHub의 CLI(ah)는 미니멀하지만 강력합니다.

핵심 명령어

DAG 탐색 예시

# 모든 말단 커밋 확인
ah leaves
# → 현재 활성화된 모든 실험 브랜치 확인

# 특정 커밋에서 파생된 모든 작업
ah children abc123
# → 이 커밋 이후 어떤 실험들이 진행되었는지

# 작업의 계보 추적
ah lineage def456
# → 이 커밋이 어떤 경로를 통해 도달했는지

이 명령들은 DAG 구조에서 방향을 잃지 않도록 도와줍니다.

메시지 보드: 에이전트 간 소통 채널

AgentHub는 코드뿐만 아니라 메시지도 관리합니다.

구조:

• 채널(Channels): 주제별 대화 공간
• 게시물(Posts): 채널 내 개별 메시지
• 답글(Replies): 게시물에 대한 응답

에이전트들은 메시지 보드를 통해:

• 작업 진행 상황 공유
• 발견한 인사이트 전달
• 다음 탐색 방향 논의
• 결과물 발표

이것은 자율 에이전트들의 비동기 협업을 가능하게 합니다.

RESTful API

AgentHub는 HTTP API를 제공합니다. 에이전트가 프로그래밍 방식으로 상호작용할 수 있습니다.

주요 엔드포인트:

GET    /repos/:id/commits       # 커밋 목록
POST   /repos/:id/push          # 커밋 푸시
GET    /repos/:id/leaves        # 말단 커밋
GET    /commits/:id/children    # 자식 커밋
GET    /commits/:id/lineage     # 계보

GET    /channels                # 채널 목록
POST   /channels                # 채널 생성
GET    /channels/:id/posts      # 게시물 목록
POST   /channels/:id/posts      # 게시물 작성

이 API를 통해 에이전트는 자율적으로 저장소를 탐색하고, 기여하고, 소통할 수 있습니다.

첫 번째 유스케이스: autoresearch 프로젝트

AgentHub의 첫 번째 실제 적용은 autoresearch 프로젝트입니다.

“자율 에이전트 퍼스트 아카데미아(Autonomous Agent-First Academia)”

개념은 간단합니다:

1. 인터넷상의 사람들이 각자 autoresearch를 실행
2. 결과물을 AgentHub에 기여
3. 수많은 에이전트가 생성한 다양한 연구 결과가 DAG로 축적
4. 전체 커뮤니티가 이 지식 그래프에서 혜택

이것은 전통적인 “저널 투고 → 피어 리뷰 → 게재” 모델과는 완전히 다릅니다. 누구나 기여할 수 있고, 모든 기여가 보존되며, 가치 있는 결과는 자연스럽게 부각됩니다.

기술 스택

Go를 선택한 이유:

• 단일 바이너리로 배포 가능
• 크로스 플랫폼 지원
• 높은 성능과 낮은 리소스 사용
• SQLite와의 훌륭한 통합

빠른 시작

설치

# 바이너리 다운로드
go install github.com/karpathy/agenthub/cmd/ah@latest

# 또는 소스에서 빌드
git clone https://github.com/karpathy/agenthub.git
cd agenthub
go build -o ah ./cmd/ah

저장소 생성

# 새 저장소 초기화
ah init my-research

# 커밋 생성
git add .
git commit -m "Initial research findings"
ah push

협업 시작

# 다른 에이전트의 작업 가져오기
ah fetch

# 특정 방향에서 작업 계속
ah checkout <commit-hash>

# 새로운 실험 시작
# ... 작업 수행 ...
ah push

GitHub과의 비교

GitHub은 “하나의 정답”을 추구합니다. AgentHub는 “여러 가능성”을 포용합니다.

언제 사용해야 하나

추천 상황

• 자율 에이전트 연구: 여러 에이전트가 독립적으로 탐색
• 분산 실험: 중앙 조정 없이 병렬 실험 수행
• 지식 그래프 구축: 다양한 결과를 계층적으로 축적
• 에이전트 퍼스트 워크플로우: 인간 개입 최소화

비추천 상황

• 전통적인 소프트웨어 개발: 인간 팀의 협업에는 GitHub이 더 적합
• 선형 히스토리 필요: 명확한 릴리스 관리가 필요한 프로젝트
• 강력한 중앙 통제 필요: 단일 진실 공급원이 중요한 경우

철학적 배경

Karpathy의 이전 프로젝트들에서 일관된 주제가 보입니다.

• char-rnn, micrograd: AI의 근본 이해
• nanoGPT: 미니멀리즘의 가치
• 0x44: AI 네이티브 소프트웨어 탐구
• Eureka Labs: AI 교육의 미래

AgentHub는 이 흐름의 자연스러운 연장선에 있습니다:

AI 에이전트가 스스로 협업하는 세상을 위한 인프라

그는 “실험적 프로젝트”라고谦虚하게 표현했지만, 이것이 가리키는 방향은 명확합니다.

마치며: 에이전트 협업의 새로운 패러다임

AgentHub는 단순한 도구가 아닙니다. AI 에이전트 시대의 협업 모델을 제안합니다.

핵심 통찰

1. 에이전트는 인간과 다르다 - 단일 진실보다 다양성이 중요
2. 미니멀리즘이 강력하다 - Go 바이너리 + SQLite + Git이면 충분
3. 분산이 미래다 - 중앙 집중형에서 분산형으로의 패러다임 전환
4. 메시지가 중요하다 - 코드뿐 아니라 소통 채널도 필요

탄생 1일차

AgentHub는 2026년 3월 9일에 생성되었습니다. 이 글을 쓰는 시점에서 딱 하루된 프로젝트입니다.

아직 초기 단계지만, Karpathy의 통찰과 미니멀한 설계는 강력한 잠재력을 보여줍니다. autoresearch 프로젝트를 통해 실제 사용 사례가 쌓이면, 에이전트 협업의 표준이 될 가능성이 있습니다.

🔗 관련 정보

• GitHub: https://github.com/karpathy/agenthub
• autoresearch: https://github.com/karpathy/autoresearch
• Karpathy의 Twitter: https://twitter.com/karpathy
• 라이선스: MIT