English | 中文 | Português | 日本語 | Français | Español | Nederlands | Polski | Русский | Deutsch | Tiếng Việt | ภาษาไทย
AI 어시스턴트에게도 동료가 있으면 좋겠다고 생각해본 적 없으신가요? 그게 바로 oh-my-agent입니다.
AI 하나에 모든 걸 맡기면 중간에 헤매기 쉽지만, oh-my-agent는 작업을 전문 에이전트들에게 나눠 맡깁니다. frontend, backend, architecture, QA, PM, DB, mobile, infra, debug, design 같은 전문가들이죠. 각 에이전트는 자기 영역을 깊이 알고, 전용 도구와 체크리스트를 갖춘 채 맡은 역할에만 집중합니다.
주요 AI IDE를 모두 지원합니다: Antigravity, Claude Code, Codex, Cursor, Grok Build, Kimi Code, OpenCode, Pi, Qwen Code 등.
# macOS / Linux — bun, uv, serena가 없으면 자동으로 설치됩니다
curl -fsSL https://raw.githubusercontent.com/first-fluke/oh-my-agent/main/cli/install.sh | bash# Windows (PowerShell) — bun, uv, serena가 없으면 자동으로 설치됩니다
irm https://raw.githubusercontent.com/first-fluke/oh-my-agent/main/cli/install.ps1 | iex# 또는 직접 실행 (모든 OS, bun + uv + serena 필요)
bunx oh-my-agent@latestMicrosoft의 Agent Package Manager (APM): 스킬 전용 배포. 클릭하면 펼쳐집니다.
oma-observability의 APM(Application Performance Monitoring)과는 다릅니다.
# 스킬 전체를 감지된 모든 런타임에 배포
# (.claude, .cursor, .codex, .opencode, .github, .agents)
apm install first-fluke/oh-my-agent
# 스킬 하나만
apm install first-fluke/oh-my-agent/.agents/skills/oma-frontendAPM은 스킬만 제공합니다. 워크플로우, 규칙, oma-config.yaml, 키워드 감지 훅, oma agent:spawn CLI는 bunx oh-my-agent@latest를 쓰세요. 드리프트를 피하려면 프로젝트당 한 가지 배포 방식만 고르는 게 좋습니다.
프리셋만 고르면 바로 시작할 수 있습니다:
| 프리셋 | 구성 |
|---|---|
| ✨ All | 모든 에이전트와 스킬 |
| 🌐 Fullstack | architecture + frontend + backend + db + pm + qa + debug + brainstorm + scm |
| 🎨 Frontend | architecture + frontend + pm + qa + debug + brainstorm + scm |
| ⚙️ Backend | architecture + backend + db + pm + qa + debug + brainstorm + scm |
| 📱 Mobile | architecture + mobile + pm + qa + debug + brainstorm + scm |
| 🚀 DevOps | architecture + tf-infra + dev-workflow + pm + qa + debug + brainstorm + scm |
oh-my-agent는 .agents/를 단일 소스(SSOT)로 유지하면서 각 런타임의 네이티브 레이아웃으로 그대로 투영합니다. 덕분에 지원되는 도구 전부가 같은 스킬, 워크플로우, 규칙을 공유합니다.
 Claude Code 네이티브 + 어댑터 |
 Codex CLI 네이티브 + 어댑터 |
 Antigravity 네이티브 SSOT |
 Cursor 네이티브 + 어댑터 |
 Qwen Code 네이티브 디스패치 |
 Reasonix 네이티브 호환 |
 Pi 네이티브 호환 |
 OpenCode 네이티브 호환 |
 Amp 네이티브 호환 |
 GitHub Copilot 심볼릭 링크 스킬 |
 Grok Build 네이티브 훅 |
 Kiro CLI 네이티브 훅 + 에이전트 |
| 에이전트 | 하는 일 |
|---|---|
| oma-academic-writer | 학술 문장을 출판 수준으로 작성·수정하고 감사 |
| oma-architecture | 아키텍처 트레이드오프를 검토하고 모듈 경계를 정의하며 ADR/ATAM/CBAM 분석 수행 |
| oma-backend | Python, Node.js, Rust로 API를 구축하고 보안 강화 |
| oma-brainstorm | 구현을 결정하기 전에 함께 아이디어를 탐색 |
| oma-coordination | PM, 프론트엔드, 백엔드, 모바일, QA 에이전트의 단계별 수동 조율을 안내 |
