대본 기획 도우미▸ 
AI 앱 
AI 뉴스 
Archon: AI가 다른 AI 에이전트를 자동 생성하고 최적화하도록 하는 오픈소스 도구
Archon: AI가 다른 AI 에이전트를 자동 생성하고 최적화하도록 하는 오픈소스 도구소개
Archon 은(는) ai가 다른 AI 에이전트를 자동으로 생성하고 최적화할 수 있게 해주는 오픈 소스 도구입니다. 최초의 "Agenteer"로서, Archon의 여섯 번째 버전은 다양한 도구 라이브러리와 MCP 서버 통합을 지원하여 생성된 AI가 더욱 효율적이고 안정적으로 작동하도록 합니다. 사용자는 필요한 AI 기능을 설명하기만 하면, Archon이 계획 수립, 코딩, 최적화를 포함한 일련의 단계를 거쳐 AI를 생성합니다.
핵심 기능：
문서 리소스 통합 (웹사이트 콘텐츠 크롤링, PDF/문서 업로드 등)
지능형 검색 기능 (고급 RAG 전략 기반)
작업 관리 기능 (지식 베이스와 통합)
실시간 업데이트 지원 (새 콘텐츠 및 협업 작업 동기화)
아키텍처 특징：
에이전트 아키텍처 프로세스
사용자는 생성할 AI 에이전트를 설명하고, LLM이 높은 수준의 범위를 결정하며, 주요 코딩 에이전트가 범위와 문서를 바탕으로 초기 에이전트를 생성합니다. 이후 사용자는 피드백을 제공하거나 Archon이 자율적으로 에이전트를 최적화하도록 할 수 있습니다.
자율 최적화를 선택하면, 전용 최적화 에이전트가 프롬프트, 도구, 에이전트 구성을 개선합니다. 그런 다음 주요 코딩 에이전트가 피드백을 바탕으로 다시 에이전트를 생성하며, 이 과정은 사용자가 에이전트가 완성되었다고 판단할 때까지 반복됩니다. 최종적으로는 완전한 코드와 실행 안내가 출력됩니다.
파일 아키텍처
핵심 파일 구성：streamlit_ui.py (Archon의 웹 인터페이스 관리), graph_service.py (에이전트 워크플로우 처리 서비스), run_docker.py (Archon Docker 컨테이너 빌드 및 실행 스크립트), Dockerfile (메인 Archon 애플리케이션 컨테이너 정의), MCP 관련 파일 (AI IDE용 Model Context Protocol 서버 통합 구현).
Archon 패키지 구성：archon/ (핵심 에이전트 및 워크플로우 구현), graphtor.py (LangGraph 워크플로우 및 에이전트 조정 정의), pydantic_ai_coder.py (주요 코딩 에이전트), refiner_agents/ (전용 최적화 에이전트).
유틸리티 구성：utils/ (공유 유틸리티 함수 및 데이터베이스 설정), site_pages.sql (데이터베이스 설정 명령).
작업 공간(Workbench)：런타임에 생성되며, workbench/에는 환경 변수 파일 env_vars.json, 로그 파일 logs.txt, 그리고 상세 범위 문서 scope.md가 포함됩니다.
Archon 배포
Docker 컨테이너：
메인 컨테이너：Streamlit UI(포트 8501)와 그래프 서비스(포트 8100)를 실행하며, 모든 에이전트 기능과 사용자 상호 작용을 처리합니다. 루트 Dockerfile에 의해 빌드됩니다.
MCP 컨테이너：AI IDE의 Model Context Protocol을 구현하고 메인 컨테이너의 그래프 서비스와 통신하여 Windsurf, Cursor 등 AI IDE에 표준화된 인터페이스를 제공합니다. mcp/Dockerfile에 의해 빌드됩니다. run_docker.py 스크립트는 두 컨테이너를 자동으로 빌드 및 시작하고 구성을 수행합니다.
로컬 Python：Python 가상 환경을 통해 시스템에서 직접 실행합니다.
Archon 활용 사례：
개발자를 위한 도구 제공：개발자가 AI 에이전트를 생성하고 최적화하는 데 도움을 주어 개발 작업량을 줄여줍니다. 사전 구축된 도구 라이브러리와 MCP 통합을 통해 개발자는 다양한 도구를 빠르게 획득하고 사용하여 개발 효율성을 높일 수 있습니다.
에이전트 시스템 발전 사례 제시：교육용 프레임워크로서, 단순한 형태에서 복잡한 형태로 진화하는 에이전트 시스템의 발전 과정을 보여주며, 계획 수립, 피드백 루프, 도메인 지식 통합 등의 측면에서의 발전을 반영합니다. 이는 에이전트 시스템을 연구하는 사람들에게 참고가 됩니다.
Archon 설치 및 사용 방법：
설치：
Docker (권장)：
저장소 복제：git clone https://github.com/coleam00/archon.git
프로젝트 디렉터리로 이동：cd archon
설정 스크립트 실행：python run_docker.py, 이 스크립트는 컨테이너(MCP 서버 컨테이너와 메인 Archon 컨테이너 포함)를 자동으로 빌드하고, Archon을 시작하며 포트 매핑을 수행합니다. .env 파일이 있는 경우 해당 환경 변수를 사용합니다.
로컬 Python 설치：
저장소 복제：git clone https://github.com/coleam00/archon.git
프로젝트 디렉터리로 이동：cd archon
가상 환경 생성 및 활성화：python -m venv venv, 활성화 명령은 Windows에서 venv\Scripts\activate, 다른 시스템에서는 source venv/bin/activate 입니다.
의존성 설치：pip install -r requirements.txt
Streamlit UI 시작：streamlit run streamlit_ui.py
사용：
설정 과정：
환경 구성：Streamlit UI의 Intro 섹션에서 API 키와 모델 설정을 구성합니다. 이 정보는 workbench/env_vars.json에 저장됩니다.
데이터베이스 설정：Supabase 벡터 데이터베이스를 설정합니다.
문서 처리：Pydantic AI 문서의 크롤링 및 인덱싱을 안내합니다.
에이전트 서비스 시작：에이전트 생성을 위한 에이전트 서비스를 시작합니다.
MCP 구성 (선택 사항)：AI IDE와의 MCP 통합을 구성합니다.
작업 흐름：
Streamlit UI의 안내에 따라 설정을 완료한 후, 생성하고자 하는 AI 에이전트를 설명하면 Archon이 워크플로우에 따라 에이전트를 생성 및 최적화합니다. 사용자는 과정에서 피드백을 제공하거나 자율 최적화를 요청할 수 있으며, 최종적으로 완전한 코드와 실행 안내를 받게 됩니다.
