블로그하는프로그래머

REA(Reverse Engineer Anything)는 Claude Code 같은 코딩 에이전트를 Ghidra·Hopper·IDA 같은 분석 도구에 이어 주는 리버스 엔지니어링 MCP 서버입니다. 소스 코드가 없는 실행 파일을 살펴보려면 디컴파일러를 따로 띄우고 결과를 복사해 붙여야 했는데, REA를 쓰면 에이전트가 분석 도구를 직접 호출하고 근거가 붙은 결과를 돌려받습니다. 제 PC(Windows 11)에 6.5.0을 Ghidra 12.1.4와 함께 설치해 클라이언트 네 곳에 연결한 과정을 정리했습니다.

먼저 짚어 둘 것이 있습니다. REA의 면책 조항(DISCLAIMER.md)은 이 도구를 보안 연구, 악성코드·침해 사고 분석, 취약점 연구와 조율된 공개, CTF와 교육, 상호운용성 확보, 소프트웨어 보존, 그리고 본인이 소유하거나 분석 권한을 받은 소프트웨어의 디버깅·감사에 쓰라고 정해 두었습니다. DRM·라이선스 검사·안티치트 우회, 게임 치트 제작, 허가 없는 인증 우회, 독점 소프트웨어 복제는 돕지 않는다고 명시합니다. 리버스 엔지니어링은 나라나 소프트웨어 라이선스에 따라 제한될 수 있으니, 이 글도 자기 프로그램·악성코드 분석·CTF 같은 합법적 용도만 다룹니다.

REA가 하는 일

공식 배포처는 GitHub의 morluto/rea, 웹사이트 rea.tools, npm 패키지 rea-agents 세 곳입니다. README는 비슷한 이름의 저장소나 복사된 README로는 공식 배포 파일인지 확인할 수 없다고 경고합니다. 라이선스는 MIT입니다.

흐름은 단순합니다. 에이전트가 MCP로 REA를 부르면 REA가 분석 도구로 대상을 검사하고 관련 코드를 추적해 결과와 근거를 돌려줍니다. 에이전트는 그 결과로 동작을 설명하거나 코드를 쓰고 테스트합니다. 분석은 로컬에서 돌고, 결과에는 결론마다 근거와 한계가 붙습니다. 제 PC의 doctor 출력 기준으로 6.5.0에는 MCP 도구 207개, CLI 명령 153개, MCP 프롬프트 6개가 들어 있습니다.

위 그림은 README에 실린 것으로, Hopper 안에서 REA 분석 브리지가 네이티브 바이너리를 검사하는 화면입니다.

분석할 수 있는 대상(일부)

펌웨어, 패킷 기록, 논리 신호 기록 같은 대상은 Linux에서만 쓸 수 있는 도구가 필요합니다. 정적 JavaScript와 .NET 검사는 파일을 읽기만 하고 앱을 실행하지 않습니다.

준비물

• Node.js 22.x(22.19 이상), 24.x(24.11 이상) 또는 26 이상과 npm. 제 PC는 24.16.0입니다.
• Ghidra 12.1.x와 64비트 전체 JDK 21 이상. 설치 문서는 Ghidra 12.1.4와 JDK 21로 검증했다고 적고 있습니다. JRE가 아니라 JDK여야 하고, JDK의 플랫폼이 PC와 같아야 합니다.
• 환경 변수 GHIDRA_INSTALL_DIR에 Ghidra 압축을 푼 폴더를 지정합니다. JDK가 PATH에 없으면 JAVA_HOME도 넣습니다.

# 설치 문서의 PowerShell 예시(현재 창에만 적용)$env:GHIDRA_INSTALL_DIR = "C:\tools\ghidra_12.1.4_PUBLIC"$env:JAVA_HOME = "C:\Program Files\Java\jdk-21"# 계속 쓰려면 사용자 환경 변수로 저장[Environment]::SetEnvironmentVariable("GHIDRA_INSTALL_DIR", "C:\tools\ghidra_12.1.4_PUBLIC", "User")

에이전트에 연결하기

setup은 기존 설정 파일을 백업한 뒤 REA MCP 서버와 버전에 맞는 작업 지침(스킬)을 추가합니다. 바로 적용하지 말고 --dry-run으로 무엇이 바뀌는지 먼저 봅니다. 이 옵션은 읽기만 하는 계획을 돌려줍니다.

npx -y rea-agents@latest setup --client claude_code --dry-runnpx -y rea-agents@latest setup --client claude_code

계획을 확인하고 두 번째 명령으로 승인한 뒤 에이전트를 다시 시작합니다. 같은 방법으로 Claude Desktop, GitHub Copilot CLI, VS Code에도 연결했습니다. 클라이언트 ID는 아래와 같습니다.

설치 문서에 따르면 Codex, Cursor, Gemini CLI 등을 포함해 클라이언트 ID 17개가 setup 계획을 받습니다. Claude Code에는 reverse-engineer-anything 스킬이 함께 깔리고, claude mcp list에서 rea 서버가 Connected로 보입니다.

doctor로 점검하기

rea doctor는 설정을 읽기만 하는 진단 명령입니다. 전역 설치 없이 npx로 돌려도 됩니다.

npx -y rea-agents@latest doctor --client claude_code --provider ghidra

제 결과는 healthy: true였습니다. Ghidra 12.1.4, JDK 21.0.11, 윈도용 네이티브 디컴파일러가 모두 통과했고, 네 클라이언트 등록이 전부 rea-agents@6.5.0으로 맞춰져 있었습니다. Hopper·IDA·JADX는 없다고 나오지만 참고 항목이라 Ghidra 분석을 막지는 않습니다.

사용 예시

정적 JavaScript 분석은 네이티브 엔진 없이도 됩니다. 직접 만든 Electron 앱의 빌드 결과물이 어떤 모듈로 묶였는지 볼 때 README의 CLI 예시를 그대로 쓸 수 있습니다.

npx -y rea-agents@latest analyze-javascript-application "D:/apps/my-app" --json

에이전트에게는 "내가 만든 이 exe에서 설정 파일을 읽는 함수를 Ghidra로 찾아서 의사 코드와 근거를 보여 줘"나 "이 CTF 문제 바이너리의 입력 검사 루틴을 추적해 줘"처럼 대상과 질문을 함께 줍니다.

