hive

실제 비즈니스 업무를 수행하는 AI 에이전트 군체를 위한 오픈소스 런타임입니다.

여왕 에이전트에게 필요한 것을 말하세요. 그녀는 먼저 그 일의 일부를 직접 수행해 작업에 무엇이 필요한지 파악한 뒤, 나머지를 필요한 만큼의 병렬 워커들에게 넘깁니다. 모든 결과는 쿼리하고, 감사하고, 이어서 재개할 수 있는 공유 트래커에 저장됩니다.

실제 실행입니다. 타이핑과 대기 시간만 빨라졌으며, 배지에 얼마나 빨라졌는지 표시됩니다. 전체 실행 보기 (MP4) .

방금 본 것
Show HN을 준비하는 그로스 팀이 다섯 개 개발자 도구의 자체 런칭이 Hacker News에서 어떻게 되었는지 알고 싶어 합니다. Hive가 그 한 마디 메시지로 한 일은 다음과 같습니다:

당신이 여왕에게 넘깁니다. 여왕은 역할(여기서는 Head of Growth)과 자체 메모리 및 도구를 가진 장수 에이전트입니다.
그녀는 답을 바꾸는 단 하나의 질문을 합니다: 모든 런칭 게시물인지, 아니면 각 제품의 최초 런칭만인지? 당신이 모든 런칭을 선택하면 그녀가 계속 진행합니다.
그녀가 군체를 제안하고, 당신이 승인합니다. 다섯 개 제품은 다섯 개의 병렬 작업을 의미하므로, 채팅이 군체가 됩니다: 여왕과 작업에 필요한 만큼의 워커 에이전트들입니다.
그녀가 하나를 직접 합니다. PostHog를 먼저 맡아, 단순 언급이 아닌 진짜 런칭 게시물이 무엇인지 기준을 정하고, Hacker News API로 수치를 검증하고, 그 방법을 재사용 가능한 스킬로 저장합니다.
그녀가 확장합니다. 플레이북이 제품마다 워커 하나를 시작합니다. 각 워커는 그녀의 스킬을 따르고 결과를 군체의 트래커, 즉 공유 SQLite 테이블에 기록합니다.
그녀가 답하기 전에 모든 행을 확인하고, 하나를 고칩니다. Cal.com의 워커가 옛 이름인 Calendso로 된 게시물을 집계했지만, 그 게시물은 Show HN, Launch HN, YC 런칭이 아니었습니다. 그녀가 그 행을 지우고, 차트는 Cal.com을 0이 아닌 찾을 수 없음으로 표시합니다.

이 중 어느 것도 미리 배선된 것이 아닙니다. 그릴 워크플로 그래프가 없습니다: 여왕이 작업이 전개되는 대로 군체를 형성하고, 컨텍스트 윈도우가 아닌 디스크상의 트래커가 무엇이 끝났고 무엇이 남았는지 기록합니다.

빠른 시작
Python 3.11+, Node.js 20+ 및 git이 필요합니다. 빠른 시작은 uv와 ripgrep이 없으면 설치하고, Node 설치를 제안합니다.

그리고 모델이 필요합니다. 빠른 시작은 다음 중 하나를 설정합니다:

Anthropic, OpenAI, Google Gemini, Groq, Cerebras 또는 OpenRouter의 API 키
이미 결제 중인 코딩 구독: Claude Code, OpenAI Codex, Kimi Code, MiniMax, Z.AI 또는 Antigravity
Hive LLM
키 없이 Ollama를 통한 로컬 모델

git clone https://github.com/aden-hive/hive.git
cd hive
./quickstart.sh # macOS / Linux
. \q uickstart.ps1 # Windows (PowerShell 5.1+)
빠른 시작은 워크스페이스용 단일 Python 환경을 만들고, API 키를 ~/.hive 아래에 암호화해 저장하고, 사용할 모델을 묻고, 대시보드를 빌드해 http://127.0.0.1:8787 에서 엽니다. 다음부터는 저장소에서 hive open 을 실행하세요.

