학술 논문 조사, 시장 분석, 기술 리서치처럼 광범위한 정보를 빠르게 수집·합성해야 하는 작업은 수작업으로 하면 시간이 많이 걸린다. Feynman은 이를 자동화하는 오픈소스 AI 리서치 에이전트로, 단일 명령으로 논문과 웹을 검색해 인용이 포함된 리서치 브리프를 생성한다. 심층 조사 시에는 여러 리서처 에이전트가 병렬로 작동해 증거를 수집하고 합성·검증한다. GitHub ★6,150.

기본 사용법

# 단순 리서치 브리프
feynman "what do we know about scaling laws"
# → 논문·웹 검색 후 인용 포함 리서치 브리프 생성

# 딥리서치 (멀티 에이전트 병렬 조사)
feynman deepresearch "mechanistic interpretability"
# → 병렬 리서처들이 분산 조사 → 합성 → 검증

핵심 기능

• 단순 리서치: 단일 질의로 논문과 웹 소스를 검색, 인용이 포함된 브리프 생성
• 딥리서치: 복수의 에이전트가 주제를 병렬로 조사하고, 별도 합성·검증 에이전트가 결과를 통합
• 로컬 모델 지원: LM Studio, LiteLLM, Ollama, vLLM 등 로컬 및 자체 호스팅 모델 연동
• 스킬 전용 설치: 터미널 앱 없이 리서치 스킬만 코딩 에이전트에 설치 가능

설치

macOS / Linux (터미널 앱 + 런타임 포함):

curl -fsSL https://feynman.is/install | bash

스킬만 설치 (전역):

curl -fsSL https://feynman.is/install-skills | bash
# ~/.codex/skills/feynman 에 설치

저장소 로컬 설치:

curl -fsSL https://feynman.is/install-skills | bash -s -- --repo
# .agents/skills/feynman 에 설치

OpenCode 프로젝트 로컬 설치:

curl -fsSL https://feynman.is/install-skills | bash -s -- --opencode
# .opencode/skills/feynman 에 설치

로컬 모델 연동

feynman setup
→ LM Studio: 기본값 http://localhost:1234/v1 사용
→ LiteLLM: 기본값 http://localhost:4000/v1 사용
→ Ollama/vLLM: Custom provider, openai-completions 선택

누구에게 유용한가?

• 학술 논문 조사가 잦은 연구자: 여러 논문을 빠르게 조사하고 합성된 브리프가 필요할 때
• 시장 분석·기술 스카우팅 담당자: 광범위한 주제를 멀티 에이전트로 병렬 조사해 시간을 단축할 때
• 프라이버시를 중시하는 개발자: 로컬 모델 연동으로 데이터를 외부에 보내지 않고 리서치할 때
• AI 코딩 에이전트에 리서치 능력을 추가하려는 팀: 스킬만 설치해 기존 에이전트에 리서치 기능을 추가할 때

라이선스

MIT

관련 도구

• deep-research-max — Google AI 에이전트 기반 자율 딥리서치 API
• notebooklm — Google의 소스 기반 AI 리서치·콘텐츠 생산 환경
• agent-skills — AI 에이전트 스킬 시스템 개요
• pi-autoresearch — 코딩 에이전트가 실험을 반복하며 성능 개선안을 탐색하는 루프

참고 자료

• getcompanion-ai/feynman — GitHub 공식 저장소