README의 사례 세 가지도 참고가 됩니다. DX-Ball은 사운드 패닝 계산을 C로 다시 구현해 원본 x86 대비 3,205개 테스트를 통과했고, TH04는 PC-98 게임의 16비트 탄막 각도 계산을 복원했습니다. 나머지 하나는 Electron 앱의 클립보드 처리를 렌더러에서 메인 프로세스까지 추적한 사례입니다.

주의할 점

• Windows에서 Ghidra를 쓰는 경로는 README에 "실험적 Windows Ghidra 지원"으로 표시돼 있습니다.
• npx로 등록하면 설정에 버전이 고정돼 들어갑니다(제 경우 rea-agents@6.5.0). 새 버전을 쓰려면 npx rea-agents@latest setup을 다시 실행하고 에이전트를 재시작해야 합니다.
• 큰 바이너리는 Ghidra 시작이 오래 걸릴 수 있습니다. README는 REA_GHIDRA_STARTUP_TIMEOUT_MS로 제한 시간을 늘리라고 안내합니다.
• 분석은 로컬에서 하지만, 도구 결과는 에이전트를 거쳐 모델 제공자에게 전달됩니다. 업로드되면 안 되는 파일인지 먼저 따져 봅니다.
• IDA Pro, Hopper, JEB 같은 상용 도구는 정식 라이선스가 있어야 합니다. REA는 어떤 도구의 라이선스도 주지 않습니다.

비슷한 도구와 차이

공식 사이트: https://rea.tools/ko/ · 저장소: https://github.com/morluto/rea

MarkItDown은 마이크로소프트가 만든 파이썬 도구로, PDF·Word·PowerPoint·Excel·이미지·HTML 같은 파일을 마크다운으로 바꿉니다. AI에게 문서를 읽힐 때 원본 파일을 그대로 넘기면 표가 흐트러지거나 아예 읽지 못하는 경우가 있는데, 먼저 마크다운으로 바꿔 두면 제목·목록·표 구조를 살린 채 넘길 수 있습니다. 제 PC(Windows 11)에 0.1.8을 설치하고, 직접 만든 엑셀·파워포인트·워드 파일을 변환해 본 결과를 함께 적었습니다.

MarkItDown은 무엇이고 왜 마크다운인가

GitHub의 microsoft/markitdown 저장소에서 MIT 라이선스로 배포됩니다. README는 이 도구를 "LLM과 텍스트 분석 파이프라인에 넣기 위한 가벼운 변환기"라고 소개합니다. 가장 비슷한 도구로 textract를 꼽으면서, MarkItDown은 제목·목록·표·링크 같은 문서 구조를 마크다운으로 보존하는 데 중점을 둔다고 설명합니다. 반대로 사람이 읽을 고품질 문서 변환에는 최선이 아닐 수 있다는 점도 README에 스스로 적어 두었습니다.

마크다운을 고른 이유로 README는 세 가지를 듭니다. 평문에 가까우면서 구조를 표현할 수 있고, 주요 LLM이 마크다운을 잘 이해하며, 토큰 효율이 높다는 것입니다.

지원 형식

설치 방법

README의 기본 안내는 pip install 'markitdown[all]'이고, 지원하는 파이썬 버전은 3.10부터 3.14까지입니다. 저는 다른 파이썬 프로젝트와 섞이지 않게 uv의 도구 설치 기능을 썼습니다. 이렇게 하면 별도 가상 환경에 깔리고 markitdown 명령만 PATH에 올라옵니다.

uv tool install "markitdown[all]"markitdown --version

모든 형식이 필요하지 않다면 pip install 'markitdown[pdf, docx, pptx]'처럼 필요한 묶음만 골라 설치할 수 있습니다.

주요 명령

사용 예시: 직접 만든 파일 3개 변환

10월 지출을 적은 엑셀 파일, 슬라이드 한 장짜리 파워포인트, 제목 스타일을 넣은 워드 파일을 만들어 차례로 변환했습니다.

• 엑셀: 시트 이름 "10월 지출"이 ## 제목이 되고, 셀은 마크다운 표로 바뀌었습니다.
• 파워포인트: <!-- Slide number: 1 --> 주석 뒤에 슬라이드 제목이 #으로 나왔습니다. 본문 두 줄 중 한 줄은 한 단계 들여 쓴 항목이었는데, 결과에서는 들여쓰기 없이 평범한 두 줄로 나왔습니다.
• 워드: "제목 1"·"제목 2" 스타일이 각각 #과 ##로 바뀌고 문단 사이에 빈 줄이 들어갔습니다.

파이썬 코드에서 쓰기

from markitdown import MarkItDownmd = MarkItDown(enable_plugins=False)result = md.convert("test.xlsx")print(result.markdown)

파워포인트와 이미지는 llm_client와 llm_model을 넘기면 LLM이 그림 설명을 붙여 줍니다. README 예시는 OpenAI 클라이언트를 씁니다.

MCP 서버를 지우고 CLI만 남긴 이유

MarkItDown에는 같은 기능을 MCP 서버로 제공하는 markitdown-mcp 패키지도 있습니다. 함께 설치했다가 지웠습니다. Claude Code는 터미널 명령을 직접 실행할 수 있어서 markitdown 파일 한 줄이면 같은 결과를 얻습니다. 같은 일을 하는 통로를 둘 둘 이유가 없어서 CLI 하나만 남겼습니다.

