StaffDeck 오픈소스: 디지털 직원을 구축하는 엔터프라이즈 플랫폼

서론

2026년 7월 15일, OpenBMB는 디지털 직원을 구축, 운영 및 관리하기 위해 설계된 엔터프라이즈 플랫폼인 StaffDeck을 오픈소스로 공개했습니다.

이 프로젝트는 일반적인 엔터프라이즈 챗봇과는 다른 길을 걷고 있습니다. StaffDeck은 AI를 일시적인 대화 창구로 보지 않고, 전문 경험, 업무 프로세스, 표준 운영 절차 및 의사 결정 기준을 지속적으로 작업하고 개선하는 디지털 직원으로 전환하는 것을 목표로 합니다.

소스 코드는 GitHub에 공개되었으며, macOS, Windows 및 Linux용 데스크톱 설치 패키지도 함께 제공됩니다. StaffDeck은 OpenAI 호환 모델 엔드포인트를 통해 소스 코드로부터 배포할 수도 있습니다.

엔터프라이즈 챗봇에서 디지털 직원으로

많은 엔터프라이즈 AI 제품은 여전히 채팅 인터페이스에서 시작하여 채팅 인터페이스에서 끝납니다. 사용자는 대화를 열고, 질문하고, 답변을 받고, 세션을 종료합니다.

이러한 패턴은 단순한 보조 작업에 유용하지만, 기업이 반복 가능한 작업에 AI를 참여시키고자 할 때 한계를 드러냅니다.

디지털 직원에게는 대화 능력 이상의 것이 필요합니다. 자신의 직무를 이해하고, 조직 규칙을 준수하며, 승인된 지식을 사용하고, 도구를 호출하며, 실행 기록을 보존하고, 필요한 경우 인간의 개입을 지원할 수 있어야 합니다.

StaffDeck은 바로 이러한 더 큰 비전을 중심으로 구축되었습니다. 조직 속성을 통해 디지털 직원을 특성화합니다. 예를 들어:

• 직무 및 역할 경계
• 직원 신원
• 능력 프로필
• 지식 리소스
• 기술 및 표준 운영 절차
• 도구 권한
• 작업 및 실행 기록
• 접근 범위
• 피드백 및 개선 이력

이러한 구조는 시스템을 일반적인 챗봇 인터페이스보다 디지털 직원 관리 플랫폼에 더 가깝게 만듭니다.

조직 지식을 재사용 가능한 능력으로 전환

기업 운영에서 가장 까다로운 문제 중 하나는 가치 있는 지식이 종종 여러 곳에 흩어져 있다는 점입니다.

일부 정보는 문서에 기록되어 있고, 일부는 스프레드시트와 프로세스 매뉴얼에 포함되어 있으며, 많은 지식은 표준 운영 절차에 공식적으로 기록되지 않은 미묘한 판단을 포함하여 숙련된 직원의 경험에 남아 있습니다.

경험이 풍부한 직원이 퇴사하거나 전환할 때, 일부 지식은 함께 사라질 수 있습니다.

StaffDeck은 다양한 형태의 조직 전문 지식을 지속 가능한 디지털 역량으로 전환하는 것을 목표로 합니다:

1. 전문 경험
2. 업무 프로세스
3. 표준 운영 절차
4. 의사 결정 기준
5. 문서화된 지식
6. 비공식 운영 규칙
7. 실제 작업에서 발생하는 피드백

그 목표는 문자 그대로의 '디지털 불멸'이 아니라, 중요한 전문 지식을 재사용 가능하고 추적 가능하며 개선하기 쉽게 만드는 실용적인 시도입니다.

산학연 공동 프로젝트

StaffDeck은 단일 회사의 내부 제품으로 제시되지 않습니다.

