오늘도 공부

같은 사용자명이 여러 플랫폼에서 반복해서 쓰이는 시대다.문제는 “그 이름이 어디에 존재하는가”를 찾는 일이 생각보다 훨씬 비효율적이라는 데 있다.브라우저 탭을 수십 개 띄우고, 검색엔진을 돌리고, 플랫폼별 URL 규칙을 외우는 방식은 OSINT 작업이 아니라 사실상 수작업에 가깝다. Sherlock은 바로 이 지점을 정면으로 건드린다. 하나의 username을 넣으면 수백 개 사이트에 대해 병렬로 존재 여부를 확인하고, 결과를 텍스트·CSV·XLSX로 떨어뜨리는 도구다. 단순해 보이지만, 내부를 열어보면 “사이트별 판별 규칙을 데이터로 관리하고, 실행 엔진은 범용으로 유지하는” 꽤 좋은 아키텍처를 가지고 있다. (GitHub) GitHub - sherlock-project/sherlock: Hunt do..

AI 에이전트가 코드를 생성하는 단계를 넘어, 이제는 실제 화면을 보고 버튼을 누르고 텍스트를 입력하는 단계로 넘어가고 있습니다. 문제는 여기서부터입니다. 브라우저 자동화만으로는 부족하고, 운영체제마다 입력 이벤트 처리 방식도 다르고, 화면 좌표와 해상도 이슈도 제각각입니다. “컴퓨터를 쓰는 에이전트”를 만들고 싶다면 모델보다 먼저 인프라가 필요해집니다.Cua는 바로 그 지점을 파고드는 프로젝트입니다. 단순한 GUI 자동화 스크립트가 아니라, AI 에이전트가 macOS, Linux, Windows, Android 환경을 같은 인터페이스로 다룰 수 있게 만드는 오픈소스 인프라입니다. 저장소 기준으로 약 13.3K 스타를 기록하고 있고, 조직 설명도 “Computer-Use Agents를 위한 오픈소스 인프..

AI 에이전트와 로컬 툴링이 늘어나면서, 개발자들은 점점 더 자주 이런 선택지 앞에 섭니다. “그냥 SQLite 붙일까?”, “Mongo 띄울까?”, “아니면 JSON 파일로 버틸까?” 그런데 이 셋 사이 어딘가를 정확히 노린 프로젝트가 하나 있습니다. 서버 없이, 런타임 의존성 없이, Node.js 프로젝트 안에서 바로 쓰는 문서형 DB. AgentDB는 바로 그 지점을 겨냥합니다. (GitHub)이 저장소를 자세히 보면, 단순히 “작은 DB 하나 만들었다” 수준이 아닙니다. 작성자는 바이너리 파일 포맷, 레코드 단위 AES-256-GCM 암호화, WAL 기반 크래시 복구, CRC32 무결성 검증, 필드 인덱스, TTL, 스키마 검증, 백업/복구, 마이그레이션까지 직접 구현했습니다. 그리고 이 모든 걸..