화니의 세상

snitch는 시스템의 네트워크 연결 상태를 더 보기 쉽게 표시해주는 커맨드라인 도구입니다. 기존의 ss, netstat처럼 네트워크 연결 상태를 확인할 수 있지만, snitch는 깔끔한 TUI(터미널 UI) 또는 스타일된 테이블 출력을 지원해 사용자가 보기 좋게 정보를 확인할 수 있게 만들어졌습니다.  

이 도구는 Go 언어로 작성되었고, Linux와 macOS를 모두 지원합니다. 설치는 Go 환경에서 직접 설치하거나, 스크립트 또는 바이너리를 통해 간단하게 할 수 있습니다.  

주요 기능:
• 실시간 인터랙티브 UI로 네트워크 연결 보기
• 테이블 또는 JSON/CSV 형태로 출력
• TCP/UDP, LISTEN/ESTABLISHED 등 다양한 필터 옵션 제공
• 숫자 형식 출력, 프로세스 기반 필터링 등 상세 옵션 제공  

snitch는 특히 서버 모니터링이나 네트워크 디버깅 시 시각적으로 정돈된 출력이 필요할 때 유용합니다. 깔끔한 UI 덕분에 기존 도구보다 빠르게 정보를 파악할 수 있습니다.  

https://github.com/karol-broda/snitch

Sim은 AI 에이전트 워크플로우를 시각적으로 만들고 배포할 수 있는 오픈소스 플랫폼입니다. GitHub에서 공개되어 있으며, Next.js와 Bun, PostgreSQL(pgvector) 기반으로 돌아가는 모던한 AI 자동화 도구입니다. 

Sim의 핵심 기능

• 캔버스 기반 워크플로우 빌더
• 블록을 캔버스에 올리고, 에이전트·툴·조건 블록을 선으로 연결해서 흐름을 설계할 수 있습니다. 복잡한 에이전트 파이프라인도 플로우 차트 그리듯 만들 수 있습니다. 
• Copilot 연동으로 자동 노드 생성
• 자연어로 “웹 크롤링 후 요약해서 슬랙으로 보내줘” 같은 요구를 하면, Copilot이 필요한 노드를 제안하고 오류 수정까지 도와줘 워크플로우 설계를 빠르게 반복할 수 있습니다. 
• 벡터 DB 연동(RAG 지원)
• 문서를 업로드해서 벡터스토어에 저장한 뒤, 에이전트가 해당 지식을 기반으로 질의응답을 할 수 있는 RAG(검색 기반 생성) 워크플로우를 구성할 수 있습니다. 

사용 방법 (클라우드 & 셀프 호스팅)

• 클라우드 버전
• 공식 사이트(sim.ai)에 접속해 바로 워크플로우를 만들 수 있는 클라우드 환경을 제공합니다. 
• 로컬/온프레미스 셀프 호스팅
  • NPM으로 간단 실행: npx simstudio
  • Docker Compose로 프로덕션 환경 실행
  • Ollama, vLLM과 연동해 로컬 LLM 또는 자체 호스팅한 모델도 사용할 수 있어, 외부 API 없이 폐쇄망에서도 운영이 가능합니다. 

기술 스택

• Framework: Next.js (App Router)
• Runtime: Bun
• DB: PostgreSQL + pgvector(임베딩·RAG용)
• UI: Shadcn + Tailwind CSS
• 상태관리/플로우: Zustand, ReactFlow
• 실시간 & 잡 처리: Socket.io, Trigger.dev 등 

이런 분들께 추천

• 여러 LLM·툴·API를 조합한 에이전트/자동화 플로우를 만들고 싶은 개발자
• 사내 문서·데이터를 기반으로 맞춤형 AI 도우미를 구축하려는 팀
• 클라우드가 아닌 셀프 호스팅 AI 에이전트 플랫폼이 필요한 조직

Sim은 Apache-2.0 라이선스로 공개되어 있어, 기업 환경에서도 자유롭게 커스터마이징하고 배포할 수 있는 점이 큰 장점입니다.  

https://github.com/simstudioai/sim

Uncloud는 여러 대의 Docker 호스트를 하나의 클러스터처럼 묶어주는 경량 컨테이너 오케스트레이션 도구입니다. 복잡한 쿠버네티스 대신, 익숙한 Docker & Docker Compose 경험을 유지하면서도 멀티 서버 운영, HTTPS, 로드밸런싱까지 한 번에 해결할 수 있도록 설계되었습니다. 

주요 특징은 다음과 같습니다. 