참고

이 저장소는 uv 워크스페이스입니다: 루트에서 pip install -e . 를 하면 실행되지 않는 자리표시자가 설치되므로 빠른 시작을 사용하세요. 저장소 없이 pip install "aden-hive[tools]" 로 PyPI에서 Hive를 설치할 수 있으며, 그다음 hive open 을 실행하세요. 선택적 패키지(예: 채팅 앱 채널)를 추가하려면 선택적 패키지 를 참고하세요. Hive의 에이전트 루프와 모델 위에 자체 프로젝트를 구축하려면 aden-hive 에 의존하세요: Hive 위에 구축하기 를 참고하세요.

그런 다음 홈 화면에서 작업을 입력하고 넘길 여왕을 선택하거나, 프롬프트 라이브러리를 열어 미리 준비된 프롬프트를 그것이 작성된 여왕에게 바로 보내세요.

작동 방식

flowchart LR
You(["You"]) -->|"describe the outcome"| Queen["Queen<br/>(persistent agent)"]
Queen -->|"proposes a colony,<br/>you approve"| Pilot["Pilot<br/>(one unit, done by the queen)"]
Pilot -->|"saves the method"| Skill["Skill + playbook"]
Skill -->|"run_worker / run_playbook"| W["Worker clones<br/>in parallel"]
W -->|"tracker_upsert"| T[("Tracker<br/>shared SQLite")]
T -->|"SQL: what's done,<br/>what's left"| Queen
Queen -->|"checked answer"| You

style Queen fill:#ffb100,stroke:#cc5d00,color:#333
style T fill:#fff3d6,stroke:#cc5d00,color:#333
style W fill:#ff9800,stroke:#cc5d00,color:#fff

로딩 중

Hive에는 하나의 실행 프리미티브 가 있습니다: 에이전트 루프입니다. 여왕도 하나이고, 모든 워커는 자체 작업, 더 좁은 도구 집합, 엄격한 예산을 가진 그 루프의 클론입니다. 오케스트레이션은 컴파일된 그래프가 아니라 도구 호출입니다:

run_worker 는 작업을 확장하고 즉시 반환하므로, 워커가 실행되는 동안 여왕은 계속 당신과 대화합니다. 기본적으로 한 번에 네 개가 실행되고, 나머지는 차례를 기다립니다. 각 워커의 보고는 새 턴으로 여왕의 대화에 도착합니다.
트래커는 군체의 공유 상태입니다. 여왕이 테이블과 워커가 쓸 수 있는 컬럼을 정의하고, 워커는 작업 단위마다 한 행을 upsert하며, 여왕은 SQL로 진행 상황을 확인합니다. 디스크상의 파일입니다: ~/.hive/colonies/<name>/tracker/tracker.db .
run_playbook 은 검증된 방법을 모든 행에 실행하며, 재시도와 백오프, 속도 제한된 레인, 계속 실패하는 행을 위한 데드레터 목록을 갖춥니다. "무엇이 남았는가"는 항상 트래커에 대한 새 쿼리이므로, 플레이북을 다시 실행하면 멈춘 곳에서 이어집니다.

아키텍처 개요 에서 더 깊이 다룹니다: 루프, 도구 표면, 메모리, 인간 감독, 그리고 상태가 크래시에서 어떻게 살아남는지.

홈. 여왕들과 그들의 군체를 한 지도에서. 작업을 설명하고 누가 맡을지 선택하세요.

워커. 작업 단위마다 하나씩, 각자 자체 작업과 예산을 가지며 모두 여왕에게 보고합니다.

트래커. 워커가 완료하는 대로 결과가 공유 테이블에 저장되어, 쿼리, 내보내기, 재개할 준비가 됩니다.

결과. 출처와 차트가 포함된 검증된 답변이 채팅 안에 바로 표시됩니다.

내부 구성
직무와 메모리를 가진 여왕들. Hive는 열세 명의 페르소나 여왕을 제공합니다. 여섯 명은 기본으로 활성화되어 있습니다(Growth, RevOps, Content, Lead Generation, Outbound, Brand & Design). 나머지는 Org Chart에서 고용하거나 직접 만들 수 있습니다. 각 여왕은 작업하면서 마크다운 메모리에 노트를 남기고, 관련 과거 대화가 자동으로 그녀의 컨텍스트로 소환됩니다.