공식 저장소 정보에 따르면, 이 플랫폼은 다음 기관이 공동 개발했습니다:

• 모델베스트(ModelBest)
• 동북대학교-모델베스트 데이터 지능 공동 연구소
• 칭화대학교 자연어 처리 연구소(THUNLP)
• OpenBMB
• AI9Stars

이 조합은 모델 연구, 자연어 처리, 엔터프라이즈 배포 경험 및 오픈소스 엔지니어링 역량을 결합합니다.

대상 사용자에는 AI를 개인 생산성 도구에서 재사용 가능한 조직 역량으로 전환하려는 기업과 기관이 포함됩니다.

StaffDeck 핵심 기능

공식 프로젝트는 네 가지 능력 영역을 설명합니다.

디지털 직원 구축 및 관리

사용자는 독립적인 역할, 직원 번호, 능력 프로필, 권한 및 작업 기록을 가진 디지털 직원을 정의할 수 있습니다.

디지털 직원은 다양한 조직 요구에 따라 게시, 재사용 또는 조정될 수 있습니다. 권한 격리 메커니즘은 각 사용자가 공유 리소스를 직접 수정하는 것을 방지하는 데 도움이 됩니다.

이는 기업이 각 직원이 고립된 개인 봇을 구축하도록 허용하는 대신 승인된 통제된 디지털 역할을 유지하려는 경우 특히 유용합니다.

상태 머신 기반 프로세스 기술

StaffDeck은 자연어 프로세스 설명을 구조화된 표준 운영 절차로 변환하고 상태 머신을 통해 실행할 수 있습니다.

상태 머신은 복잡한 작업을 정의된 단계, 전환 조건, 상태 분기로 분해하는 데 도움이 됩니다. 이 방법은 모델이 단일 프롬프트에서 전체 프로세스를 즉흥적으로 수행하도록 요구하는 것보다 더 예측 가능합니다.

플랫폼은 다음을 지원합니다:

• 다중 프로세스 병렬 실행
• 실시간 프로세스 전환
• 컨텍스트 보존
• 시각적 프로세스 편집
• 버전 관리
• 분기 발전

이러한 기능은 안정적인 프로세스를 따라야 하지만 여전히 제한된 AI 판단이 필요한 작업에 특히 적합합니다.

문서 구조 인식 지식 검색

전통적인 검색 시스템은 일반적으로 문서를 작은 텍스트 조각으로 자르고 직접 검색합니다. 이 방법은 작동하지만 원본 문서의 구조 정보를 잃을 수 있습니다.

StaffDeck은 문서, 장, 페이지 및 요약 등 여러 수준에서 탐색 가능한 인덱스를 구축합니다.

디지털 직원은 관련 정보가 나타날 수 있는 위치를 먼저 예측한 다음 원본 텍스트를 더 정확하게 찾을 수 있습니다.

플랫폼은 또한 다음을 지원합니다:

• 독립 지식 버킷
• 정밀 검색
• 출처 인용
• 검색 디버깅
• 권한 인식 접근

이를 통해 팀은 디지털 직원이 특정 출처를 선택한 이유를 더 명확하게 이해할 수 있습니다.

자율 실행 및 지속적 개선

StaffDeck은 HTTP 인터페이스, 모델 컨텍스트 프로토콜 도구 및 예약 작업을 통해 작업을 실행할 수 있습니다.

실행 프로세스는 숨겨진 블랙박스가 아닙니다. 의도 인식, 검색, 기술 선택, 도구 사용, 검토 및 응답 생성과 같은 중간 이벤트가 기록됩니다.

그런 다음 장기 메모리, 사용자 피드백, 대화 기록 및 피드백 분석을 활용하여 디지털 직원의 역량을 향상시킬 수 있습니다.

인간 사용자는 필요한 경우 개입하고, 실행을 취소하고, 대기 중인 작업을 계속하거나 작업을 인계받을 수도 있습니다.

StaffDeck이 단일 대화 너머로 지식을 유지하는 방법

디지털 직원 플랫폼과 표준 챗봇의 가장 중요한 차이점은 영속성입니다.