주의할 점

• 입력 검증: README 맨 위의 경고입니다. MarkItDown은 실행한 프로세스의 권한으로 파일과 네트워크에 접근합니다. convert()는 로컬 파일, 원격 주소, 바이트 스트림을 모두 받으므로, 남이 넘긴 입력을 서버에서 변환한다면 경로와 주소를 먼저 제한하고 convert_local()이나 convert_stream()처럼 범위가 좁은 함수를 쓰라고 권합니다.
• 스캔한 PDF의 글자: 기본 변환기 설명에는 PDF OCR이 없습니다. markitdown-ocr 플러그인이 LLM 비전 모델로 PDF·DOCX·PPTX·XLSX 안 이미지의 글자를 뽑는데, llm_client를 주지 않으면 OCR은 조용히 건너뜁니다.
• Azure 연동(Document Intelligence, Content Understanding)은 변환할 때마다 과금되는 API 호출입니다. 기본 변환기는 로컬에서만 돕니다.
• PowerShell에서 한글 결과가 깨져 보이면 콘솔 출력 인코딩을 UTF-8로 맞추고 보면 됩니다. 저는 [Console]::OutputEncoding을 UTF-8로 바꾼 뒤 확인했습니다.

비슷한 도구와 차이

Docker로도 돌릴 수 있습니다. README에 docker build -t markitdown:latest .로 이미지를 만들고 docker run --rm -i markitdown:latest < 파일.pdf > output.md로 변환하는 예시가 있습니다.

저장소: https://github.com/microsoft/markitdown

Agent-Reach는 AI 에이전트가 유튜브 자막, RSS 피드, X(트위터), Reddit 같은 곳의 글을 읽어 오게 해 주는 오픈소스 명령줄 도구입니다. 에이전트에 기본으로 있는 웹 검색·페이지 가져오기로는 영상 자막이나 로그인이 필요한 글을 가져오지 못하는데, Agent-Reach는 플랫폼마다 맞는 도구를 골라 설치하고 점검해 주는 방식으로 이 문제를 풉니다. 제 PC(Windows 11)의 Claude Code에 1.5.0을 설치했더니 16개 채널 중 5개가 바로 쓸 수 있는 상태였습니다. 설치 순서와 점검 결과, 도중에 손본 설정 두 가지를 차례로 적습니다.

Agent-Reach는 어떤 도구인가

GitHub의 Panniantong/Agent-Reach 저장소에서 MIT 라이선스로 배포됩니다. README는 이 프로젝트를 "능력 계층(capability layer)"이라고 부릅니다. 읽기를 대신 해 주는 래퍼가 아니고, 어떤 도구로 읽을지 고르고, 설치하고, 상태를 점검하고, 에이전트에게 경로를 알려 주는 일만 맡는다는 뜻입니다. 영상 자막은 yt-dlp가, 웹 페이지는 Jina Reader가, RSS는 feedparser가 읽습니다. 에이전트는 이 도구들을 직접 부릅니다.

플랫폼마다 "1순위와 대체 수단" 순서로 백엔드 목록이 있어서, 1순위가 막히면 다음 후보로 넘어갑니다. README에는 2026년 6월 B站가 yt-dlp를 막자 bili-cli로 바꿨다는 사례가 적혀 있습니다. 실행 조건은 Python 3.10 이상입니다.

지원 플랫폼 16개

중국 서비스가 여럿 들어 있는 것은 개발자가 중국에서 활동하기 때문으로 보입니다. README도 중국어가 기본이고 영어·일본어·한국어 번역본이 따로 있습니다.

설치 방법(Windows, uv)

README가 권하는 방법은 에이전트에게 설치 안내 문서 주소를 주고 설치를 맡기는 것입니다. 저는 무엇이 깔리는지 직접 보려고 uv로 설치했습니다. README는 PyPI에 같은 이름의 다른 패키지가 있으니 받지 말라고 경고합니다. 그래서 GitHub 압축 파일 주소를 그대로 넘겼습니다.

uv tool install --python 3.12 https://github.com/Panniantong/agent-reach/archive/main.zipagent-reach --versionagent-reach doctor

agent-reach install은 기본값이 "검사만"입니다. 시스템 패키지를 깔거나 설정 파일을 쓰게 하려면 --system을 붙여야 하고, --dry-run으로는 할 일 목록만 미리 볼 수 있습니다. Claude Code가 읽을 스킬 파일(SKILL.md)은 마지막 줄 명령으로 넣습니다.

agent-reach install --env=auto --dry-runagent-reach skill --install

doctor로 본 실제 상태

설치 직후 agent-reach doctor를 돌린 결과입니다. 출력은 중국어로 나오고, 마지막 줄에 "5/16 个渠道可用", 곧 16개 채널 중 5개가 사용 가능하다고 나옵니다.

GitHub가 보류로 나온 이유도 출력에 적혀 있습니다. gh auth status를 실행하면 기기 ID가 기록되기 때문에, doctor는 그 명령을 부르지 않고 판정을 미룹니다.

설치하면서 손본 것 두 가지

1. YouTube 자막: yt-dlp 설정 추가

처음에는 YouTube 채널이 제대로 동작하지 않았습니다. yt-dlp를 uv로 따로 설치하고 설정 파일 ~/.config/yt-dlp/config에 한 줄을 넣은 다음에야 사용 가능으로 바뀌었습니다.

uv tool install "yt-dlp[default]"# ~/.config/yt-dlp/config 에 넣은 내용--js-runtimes node

최근 yt-dlp는 YouTube를 처리할 때 외부 자바스크립트 런타임을 씁니다. 이 옵션은 PC에 이미 깔려 있는 Node.js를 그 런타임으로 쓰라고 지정합니다.

2. 스킬 설명이 기본 웹 검색을 가로채는 문제

원래 스킬 설명은 "모든 조사와 URL에 반드시 사용하라"는 취지였습니다. 그대로 두면 Claude Code가 평범한 웹 검색이나 한국어 사이트를 읽을 때도 Agent-Reach부터 부릅니다. 그래서 SKILL.md 앞부분의 description을 "WebSearch·WebFetch로 못 가져올 때만"으로 좁혔습니다. 대상은 유튜브 자막, X, Reddit, RSS, 그리고 WebFetch가 읽지 못한 페이지입니다.

