Karpathy의 autoresearch에서 영감을 얻은, 목표 기반 수정·검증·유지/되돌리기 루프를 실행하는 Claude Code, OpenCode, Codex용 스킬입니다.
greyhaven-ai/autocontext
에이전트 작업을 평가하며 반복 실행하고, 유용한 교훈을 남겨 다음 실행에 활용하는 재귀적 자기 개선 하네스입니다.
- 스타
- 1,310
- 포크
- 114
- 열린 이슈
- 17
- 마지막 커밋
- 그저께
어떤 프로젝트인가요?
autocontext는 반복 실행을 통해 에이전트를 개선하는 하네스입니다. 목표를 입력하면 작업을 실행하고 평가 기준에 따라 결과를 채점한 뒤, 효과가 있었던 교훈은 보존하고 막다른 접근은 버립니다. 각 실행은 trace, 세대별 점수, 보고서, 플레이북, 데이터셋 등의 파일 시스템 기반 산출물을 남기며, 다음 실행은 이를 바탕으로 발전할 수 있습니다.
Python CLI(autoctx)와 TypeScript/Node CLI 및 TUI를 제공하며, Pi, Claude Code와 Cursor 같은 MCP 클라이언트, 또는 Hermes를 통해 실행할 수 있습니다. 모델 제공자로는 Anthropic, OpenAI 호환 엔드포인트, OpenRouter, Codex, 그리고 vLLM이나 Ollama를 통한 자체 호스팅 모델을 지원합니다. 선택적으로 로컬 모델을 학습시켜 안정적인 동작을 더 저렴한 런타임에 증류할 수도 있습니다.
게임, 에이전트 작업, 시뮬레이션, 조사 등의 시나리오 유형을 다루며, 결과를 확인할 수 있는 solve, run, status, show 등의 명령을 제공합니다. HTTP 및 WebSocket 제어 플레인은 기본적으로 loopback에 바인딩됩니다.
핵심 기능
- 01여러 차례 반복하면서 목표를 평가하고, 도움이 되는 교훈을 보존합니다.
- 02trace, 세대별 점수, 보고서, 플레이북을 일반 파일로 저장합니다.
- 03Anthropic, OpenAI 호환 엔드포인트, OpenRouter, Codex, 자체 호스팅 모델 엔드포인트를 지원합니다.
- 04MCP 서버를 제공해 Claude Code나 Cursor 같은 에이전트가 도구를 호출할 수 있습니다.
- 05Python CLI와 TypeScript CLI 및 터미널 UI를 제공합니다.
- 06안정적인 실행 동작을 바탕으로 로컬 모델을 학습시킬 수 있습니다(Python).
활용 사례
- 채점 기준에 따라 고객 지원 답변의 품질을 반복적으로 개선합니다.
- 각 시도의 감사 가능한 기록을 남기면서 에이전트 실험을 반복 실행합니다.
- MCP 도구 인터페이스를 통해 Claude Code나 Cursor에서 에이전트를 실행합니다.
- 자체 호스팅 오픈 웨이트 모델에서 개선 루프를 실행합니다.
빠른 시작
- 1
uv로 Python CLI를 설치하세요
uv tool install autocontext==0.19.1 - 2
Pi provider로 목표를 실행하세요(로컬 에이전트 인증 사용)
AUTOCONTEXT_AGENT_PROVIDER=pi AUTOCONTEXT_PI_COMMAND=pi autoctx solve "improve customer-support replies for billing disputes" --iterations 3
사용 전 알아둘 점
- 전체 실행을 위해서는 Pi, Anthropic, OpenAI 호환 provider 또는 자체 호스팅 모델 엔드포인트와 같은 에이전트 provider를 구성해야 합니다.
- 일부 고급 기능(학습, 커널 진화, 원격 실행)은 Python 전용이거나 추가 설정이 필요합니다.
포함된 컬렉션
토픽
자주 묻는 질문
- autocontext은(는) 무엇인가요?
- 에이전트 작업을 평가하며 반복 실행하고, 유용한 교훈을 남겨 다음 실행에 활용하는 재귀적 자기 개선 하네스입니다. autocontext는 반복 실행을 통해 에이전트를 개선하는 하네스입니다. 목표를 입력하면 작업을 실행하고 평가 기준에 따라 결과를 채점한 뒤, 효과가 있었던 교훈은 보존하고 막다른 접근은 버립니다. 각 실행은 trace, 세대별 점수, 보고서, 플레이북, 데이터셋 등의 파일 시스템 기반 산출물을 남기며, 다음 실행은 이를 바탕으로 발전할 수 있습니다.
- autocontext은(는) 무료로 사용할 수 있나요? 라이선스는 무엇인가요?
- autocontext은(는) Apache-2.0 라이선스의 오픈소스입니다. 상업용 제품에 사용하기 전에 라이선스 조건을 확인하세요.
- autocontext은(는) 아직 유지보수되고 있나요?
- 활발히 유지보수 중. autocontext의 마지막 커밋은 2026년 10월 21일입니다.
- autocontext은(는) 어디에 사용할 수 있나요?
- 채점 기준에 따라 고객 지원 답변의 품질을 반복적으로 개선합니다. 각 시도의 감사 가능한 기록을 남기면서 에이전트 실험을 반복 실행합니다. MCP 도구 인터페이스를 통해 Claude Code나 Cursor에서 에이전트를 실행합니다. 자체 호스팅 오픈 웨이트 모델에서 개선 루프를 실행합니다.
- autocontext는 어떻게 설치하나요?
- uv로 Python CLI를 설치하세요: uv tool install autocontext==0.19.1 Pi provider로 목표를 실행하세요(로컬 에이전트 인증 사용): AUTOCONTEXT_AGENT_PROVIDER=pi AUTOCONTEXT_PI_COMMAND=pi autoctx solve "improve customer-support replies for billing disputes" --iterations 3
- autocontext은(는) 어디서 받을 수 있나요?
- 소스 코드와 설치 방법은 GitHub에 있습니다: https://github.com/greyhaven-ai/autocontext
요약은 프로젝트 README를 바탕으로 AI가 작성했습니다. GitHub 통계는 매일 갱신됩니다.
관련 프로젝트
Google의 코드 우선 Python 프레임워크로, Gemini에 최적화되어 있지만 특정 모델에 종속되지 않으며 AI 에이전트를 구축·평가·배포할 수 있습니다.
Python과 TypeScript에서 도구, MCP, 메모리, 모델 간 이식성을 갖춘 AI 에이전트를 만들고 실행하는 오픈소스 SDK입니다.
Python 코드로 동작을 작성하고 실행하는 AI 에이전트를 만들기 위한 미니멀한 Python 라이브러리입니다.
조사, 계획, 코딩 및 작업 실행이 가능한 자율 AI 에이전트를 구축하는 Python 프레임워크로, 메모리, RAG와 100개 이상의 LLM 제공업체를 지원합니다.
순차형, 동시 실행형, 그래프 기반, 계층형 워크플로로 멀티 에이전트 시스템을 구축하고 조율하는 Python 프레임워크.