일반 채팅 제품에서는 유용한 컨텍스트의 대부분이 단일 대화에 속합니다. 해당 세션이 종료되면 관련 지식이 관리되는 조직 자산이 되지 못할 수 있습니다.

StaffDeck은 재사용 가능한 역량을 임시 대화 컨텍스트와 분리합니다.

디지털 직원은 다음을 보존하고 재사용할 수 있습니다:

• 승인된 지식 베이스
• 프로세스 정의
• 기술
• 연결된 도구
• 직무별 규칙
• 장기 메모리
• 피드백 기록
• 실행 궤적
• 예약 작업

이는 모든 대화가 자동으로 영구 메모리가 되어야 한다는 것을 의미하지는 않습니다. 엔터프라이즈 시스템은 여전히 권한 규칙, 개인정보 보호, 검토 프로세스 및 명확한 보존 정책을 따라야 합니다.

핵심은 지식이 직원의 개인 채팅 기록에 갇히지 않고 의식적으로 제어 가능한 리소스로 전환될 수 있다는 것입니다.

핵심 워크플로우

StaffDeck의 공식 워크플로우는 6단계로 요약할 수 있습니다.

1. 디지털 직원 생성

직무, 역할 경계, 서비스 스타일, 생성자 및 접근 범위를 정의합니다.

명확한 역할 정의는 디지털 직원이 의도된 책임 범위를 벗어나 행동하는 것을 방지하는 데 도움이 됩니다.

2. 능력 구성

지식 베이스, 일반 기술, 표준 운영 절차 및 도구를 연결합니다.

팀은 마켓에서 리소스를 복사하거나 직접 생성할 수 있으며, 원본 공유 템플릿을 수정할 필요가 없습니다.

3. 세션 시작

마켓 또는 직원 목록에서 디지털 직원을 열고 첫 번째 요청을 보냅니다.

첫 번째 메시지를 제출하면 공식 세션이 영구적으로 저장됩니다.

4. 실행 및 관찰

디지털 직원이 작업하는 동안 실행 기록을 따라갑니다.

인터페이스는 의도, 검색, 기술, 도구, 검토 및 최종 응답과 관련된 이벤트를 표시할 수 있습니다.

5. 필요시 개입

사용자는 대기 중인 요청을 관리하고, 실행을 취소하고, 작업을 수동 처리로 전환하거나, 대기 중인 답변을 처리할 수 있습니다.

불확실하거나 민감하거나 영향이 큰 작업의 경우 인간의 개입이 여전히 중요합니다.

6. 직원 성과 지속적 최적화

메모리, 피드백, 대화 로그 및 예약 작업을 활용하여 디지털 직원의 성과를 최적화합니다.

팀이 실패 사례를 분석하고 지식, 프로세스 정의 또는 도구를 업데이트할 때 디지털 직원은 더 가치 있게 됩니다.

StaffDeck 빠른 시작

원문은 오픈소스 출시를 발표했지만 설치 지침은 포함하지 않았습니다. 다음 명령어는 공식 StaffDeck 저장소에서 가져온 것으로, 독자가 플랫폼을 직접 확인하고 테스트할 수 있도록 제공합니다.

환경 요구사항

다음 환경을 준비하세요:

• macOS, Linux 또는 WSL(개발 스크립트용)
• Python 3.11 이상
• Node.js 20 이상
• npm
• OpenAI 호환 채팅 완성 인터페이스
• 선택한 모델 서비스의 유효한 API 키

StaffDeck 자체는 CUDA가 필요하지 않습니다. 하드웨어 요구사항은 실행하거나 액세스하기로 선택한 모델 인터페이스에 따라 다릅니다.

1. 클론 및 설치

git clone https://github.com/OpenBMB/StaffDeck.git
cd StaffDeck

python3 -m venv backend/.venv
backend/.venv/bin/python -m pip install -e "backend[dev]"
npm --prefix enterprise ci
cp

`backend/.env.example` -> `backend/.env` 복사합니다.