문제는 업데이트하거나 agent-reach skill --install을 다시 실행하면 이 수정이 원래 문장으로 덮어써진다는 점입니다. 업데이트한 뒤에는 description을 다시 고쳐야 합니다.

쿠키가 필요한 채널을 켜지 않은 이유

X, Reddit, Instagram은 쿠키나 브라우저 로그인 상태가 있어야 열립니다. README는 스크립트 접근이 플랫폼에 탐지되면 계정이 정지될 수 있으니 주 계정 대신 전용 부계정을 쓰라고 권합니다. 쿠키는 본인 PC의 ~/.agent-reach/config.yaml에만 저장된다고 적혀 있습니다. 지금은 이 세 곳을 읽을 일이 없어서 설정하지 않았습니다.

비슷한 도구와 차이

업데이트는 README에 있는 update.md 주소를 에이전트에게 주는 방식이고, 지울 때는 agent-reach uninstall이 ~/.agent-reach/ 폴더와 스킬 파일, mcporter 설정을 함께 지웁니다. --dry-run을 붙이면 지울 목록만 보여 줍니다.

저장소: https://github.com/Panniantong/Agent-Reach

humanizer는 AI가 쓴 글에서 'AI 티'를 찾아 지우는 Claude Code 스킬입니다. 위키백과 편집자들이 AI 생성 글을 가려낼 때 쓰는 문서 'Signs of AI writing'을 바탕으로 26가지 패턴을 점검하고, 뜻은 그대로 둔 채 문장만 고칩니다. 원본은 영어 기준이라 제 PC(Windows 11)에서는 한국어 패턴 파일 korean.md(K1~K10)를 따로 만들어 붙였고, 블로그 작성 스킬의 마지막 단계로 연결했습니다.

humanizer는 무엇인가

blader가 관리하는 MIT 라이선스 저장소입니다. 캡처 시점 별은 약 5만 7천 개였고, 제가 설치한 버전은 3.1.0입니다. Claude Code, Codex처럼 스킬을 지원하는 에이전트에서 씁니다.

README가 밝힌 목표는 사람이 읽기 좋은 글입니다. AI 탐지기 통과는 목표가 아니며, 탐지기는 여전히 결과물 대부분을 잡아낸다고 적혀 있습니다. 블라인드 테스트에서 심사자들이 원래 AI 글보다 humanizer가 고친 글을 16번 중 16번 골랐다는 결과도 실려 있습니다(이슈 #229).

26가지 패턴

패턴은 강하고 흔한 순서로 번호가 붙어 있고 6개 묶음으로 나뉩니다. 1~5번은 한 번만 보여도 고치고, weak alone 표시가 붙은 패턴은 다른 패턴과 겹칠 때만 고칩니다.

설치 방법

README의 Claude Code 설치는 플러그인 방식입니다(Claude Code 2.1.142 이상).

/plugin marketplace add blader/humanizer
/plugin install humanizer@humanizer

이 경우 /humanizer:humanizer로 부릅니다. 버전이 낮으면 아래 명령을 쓰라고 안내합니다.

npx skills add blader/humanizer --global --agent claude-code

저는 한국어 파일을 같은 폴더에 붙이려고 플러그인 대신 저장소를 받아 SKILL.md를 ~/.claude/skills/humanizer/에 직접 복사했습니다. 이렇게 넣으면 /humanizer로 부릅니다.

쓰는 방법과 세 가지 모드

/humanizer
[고칠 글 붙여 넣기]

자기 글 2~3문단을 견본으로 주면 그 문장 길이와 말버릇에 맞춥니다. 견본에 줄표가 있으면 줄표도 비슷한 비율로 남깁니다. 이름·숫자·날짜·인용은 원문에 있는 것만 쓰고, 필요한 정보가 없으면 지어내지 않고 묻습니다.

한국어 패턴 K1~K10을 붙인 이유

26개 패턴은 영어 문장을 기준으로 만들어졌습니다. delve, testament 같은 단어 목록은 한국어 글에 걸릴 일이 없고, 한국어 AI 글에 자주 보이는 '선사합니다', '~를 통해' 같은 표현은 원본에 없습니다. 그래서 korean.md를 새로 쓰고, SKILL.md에는 한국어 글이면 이 파일을 함께 보라는 줄과 한국어 호출 문구(AI 티 지워줘, 번역투 고쳐줘 등)를 넣었습니다. 원본에서 바꾼 곳은 이 4줄뿐입니다.

고치기 전후 예시

K10은 고치는 과정에서 생기기 쉬운 문제를 막는 규칙입니다. 사람 말투로 바꾼다고 "직접 써 보니" 같은 체험을 지어 넣지 않게 하고, 받은 체험이 없으면 담백한 설명체로 둡니다.

블로그 작성 스킬과 연결

블로그 초안을 쓰는 스킬을 따로 두고 있습니다. 그 스킬의 마지막 단계를 'humanizer를 Embedded 모드로 적용, 한국어 글은 korean.md K1~K10'으로 정해 두어, 초안이 나오면 고친 최종본만 남깁니다. 내보내기 전 점검 항목도 함께 적었습니다.

1. K1~K5에 해당하는 문장이 0개인가
2. 받지 않은 체험·수치·가격·후기가 들어가지 않았는가
3. 본문에 줄표와 이모지가 없는가
4. 마지막 문단이 앞 내용을 되풀이하지 않는가
5. 한 문단 안에서 문장 길이가 섞여 있는가

플랫폼마다 사람 말투가 다르다는 점도 적어 두었습니다. 네이버는 ~해요체를 살리되 같은 어미가 세 번 이어지지 않게 하고, 티스토리는 ~합니다체에서 꾸밈말 대신 수치와 절차로 쓰게 했습니다.

