CrabTalk
CrabTalk · 학습
CrabTalk은 자신의 머신에서 단일 장수명 Rust 프로세스로 실행되는 오픈소스 AI 에이전트 데몬이다. 에이전트 앱마다 같은 배관을 다시 짜는 대신, 에이전트 소프트웨어가 요청 사이에도 살아 있기 위해 필요한 런타임과 전송 계층, 상태를 제공한다. 에이전트를 만들거나 운영하는 누구에게나 크래시 격리, 주제 라우팅, 정밀한 메모리, 멀티 에이전트 조정을 처리해 준다.
CrabTalk 소개
CrabTalk이란 무엇인가
CrabTalk은 대부분의 팀이 결국 처음부터 직접 작성하게 되는 에이전트 스택의 한 부분이다. 에이전트를 호스팅하고 메시지를 라우팅하며 턴 사이에 메모리를 온전하게 유지하는 백그라운드 프로세스다. 크기는 작아서 약 5메가바이트이고, 자식 프로세스 없이 단일 프로세스로 실행된다. 판매 포인트는 단순하다. 데몬은 배관이어야 하며, 씨름해야 하는 제품이 아니다.
클라이언트 앱 아래, 모델 제공자 위에 위치한다. CLI, 봇, 예약된 작업 같은 클라이언트가 외부에서 접속하고, 모델 호출은 CrabLLM이라는 별도 게이트웨이를 통해 나간다. CrabTalk 자체는 소켓과 런타임, 디스크 상태를 소유하며 그 외에는 아무것도 소유하지 않는다. 에이전트가 어떤 도구를 가져야 하는지는 결정하지 않는다. 바로 그게 핵심이다.
가장 큰 한계는 이것이 개발자 도구라는 점이다. 대시보드가 없다. 로그인도 없다. 그래픽 인터페이스도 없다. 바이너리를 설치하고 클라이언트를 그쪽으로 향한 뒤 Unix 소켓이나 TCP로 대화한다. 완성된 채팅 앱을 원한다면 이건 아니다.
시작하기
- 공식 사이트의 단일 셸 명령으로 데몬을 설치하거나, 오픈소스 저장소에서 빌드한다.
- 데몬을 시작한다. 설정 파일을 읽고
~/.crabtalk(또는$CRABTALK_HOME이 가리키는 곳)에 작업 디렉터리를 만든다. - 에이전트를 설정하고 클라이언트를 연결한다. 동봉된 CLI, 챗봇, 예약된 작업 중 무엇이든 좋다.
- 세션을 통해 에이전트와 대화한다. 메시지는 주제별로 라우팅되므로 업무 대화와 개인 대화가 각자의 차선에 머문다.
- CrabLLM을 통해 모델 호출을 제공자로 향하게 한다. 라우팅, 페일오버, 예산이 한곳에서 돌아간다.
제품 정보
CrabTalk의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.
추천 대상
이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.
사용자
- 직접 만들지 않고 완성된 에이전트 런타임을 원하는 백엔드 및 시스템 개발자. 터미널과 설정 파일에 익숙해야 한다.
- 여러 에이전트를 동시에 돌리면서 취약한 자체 스케줄러 없이 조정이 필요한 팀.
- 개인 머신이나 작은 서버에서 항상 켜져 있는 어시스턴트를 원하고, 바이너리 설치를 개의치 않는 사람.
작업
- 요청 사이에도 에이전트를 살려 둬서 매 턴 전체 기록을 다시 보내지 않고도 맥락을 기억하게 한다.
- 진행 중인 업무, 집, 취미 대화를 분리해 한 채팅 안에서 주제가 섞이지 않게 한다.
- 소수의 에이전트에서 수천 개로 확장한다. 데몬은 열 개 안팎에서 한계에 부딪히는 대신 대규모 무리의 조정을 전제로 만들어졌다.
활용 상황
- 메모리를 로컬 디스크에 두고 호스팅 서비스에 전혀 연결하지 않는, 노트북이나 홈 서버 위의 자체 호스팅 에이전트를 돌린다.
- 리뷰나 세컨드 오피니언을 위해 두 번째 에이전트가 진행 중인 대화에 발언하게 하고, 그 뒤 제어를 되돌린다.
- 작업 도중의 도구 장애를 견딘다. 망가진 확장 기능은 자기 작업만 멈추고 채팅 전체를 무너뜨리지 않는다.
주요 기능
크래시 격리
대부분의 AI 시스템은 도구 하나가 실패하면 대화 전체를 잃는다. CrabTalk은 다르다. 모든 도구와 명령, 확장 기능을 각자의 공간에서 실행하므로 망가진 부품이 핵심을 끌고 가지 않는다. 확장 기능 하나가 크래시해도 나머지 에이전트는 계속 작동한다. 무인으로 작업을 돌릴 때 이 점이 중요하다.
세션이 아닌 주제 기반 라우팅
화제마다 새 채팅을 열지 않는다. CrabTalk이 스스로 메시지를 주제로 분류하므로 업무는 업무 채널에 남고 사적인 일은 알아서 차선을 바꾼다. 수십 개의 개별 채팅을 관리할 때 따라오는 창 전환 부담이 사라지고, 관련 맥락이 있어야 할 곳에 묶여 남는다. 탭은 줄고 혼란도 줄어든다.
공유 저장소 위의 정밀한 메모리
메모리는 대개 에이전트의 약점이다. 금방 잊거나, 쌓일수록 느려진다. CrabTalk은 SQLite의 내부를 회상 계층으로 이식했다. 결과는 빠른 조회와 디스크 위의 작은 아카이브다. 에이전트, 세션, 메모리, 기술, 검색이 모두 설정 디렉터리 안의 단일 저장 파일에 담긴다.
