LobeHub – 에이전트를 업무 단위로 다루는 협업형 AI 워크스페이스

LobeHub는 사용자가 에이전트 팀원을 찾고, 만들고, 협업하도록 설계된 오픈소스 AI 워크스페이스다. 단일 챗봇 대신 “에이전트를 업무 단위(unit of work)로 다루는 공간”을 지향하며, 개인 작업과 팀 협업을 모두 겨냥한다.

핵심 관점

LobeHub가 비판하는 기존 에이전트 경험은 창과 모델이 파편화되어 있고, 각 대화가 고립되어 있다는 점이다. 사용자는 여러 챗봇 사이를 오가며 컨텍스트를 직접 옮기고, 에이전트는 깊은 개인화나 장기 작업 맥락을 충분히 유지하지 못한다.

LobeHub는 이를 세 가지 축으로 풀어낸다.

축	설명
Create	Agent Builder로 개인화된 에이전트를 생성
Collaborate	Agent Groups, Pages, Schedule, Project, Workspace로 여러 에이전트와 협업
Evolve	Personal Memory로 사용자의 업무 방식과 선호를 지속 학습

사용자가 필요한 역할을 설명하면 에이전트 설정을 구성한다. LobeHub는 에이전트를 단순 프롬프트 프리셋이 아니라 모델, 도구, 기억, 작업 공간이 결합된 실행 단위로 본다.

여러 에이전트를 하나의 작업에 투입해 병렬 협업과 반복 개선을 수행한다. 이는 agent-harness에서 다루는 하네스 관점, 즉 모델 외부의 작업 분해·도구·메모리·실행 환경 설계와 맞닿아 있다.

LobeHub는 MCP 플러그인 원클릭 설치와 MCP 마켓플레이스를 제공한다. 데이터베이스, API, 파일시스템 등 외부 도구를 에이전트에 연결하는 방식은 mcp 생태계의 실사용 제품화 사례다.

README 기준 LobeHub는 여러 모델 공급자, 로컬 LLM, 시각 인식, TTS·STT, 이미지 생성, 파일 업로드·지식 베이스, 브랜칭 대화, 아티팩트 등을 지원한다. 즉 단일 모델 프론트엔드라기보다 AI 작업 공간 전체를 제공하려는 플랫폼에 가깝다.

LobeHub는 Vercel, Zeabur, Sealos, Alibaba Cloud, Docker 배포 경로를 제공한다. 개인용 AI 워크스페이스를 클라우드 서비스로만 쓰기보다, 데이터 위치와 모델 선택권을 직접 관리하려는 사용자에게 중요하다.