주의할 점

• 법률·약관·개인정보처리방침의 정해진 문구와 화면 버튼 문구는 고치지 않도록 korean.md에 따로 적었습니다.
• SKILL.md는 2022년 11월 30일 이전 글을 AI 작성으로 보지 말라고 적고 있습니다. 패턴 하나만 보고 AI 글이라고 단정하지 말고 여러 신호가 겹칠 때 판단하라는 뜻입니다.
• 원본 저장소의 SKILL.md를 새 버전으로 다시 복사하면 손으로 넣은 한국어 4줄이 사라집니다. 갱신할 때마다 다시 넣어야 합니다.

비슷한 도구와 차이

위키백과 'Signs of AI writing' 문서를 직접 체크리스트로 읽는 방법이 있습니다. humanizer는 그 문서를 Claude가 바로 따라 할 수 있는 절차와 예시로 바꿔 둔 것입니다. 흔히 쓰는 AI 탐지기는 글이 AI 작성인지 점수를 매기는 도구라 목적이 다릅니다. humanizer는 점수를 매기지 않고, 탐지기 통과도 목표로 두지 않습니다.

저장소: https://github.com/blader/humanizer
위키백과 문서: https://en.wikipedia.org/wiki/Wikipedia:Signs_of_AI_writing

agency-agents는 마케팅·디자인·개발·영업 같은 분야별 전문가 역할을 Claude Code 서브에이전트 파일로 모아 둔 GitHub 저장소입니다. "SEO 점검해 줘" 같은 일을 그 분야 체크리스트와 작업 순서를 가진 에이전트에게 넘길 때 씁니다. 제 PC(Windows 11)에는 전체 중 마케팅·제품·디자인·광고 분야 28개만 골라 넣었습니다. 전부 넣으면 매 세션 에이전트 목록이 그만큼 커지기 때문입니다.

agency-agents는 무엇인가

msitarzewski가 관리하는 MIT 라이선스 저장소로, README는 레딧 글타래에서 시작해 몇 달 동안 다듬었다고 소개합니다. 캡처 시점 별은 약 16만 1천 개, 커밋은 774개였습니다. 에이전트 하나가 마크다운 파일 하나이고, 파일에는 정체성과 성격, 핵심 임무와 작업 순서, 결과물 예시, 성공 지표가 들어 있습니다.

에이전트 수

README는 '230명 이상'이라고 적고 있습니다. 제가 받은 사본(2026-10-15 커밋)에서 divisions.json에 등록된 18개 분야 폴더를 돌며 frontmatter에 name 항목이 있는 파일만 세어 보니 282개였습니다. 플레이북과 런북을 담은 strategy 폴더는 분야가 아니라서 세지 않았습니다.

설치 방법

공식 방법

README가 먼저 권하는 방법은 macOS·Windows·Linux용 데스크톱 앱 Agency Agents입니다. 목록을 분야별로 둘러보고 Claude Code, Codex, Cursor, Gemini CLI 등에 클릭으로 설치합니다. 공식 사이트는 Tauri 2로 만든 앱이고 텔레메트리와 계정이 없다고 적고 있습니다.

명령줄을 쓴다면 저장소를 받은 뒤 설치 스크립트를 실행합니다.

git clone https://github.com/msitarzewski/agency-agents
cd agency-agents
./scripts/install.sh --list teams                                   # 분야와 에이전트 수 보기
./scripts/install.sh --tool claude-code                             # 전부 설치
./scripts/install.sh --tool claude-code --division marketing,design # 분야만
./scripts/install.sh --tool claude-code --agent frontend-developer,ui-designer

Claude Code용 파일은 변환 없이 ~/.claude/agents/에 그대로 복사됩니다. 스크립트가 bash라서 Windows에서는 Git Bash 같은 환경이 있어야 합니다.

제가 한 방법

파일 하나가 에이전트 하나이므로 고른 파일만 복사했습니다.

cp agency-agents/marketing/marketing-seo-specialist.md ~/.claude/agents/
cp agency-agents/product/product-manager.md ~/.claude/agents/

마케팅에서 뺀 22개는 주로 바이두·더우인·샤오훙수·웨이보·위챗 같은 중국 플랫폼 담당과 링크드인·레딧·팟캐스트 담당입니다. 쓰지 않을 채널 담당까지 넣으면 목록만 길어집니다.

전부 넣지 않은 이유

Claude Code는 설치된 서브에이전트의 이름과 설명을 목록으로 만들어 메인 대화에 붙입니다. 메인 Claude는 이 목록을 보고 어떤 일을 누구에게 맡길지 고릅니다. 282개를 다 넣으면 이 목록이 매 세션 그만큼 길어지고, 게임 개발·의료·GIS처럼 쓸 일 없는 에이전트까지 선택지에 올라옵니다. README도 모든 사람이 모든 분야를 원하지는 않는다며 --division 옵션을 안내합니다. OpenCode는 에이전트를 약 119개까지만 등록하고 나머지는 조용히 버린다는 주의도 README에 있습니다.

사용 예시

Claude Code에서는 Agent 도구(서브에이전트)로 부릅니다. 이름을 대고 맡기면 됩니다.

SEO Specialist 에이전트에게 이 블로그 글의 제목과 소제목을 점검받아 줘.

메인 Claude가 SEO Specialist를 서브에이전트로 띄워 일을 넘기고 결과 보고만 받아 옵니다. 서브에이전트가 읽은 파일 내용은 메인 대화에 쌓이지 않습니다. README 예시처럼 "Frontend Developer 모드로 도와줘"라고 말하는 방법도 안내되어 있습니다.

에이전트 파일 맨 위 frontmatter의 tools 항목이 그 에이전트가 쓸 도구를 정합니다. 예를 들어 SEO Specialist는 WebFetch, WebSearch, Read, Write, Edit만 쓰게 되어 있어 명령 실행(Bash)은 하지 않습니다.

주의할 점

• 에이전트 본문이 모두 영어이고 기준도 해외 중심입니다. SEO Specialist는 구글 Search Console 데이터와 Core Web Vitals 수치를 기준으로 삼습니다. 국내 포털 규칙이 필요하면 요청할 때 따로 알려 줘야 합니다.
• 부를 때는 파일 이름이 아니라 frontmatter의 name을 씁니다. paid-media-creative-strategist.md의 이름은 Ad Creative Strategist입니다.
• 복사해 넣은 파일은 저장소가 바뀌어도 그대로입니다. 공식 사이트는 앱이 갱신과 되돌리기를 지원한다고 적고 있습니다.

