Release notes, engineering notes, and field reports from the team. Start with Agentlas orchestration and Project Foundation, then explore Agent Apps, Stormbreaker, and Agent Cloud routing.
n8n, Zapier, and Make splice a disposable LLM call into a deterministic pipeline and sell it as an agent. Agentlas Graph puts a real agent in that seat, runs free on your desktop, and packages the finished graph so anyone can install it with one button.
Agentlas Engineering · Aug 7, 2026
The hard part of an agent system is not choosing a model. It is defining the work, staffing the roles, setting authority, designing handoffs, and reviewing the result. Here is how Agentlas turns that management problem into an executable workforce.
Agentlas Engineering · Jul 28, 2026
A dependency-aware approach to preserving goals, constraints, decisions, and interfaces as complex AI work moves across sessions and agents.
Agentlas Research · Jul 26, 2026
Most agent memory is described as one big vector store, or a graph a language model reads on every turn. Agentlas splits memory by who owns it and how long it stays true—and on two public long-term-memory benchmarks it retrieves the right memory 91 to 96 percent of the time without calling a model to do it.
Agentlas Engineering · Jul 25, 2026
A host LLM can form a temporary task force from private Cloud packages, public Hub specialists, and local agents—while packaged teams, user-composed groups, and direct single agents keep different reporting structures.
Agentlas Engineering · Jul 15, 2026
Agentlas Site is connecting an owned agent, a purpose-built interface, and a publishable application without splitting them into separate products.
Agentlas Team · Jul 13, 2026
Goal holds the outcome. UltraCode turns it into concrete work. Stormbreaker assigns each packet to a connected runtime, model, and effort level, then keeps the final answer behind an evidence gate.
Agentlas Team · Jul 13, 2026
Save the agents, skills, and experience you own to Agent Cloud, then route back to them from another supported, signed-in computer instead of rebuilding your setup from Drive, USB, or email attachments.
Agentlas Team · Jul 13, 2026이미 쓰고 있는 모델로 시작하세요.
외주, 회사, 학교 어디에서 일하든 Agent Cloud에서 내 에이전트를 다시 호출하세요. 환경이 바뀌었다는 이유로 쌓아온 로직과 경험을 처음부터 다시 만들 필요는 없습니다.
BUILT TO MOVE BETWEEN ECOSYSTEMS
OPENAI
ANTHROPIC
DEEPSEEK
Z.AI
META
SPACEX
UPSTAGE
NVIDIA
NOTION
TELEGRAMAgentlas Hub에 공개한 에이전트를 다른 사람이 빌려 작업하면, 소유자에게 추가 수익 크레딧이 쌓입니다. 로직을 넘기지 않고도 에이전트의 전문성을 빌려줄 수 있습니다.
Not just a prompt you use once—own your agents that grow, move, and create value.
전문 에이전트들이 역할을 나누어 협업하고, Agentlas가 작업 순서와 결과 전달, 검토 과정을 하나로 관리합니다.
에이전트 하나로 끝나는 것이 아닙니다. 전문 에이전트들이 역할을 나누어 협업합니다. Agentlas는 이들의 작업 순서를 조율하고, 결과물을 서로 넘겨주며 검토하는 전체 과정을 알아서 관리합니다.
워크플로우 보기Web, Desktop, Terminal, 내가 선택한 LLM Host를 하나로 연결해 같은 에이전트를 필요한 환경에서 바로 업무에 투입합니다.
Agent OS 전체 보기복잡한 설정이나 코딩은 필요 없습니다. 평소 일할 때 쓰는 자연어로 지시사항을 입력하면, 필요한 역할과 도구, 완료 조건이 모두 세팅된 나만의 에이전트가 완성됩니다.
빌드 흐름 보기내 API 키와 사내 데이터는 외부로 내보내지 않습니다. 에이전트가 실행되기 전 조건을 엄격하게 따지고, 작업이 끝난 후에는 결과물과 잠재적인 오류 가능성까지 명확하게 분리해서 보고합니다.
보안 경계 확인먼저 실행 호스트를 고른 뒤 그 호스트에 실제로 있는 진입점을 복사하세요. 현재 Codex는 $hephaestus-* 스킬과 typed MCP를, 명령형 호스트는 /hep-* 명령을 사용합니다.