• 멀티 환경 지원: 클라우드 VM, 온프레미스 서버, 집에 있는 맥미니 등 위치나 제공자에 상관없이 하나의 클러스터로 묶어서 사용 가능
• Docker Compose 기반: 새로운 DSL을 배울 필요 없이 기존 compose.yaml로 서비스 정의
• 무중단 배포: 롤링 업데이트로 서비스 중단 없이 새 버전 배포 (실패 시 롤백 기능도 준비 중)
• Unregistry 연동: 외부 레지스트리 없이 직접 서버에 이미지를 빌드/푸시하고, 부족한 레이어만 전송해 빠르고 효율적인 배포
• 서비스 디스커버리 & 로드밸런싱: 내장 DNS로 컨테이너 간 통신을 단순화하고, 트래픽을 여러 서버에 분산
• 자동 WireGuard 메쉬 네트워크: 서버 간에 자동으로 안전한 프라이빗 네트워크를 구성해 컨테이너가 서로의 IP로 직접 통신
• 중앙 컨트롤 플레인 없음: 완전 분산 구조로, 일부 서버가 다운되어도 클러스터 운영 지속
• Managed DNS + 자동 HTTPS: *.cluster.uncloud.run 형태의 도메인과 Let’s Encrypt 기반 TLS 발급/갱신, Caddy 리버스 프록시가 내장

사용 방법도 단순합니다. 로컬에 Uncloud CLI를 설치한 뒤, SSH로 서버에 접속해 uc machine init으로 첫 머신을 초기화하고, uc run 명령어로 이미지를 배포하면 지정한 도메인으로 HTTPS 서비스가 바로 올라옵니다. DNS A 레코드만 서버 IP로 연결해주면 됩니다. 

내부적으로는 각 머신에 uncloudd 데몬과 CRDT 기반 분산 SQLite DB인 corrosion을 설치해, 별도의 중앙 서버 없이도 클러스터 상태를 서로 동기화합니다. WireGuard 서브넷을 자동으로 할당하고, Docker 브리지 네트워크와 연결해 컨테이너 네트워킹을 구성합니다. 새로운 머신을 추가하면 자동으로 새 서브넷과 키 교환까지 처리됩니다. 

정리하자면,

• “쿠버네티스는 너무 무겁고 운영이 부담스럽다”
• “그래도 여러 대 서버를 묶어서 HTTPS, 로드밸런싱, 배포 자동화는 하고 싶다”

이런 개발자에게 Uncloud는 딱 중간 지점에 있는 실용적인 선택지입니다. 단일 서버 PaaS의 편리함과 자가 호스팅 인프라의 자유도를 함께 가져가고 싶은 분들이 한 번 살펴볼 만한 오픈소스 프로젝트입니다.

https://github.com/psviderski/uncloud

Umami는 웹사이트 방문자 통계를 수집할 수 있는 오픈소스 웹 분석 플랫폼으로, Google Analytics, Mixpanel, Amplitude 같은 서비스의 대안입니다. 개인정보 보호에 중점을 두고 있어 쿠키 배너 없이도 가볍게 사용할 수 있다는 점이 특징입니다. 

Node.js와 PostgreSQL을 기반으로 동작하며, 직접 서버에 설치해서 운영하는 형태라 데이터가 제3자에게 넘어가지 않습니다. 리포지토리는 MIT 라이선스로 공개되어 있어 자유롭게 수정·배포가 가능합니다. 

개인 블로그부터 서비스용 웹사이트까지, 데이터를 직접 소유하면서도 가벼운 통계를 보고 싶다면 Umami를 한 번 도입해 볼 만합니다.

https://github.com/umami-software/umami

Penpot은 디자이너와 개발자가 함께 쓰는 오픈소스 UI/UX 디자인 & 프로토타이핑 도구입니다. 브라우저에서 바로 사용할 수 있고, 원하는 서버에 직접 설치해 팀 전용 협업 환경을 만들 수도 있습니다. 

SVG, CSS, HTML, JSON 등 웹 표준 기반으로 동작해서, 디자인 결과물을 코드와 자연스럽게 연결해 주는 것이 특징입니다. 인스펙트 모드에서 바로 사용 가능한 코드(SVG/CSS/HTML)를 확인할 수 있어 개발 핸드오프 과정이 단순해집니다. 

최근에는 디자인 토큰과 컴포넌트/버전(Variants)을 기본 기능으로 제공해, 디자인 시스템을 코드 마인드에 맞게 관리하기 좋습니다. CSS Grid 레이아웃, 새 컴포넌트 시스템 등도 포함된 2.0 대형 업데이트가 적용되어 있어서 복잡한 UI도 구조적으로 설계할 수 있습니다. 

