crshdn/mission-control

세계 최초의 자율 제품 엔진 (Autonomous Product Engine)

autensa.com

당신의 제품은 당신이 잠든 동안에도 — 24시간 내내 — 스스로를 개선합니다.

연구 (Research) → 아이디어 구상 (Ideation) → 스와이프 (Swipe) → 구축 (Build) → 테스트 (Test) → 검토 (Review) → 풀 리퀘스트 (Pull Request) — 이 모든 과정이 완전히 자동화됩니다.

이를 실행하기 위해 Hetzner VPS를 사용하는 것을 강력히 추천합니다. 여기에서 가입할 수 있습니다.

🎮 라이브 데모 (Live Demo) •
빠른 시작 (Quick Start) •
Docker •
새로운 기능 (What's New) •
기능 (Features) •
작동 방식 (How It Works) •
설정 (Configuration) •
기여자 (Contributors)

Autopilot에는 이제 에이전트가 PR(Pull Request) 대상 작업을 생성하기 전에 저장소(Repository)가 준비되었는지 확인하는 제품 수준의 저장소 설정 (Repo Setup) 탭이 있습니다. 이는 인증된 git 액세스, 기본 브랜치(Default branch) 확인, GitHub API 및 PR 메타데이터 액세스, GitHub Actions 상태, 워크플로 토큰 권한(Workflow token permissions), PR 워크플로 비밀값(PR workflow secrets), 그리고 PR 워크플로 변수(PR workflow variables)를 점검합니다.

설정이 차단될 경우, 사용자는 UI에서 지원되는 GitHub 설정을 수정할 수 있습니다: 워크플로 토큰 권한을 읽기/쓰기(read/write)로 설정하거나, 누락된 Actions 비밀값(Secrets) 및 누락된 Actions 변수(Variables)를 추가할 수 있습니다. 비밀값(Secret values)은 GitHub에 직접 기록되며 Autensa에는 저장되지 않습니다.

GitHub PR이 포함된 빌드 큐(Build Queue) 작업에는 이제 PR 체크 (PR checks) 복구 패널이 포함됩니다. 실패한 체크는 재시도 가능(Retryable), 저장소 설정(Repo setup), 또는 외부 제공자 실패(External provider failures)로 분류되며, 실패한 GitHub Actions 작업을 다시 실행하거나 GitHub이 지원하는 경우 외부 체크를 다시 요청하는 작업이 포함됩니다.

제품 생성 및 설정 시 이제 인증된 git 액세스를 통해 프라이빗 저장소(Private repos)를 검증하고, 원격 기본 브랜치를 감지하며, Autopilot이 시작되기 전에 사용자 확인을 요구합니다. 워크스페이스 격리(Workspace isolation) 기능은 선택된 브랜치를 사전 점검하며 감지된 기본 브랜치를 사용할 수 있어, master를 사용하는 저장소에서 main을 사용할 때 발생하는 클론(Clone) 실패를 방지합니다.

v2.5.0 — 디스패치(Dispatch) 및 제품 설정 수정 사항

각 디스패치된 작업은 이제 고유한 OpenClaw 대화 세션(Conversation session)을 가집니다. 이전에는 동일한 에이전트에 할당된 모든 작업이 하나의 세션을 공유했기 때문에, 모델의 컨텍스트 창(Context window)이 소진되어 에이전트가 멈출 때까지 작업 간에 컨텍스트가 누적되는 문제가 있었습니다. openclaw_sessions 테이블에는 이미 task_id가 존재했습니다.

column — 이제 dispatch에서 세션 조회(lookup), 세션 ID 생성 및 삽입(insert)에 이 컬럼을 사용합니다. 동일한 에이전트(agent) 상의 병렬 작업(parallel tasks)은 독립적으로 작동합니다.

에이전트 ID(Agent ID) 필드는 이제 표준 UUID 형식(8-4-4-4-12)과 OpenClaw 게이트웨이의 32자 16진수(hex) 식별자를 모두 허용합니다. 이전에는 Zod의 엄격한 .uuid() 검증으로 인해 게이트웨이 형식의 에이전트 ID가 거부되었으며, 이로 인해 가져온(imported) 에이전트를 작업(task)에 할당할 때 "Invalid UUID" 오류가 발생했습니다.