대규모 조정
데몬은 대부분의 시스템이 감당하는 열 개 안팎이 아니라 수천 개의 에이전트를 조정하도록 만들어졌다. 많은 팀이 손으로 유지하게 되는 취약한 자체 스케줄러보다 훨씬 높은 천장이다. 그런 멀티 에이전트 오케스트레이션은 보통 취약한 자체 스케줄러를 뜻한다. 여기서는 그냥 런타임이다. 각 디스패치는 공유 런타임 위의 독립된 작업으로 실행되고, 데몬은 대화마다 런타임을 복제하지 않는다. 에이전트 무리를 생각하는 사람에게 그 천장은 데모와 배포의 차이다.
게스트 에이전트
진행 중인 대화에 두 번째 에이전트가 발언해야 할 때가 있다. 리뷰어, 전문가, 또는 자기 목소리를 가진 도구다. CrabTalk은 게스트 에이전트가 공유 기록에 직접 쓰도록 한다. 위임이 아니라 태그로 표시되고, 이후 주 에이전트가 다음 턴에 이어받는다. 대화 전체를 갈라놓지 않고 리뷰 단계를 더하는 깔끔한 방식이다. 편리하다. 별도 스레드가 필요 없다.
명령 하나로 시작
데몬을 띄우고 세션에 들어가는 데 명령 하나면 된다. 준비할 서버가 없다. 로그인할 대시보드도 없다. 큰 결심 없이 써 보고 싶은가? 바이너리는 약 5메가바이트이고 아무것도 아껴두지 않아, 소박한 하드웨어에서도 돌리기 쉽다.
모델 계층과의 깔끔한 분리
모델은 프로젝트의 LLM 게이트웨이인 CrabLLM의 뚜렷한 경계 건너편에 산다. 즉 요청 라우팅, 페일오버 처리, 예산 관리가 한곳에서 이루어지고 에이전트 런타임 자체와는 분리된다. 에이전트를 건드리지 않고 제공자를 바꾸거나 페일오버를 더할 수 있다.
장단점
장점
- 약 5메가바이트의 작은 설치 용량이라 노트북이나 작은 서버에서도 편하게 돌아간다.
- 오픈소스이며 Rust로 작성돼 직접 감사하고 빌드할 수 있다.
- 크래시 격리 덕분에 도구 하나의 실패가 에이전트 전체를 죽이지 않는다.
- 주제 라우팅으로 화제마다 별도의 채팅 창을 관리할 필요가 없다.
- 수천 개의 에이전트를 조정하도록 설계돼, 대부분의 시스템이 시도하는 범위를 훨씬 넘는다.
단점
- 그래픽 인터페이스나 대시보드가 없어, 설정은 터미널과 설정 파일에 익숙하다는 전제를 둔다.
- 완성된 앱이 아니라 배관이며, 상호작용하려면 여전히 클라이언트가 필요하다.
- 메모리가 설정 디렉터리에 묶인 로컬 저장소에 있어, 상태를 옮기거나 백업하려면 그 디렉터리를 직접 다뤄야 한다.
자주 묻는 질문
AI 에이전트를 위한 상시 가동 런타임이다. 에이전트를 호스팅하고 메시지를 주제별로 라우팅하며 메모리를 로컬 저장소에 두고 여러 개를 동시에 조정하는 데 쓴다. 그 기반을 직접 만드는 대신이다.
관련 콘텐츠
CrabTalk와 관련된 도구, 스킬, 아티클을 살펴보세요.
CrabTalk 대안
Kaggle AI
Google · 코딩 · 학습Kaggle AI는 사람들이 공유된 데이터로 머신러닝 모델을 만들고, 검증하고, 비교하는 커뮤니티 플랫폼이다. 데이터 사이언스 대회, 수만 개의 공개 데이터셋, GPU와 TPU를 쓸 수 있는 무료 클라우드 노트북을 한데 모아, 브라우저만 있으면 누구나 하드웨어를 사지 않고 모델을 훈련할 수 있다. 플랫폼은 Google이 소유하며 가입은 무료다.
Bunch
Bunch AI · 학습 · 비즈니스Bunch는 하루의 자투리 시간을 진짜 관리 연습으로 바꿔 주는 AI 리더십 코칭 앱이다. 매일 짧고 맞춤화된 팁을 하나 주고, 어떻게 반응하는지 기록하며, 비공개 그룹 안에서 동료와 의견을 나눌 수 있게 한다. 주장은 단순하다. 주말 세미나에 앉아 있는 것보다 조금씩 자주 연습할 때 리더십이 더 낫다. 실제로 열게 되는 리더십 훈련 앱이라고 생각하면 된다.
AI Mock Interview
SQLPad · 코딩 · 학습AI Mock Interview는 SQLPad에 내장된 연습 도구로, 실제 취업 면접을 재현하고 말한 내용과 말하는 방식 모두에 대해 즉각적인 피드백을 준다. 직무 템플릿을 고르거나 채용 공고를 업로드하고, 실시간으로 소리 내어 질문에 답한 뒤, 구조와 명확성, 문법에 대한 메모가 달린 스크립트를 검토한다. SQL, Python, 데이터 엔지니어링, 머신러닝, 시스템 설계 직무를 준비하는 데이터 전문가를 겨냥하며, 전부 브라우저에서 실행된다. 설치할 필요가 없다.