| oma-db | 스키마, 마이그레이션, 인덱스, vector store 설계 |
| oma-debug | 근본 원인을 찾아 버그를 수정하고 회귀 테스트 작성 |
| oma-deepsec | 코드의 보안 취약점을 스캔하고 위험한 PR을 차단 |
| oma-design | 토큰, 접근성, 반응형 레이아웃을 갖춘 디자인 시스템 구축 |
| oma-dev-workflow | CI/CD, 릴리스, monorepo 작업을 자동화 |
| oma-docs | 문서의 깨진 참조를 확인하고 코드 변경에 영향받은 문서를 식별 |
| oma-frontend | React/Next.js, TypeScript, Tailwind CSS v4, shadcn/ui로 UI 구축 |
| oma-hwp | HWP, HWPX, HWPML 파일을 Markdown으로 변환 |
| oma-image | 여러 AI 공급업체로 이미지를 동시에 생성 |
| oma-market | 커뮤니티 시그널로 시장을 조사하고 SWOT, Porter's 5F, PESTEL로 프레임화 |
| oma-mobile | Flutter로 크로스플랫폼 모바일 앱 구축 |
| oma-observability | 메트릭, 로그, 트레이스, SLO, 인시던트 포렌식에 걸친 관측성 작업을 라우팅 |
| oma-orchestrator | CLI에서 여러 에이전트를 병렬로 실행 |
| oma-pdf | PDF 파일을 Markdown으로 변환 |
| oma-pm | 태스크를 계획하고 요구사항을 분해하며 API 계약을 정의 |
| oma-qa | OWASP 보안, 성능, 접근성 관점에서 코드를 리뷰 |
| oma-recap | 대화 이력을 주제별 작업 요약으로 정리 |
| oma-refactor | 핫스팟 우선순위와 특성화 테스트 안전망으로 동작을 보존하면서 코드를 리팩토링 |
| oma-scholar | 학술 문헌을 검색하고 동료 평가를 지원 |
| oma-scm | 브랜치, 머지, 워크트리, Conventional Commits 관리 |
| oma-search | 각 쿼리를 최적 소스로 라우팅하고 결과의 신뢰 점수를 제공 |
| oma-skill-creator | SSL-lite 포맷으로 새로운 OMA 스킬을 작성하고 검증 |
| oma-slide | 애니메이션이 풍부한 HTML 프레젠테이션 덱을 생성하고 PDF/PNG/PPTX로 내보냄 |
| oma-tf-infra | Terraform으로 멀티 클라우드 인프라를 프로비저닝 |
| oma-translator | 원어민이 쓴 것처럼 자연스럽게 언어 간 번역 |
| oma-video | 키 없이도 동작하는 Remotion 파이프라인으로 숏폼, 설명 영상, 데모 영상을 생성 |
| oma-voice | 클라우드 없이 온디바이스로 보이스오버를 생성하고 오디오를 텍스트로 변환 |
그냥 채팅하듯 말하면 됩니다. 원하는 걸 설명하면 oh-my-agent가 알아서 적절한 에이전트를 골라줍니다.
You: "사용자 인증이 있는 TODO 앱 만들어줘"
→ PM이 작업을 계획
→ Backend가 인증 API 구축
→ Frontend가 React UI 구축
→ DB가 스키마 설계
→ QA가 전체 리뷰
→ 완료: 서로 맞물린 코드, 리뷰까지 마침
슬래시 커맨드로 구조화된 워크플로우를 실행할 수도 있습니다:
| 순서 | 커맨드 | 하는 일 |
|---|---|---|
| 0 | /deepinit |
기존 코드베이스를 AGENTS.md, ARCHITECTURE.md, docs로 정리 |
| 1 | /brainstorm |
만들기 전에 함께 아이디어 탐색 |
| 2 | /architecture |
설계 트레이드오프를 따져보고 깔끔한 모듈 경계 설계 |
| 2 | /design |
토큰, 접근성, 반응형 레이아웃까지 갖춘 디자인 시스템 구축 |
| 2 | /plan |
기능을 우선순위가 매겨진 태스크로 분해 |
| 3 | /work |
여러 에이전트로 기능을 단계별로 구축 |
| 3 | /orchestrate |
여러 에이전트를 병렬로 돌려 기능을 더 빠르게 구축 |
| 3 | /ultrawork |
다섯 단계 품질 페이즈와 열한 개 리뷰 게이트로 기능 구축 |
| 3 | /ralph |
독립 검증기가 모든 기준을 통과할 때까지 /ultrawork 반복 |
| 4 | /review |
보안, 성능, 접근성 관점에서 코드 리뷰 |
| 4 | /deepsec |
심층 보안 스캔을 돌려 위험한 풀 리퀘스트 차단 |
| 5 | /debug |
근본 원인을 찾아 버그를 고치고 회귀 테스트 작성 |
| 5 | /docs |
문서의 깨진 참조를 점검하고 코드 변경이 닿은 곳 보완 |
| 6 | /scm |
브랜치, 머지, Conventional Commits 관리 |
| - | /schedule |
에이전트 작업을 주기적으로 실행하도록 예약 |
자동 감지: 슬래시 커맨드를 쓰지 않아도, 메시지에 "아키텍처", "계획", "리뷰", "디버그" 같은 키워드만 있으면 (11개 언어 지원!) 맞는 워크플로우가 자동으로 실행됩니다.