작업 삭제(task delete) 버튼에 이제 로딩 상태("Deleting...")가 표시되며, 요청 중에는 버튼이 비활성화되고 삭제 실패 시 인라인 오류 메시지가 표시됩니다. 이전에는 버튼에 피드백이 없었습니다. API 요청이 실패하거나 느려질 경우, 사용자는 아무런 응답을 받지 못해 버튼이 고장 났다고 생각할 수 있었습니다.

Autopilot 제품 설정 모달(modal)에 이제 상태(Status) 드롭다운(Active / Paused)과 아카이브(Archive) 버튼이 포함된 위험 구역(Danger Zone) 섹션이 추가되었습니다. 일시 중지(Paused)된 제품은 자동화된 연구 및 아이디어 구상(ideation) 사이클을 중단합니다. 아카이브(Archived)된 제품은 대시보드에서 숨겨지지만 데이터는 보존됩니다. 이제 메인 제품 목록에서는 아카이브된 제품이 필터링되어 제외됩니다.

v2.4.1 — 커뮤니티 버그 수정 (Community Bug Fixes)

Autopilot 모델 라우팅 (Autopilot model routing) — 프로바이더(Provider) 모델이 이제 openclaw/default를 통해 라우팅되며, 원래 모델은 x-openclaw-model에 포함됩니다. 이를 통해 OpenClaw 배포 환경에서의 404 오류를 수정했습니다. (@Ahmedkasmi-dev, #109)

AUTOPILOT_MODEL 환경 변수 (AUTOPILOT_MODEL env var) — 설명 생성 시 하드코딩된 모델 오버라이드(override)를 제거하여 공유된 AUTOPILOT_MODEL 설정이 준수되도록 했습니다. (@aaronmeza, #116)

게이트웨이 카탈로그 동기화 (Gateway catalog sync) — 로컬 에이전트 역할 할당(role assignments)이 게이트웨이 동기화 중에 매 60초마다 덮어쓰여지는 대신 이제 보존됩니다. (@cgluttrell, #119)

작업 채팅 신뢰성 (Task chat reliability) — 활성 SSE 연결이 없어도 에이전트의 응답이 이제 캡처되며, "대기 중(waiting)" 표시기가 더 이상 오래된 상태(stale state)를 보여주지 않습니다. (@heliokeplert-ctrl, #126)

v2.4.0 — 에이전트 기술 생성 루프 (Agent Skill Creation Loop)

• 에이전트는 완료된 작업으로부터 재사용 가능한 절차(procedures)를 학습합니다.
• 베이지안 신뢰도 점수(Bayesian confidence scoring)를 통해 검증된 기술을 장려합니다.
• 매칭된 기술은 dispatch 시 기본 지침(primary instructions)으로 주입됩니다.

v2.0–v2.3 — Releases의 전체 변경 로그 (Full changelog)

• v2.3.x — 아이디어 중복 제거 (Idea dedup), 운영자 채팅 (operator chat), 스와이프 실행 취소 (swipe undo), A/B 테스트 (A/B testing), 자동 롤백 (auto-rollback)
• v2.2.x — 선호도 학습 (Preference learning), 토큰 추적 (token tracking), 상태 확인 엔드포인트 (health check endpoints), 백업 API (backup API)
• v2.1.x — 서버 측 파이프라인 (Server-side pipeline), 오류 보고 (error reporting), 아이디어 배지 (idea badges)
• v2.0.x — 세션 키 접두사 (Session key prefix), 디스패치 안정성 (dispatch stability), 커뮤니티 기여 (community contributions)

Autensa v2는 작업 오케스트레이션 대시보드(task orchestration dashboard)에서 **세계 최초의 자율적 제품 개선 엔진 (autonomous product improvement engine)**으로 완전히 새롭게 확장되었습니다. 이 엔진은 시장을 조사하고, 기능 아이디어를 생성하며, 사용자가 스와이프로 결정하면 이를 자동으로 구축합니다.

