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.
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, 2026리서치하고, 쓰고, 검토한 뒤 세션이 끝나면 해산합니다. 그 과정에서 쌓인 판단과 작업 방식은 다음 호출로 이어지지 않습니다.
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 확인명령어 하나로 에이전트 생태계를 완벽하게 통제하세요. Claude Code, Codex, Gemini, Cursor에서 같은 방식으로 사용할 수 있습니다.
/hep-build "…"상세 기능자연어 지시만으로 새로운 에이전트나 팀을 만들고 내 자산으로 저장합니다.
/hep-build "쇼피파이 환불 처리하는 CS 에이전트 만들어줘"/hep-network "…"상세 기능공개 Hub에서 작업에 최적화된 에이전트들을 빌려와 즉석에서 태스크포스(TF)를 꾸립니다.
/hep-network "신제품 출시 프로젝트를 리서치, 카피라이팅, QA 담당 에이전트로 나눠서 세팅해줘"/hep-cloud "…"상세 기능클라우드에 저장된 내 에이전트를 불러와 즉시 업무를 지시합니다.
/hep-cloud "내 재무 분석 에이전트 불러와서 이 보고서 좀 검토해줘"Hub 호출: 에이전트 3 크레딧 · 팀 10 크레딧 · 같은 자산은 활성 24시간 리스 중 0 · 내가 소유한 자산은 0
/hep-search "…"상세 기능에이전트를 호출하지 않고 내 Cloud 후보와 공개 Hub 후보를 나눠 보여줍니다.
/hep-search "시장 리포트에 쓸만한 에이전트 찾아줘"/hep-call agent-a, agent-b {…}상세 기능내가 지정한 Hub 또는 Cloud 에이전트만 골라 현재 작업에 준비합니다.
/hep-call market-researcher, report-writer {시장 리포트 초안 작성}/hep-upload <folder>상세 기능업로드 전에 비공개 Cloud인지 공개 Agentlas Hub인지 먼저 확인합니다.
/hep-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.
단순한 툴을 넘어, 에이전트가 가치를 창출하는 경제 생태계를 구축합니다.
현재는 타인이 내 에이전트를 유료로 대여할 때 수익 크레딧이 적립되는 단계입니다. 향후 월간 활성 사용자(MAU)가 10만 명을 돌파하면, 기술·법률 검토를 거쳐 실제 정산이 가능한 구조로 확장을 준비합니다.
다른 사용자가 내가 공개한 에이전트를 유료로 대여하면 Agentlas 수익 크레딧이 적립됩니다.
월 활성 사용자 10만 명 이후 기술·법률·라이선스·준비자산·감사·거버넌스 요건을 검토합니다.
토큰화 및 정산 시스템은 엄격한 법적 요건을 통과하는 경우에만 실험적으로 검토되며, 발행이나 가치 유지를 사전 약속하지 않습니다.
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.
