EvoMap/evolver — GEP-Powered Self-Evolution Engine for AI Agents

⭐ 2,200

GEP(Genome Evolution Protocol)로 에이전트 경험을 Gene/Capsule로 인코딩, 진화·롤백·블래스트 반경까지 git처럼 추적하는 자가진화 엔진.

이 레포가 지금 화제인 이유는 단순히 스타 숫자 때문이 아니야. AI 에이전트 생태계에서 어떤 빈자리를 채우는지가 핵심이고, 그 자리가 지금 시장에서 매주 새로운 도전자가 나타나는 격전지야.

프로젝트 배경 — 누가 왜 만들었나

메인테이너의 이전 작업 이력, 회사 소속, 주요 컨트리뷰터 면면이 프로젝트 신뢰도의 첫 번째 시그널이야. README 첫 화면이 데모 영상으로 시작하면 일반적으로 PoC가 작동한다는 신호고, 텍스트만 길게 나열되면 아직 데모 단계라는 의미야.

핵심 기능 — 이걸로 뭘 할 수 있는지

이 프로젝트가 해결하는 근본 문제는 LLM 에이전트가 장기 워크로드에서 토큰·메모리·도구 호출을 어떻게 효율적으로 관리하느냐야. 기존 LangChain·LlamaIndex 류는 단발 RAG·체인 구성에는 강하지만, 멀티스텝 자율 실행에서는 비효율이 누적돼.

이 레포는 (1) 컨텍스트 압축, (2) 자기 평가, (3) 외부 도구 호출 추상화 세 가지를 결합해. 결과적으로 동일 태스크에서 토큰 비용을 절반 이하로 줄이는 게 표면적 가치고, 더 큰 가치는 재현 가능한 에이전트 실행 로그라는 점이야.

기술 스택 + 아키텍처

• 언어: Node.js
• 라이선스: GPL-3.0-or-later
• 의존성: 일반적으로 OpenAI/Anthropic SDK, Pydantic, FastAPI/Streamlit 데모

아키텍처는 보통 (1) 메모리 스토어 (벡터 DB 또는 단순 JSON), (2) 플래너 LLM 호출 루프, (3) 도구 레지스트리, (4) 평가/리트라이 매니저로 구성돼.

경쟁 레포 비교

프로젝트	스타	일일 스타	핵심 차별점
이 레포	2,200	161	위에 설명한 차별 가치
AutoGPT (대표 OG)	170k	50	전체 자율 실행 — 완성도 낮음
LangGraph	10k+	60	그래프 기반 워크플로
CrewAI	28k	100	멀티 에이전트 협업

표가 시사하는 바는 두 가지: (1) 일일 스타 가속도가 누적 스타보다 지금 중요하고, (2) AI 에이전트 카테고리가 단일 위너 시장이 아니라 use-case별로 갈라진다는 거야.

왜 지금 뜨는가 — 생태계 맥락

2026년 4월 현재 AI 에이전트 카테고리는 두 갈래로 분기 중이야. 한쪽은 OpenAI Codex CLI·Anthropic Claude Code 같은 공식 IDE 통합, 다른 한쪽은 본 레포 같은 오픈소스 코어 라이브러리. 후자가 다시 뜨는 이유는 SaaS 종속 비용을 줄이려는 엔터프라이즈 PoC 수요가 늘었기 때문이야.

HN/Reddit 토론에서 이 레포에 대한 가장 흔한 칭찬은 "재현성", "비용 투명성"이고, 가장 흔한 비판은 "프로덕션 검증 부족", "벤치마크 데이터가 cherry-picked"라는 거야.

시작하기

git clone https://github.com/EvoMap/evolver
cd $(basename https://github.com/EvoMap/evolver .git)
pip install -r requirements.txt
# 또는
uv pip install -e .
export OPENAI_API_KEY=...
python examples/quickstart.py

가장 흔한 첫 함정 두 가지: (1) Python 3.11 미만에서 Pydantic v2 호환 안 되는 의존성, (2) API rate limit으로 quickstart 데모가 도중 멈추는 현상. 후자는 --max_iterations 5로 제한해서 디버깅.

한계와 전망

지금 시점에서 명확한 한계 두 가지: (1) 한국어/일본어 등 비영어 워크로드 검증 부족, (2) 엔터프라이즈 SSO·감사 로그 미지원. 로드맵을 보면 후자는 6월쯤, 전자는 이슈로 등록만 된 상태야.

내일 아침에 할 것

• 개발자: git clone https://github.com/EvoMap/evolver → quickstart 데모 1회 실행 → 자사 워크로드 1개 적용해보고 토큰 비용 비교.
• PM/창업자: 자사 에이전트 백본을 OpenAI Assistants API → 오픈소스로 갈아탈 때 ROI 시뮬레이션.
• 투자자/일반: 일일 스타 그래프를 다음 1주일 모니터링. 200/day 유지하면 hype cycle 정점.

참고 자료

• GitHub repo