핵심 기능입니다. Autensa를 어떤 제품(저장소(repo) + 라이브 URL)에든 지정하면 다음과 같은 지속적 개선 루프(continuous improvement loop)를 실행합니다:

• 자율적 조사 (Autonomous Research)— AI 에이전트가 코드베이스를 분석하고, 라이브 사이트를 스캔하며, 시장(경쟁사, 사용자 의도, 전환 패턴, SEO 격차, 기술적 기회)을 조사합니다. 일간, 주간 또는 온디맨드(on-demand)와 같이 설정 가능한 일정에 따라 실행됩니다.
• AI 기반 아이디어 생성 (AI-Powered Ideation)— 조사 결과는 구체적이고 점수가 매겨진 기능 아이디어를 생성하는 아이디어 생성 에이전트(ideation agents)로 전달됩니다. 각 아이디어에는 영향력 점수(impact score), 실현 가능성 점수(feasibility score), 규모 추정치(size estimate), 기술적 접근 방식(technical approach), 그리고 영감을 준 조사 내용에 대한 직접 링크가 포함됩니다.
• 스와이프로 결정 (Swipe to Decide)— 아이디어는 Tinder 스타일의 인터페이스에서 카드 형태로 나타납니다. 네 가지 작업이 가능합니다:
  • Pass (넘기기)— 거절됨. 선호도 모델(preference model)이 이를 통해 학습합니다.
  • Maybe (보류)— 'Maybe Pool'에 저장됩니다. 1주일 후 새로운 컨텍스트와 함께 다시 나타납니다.
  • Yes (승인)— 작업(Task)이 생성됩니다. 빌드 에이전트(Build agent)가 코딩을 시작합니다.
  • Now! (지금 바로!)— 긴급 디스패치(Urgent dispatch). 우선순위 큐(Priority queue)에 할당되어 즉시 실행됩니다.
• 자동 빌드 → PR (Automated Build → PR)— 승인된 아이디어는 전체 에이전트 파이프라인을 통해 흐릅니다: 빌드 에이전트가 기능을 구현함 → 테스트 에이전트가 테스트 스위트(test suite)를 실행함 → 리뷰 에이전트가 차이점(diff)을 검사함 → 전체 컨텍스트와 함께 GitHub에 풀 리퀘스트(Pull request)가 생성됨.

여러분의 유일한 업무는 스와이프뿐입니다. 그 외의 모든 것은 자동화되어 있습니다.

Andrej Karpathy의 AutoResearch 아키텍처에서 영감을 받았습니다. 각 제품에는 **제품 프로그램 (Product Program)**이 존재합니다. 이는 연구 및 아이디어 구상 에이전트(Ideation agents)에게 무엇을 찾아야 하는지, 무엇이 중요한지, 그리고 무엇을 무시해야 하는지를 지시하는 살아있는 문서입니다. 이 프로그램은 스와이프(Swipe) 데이터가 축적됨에 따라 진화하며, 시스템은 단순한 패턴이 아닌 사용자의 취향을 학습합니다.

대규모 기능은 시각적 의존성 그래프 (DAG, Directed Acyclic Graph)를 가진 하위 작업(Subtasks)으로 분해됩니다. 여러 에이전트(3~5개)가 의존성을 인식하는 스케줄링 (Dependency-aware scheduling)을 통해 동시에 작업합니다:

병렬 하위 작업 실행 (Parallel subtask execution) — 독립적인 조각들이 동시에 실행됩니다.
의존성 그래프 시각화 (Dependency graph visualization) — 무엇이 무엇에 의존하는지 확인할 수 있습니다.
상태 모니터링 (Health monitoring) — 중단되거나, 멈추거나, 좀비 상태가 된 에이전트를 자동으로 감지합니다.
자동 독려 (Auto-nudge) — 응답이 없는 에이전트를 재할당하거나 재시작합니다.
충돌 복구 (Crash recovery) — 체크포인트 (Checkpoints)가 에이전트의 진행 상황을 저장하며, 처음부터가 아닌 마지막 체크포인트부터 작업을 재개합니다.