공식 클라우드 서비스(SaaS) 외에도 Docker·Kubernetes 등으로 손쉽게 셀프 호스팅할 수 있고, 웹훅과 API로 개발 파이프라인과 연동도 가능합니다. GitHub에서 활발히 개발되고 있으며, 이슈·버그 리포트, 번역, 코드 기여 등 커뮤니티 참여 통로도 잘 열려 있는 프로젝트입니다. 

https://github.com/penpot/penpot

ESPectre는 카메라나 마이크 없이, 집 안의 움직임을 Wi-Fi 신호만으로 감지하는 오픈소스 프로젝트입니다. ESP32-S3 보드와 기존 2.4GHz Wi-Fi 공유기, 그리고 Home Assistant나 MQTT 서버만 있으면 동작하며, 하드웨어 비용은 약 10유로(ESP32-S3 보드 1개) 수준으로 매우 저렴한 편입니다.  

이 시스템은 머신러닝 모델을 쓰지 않고, Wi-Fi 채널 상태 정보(CSI)에서 10개의 통계·신호 처리 기반 특징값을 추출해 움직임 여부(IDLE/MOTION)를 판단하는 수학적 방식으로 동작합니다. 덕분에 별도의 학습 과정 없이도 바로 쓸 수 있고, 나중에 사람 수 추정이나 동작 인식 같은 고급 기능을 위해서는 이 데이터를 기반으로 ML 모델을 추가로 학습할 수도 있습니다.  

원리는 간단합니다. 사람이 방 안에서 움직이면 공유기와 센서 사이를 오가는 Wi-Fi 파형이 미세하게 바뀌는데, ESP32-S3가 이 변화를 CSI 데이터로 들여다보고 “지금 움직임이 있는지”를 판단합니다. 이 방식은 카메라가 없어 프라이버시를 지키고, 웨어러블 기기도 필요 없으며, 벽을 사이에 두고도 감지 가능하다는 점이 큰 장점입니다.  

ESPectre가 특히 유용한 분야로는 집 안 침입 감지 같은 홈 보안, 노인의 활동 여부를 확인하는 케어/헬스케어 모니터링, 사람이 있을 때만 불과 난방을 켜는 스마트 홈 자동화 및 에너지 절감 등이 있습니다. MQTT를 통해 각 방의 센서 상태를 Home Assistant로 전달하기 때문에, 방별 점유 여부를 따로 보거나 전체 집의 재실 여부를 센서 그룹으로 구성해 자동화를 쉽게 만들 수 있습니다.  

설치 난이도는 ESP-IDF 환경 설정과 펌웨어 플래싱을 할 수 있을 정도의 기초적인 커맨드라인 사용 능력이 있으면 도전 가능한 수준입니다. 저장소의 SETUP.md와 CALIBRATION.md를 따라가며 설치와 보정 과정을 진행하면 되고, 센서는 보통 공유기와 38m 거리, 높이 11.5m 정도의 책상·선반 위에 두는 것이 권장됩니다.  

마지막으로, ESPectre는 연구·교육용 실험 프로젝트로, 저자는 오남용이나 법적 문제에 대한 책임을 지지 않는다는 점이 명시되어 있습니다. 실제 집이나 사무실에 적용할 때는 현지 법규와 프라이버시 이슈를 꼭 확인하고, 안전하고 책임감 있게 사용하는 것이 중요합니다.

https://github.com/francescopace/espectre

btop은 CPU, 메모리, 디스크, 네트워크, GPU 사용량 등을 한눈에 볼 수 있는 고성능 터미널 기반 모니터링 툴입니다.

C++로 작성되어 뛰어난 성능과 반응 속도를 자랑하며, 다양한 테마와 직관적인 UI를 제공합니다.

Linux, macOS, FreeBSD 등 여러 플랫폼에서 사용 가능하며, 최신 버전(v1.4.0)은 Intel GPU 지원을 추가했습니다.

https://github.com/aristocratos/btop

Pogocache는 초저지연과 CPU 효율성에 중점을 둔 오픈소스 캐싱 소프트웨어입니다.

Memcache, Redis, Dragonfly보다 빠르며, 단일 스레드부터 멀티코어 환경까지 탁월한 성능을 제공합니다.

HTTP, Memcache, Redis, Postgres 프로토콜을 지원하며, 독립 실행형 서버 또는 C 코드로 내장할 수도 있습니다.

간단한 명령(make, ./pogocache)으로 빌드 및 실행이 가능하며 Docker 이미지도 제공합니다.

https://github.com/pogocache/pogocache