Essays 허브

Docling은 PDF와 오피스 문서를 단순히 텍스트로 평탄화하는 데서 멈추지 않고, 생성형 AI가 다시 쓸 수 있는 구조를 얼마나 보존할 것인가에 초점을 맞춘 저장소입니다. 문서 기반 RAG나 자동화 파이프라인을 운영한다면, 생각보다 훨씬 핵심에 가까운 프로젝트입니다.

Cozystack은 가상머신과 Kubernetes, 데이터베이스까지 포괄하는 오픈소스 PaaS 프레임워크를 지향하는 저장소입니다. 단순 앱 배포를 넘어, 자체 인프라를 서비스형 플랫폼으로 바꾸고 싶은 팀에게 꽤 흥미로운 구조를 제시합니다.

Onyx는 사내 문서 검색과 AI 채팅을 단순 데모 수준이 아니라 업무 플랫폼의 형태로 밀어 올리는 저장소입니다. 다양한 LLM과 연결되면서도, 실제 조직이 요구하는 검색·권한·업무 맥락을 함께 고려한다는 점에서 계속 볼 만합니다.

dbt-mcp는 단순한 MCP 예제가 아니라, 분석 엔지니어링의 실제 맥락을 에이전트가 읽을 수 있는 도구 집합으로 바꾸려는 저장소입니다. 메트릭과 계보, 문서, CLI까지 함께 노출한다는 점에서 꽤 전략적인 방향을 보여 줍니다.

bruin-data/bruin은 데이터 파이프라인과 분석 워크플로를 더 코드 중심적이고 개발자 친화적인 방식으로 다루려는 저장소입니다. 데이터 플랫폼이 시각적 UI만으로는 충분하지 않다는 문제의식을 꽤 선명하게 드러냅니다.

lightpanda-io/browser는 웹 자동화와 AI 에이전트를 염두에 두고 경량 브라우저 엔진을 다시 설계하려는 저장소입니다. 브라우저를 인간용 렌더러가 아니라 자동화 런타임으로 재해석하는 흐름을 읽기에 좋은 사례입니다.

Rio는 Rust와 GPU 가속을 앞세워 현대 터미널을 다시 구현하려는 저장소입니다. 브라우저까지 포함하는 범위와 비교적 강한 성능 지향 덕분에, 차세대 터미널이 어떤 기술 스택을 택하는지 읽기 좋습니다.

Kibana는 Elasticsearch 생태계의 시각화 도구를 넘어, 운영 데이터와 분석, 보안, 검색 탐색을 묶는 인터페이스 층으로 자리 잡은 저장소입니다. 데이터 계층 못지않게 인터페이스 계층이 중요한 이유를 여전히 잘 보여 줍니다.

pathwaycom/llm-app은 RAG 애플리케이션을 정적인 문서 데모가 아니라, 지속적으로 들어오는 데이터와 검색 파이프라인의 문제로 다루는 저장소입니다. 생성형 AI 앱을 운영형 데이터 시스템으로 보려는 시각이 분명합니다.

Chrome DevTools MCP는 브라우저 자동화와 디버깅을 DOM 조작 수준에서 멈추지 않고, DevTools가 가진 네트워크·트레이스·콘솔 분석 능력까지 에이전트 도구 체계로 노출하는 저장소입니다. 브라우저 작업을 맡는 코딩 에이전트가 왜 자주 실패하는지를 체감해 본 팀이라면 이 프로젝트의 의도를 바로 이해하게 됩니다.