피드백을 주기 위해 풀 리퀘스트 (PR)를 기다리지 마세요. 두 가지 통신 모드가 있습니다:

큐 대기 메모 (Queued Notes) — 에이전트의 다음 체크포인트 시점에 전달될 컨텍스트(예: "기존 인증 미들웨어를 사용하세요")를 추가합니다.
다이렉트 메시지 (Direct Messages) — 에이전트의 활성 세션에 즉시 전달되어 실시간으로 방향을 수정합니다.

모든 메시지, 메모, 응답을 포함한 전체 채팅 기록이 작업별로 보존됩니다.

모든 차원에 걸쳐 세분화된 지출 가시성을 제공합니다:

작업별 비용 추적 (Per-task cost tracking) — 각 기능을 구축하는 데 정확히 얼마가 드는지 확인합니다.
제품별 집계 (Per-product aggregation) — 제품의 모든 작업에 걸친 총 지출을 확인합니다.
일간 및 월간 한도 (Daily and monthly caps) — 한도 초과 시 배포를 자동 중단하는 예산 제한을 설정합니다.
비용 상세 분석 API (Cost breakdown API) — 에이전트, 모델 및 기간별 상세 보고서를 제공합니다.

전담 러너 에이전트 (Learner agent)가 모든 빌드 사이클로부터 교훈 — 무엇이 효과적이었는지, 무엇이 실패했는지, 어떤 패턴이 나타났는지 — 을 포착합니다. 지식 항목은 향후 배포 시 주입되어 에이전트가 실수를 반복하지 않도록 합니다.

빌드가 시작되기 전, 에이전트는 구조화된 계획 단계 (Structured planning phase)를 수행합니다:

• AI가 요구사항 및 제약 조건에 대해 명확한 질문을 던집니다.
• 사용자의 답변으로부터 상세한 사양 (Spec)을 생성합니다.
• 하위 에이전트 (Sub-agent) 정의 및 실행 단계를 포함한 멀티 에이전트 계획 사양을 생성합니다.
• 승인 게이트 (Approval gate) — 코드가 작성되기 전에 사용자가 계획을 검토합니다.

에이전트의 진행 상황은 설정 가능한 체크포인트 (Checkpoint)에 저장됩니다:

• 세션이 충돌(Crash)하더라도 처음부터가 아닌 마지막 체크포인트부터 작업을 재개합니다.
• 수동 복구를 위한 체크포인트 복구 API를 제공합니다.
• 작업별로 체크포인트 이력을 확인할 수 있습니다.

스와이프 (Swipe)를 할 때마다 제품별 선호도 모델 (Preference model)이 학습됩니다:

• 승인/거절에 따라 카테고리 가중치 (성장, SEO, UX 등)가 조정됩니다.
• 복잡도 선호도가 시간이 지남에 따라 보정됩니다.
• 태그 패턴 인식 (Tag pattern recognition)을 통해 아이디어 생성이 정교해집니다.
• 반복 (Iteration)이 거듭될수록 아이디어가 더욱 날카로워집니다.

확신이 없는 아이디어는 사라지지 않습니다:

• 개발 서버를 위한 포트 할당 (Port allocation) (4200–4299 범위) — 동시 빌드 간의 포트 충돌 방지

• 직렬화된 머지 큐 (Serialized merge queue) — 완료된 작업이 충돌 감지와 함께 한 번에 하나씩 머지됨

• 제품 범위 잠금 (Product-scoped locking) — 동일한 제품 큐에 대한 동시 완료 작업 자동 처리

제품별 자율 사이클 설정:

• 조사 빈도 (매일, 매주, 사용자 정의 cron)
• 아이디어 구상 (Ideation) 빈도 (각 조사 사이클 이후, 또는 독립적인 일정)
• 자동 배정 (Auto-dispatch) 규칙 ("Yes" 스와이프 시 즉시, 또는 일괄 처리)
• 일정별 활성화/비활성화가 가능한 일정 관리 UI