### 2. 모델 구성

`backend/.env` 파일을 열고 애플리케이션 시크릿 키와 모델 서비스 정보를 설정합니다:

```Plaintext
APP_SECRET="replace-with-a-long-random-secret"
DEMO_MODEL_BASE_URL="https://your-openai-compatible-endpoint/v1"
DEMO_MODEL_NAME="your-model-name"
DEMO_MODEL_API_KEY="your-api-key"

API 키는 초기 모델 구성을 생성하는 데 사용되며, 데이터베이스에 저장되기 전에 암호화됩니다.

backend/.env 파일을 공개 저장소에 커밋하지 마세요.

서비스 시작 후에는 다음 경로를 통해 모델 제공자를 관리할 수도 있습니다:

관리 → 모델 구성

3. 웹 데모 시작

DETACH=1 scripts/dev_up.sh

이 스크립트는 프론트엔드를 빌드하고, FastAPI 프로세스를 통해 포트 5173에서 UI, API 및 Swagger 문서를 제공합니다.

초기 관리자 자격 증명은 다음과 같습니다:

사용자 이름: admin
비밀번호: admin

첫 로그인 후 즉시 기본 비밀번호를 변경하세요.

4. 설치 확인

상태 확인을 실행합니다:

curl http://127.0.0.1:5173/api/health

예상 응답:

{"status":"ok"}

그런 다음 다음을 엽니다:

http://127.0.0.1:5173/workspace/gallery

디지털 직원을 선택하고 메시지를 보내세요. 동일한 대화 회차에 답변과 실행 기록이 표시되어야 합니다.

자주 사용하는 명령어

scripts/dev_status.sh       # 서비스 상태 확인
scripts/dev_down.sh         # 로컬 서비스 중지
scripts/dev_up.sh           # 포그라운드에서 실행

데스크톱 버전 다운로드

소스 코드로 배포하고 싶지 않은 사용자는 StaffDeck 공식 프로젝트에서 발행한 데스크톱 버전을 사용할 수 있습니다.

플랫폼	아키텍처	공식 설치 패키지
macOS	Apple Silicon, arm64	다운로드.dmg
Windows	x64	설치 프로그램 다운로드.exe
Linux	x86_64, Debian 또는 Ubuntu	다운로드.deb

프로젝트가 아직 초기 테스트 단계에 있으므로, 팀은 중요한 프로덕션 작업에 사용하기 전에 통제된 환경에서 각 버전을 테스트해야 합니다.

프로젝트 구조

공식 저장소는 애플리케이션을 백엔드, 프론트엔드, 문서, 스크립트 및 패키징 구성 요소로 구성합니다.

StaffDeck/
├── backend/                  # FastAPI API, Agent 런타임, 스토리지 및 태스크 워커
├── frontend-enterprise/      # React/TypeScript StaffDeck 워크스페이스
├── docs/                     # 튜토리얼, API, 스키마 정의 및 예제 워크플로우
├── scripts/                  # 서비스 수명 주기 관리 및 검증 스크립트
├── packaging/                # macOS, Linux 및 Windows 패키징 리소스
├── README.md                 # 영문 문서
└── README.zh.md              # 중국어 간체 문서

백엔드는 주로 Python 기반이며, 엔터프라이즈 프론트엔드는 React와 TypeScript를 사용합니다.

엔터프라이즈 사용 사례

StaffDeck은 다양한 내부 디지털 역할의 기반이 될 수 있습니다.

내부 지식 도우미