.agents/oma-config.yaml에서 각 에이전트마다 모델과 effort를 따로 지정할 수 있습니다. runtime profile이 기본 제공됩니다: antigravity, claude, codex, cursor, kiro, mixed, qwen. oma doctor --profile로 해석된 auth 매트릭스를 확인하세요. 전체 가이드: web/docs/guide/per-agent-models.md.
- 이식성:
.agents/가 프로젝트와 함께 움직이며, 특정 IDE에 묶이지 않습니다 - 역할 기반: 프롬프트 뭉치가 아니라 실제 엔지니어링 팀처럼 설계했습니다
- 토큰 효율: 2계층 스킬 구조로 토큰을 약 75% 절감합니다
- 품질 우선: Charter preflight, quality gate, 리뷰 워크플로우가 내장되어 있습니다:
oma verify <agent>— 에이전트 유형별 14개 결정론 체크 (TypeScript strict, 테스트, raw SQL, 하드코딩 시크릿, Flutter analyze, 인라인 스타일, 스코프 위반, charter alignment, …)session.quota_cap—oma-config.yaml의 세션별 토큰 / spawn / 벤더별 예산 캡;orchestrateStep 5는 캡 초과 시 다음 spawn을 차단합니다ralph워크플로우 — 독립 JUDGE가 매 iteration마다 모든 criterion을 재검증해 silent regression을 잡습니다; 30초 초과 테스트 캐싱- Exploration Loop — 2회 retry 후
orchestrate가 hypothesis 변형을 병렬 spawn하고 최고 점수만 남깁니다 - 모노레포 자동 라우팅 —
detectWorkspace가 pnpm / nx / turbo / lerna를 읽어 각 에이전트를 자기 workspace로 보냅니다
- 멀티 벤더: 에이전트 유형별로 Antigravity, Claude, Codex, Cursor, Kiro, Qwen을 섞어 쓸 수 있습니다
- 가시성: 터미널과 웹 대시보드로 실시간 모니터링이 가능합니다
flowchart TD
subgraph Workflows["Workflows"]
direction TB
W0["/brainstorm"]
W1["/work"]
W1b["/ultrawork"]
W2["/orchestrate"]
W3["/architecture"]
W4["/plan"]
W5["/review"]
W6["/debug"]
W7["/deepinit"]
W8["/design"]
end
subgraph Orchestration["Orchestration"]
direction TB
PM[oma-pm]
ORC[oma-orchestrator]
end
subgraph Domain["Domain Agents"]
direction TB
ARC[oma-architecture]
FE[oma-frontend]
BE[oma-backend]
DB[oma-db]
MB[oma-mobile]
DES[oma-design]
TF[oma-tf-infra]
end
subgraph Quality["Quality"]
direction TB
QA[oma-qa]
DBG[oma-debug]
end
Workflows --> Orchestration
Orchestration --> Domain
Domain --> Quality
Quality --> SCM([oma-scm])
이 프로젝트는 든든한 스폰서 여러분 덕분에 이어지고 있습니다.
마음에 드셨나요? 스타를 눌러주세요!
gh api --method PUT /user/starred/first-fluke/oh-my-agent최적화된 스타터 템플릿도 함께 확인해보세요: fullstack-starter
전체 후원자 목록은 SPONSORS.md를 참고하세요.
- Liang, Q., Wang, H., Liang, Z., & Liu, Y. (2026). From skill text to skill structure: The scheduling-structural-logical representation for agent skills (Version 4) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2604.24026
- Chen, C., Yu, Q., Gu, Y., Huang, Z., Li, H., Liu, H., Liu, S., Liu, J., Peng, D., Wang, J., Yan, Z., Meng, F., Qin, E., Che, C., & Hu, M. (2026). The scaling laws of skills in LLM agent systems (Version 1) [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2605.16508
- Yang, Y., Gong, Z., Huang, W., Yang, Q., Zhou, Z., Huang, Z., Li, Y., Gao, X., Dai, Q., Liu, B., Qiu, K., Yang, Y., Chen, D., Yang, X., & Luo, C. (2026). SkillOpt: Executive strategy for self-evolving agent skills [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2605.23904
- Huang, Z., Xu, J., Yang, Y., Gong, Z., Yang, Q., Tian, M., Wang, X., Lv, C., Gao, X., Dai, Q., Liu, B., Qiu, K., Yang, X., Chen, D., Zheng, X., & Luo, C. (2026). From raw experience to skill consumption: A systematic study of model-generated agent skills [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2605.23899
MIT