내가 P0- 에이전트의 트의 뇌를 만들었을 때, “이게 맞나?” 하는 생각을 안 한 건 아니다.

Obsidian vault에 파일 시스템 그대로 두뇌 구조를 쌓는 방식. vector DB 하나에 전부 박아넣는 게 아니라, 폴더가 레이어고, 마크다운이 뉴런인 설계. 분명히 맞다고 생각했지만, 세상은 그렇게 안 하고 있었다. 다들 pinecone에 밀어넣고 있었다.

그런데 오늘. 1,500명이 내 결정을 간접 검증했다. 아니, 정확히는 내 결정과 똑같은 결론에 도달한 프로젝트가 등장했다.

OpenKnowledge — “Notion 같은 Obsidian”이 온다

지난 주 Show HN에 올라온 inkeep/open-knowledge. 한 줄로 말하면:

Obsidian/Notion의 오픈소스 AI 우선 대안. WYSIWYG Markdown 편집기인데, Claude·Codex·Cursor와 바로 통합되고, MCP 서버와 skills, agentic search가 내장되어 있다.

숫자로 보면 이렇다:

1.5K stars, 61 forks — Show HN 올린 지 며칠 만에 745 commits, v0.19.2까지 나온 상태 GPL-3.0 라이선스 macOS 앱 + CLI 기반 웹 앱 (Linux/Windows) ok init 한 줄로 프로젝트 scaffold + Claude/Cursor/Codex 연결

왜 이게 내 에이전트와 연결되는가

Drewgent의 구조를 잠깐 설명하면:

~/.drewgent/ ├── P0-brainstem/ # 규칙, 금지사항 ├── P1-limbic/ # 정체성, 페르소나 ├── P2-hippocampus/ # 원시 메모리 ├── P3-sensors/ # 게이트웨이, 툴 ├── P4-cortex/ # 스킬 인덱스 ├── P5-ego/ # 셀프 모델 + wiki ├── P6-prefrontal/ # 인시던트, 회고 └── skills/ # 100+ SKILL.md

이게 전부 파일 시스템 위에 있다. DB가 아니라. vector DB도 쓰지만 보조일 뿐이고, 진실은 항상 파일이다. 나는 이걸 “Filesystem = Truth”라고 부른다.

그런데 OpenKnowledge가 똑같은 말을 하고 있다:

로컬 우선: “Use OpenKnowledge by opening any existing folder on your computer that contains markdown files” Obsidian vault 호환: “The app can be used with existing codebases, wikis, Obsidian vaults, etc.” MCP 내장: “Out-of-the-box MCP, skills, and agentic search for LLM Wikis, agent second brains, and knowledge graphs.” AGENTS.md: 레포 루트에 AGENTS.md가 있다. 나랑 똑같다.

파일 시스템 → Markdown → MCP → Agent Brain. 이 네 개의 축이 완전히 일치한다. 내가 작년부터 해온 방식과, 이 프로젝트가 지금 내놓은 방식이 독립적으로 수렴했다는 뜻이다.

수렴이 의미하는 것

독립적인 수렴은 보통 옳은 방향이라는 신호다. 자연 선택에서 다른 종이 비슷한 환경에 비슷한 해법을 찾는 것처럼, 엔지니어링에서도 같은 문제를 풀다 보면 같은 아키텍처에 도달한다.

여기서 공통된 문제는 이거다:

AI 에이전트가 점점 똑똑해지고 있는데, 그 뇌를 어디에 둘 거냐.

몇 가지 선택지가 있다:

Vector DB 일체형: embedding + metadata를 하나의 DB에 — 빠르지만 불투명. 에이전트만 읽을 수 있고 인간은 못 읽는다. 클라우드 SaaS: Notion, Confluence — 편하지만 벤더 종속. API가 바뀌면 두뇌가 망가진다. 파일 시스템 + Markdown: 느리지만 투명. 인간이 읽을 수 있고, git으로 버전 관리되고, 어떤 에이전트도 접근할 수 있다.

OpenKnowledge와 나는 둘 다 세 번째를 택했다. 그리고 그 선택이 1,500명의 동의를 받았다.

차이점도 있다 — 그게 더 흥미롭다

OpenKnowledge는 WYSIWYG 편집기로서의 경험에 집중한다. “Google Docs처럼 Markdown을 편집하는 것”이 첫 번째 가치 제안이다. 나는 편집기 경험보다 레이어 구조와 규칙 시스템에 집중했다. P0-P6의 7개 레이어, NeuronFS의 vorq/禁 마이크로옵코드, tiered autonomy.

근데 이 차이가 오히려 서로를 보완한다:

OpenKnowledge가 편집 경험을 책임지면 Drewgent는 구조와 규칙을 책임진다 둘 다 파일 시스템 + Markdown + MCP를 기반으로 한다

이게 오픈소스 생태계의 아름다움이다. 같은 기반 위에서 다른 레이어를 각자 잘하는 사람이 만든다.

내가 OpenKnowledge를 당장 쓸 건 아니지만

솔직히 말해서, 나는 Obsidian에 너무 깊이 들어가 있다. 커스텀 CSS, 100개 이상의 노트, gbrain 연동까지. 당장 갈아탈 이유는 없다.

하지만 OpenKnowledge의 등장은 나한테 중요한 신호다:

파일 시스템 기반 에이전트 뇌가 취향이 아니라 표준이 되어가고 있다 MCP + skills + Markdown이 에이전트 툴링의 공통 언어가 되고 있다 오픈소스 GPL로 나왔다는 건, 이게 한 회사의 제품이 아니라 생태계의 기반이 되려는 시도라는 뜻

그리고 재미있는 디테일 하나: OpenKnowledge가 AGENTS.md를 레포 루트에 두고 있다. 나도 똑같이 한다. 에이전트가 레포를 열었을 때 가장 먼저 읽는 파일. 이 컨벤션조차 수렴하고 있다.

결론: 혼자 가는 길이 아니었다

P0-P6를 만들 때는 “이게 진짜 필요한가?” 라는 의심이 항상 있었다. Ponytail 원칙을 시스템에 적용하면서 agent를 14개에서 6개로 줄일 때도, “너무 단순화하는 건가?” 하는 생각을 했다.

그런데 비슷한 시기에, 다른 사람이 비슷한 결론에 도달했고, 1,500명이 동의했다. 내가 이상한 게 아니라, 방향이 맞았던 거다.

파일 시스템은 단순하다. Markdown은 오래된 포맷이다. MCP는 이제 겨우 표준화 단계다. 이 세 가지를 조합하는 건 화려하지 않다. 하지만 그게 바로 taste다. 화려하지 않은 걸 고르는 것.

OpenKnowledge를 만든 팀에게 박수를 보낸다. 그리고 내 선택이 틀리지 않았다는 확신을 얻었다.

관련 글:

14개에서 6개로 — AI 에이전트 시스템은 더 적게 가질수록 더 많은 일을 한다 에이전트의 뇌를 7개 레이어로 쌓은 방법 Taste는 감각이 아니라 정책이다 — Tiered Autonomy와 Leverage Score 설계