비슷한 도구와 차이

스킬은 이 일을 이 순서로 하라는 절차서이고, 에이전트는 이 사람에게 맡기라는 쪽에 가깝습니다. 제 설정에서는 블로그 글 작성은 스킬로, SEO 점검이나 인스타그램 기획처럼 다른 관점이 필요한 일은 에이전트로 나눠 두었습니다.

저장소: https://github.com/msitarzewski/agency-agents
앱: https://agencyagents.app/

awesome-design-md는 애플·스트라이프·노션 같은 유명 서비스의 웹 디자인 규칙을 DESIGN.md라는 마크다운 파일로 정리해 모은 GitHub 저장소입니다. AI에게 "애플 느낌으로 만들어 줘"라고만 하면 흰 바탕에 파란 버튼 정도로 끝나기 쉬운데, 이 파일을 함께 주면 색 코드와 글꼴 크기, 버튼 모양, 간격까지 근거를 갖고 화면을 짭니다. 제 PC(Windows 11)에서는 이 저장소를 Claude Code 스킬로 감싸 brand-design-md라는 이름으로 설치했습니다.

awesome-design-md는 무엇인가

VoltAgent가 관리하는 MIT 라이선스 저장소입니다. README 배지에 DESIGN.md가 84개로 표시되어 있고, 제가 받은 사본(2026-10-14 커밋)의 design-md 폴더도 84개였습니다. 캡처 시점 GitHub 별은 약 12만 2천 개였습니다.

DESIGN.md는 Google Stitch가 내놓은 형식으로, AI 에이전트가 읽고 화면을 일관되게 만들도록 디자인 시스템을 평범한 텍스트로 적은 문서입니다. 피그마 내보내기나 JSON 스키마가 필요 없고 프로젝트 루트에 두기만 하면 됩니다. README는 AGENTS.md가 프로젝트를 어떻게 만들지 정하고, DESIGN.md는 어떻게 보일지 정한다고 설명합니다.

분야별 구성

1990년대 웹을 재현한 Dell(1996), Nintendo.com(2001) 같은 복고 시리즈도 들어 있습니다.

DESIGN.md 한 장에 들어 있는 것

모든 파일이 Stitch 형식에 절을 더한 같은 9개 절 구조를 따릅니다.

애플 파일은 482줄입니다. 맨 위 설정 부분에 primary 색 #0066cc, 본문 글자색 #1d1d1f, 히어로 제목 SF Pro Display 56px·굵기 600·자간 -0.28px처럼 값이 적혀 있습니다. 색과 글꼴이 숫자로 정해져 있어서 AI가 짐작으로 채울 부분이 줄어듭니다.

설치 방법

공식 안내

README의 사용법은 두 단계입니다. 원하는 브랜드의 DESIGN.md를 프로젝트 루트에 복사하고, AI 에이전트에게 그 파일을 쓰라고 말합니다. 공식 사이트 getdesign.md의 브랜드 페이지에는 명령 한 줄도 붙어 있습니다.

npx getdesign@latest add apple

프로젝트 루트에서 실행한 뒤 AI에게 DESIGN.md를 기준으로 화면을 만들라고 하라는 설명이 있습니다. 이 명령은 제가 직접 실행해 보지 않았습니다.

제가 한 방법: 스킬로 감싸기

프로젝트마다 파일을 찾아 복사하기 번거로워서 84개를 통째로 Claude Code 스킬 폴더에 넣었습니다.

git clone https://github.com/VoltAgent/awesome-design-md
mkdir -p ~/.claude/skills/brand-design-md
cp -r awesome-design-md/design-md ~/.claude/skills/brand-design-md/library

그다음 같은 폴더에 SKILL.md를 직접 썼습니다. Claude Code는 SKILL.md 맨 위 description을 보고 스킬을 꺼낼지 정하기 때문에, 여기에 "애플 스타일로", "테슬라 느낌", "OO 브랜드처럼" 같은 한국어 호출 문구를 적었습니다. 본문 규칙은 짧습니다.

1. 사용자가 말한 브랜드를 library 폴더 이름에서 찾는다. 없으면 가장 가까운 2~3곳을 제안한다.
2. 그 DESIGN.md를 전부 읽고 색·글꼴·간격·버튼·그림자 규칙을 결과물에 적용한다.
3. 로고·상표·브랜드명은 쓰지 않고 분위기만 빌린다.

사용 예시

스킬을 넣은 뒤에는 평소처럼 요청하면 됩니다.

동네 카페 소개 페이지를 스타벅스 느낌으로 만들어 줘. 로고와 이름은 쓰지 말고.

SKILL.md 규칙대로라면 Claude는 library/starbucks/DESIGN.md를 먼저 읽고 그 색과 글꼴 규칙으로 페이지를 만듭니다. README 설명에 따르면 스타벅스 파일은 네 단계 초록 체계와 따뜻한 크림색 바탕, 전용 서체 SoDoSans를 다룹니다. 서체는 브랜드 전용이라 실제 페이지에서는 비슷한 무료 글꼴로 바꿔야 합니다. 목록에 없는 브랜드를 말하면 비슷한 곳 2~3곳을 먼저 제안하게 해 두었습니다.