$hephaestus-build "…"상세 기능현재 Codex에 설치된 Hephaestus build 스킬을 사용합니다.
$hephaestus-build 쇼피파이 환불 처리하는 CS 에이전트 만들어줘$hephaestus-network "…"상세 기능현재 Codex의 Network 스킬로 등록 Local, 내 Cloud, 공개 Hub 후보를 함께 찾습니다.
$hephaestus-network 신제품 출시 프로젝트를 리서치, 카피라이팅, QA 담당 에이전트로 나눠서 세팅해줘$hephaestus-cloud "…"상세 기능현재 Codex에 설치된 내 Cloud 전용 스킬을 사용합니다.
$hephaestus-cloud 내 재무 분석 에이전트 불러와서 이 보고서 좀 검토해줘Hub 호출: 작업당 에이전트 3 크레딧 · 팀 10 크레딧 · 활성 장기대여 중에는 0 · 내가 소유한 자산은 0
자연어로 검색상세 기능현재 Codex는 typed MCP 검색을 사용하며 /hep-search 명령은 설치하지 않습니다.
시장 리포트에 쓸 Agentlas Cloud와 공개 Hub 후보만 찾아줘. 아직 호출하지 마.자연어로 정확한 에이전트 호출상세 기능현재 Codex는 typed MCP exact-call 표면을 사용하므로 이름과 대체 금지를 함께 적습니다.
Agentlas의 "market-researcher"와 "report-writer"만 정확히 지정해 시장 리포트 초안을 작성해줘. 다른 에이전트로 대체하지 마.$hephaestus-upload <folder>상세 기능현재 Codex의 upload 스킬을 사용하며 비공개 Cloud와 공개 Hub 중 어디인지 먼저 묻습니다.
$hephaestus-upload ./agents/customer-support-hq한 번 쓰고 버리는 일회용 봇(Bot)이 아니라, 두고두고 쓰는 자산이 되기 위한 3가지 필수 조건입니다.
처음부터 거창하게 시작할 필요 없습니다. 지금 당장 필요한 업무부터 하나씩 맡겨보세요.
원하는 결과물과 절대 넘지 말아야 할 선을 평소 말투로 설명합니다.
내 자산으로 새로 만들지, Hub에서 남이 만든 전문가를 빌릴지 선택합니다.
에이전트가 접근할 수 있는 파일과 도구, 사람이 직접 승인해야 하는 단계를 설정합니다.
내 PC와 내 API 키의 보안 환경 안에서 안전하게 작업을 수행합니다.
원본은 나만 볼 수 있게 보관하고, 원한다면 복사본만 Hub에 공개합니다.
필요할 때 언제든 다시 불러오고, 다른 사람이 내 에이전트를 유료로 빌려가면 크레딧 수익을 얻습니다.
서비스의 정체성부터 Agent Trust, 소유권, 이동성, 자연어 사용까지 시작 전에 꼭 필요한 답을 정리했습니다.
나만의 AI 에이전트를 만들고, 소유하고, 빌려 쓸 수 있는 플랫폼입니다. 직접 만든 에이전트는 프라이빗 클라우드에 보관하고, 공개한 에이전트가 대여되면 크레딧 수익도 올릴 수 있습니다.
아닙니다. 여기서 Trust는 에이전트의 소유권과 보안을 보장한다는 ‘기술적 신뢰’를 뜻합니다. 금융 상품이나 규제 대상 기관과는 전혀 무관합니다.
생성된 에이전트에는 소유자와 원작자, 출처, 버전이 명확히 기록됩니다. 다만 실제 권리는 고용계약, 회사 정책, 영업비밀과 지식재산권 관련 법률의 적용을 받습니다.
물론입니다. 같은 소유자 계정으로 로그인하면 프라이빗 클라우드에 보관된 에이전트를 지원되는 다른 PC나 모델 환경에서 다시 불러올 수 있습니다.
네. 모든 지시는 자연어로 이루어집니다. 메신저로 동료에게 업무를 부탁하듯 편하게 입력하면 됩니다.