측정 가능한 메모리. 여왕은 세션을 넘어 당신을 기억합니다. 그녀는 작업하면서 당신에 대한 노트를 쓰고, 관련 과거 대화가 각 메시지 전에 그녀 앞에 놓이며, 이미 당신이 말한 것을 다시 묻기 전에 메모리를 확인합니다. 우리는 이를 LongMemEval 에서 벤치마크하며, Hive를 통해 종단 간 실행하고 공식 심사자가 채점하며, gpt-6.1-sol이 답합니다:

LongMemEval-S
LongMemEval-M

질문당 이력
~115k 토큰
~1.1M 토큰

Hive
88.4%
82.0%

전체 이력을 읽는 동일 모델
96.8%
맞지 않음

전체 이력이 모델의 컨텍스트에 들어갈 때는, 전부 읽는 것이 여전히 Hive의 메모리보다 정확합니다. 들어가지 않을 때는, LongMemEval-M에서처럼, 메모리가 유일한 선택입니다. 벤치마크 페이지 에 방법론, 유형별 결과, 다른 메모리 시스템과의 비교, 한계가 있습니다.

프로세스 내에서 실행되는 내장 도구. 셸 명령과 백그라운드 작업, 파일 편집, 빠른 코드 검색, PDF, 첨부 파일 및 이미지, 웹 스크래핑, 차트(ECharts 및 Mermaid), CSV 파일, Hive LLM을 통한 이미지 생성. 이들은 Hive 자체 내에서 실행되며, 시작할 도구 서버가 없습니다.

당신의 브라우저를, 당신의 에이전트가 구동합니다. Hive Browser Bridge 확장을 사용하면 에이전트가 이미 로그인된 당신의 Chrome에서 작업할 수 있습니다. 각 워커는 자체 탭 그룹을 받습니다.

스킬. 개방형 Agent Skills 형식의 재사용 가능한 지침입니다. Hive는 기본 세트를 제공하고, 여왕들은 방법이 검증되면 새 스킬을 작성하며, 당신은 Skills Library에서 모두 관리합니다.

모든 MCP 서버. hive mcp add 로 추가하면, 그 도구들이 내장 도구와 동일한 허용 목록에 합류합니다. tools/ 의 전체 통합 카탈로그(GitHub, Gmail, HubSpot, Slack, Notion 등 다수)가 하나로 실행됩니다. docs/tools.md 를 참고하세요.

당신이 없는 동안에도 실행됩니다. 군체는 cron, 간격 또는 웹훅 트리거로 스스로 깨어날 수 있습니다. 군체별로 선택적으로 활성화되는 Sentinel 은 여왕이 멈출 때마다 지켜봅니다: 그녀를 재촉하거나, Hive 인박스, Telegram 또는 Slack을 통해 당신에게 에스컬레이션하며, 당신이 답하는 즉시 그녀가 이어받습니다.

살아남도록 설계됨. 모든 에이전트는 상태를 디스크에 저장하고 크래시나 재시작 후 정확히 멈춘 곳에서 재개합니다. 큰 도구 결과는 컨텍스트를 범람시키는 대신 파일로 흘러가고, 긴 세션은 스스로 압축되며, 막히거나 반복되는 턴은 잡아내고, 모든 워커는 엄격한 도구 호출 예산 아래에서 실행됩니다.

모든 모델. OpenAI, Anthropic, Gemini, OpenRouter, Hive LLM, 모든 OpenAI 호환 엔드포인트, Ollama를 통한 로컬 모델을 포함해 LiteLLM이 지원하는 모든 것. 워커는 여왕과 다른 모델에서 실행될 수 있고, 텍스트 전용 모델도 비전 폴백을 통해 이미지를 봅니다.

Hive가 당신에게 맞나요?
Hive는 모델이 더 이상 어려운 부분이 아니게 되고, 그 주변의 모든 것이 어려운 부분이 될 때 가치를 발휘합니다:

병렬로, 그리고 매번 동일하게 처리하고 싶은 유사한 작업 단위 가 많은 프로세스. 예: 리드, 계정, 티켓, 저장소, 문서.
몇 시간 동안 또는 일정에 따라 실행되고 재시작에서 살아남아야 하는 작업.
채팅에서 읽기만 하는 것이 아니라 확인하고, 쿼리하고, 감사해야 하는 결과.
중요한 결정에 대해 계속 책임지는 사람.