주의할 점

• 저장소와 사이트의 수가 다릅니다. 저장소는 84개, getdesign.md 카탈로그는 550개 이상으로 표시됩니다. 저장소에 없는 브랜드는 사이트에서 따로 받아야 합니다.
• README는 브랜드마다 preview.html과 preview-dark.html이 들어 있다고 적고 있지만, 제가 받은 사본의 브랜드 폴더에는 DESIGN.md와 README.md 두 파일만 있었습니다. 그 README.md도 자세한 내용은 getdesign.md로 옮겼다는 안내 한 줄입니다. 색 견본을 눈으로 보려면 사이트를 열어야 합니다.
• 공개된 CSS 값을 뽑아 정리한 분석 문서이고, 각 브랜드와 관계없다고 저장소와 사이트가 밝히고 있습니다. 상표와 로고까지 가져다 쓰면 사칭이 됩니다.
• 이미 자기 디자인 기준이 있는 사이트라면 기준을 덮어쓰지 말고 색을 고를 때만 참고하는 편이 안전합니다. 저도 SKILL.md에 그렇게 적었습니다.

비슷한 도구와 차이

DESIGN.md는 규칙을 글로 주고, Mobbin 같은 화면 레퍼런스는 그림을 줍니다. 화면 구조를 처음 정할 때는 화면 레퍼런스가, 정해 둔 구조에 색과 글꼴을 입힐 때는 DESIGN.md가 맞습니다.

저장소: https://github.com/VoltAgent/awesome-design-md
공식 사이트: https://getdesign.md/

canvas-design은 Anthropic이 공식 스킬 저장소(anthropics/skills)에 공개한 Claude 스킬입니다. 포스터, 카드, 아트 프린트처럼 한 장짜리 시각물을 PNG나 PDF 파일로 만듭니다. 디자인 툴을 열지 않고 Claude Code에 말로 요청해 이미지 파일을 받고 싶을 때 쓰는 스킬입니다. 설치 방법, 스킬이 Claude에게 시키는 2단계 작업 방식, 들어 있는 글꼴, 한국어로 쓸 때 주의할 점을 SKILL.md 원문 기준으로 정리합니다.

canvas-design은 무엇인가

anthropics/skills 저장소의 skills 폴더에 들어 있는 예제 스킬 가운데 하나입니다. 저장소 README는 스킬을 Claude가 특정 작업을 할 때 불러 쓰는 지시문, 스크립트, 자료가 든 폴더라고 정의합니다. canvas-design 폴더는 세 가지로 되어 있습니다.

• SKILL.md: 130줄 분량의 작업 지시문
• canvas-fonts: 글꼴 파일(.ttf) 54개와 글꼴별 OFL 라이선스 문서
• LICENSE.txt: Apache License 2.0

SKILL.md의 설명(description)은 포스터, 예술 작품, 디자인 같은 정적인 결과물을 요청받으면 이 스킬을 쓰라고 적고 있습니다. 기존 작가의 작품을 베끼지 말고 독창적인 디자인을 만들라는 조건도 같은 줄에 있습니다. GitHub 스타는 저장소 전체 기준 약 18.2만입니다(2026-10-17 캡처).

설치 방법

방법 1. 플러그인 마켓플레이스

/plugin marketplace add anthropics/skills
/plugin install example-skills@anthropic-agent-skills

README가 안내하는 방법입니다. canvas-design은 example-skills 플러그인에 묶여 있어서, 이렇게 설치하면 algorithmic-art, frontend-design, skill-creator 등 예제 스킬 12개가 함께 들어옵니다.

방법 2. 폴더만 복사

git clone https://github.com/anthropics/skills.git
cp -r skills/skills/canvas-design ~/.claude/skills/

저는 이 방법을 썼습니다. 다른 예제 스킬은 필요 없어서 canvas-design 폴더만 사용자 스킬 폴더에 복사했습니다. 내려받은 원본 저장소는 남겨 두고, 업데이트가 있으면 git pull 뒤 다시 복사합니다. 참고로 README에는 claude.ai 유료 요금제에 이 예제 스킬들이 이미 들어 있다고 적혀 있습니다.

작동 방식: 철학을 먼저 쓰고 그림을 그린다

SKILL.md는 Claude에게 결과물을 2단계로 만들게 합니다. 출력 파일도 .md, .pdf, .png 세 종류로 제한합니다.

지시문에 반복해서 나오는 원칙은 네 가지입니다.

• 글자는 최소로: 문단 대신 짧은 단어나 라벨만 넣고, 글꼴은 대부분 가늘게 씁니다.
• 넘침 금지: 글자와 도형이 캔버스 밖으로 나가거나 서로 겹치면 안 되고 여백을 둡니다.
• 주제는 은근하게: 요청한 주제를 그대로 그리기보다 아는 사람만 알아챌 정도로 녹여 넣으라고 합니다.
• 반복과 패턴: 반복되는 무늬, 정확한 도형, 제한된 색 조합을 권합니다.

여러 장이 필요하면 같은 철학으로 페이지를 이어서 PDF 하나나 PNG 여러 장으로 묶습니다.

사용 예시

Claude Code에서 스킬 이름을 직접 부르거나, 포스터를 만들어 달라고 요청하면 됩니다.

canvas-design 스킬로 동네 재즈 공연 포스터를 A3 세로 PDF로 만들어 줘.
글자는 공연 이름과 날짜만 넣어 줘.

지시문대로라면 Claude는 먼저 디자인 철학 .md를 쓰고, 그다음 코드로 캔버스를 그려 PDF로 저장합니다. 어떤 라이브러리로 그릴지는 SKILL.md에 정해져 있지 않아서 Claude가 작업 환경에 맞게 고릅니다. 크기, 파일 형식, 넣을 글자를 요청에 같이 적으면 결과를 예측하기 쉽습니다.

주의할 점

• 한글 글꼴이 없습니다: canvas-fonts의 글꼴 54개 이름을 확인해 보면 Lora, Work Sans, IBM Plex, JetBrains Mono 같은 라틴 글꼴뿐입니다. 한국어 문구를 넣을 계획이면 PC에 있는 한글 글꼴 파일 경로를 요청에 적어 주는 편이 안전합니다. SKILL.md도 필요한 글꼴은 내려받아 쓰라고 적고 있습니다.
• 결과가 추상적으로 나올 수 있습니다: 주제를 은근하게 녹이라는 지시 때문에, 요청한 대상이 그대로 그려지지 않을 수 있습니다. 구체적인 그림이 필요하면 요청에 분명히 적습니다.
• 정보가 많은 문서에는 맞지 않습니다: 표와 설명이 많은 안내문은 같은 저장소의 pdf, pptx 스킬이 더 맞습니다.

