오늘 GeekNews 최신 AI·개발 글 가운데 가장 실무적으로 볼 가치가 있는 프로젝트입니다. news.hada.io
TrueForge는 LLM을 실제 Agent로 작동시키는 runtime/harness를 오픈소스로 분리한 프로젝트입니다.
단순 모델 호출이 아니라 다음을 모두 담당합니다.
- Model 호출
- MCP Tool
- Skills
- Sandbox
- 사용자 승인
- Context 관리
- Subagent
- Session state
- Chat UI / SDK github.com
특히 흥미로운 구조는 Sandbox를 하나의 Tool처럼 취급한다는 것입니다.
필요할 때만 격리된 실행환경을 생성하고, raw secret은 sandbox에 직접 넣지 않고 harness 쪽에서 관리합니다. 고위험 Tool에는 human approval checkpoint도 넣을 수 있습니다. github.com
모델은 OpenAI·Anthropic·Gemini뿐 아니라 OpenAI-compatible endpoint도 쓸 수 있기 때문에 architecture는 사실상:
Application
↓
TrueForge
├─ Model
├─ MCP
├─ Skill
├─ Sandbox
├─ Approval
└─ Context
형태입니다.
로컬에서는 SQLite 한 프로세스로 실행할 수 있고, 팀 운영에서는 Postgres + Redis + Docker/Helm 구조로 확장합니다. 개발팀은 Claude Managed Agents·deepagents와 동일 모델/도구/작업으로 비교했을 때 비슷한 정확도를 더 낮은 비용으로 달성한다고 주장하며 benchmark도 공개하고 있습니다. 이 성능 주장은 프로젝트 자체 평가이므로 독립 결과와 같은 수준으로 받아들이지는 않는 편이 좋습니다. github.com
왜 중요한가
최근 Agent 기술의 핵심 흐름이 점점 명확해집니다.
모델은 commodity에 가까워지고, Harness가 제품 로직이 되고 있습니다.
실제 Agent 품질은:
Model × Context × Tools × Sandbox × Retry × Approval
에 의해 결정되기 때문입니다.
실무에서 가져갈 부분
특정 프레임워크를 바로 도입하는 것보다 구조를 참고하는 것이 좋습니다.
특히 Agent Runtime을:
Model Layer
Tool Layer
Execution/Sandbox Layer
Context Layer
Approval Layer
Session Layer
로 분리하면 모델을 바꾸더라도 나머지 workflow는 유지할 수 있습니다.
TrueForge 로컬 모드는 기본 로그인도 없기 때문에 프로젝트 측도 localhost 외 production 사용은 하지 말라고 명시하고 있습니다. 팀용 환경에서는 반드시 hosted mode와 인증·권한 구조가 필요합니다. github.com