사소한 문제들 정리 후 조만간 github을 통해 오픈소스로 공개 예정입니다. 번잡하게 써놨는데 기본은 "하네스+워크플로우" 입니다. 모두 어설픈 제 아이디어는 아니고 여러 알려진 오픈소스들의 성숙한 기능, 알고리즘, 아이디어를 통합한 정도입니다. 알파 테스트는 아래에 소개드린 seCall 을 반나절만에 빈레포에서 만들어 올리면서 1차적으로 자잘한 버그는 픽스했고(secall의 품질이 궁금하신 분들은 클론하셔서 오퍼스나 코덱스급 에이전트에게 코드베이스로 분석 시켜보셔도 됩니다), 그리고 영상에서 얘기하고 있는 gemento - 제미나이 e4b를 제가 생각한 가설을 검증해 가면서 쓸만하게 만드는게 목표입니다. 물론 만들면서 추가로 tunaflow의 핵심 기능을 테스트 할 예정입니다.

• tunapi - 여러 범용 메신저(텔레그램, 매터모스트, 슬랙, 디스코드)를 통해 터미널 에이전트와 채팅을 할 수 있는 백엔드 앱입니다. - takopi라는 텔레그램 전용 트랜스포터를 '포크' 해서 제작했습니다

• tunadish - tunapi의 트랜스포터 상위 레이어로 플러그인을 표방한 데스크탑 앱입니다. 백엔드가 생긴김에 메신저도 만들어보자! 라는 야심찬 프로젝트였으나 알파버전 정도입니다.

• seCall - 터미널에이전트들과의 대화를 파싱해서 옵시디언과 DB에 저장한 뒤 터미널 에이전트에 MCP 플러그인 형태로 오래된 대화들을 검색해서 현재 컨텍스트에 사용할 수 있게 하는 프로젝트입니다. tunaFlow 테스트를 위해서 만들어졌습니다.

• 그리고 지금 소개드리는 tunaFlow — 에이전트가 편해야 결과가 좋다! 아이디어와 토크만 지불하시면 앱이나 서비스를 만들 수 있습니다.(딸깍 아닙니다. 아키텍트와 얘기를 많이하고 플랜을 잘 검토하셔야 좋은 품질의 결과물이 나옵니다. 실제 소규모 MVP는 금방 만들 수 있습니다. 사용자의 도메인 지식 + 하네스를 씌운 에이전트들을 검증 결과가 있는 워크플로우에 태우면 실제 높은 품질의 결과물이 나옵니다)

▎ "Of the agent, By the agent, For the agent - just feed idea and tokens"

tunaFlow는 AI 에이전트 오케스트레이션 클라이언트입니다. "사용자에게 편한 채팅 앱"이 아니라, 에이전트가 최적의 조건에서 작업할 수 있게 만드는 것이 목표입니다. 사용자가 도메인 지식과 방향을 결정하면, 에이전트가 그 결정을 함께 고민하고 검토하고 사용자 승인하에 실행합니다.

Claude Code, Gemini CLI, Codex를 개별적으로 쓰다 보면 반복되는 문제가 있습니다:

- 매번 같은 맥락을 처음부터 설명해야 함

- 에이전트가 이전 대화에서 배운 걸 기억 못 함

- 한 에이전트의 작업 결과를 다른 에이전트에게 넘기기 번거로움

- 코드 리뷰를 사람이 직접 해야 함

tunaFlow는 이런 문제를 구조적으로 해결합니다.

주요 기능

1. 멀티엔진 통합:

Claude, Gemini, Codex, OpenCode, Ollama를 하나의 앱에서 실행합니다. 대화 중간에 엔진을 바꿔도 맥락이 유지됩니다. Agent Profile로 엔진+모델+페르소나를 프리셋으로 관리할 수 있습니다.

2. Roundtable — 에이전트끼리 토론

여러 에이전트가 하나의 주제에 대해 순차(Sequential) 또는 동시(Deliberative)로 토론합니다. Claude가 설계하면 Gemini가 반박하고, Codex가 대안을 제시하는 식입니다. 참가자별 identity가 프롬프트에 주입되어 역할 혼동이 없습니다.

3. 워크플로우 자동화 — 3-Role 파이프라인

Plan 기반으로 Architect → Developer → Reviewer 역할을 자동 순환합니다.

Plan 설계 → 승인 → Implementation Branch → Developer 자동 호출 → Review RT(2-agent 토론) → Pass/Fail/Rework → 완료

마커 기반으로 자동 감지하고, 3회 실패 시 Architect 재설계를 에스컬레이션합니다. 실패에서 학습한 패턴을 다음 Rework에 자동 주입합니다.

4. ContextPack — 에이전트를 위한 맥락 최적화

매 요청마다 에이전트에게 필요한 정보만 골라서 조립합니다:

- 최근 대화 + 압축된 장기기억 + 관련 과거 대화

- Plan 문서 + 산출물 + 스킬

- rawq 코드 검색 + code-graph 의존성 정보

- Lite/Standard/Full 모드 자동 선택으로 토큰 낭비 방지

5. Insight — 프로젝트 품질 분석

rawq(코드 검색), code-graph(의존성 분석), 실패 이력, 테스트 결과를 시스템이 사전 추출한 뒤, 에이전트에게 추출된 데이터만 분석하게 합니다. 전체 프로젝트를 읽히는 대신 5k~20k 토큰으로 타겟 분석합니다. Quick Wins는 자동 수정까지 지원합니다.

6. Branch & Adopt

대화 중간에서 분기해서 독립 실험 후, 결과를 요약하여 부모 대화에 삽입합니다.

7. 장기기억 & 벡터 검색

12개 이상 메시지가 쌓이면 주제별로 자동 요약합니다. 과거 대화를 FTS5 + 벡터 하이브리드로 검색하고, 관련 대화를 자동으로 연결합니다.

---

기술 스택

Tauri 2 + React 18 + TypeScript + Rust + SQLite (WAL)

DB v29 (29개 migration), Rust 188 + Frontend 175 = 363 tests

---

특이사항

▎ 415 commits, 42k lines — 100% Claude Code가 작성한 코드베이스, 사용자는 아키텍처 결정과 방향 설정만 담당했습니다. (자랑은 아닙니다. 근데 좋은 세상이 되었습니다 :))