비슷한 스킬과 차이

공식 저장소: https://github.com/anthropics/skills

prompts.chat은 예전 이름이 Awesome ChatGPT Prompts인 오픈소스 프롬프트 라이브러리입니다. Claude Code 플러그인으로 설치하면 터미널을 떠나지 않고 공개 프롬프트와 에이전트 스킬을 검색해 가져올 수 있습니다. 플러그인 설치 명령, 플러그인에 들어 있는 명령과 MCP 도구, API 키가 있어야 쓸 수 있는 기능을 공식 문서와 제 PC에서 직접 호출한 결과로 정리합니다.

prompts.chat은 무엇인가

2022년 12월 ChatGPT용 프롬프트 목록으로 시작한 저장소입니다. README는 스스로를 가장 큰 오픈소스 AI 프롬프트 라이브러리라고 소개하고, 지금은 ChatGPT뿐 아니라 Claude, Gemini, Llama, Mistral에 두루 쓰는 프롬프트를 모읍니다. 누구나 사이트에서 프롬프트를 올릴 수 있고, 올라온 프롬프트는 GitHub 저장소와 자동으로 동기화됩니다.

• 저장소: github.com/f/prompts.chat (만든 사람 Fatih Kadir Akın)
• 라이선스: 소스 코드와 사이트 글은 MIT, 프롬프트 데이터(prompts.csv, 사용자 제출 프롬프트)는 CC0 1.0 퍼블릭 도메인
• GitHub 스타: 2026-10-17 캡처 기준 약 17.3만
• 등록된 프롬프트 수: 공식 페이지에서 정확한 숫자를 찾지 못했습니다(모름).

사이트에는 프롬프트 외에 스킬, Taste, 워크플로우 메뉴가 있고, 28개가 넘는 장으로 된 무료 프롬프팅 교재도 공개되어 있습니다. 회사 안에서만 쓰도록 직접 서버를 띄우는 자체 호스팅도 지원합니다.

Claude Code 플러그인 설치

/plugin marketplace add f/prompts.chat
/plugin install prompts.chat@prompts.chat

Claude Code 안에서 두 줄을 차례로 입력합니다. 첫 줄은 저장소를 플러그인 마켓플레이스로 등록하고, 둘째 줄이 플러그인을 설치합니다. 제 PC에 설치된 버전은 1.0.0입니다.

설치된 플러그인 폴더를 열어 보면 구성이 단순합니다.

명령 사용법

/prompts.chat:prompts code review
/prompts.chat:prompts midjourney --type IMAGE
/prompts.chat:prompts writing assistant --category writing
/prompts.chat:skills documentation --category coding

검색어 뒤에 --type(TEXT, STRUCTURED, IMAGE, VIDEO, AUDIO), --category, --tag를 붙여 범위를 좁힙니다. 결과에는 제목, 설명, 작성자, 태그, prompts.chat 링크가 붙습니다. 마음에 드는 프롬프트는 ID로 전체 내용을 가져옵니다. 프롬프트 안에 ${topic} 같은 변수가 있으면 값을 채우라고 묻고, ${topic:coffee}처럼 기본값이 붙은 변수는 비워 둬도 됩니다.

MCP 도구 10개

MCP 서버에 도구 목록을 직접 요청하니 10개가 돌아왔습니다(2026-10-17 기준). 같은 자리에서 search_prompts로 "code review"를 검색한 결과와 키 없이 improve_prompt를 부른 결과도 함께 찍었습니다.

API 키가 필요한 기능

검색과 가져오기는 로그인 없이 됩니다. 공식 API 문서도 공개 API이고 무료라고 적고 있습니다. 저장과 개선은 다릅니다. 제 PC에서 키 없이 improve_prompt를 부르자 Authentication required. Please provide an API key.가 돌아왔습니다. MCP 도구 목록의 설명과 플러그인의 스킬 문서에는 키 이야기가 없어서 직접 불러 보기 전에는 알기 어렵습니다.

1. prompts.chat에 로그인해 Settings에서 API 키를 만듭니다. 키는 pchat_으로 시작합니다.
2. 환경 변수 PROMPTS_API_KEY에 넣거나, MCP 연결 헤더에 PROMPTS_API_KEY를 붙입니다.

export PROMPTS_API_KEY=pchat_xxxxxxxx

Windows PowerShell이라면 setx PROMPTS_API_KEY pchat_xxxxxxxx로 사용자 환경 변수에 저장한 뒤 터미널을 새로 엽니다. 요청 횟수 제한은 숫자로 공개되어 있지 않습니다(모름). 문서에는 요청 빈도를 배려해 달라는 부탁과, 대량으로 쓰려면 자체 호스팅을 고려하라는 안내만 있습니다.

플러그인, MCP 직접 연결, CLI 차이

MCP 주소 뒤에 ?categories=coding이나 ?tags=writing처럼 조건을 붙이면 특정 분야의 프롬프트만 MCP 프롬프트로 불러올 수 있습니다. Claude Code를 쓴다면 명령과 스킬이 같이 들어오는 플러그인 쪽이 손이 덜 갑니다.

주의할 점

• 공개 프롬프트는 누구나 올릴 수 있습니다. 검색 결과를 그대로 쓰기 전에 내용을 한 번 읽어 보는 편이 안전합니다.
• save_prompt로 저장한 프롬프트는 기본이 비공개지만, 계정 설정을 바꿨다면 공개로 올라갈 수 있습니다.
• 플러그인 명령 문서의 스킬 설치 경로와 스킬 문서의 설치 경로 표기가 서로 다릅니다. 스킬을 설치한 뒤에는 실제로 어느 폴더에 저장됐는지 확인하는 것이 좋습니다.

공식 사이트: https://prompts.chat · API 문서: https://prompts.chat/docs/api