제품 오토파일럿 (Product Autopilot)

• 🔬 자율 시장 조사 (경쟁사, SEO, 사용자 의도, 기술적 격차)
• 💡 영향력/실행 가능성 점수가 포함된 AI 기반 아이디어 구상 (Ideation)
• 👆 즉각적인 승인/거절/보류 결정을 위한 스와이프 인터페이스
• 📄 제품 프로그램 (Product Program) (Karpathy의 AutoResearch 패턴)
• 🎯 스와이프 이력을 통한 선호도 학습
• 🔁 자동 재표출 기능이 있는 '보류 풀 (Maybe Pool)'
• 📊 설정 가능한 조사 및 아이디어 구상 일정

에이전트 오케스트레이션 (Agent Orchestration)

• 🤖 멀티 에이전트 파이프라인 (Builder → Tester → Reviewer → Learner)
• 🚛 병렬 멀티 에이전트 실행을 위한 컨보이 모드 (Convoy Mode)
• 💬 오퍼레이터 채팅 (대기 중인 노트 + 직접 메시지)
• 💚 자동 알림 기능이 포함된 에이전트 상태 모니터링
• 🔄 체크포인트 및 충돌 복구 (Crash recovery)
• 🧠 태스크 간 학습이 가능한 지식 베이스 (Knowledge base)
• 🔀 워크스페이스 격리 (git worktrees + 태스크 샌드박스)

태스크 관리 (Task Management)

• 🎯 7개의 상태 컬럼 간 드래그 앤 드롭이 가능한 칸반 보드 (Kanban board)
• 🧠 명확화를 위한 Q&A가 포함된 AI 계획 단계
• 📋 멀티 에이전트 계획 사양 (Planning specs)
• 🖼️ 태스크 이미지 첨부 (UI 목업, 스크린샷)
• 📡 실시간 활동 피드 (SSE)
• 💰 태스크별, 제품별, 일간/월간 비용 추적 및 한도 설정

인프라스트럭처 (Infrastructure)

• 🔌 OpenClaw Gateway 연동 (WebSocket)
• 🔗 게이트웨이 에이전트 발견 (Discovery) 및 가져오기
• 🐳 Docker 지원 (프로덕션 최적화)
• 🔒 Bearer 토큰 인증, HMAC 웹훅 (Webhooks), Zod 검증 (Validation)
• 🛡️ 개인정보 보호 우선 — 트래커 없음, 중앙 집중식 데이터 수집 없음
• 🌐 멀티 머신 지원 (Tailscale 호환)
• 🛡️ 자동화 단계 (Supervised / Semi-Auto / Full Auto)

Autensa는 오픈 소스이며 셀프 호스팅 (Self-hosted) 방식입니다. 이 프로젝트에는 광고 트래커, 제3자 분석 비콘 (Analytics beacons) 또는 중앙 집중식 데이터 수집기가 포함되어 있지 않습니다.

사용자의 태스크 데이터, 연구 결과, 아이디어, 스와이프 기록 및 제품 프로그램은 사용자의 자체 배포 환경 (SQLite + 워크스페이스) 내에 머뭅니다. 외부 서비스 (AI 제공업체 또는 원격 게이트웨이)를 연결하는 경우, 사용자가 해당 서비스로 명시적으로 전송하는 데이터만 환경을 벗어납니다.

┌──────────────────────────────────────────────────────────────────────┐
│ 사용자의 머신 (YOUR MACHINE) │
│ │
...

Autensa = 대시보드 + 오토파일럿 엔진 (본 프로젝트)
OpenClaw Gateway = 태스크를 실행하는 AI 런타임 (별도 프로젝트)

Node.js v18+ (다운로드)
OpenClaw Gateway — npm install -g openclaw

AI API Key — Anthropic (권장), OpenAI, Google 또는 OpenRouter를 통한 기타 서비스

# Clone
git clone https://github.com/crshdn/mission-control.git
cd mission-control
...

.env.local 파일 수정