Raven – EverOS 위에 만든 자기 개선형 에이전트 하네스

핵심 개념
주요 기능
설치
어디에 맞는가
주의할 점
관련 문서
참고 자료

Raven은 EverMind AI가 공개한 자기 개선형 에이전트 하네스다. EverOS 위에서 사용자 메모리, 에이전트 메모리, 세계 지식, 도구, 스킬, 코드 실행, 정책을 묶고, 성공한 워크플로를 재사용 가능한 Agent Template로 발전시키는 방향을 내세운다.

핵심 개념

Raven의 문제의식은 단순하다. 대부분의 에이전트 실행은 세션이 끝나면 사라지고, 다음 실행은 같은 설정·도구·절차를 다시 배워야 한다. Raven은 에이전트가 실행 중 얻은 성공 패턴을 메모리와 템플릿으로 남겨 다음 작업에 반영하려 한다.

task run
  -> tools / skills / memory / code execution
  -> successful workflow
  -> reusable Agent Template
  -> improved future runs

주요 기능

기능	설명
EverOS 기반 메모리	사용자 기억, 에이전트 기억, 세계 지식을 세션 밖에 보존
Agent Templates	반복 가능한 업무 흐름을 템플릿화
Deep Research	다중 출처 조사를 opt-in 기능으로 제공
메시징 게이트웨이	여러 인터페이스에서 에이전트를 호출하는 방향
모델 provider	OpenRouter, OpenAI, Anthropic, Gemini, DeepSeek, GitHub Copilot 등 연결
CLI/TUI	설치 후 터미널에서 설정, 실행, 업그레이드

설치

README는 macOS, Linux, WSL2에서 다음 설치 명령을 제시한다.

curl -fsSL https://raven.evermind.ai/install.sh | bash

설치기는 uv, Python 3.12, Node.js 22, Raven 구성 요소를 처리한다. Windows native PowerShell 설치도 별도 안내한다.

어디에 맞는가

반복 업무 자동화: 리서치, 보고서, 코드 작업처럼 매번 비슷한 절차가 반복되는 업무
에이전트 템플릿 운영: 성공한 작업 흐름을 팀 또는 개인 템플릿으로 축적하고 싶을 때
메모리 중심 에이전트 실험: 단기 세션이 아니라 누적 메모리와 정책을 핵심으로 보는 하네스 연구
여러 provider 실험: 모델 provider를 바꿔 가며 같은 하네스에서 비교하려는 경우

주의할 점

자기 개선형 하네스는 메모리 품질과 정책 관리가 중요하다. 잘못된 성공 패턴, 오래된 도구 설정, 민감 정보가 템플릿으로 축적되면 다음 실행에 그대로 전파될 수 있다. Raven을 실제 업무에 쓰려면 어떤 기억을 보존하고, 어떤 작업 결과를 템플릿화하며, 누가 승인할지 명확히 해야 한다.

참고 자료

EverMind-AI/Raven — GitHub 공식 저장소

Like?

AI Sparkup