단일 프롬프트나 일회성 스크립트라면 일반 에이전트가 더 간단합니다.

문서

시작하기 : 더 자세한 설정
아키텍처 개요 : 군체, 루프, 도구, 메모리가 어떻게 맞물리는지
핵심 개념: 군체 , 여왕 , 워커 , 조정 , 루프 , 목표와 결과 , 군체가 개선되는 방식
도구 : 내장 도구, MCP 서버, 통합 카탈로그
구성 및 개발자 가이드
메모리 벤치마크 : LongMemEval 결과, 방법론, 한계
로드맵 : V1이 제공하는 것과 아직 열려 있는 것
docs.adenhq.com : 호스팅 문서

FAQ
Hive는 어떤 모델을 지원하나요?
LiteLLM이 지원하는 모든 제공자, 그리고 모든 OpenAI 호환 엔드포인트. 빠른 시작은 Claude Code, OpenAI Codex 같은 코딩 구독을 포함한 일반적인 것들을 설정합니다. 나머지는 docs/configuration.md 에서 다룹니다.

로컬 모델로 실행할 수 있나요?
네. 빠른 시작에서 Ollama를 선택하거나, Ollama를 로컬에서 실행한 상태로 ollama/llama3 같은 모델을 설정하세요.

다른 에이전트 프레임워크와 어떻게 다른가요?
대부분의 프레임워크는 에이전트 그래프를 설계하고 그 입력과 출력을 배선하도록 요구합니다. Hive에는 한 종류의 에이전트가 있습니다: 여왕은 에이전트 루프이고, 모든 워커는 그 클론입니다. 오케스트레이션은 런타임에 도구 호출을 통해 일어나고, 에이전트는 엣지를 따라 메시지를 전달하는 대신 공유 SQL 트래커를 통해 조정합니다. 지속성, 재개, 예산, 압축, 감독이 그 하나의 루프에 있으므로 모든 에이전트가 그것들을 갖습니다.

내 데이터는 어디에 있나요?
당신의 머신에 있습니다. 세션, 군체, 트래커, 메모리는 ~/.hive (또는 HIVE_HOME이 가리키는 곳) 아래의 일반 파일이며, API 키는 그곳에 암호화되어 저장됩니다.

비용을 어떻게 통제하나요?
모든 워커는 턴과 도구 호출에 대한 엄격한 한도 아래에서 실행되므로 막힌 워커는 스스로 멈추고, 동시에 실행되는 워커 수는 제한됩니다. 모든 모델 호출은 계량됩니다. 아직 달러 단위 지출 한도는 없습니다.

에이전트가 내 도구와 API를 사용할 수 있나요?
네: 내장 셸과 브라우저를 통해, 추가한 모든 MCP 서버를 통해, 그리고 그들에게 당신의 절차를 가르치는 스킬을 통해.

Hive는 오픈소스인가요?
네, Apache License 2.0 에 따라.

기여
기여를 환영합니다, 특히 도구, 통합, 스킬( #2805 ). 먼저 CONTRIBUTING.md 를 읽고, 풀 리퀘스트를 열기 전에 이슈에 배정받으세요: 이슈에 댓글을 달면 메인테이너가 배정합니다. 재현 단계나 구체적인 제안이 있는 이슈가 우선됩니다.

커뮤니티

질문, 기능 요청, 토론을 위한 Discord
업데이트를 위한 X / Twitter 및 LinkedIn
HoneyComb : AI 에이전트가 자동화하고 있는 직무를 추적하는 커뮤니티 마켓. 돈이 아닌 컴퓨트 토큰으로 직무에 롱 또는 숏을 걸 수 있습니다.

엔지니어링, 리서치, go-to-market에서 채용 중입니다. 오픈 포지션 보기 .

보안
취약점을 보고하려면 SECURITY.md 를 참고하세요.

라이선스
Apache License 2.0. LICENSE 를 참고하세요.

스타 히스토리

샌프란시스코에서 🔥 열정으로 만들었습니다