디지털 직원이 승인된 회사 문서를 검색하고, 출처를 인용하며, 직원이 프로세스나 정책 정보를 찾는 것을 도울 수 있습니다.

SOP 실행 도우미

팀은 반복적인 작업을 구조화된 워크플로우로 전환하고, 디지털 직원이 각 단계를 안내하거나 실행하도록 할 수 있습니다.

운영 코디네이터

예약된 작업과 연결된 API를 통해 디지털 직원이 일상적인 작업을 모니터링하고 승인된 작업을 트리거할 수 있습니다.

고객 서비스 지원

디지털 직원이 제품 지식, 서비스 규칙 및 에스컬레이션 절차를 통합하면서 검토를 위한 실행 기록을 보존할 수 있습니다.

연구 또는 분석 도우미

시스템이 자료를 종합하고, 확립된 연구 절차를 따르며, 답변 생성에 사용된 단계를 보존할 수 있습니다.

전문가 지식 보존

경험이 풍부한 직원이 역할을 변경하거나 조직을 떠나기 전에 반복적으로 사용하는 판단 기준, 검토 지침 및 작업 방법을 재사용 가능한 디지털 역량으로 전환할 수 있습니다.

위험 및 제한 사항

오픈 소스라고 해서 AI 시스템이 자동으로 제한 없는 엔터프라이즈 배포 조건을 갖추는 것은 아닙니다.

StaffDeck 저장소에는 몇 가지 중요한 제한 사항이 나열되어 있습니다:

• 모델 응답이 부정확하거나, 불완전하거나, 일관되지 않을 수 있습니다.
• 실행 기록은 감사성을 높일 수 있지만 정확성을 보장하지는 않습니다.
• 검색 품질은 문서 품질, 파싱, 인덱싱, 권한 및 모델 성능에 따라 달라집니다.
• 외부 도구는 실제 부작용을 일으킬 수 있습니다.
• 예약된 작업은 지속적으로 실행되는 워커와 올바른 시간대 구성을 필요로 합니다.
• 고위험 작업은 최소 권한 자격 증명을 사용하고 사람의 승인이 필요합니다.
• 이 플랫폼은 규제 분야에서 자격을 갖춘 전문가의 검토를 대체할 수 없습니다.
• 중요한 결정은 승인, 개인 정보 보호 및 사람의 감독이 필요합니다.

조직은 위험이 낮은 워크플로우부터 시작하고, 도구 권한을 제한하며, 시스템의 책임을 확대하기 전에 출력을 검토해야 합니다.

오픈 소스 라이선스

StaffDeck은 GNU Affero General Public License v3.0(일반적으로 AGPL-3.0이라고 함)에 따라 릴리스됩니다.

플랫폼을 수정하거나 네트워크를 통해 서비스를 제공할 계획인 팀은 라이선스를 주의 깊게 읽어야 합니다. AGPL-3.0은 네트워크 서비스를 통해 사용자에게 제공되는 수정된 버전에 대해 소스 코드 공개 의무를 발생시킬 수 있습니다.

상업적 또는 법적 결정을 위해 조직은 전체 라이선스 텍스트를 참조하고 필요한 경우 전문가의 조언을 구해야 합니다.

자주 묻는 질문

StaffDeck이 무엇인가요?

StaffDeck은 디지털 직원을 구축하고 관리하기 위한 오픈 소스 엔터프라이즈 플랫폼입니다. 역할 정의, 지식 베이스, SOP, 도구, 권한, 메모리 및 실행 기록을 하나의 시스템에 통합합니다.

StaffDeck은 챗봇과 어떻게 다른가요?

챗봇은 주로 대화를 처리합니다. 반면 StaffDeck은 지속적인 역할, 관리되는 지식, 구조화된 워크플로우,

연동 도구, 작업 예약, 감사 기록 및 지속적 개선.

StaffDeck는 로컬 GPU 없이 실행할 수 있나요?

네, 가능합니다. 이 애플리케이션은 OpenAI 호환 모델 엔드포인트에 연결되므로 StaffDeck 자체에는 로컬 GPU가 필요하지 않습니다. 하드웨어 요구 사항은 선택한 모델 서비스가 로컬에 배포되었는지 원격으로 호스팅되었는지에 따라 달라집니다.

StaffDeck에서 사용할 수 있는 모델 제공업체는 무엇인가요?

플랫폼은 OpenAI 호환 채팅 완료 엔드포인트가 필요합니다. 호환 여부는 제공업체가 필요한 API 동작을 구현했는지, 그리고 선택한 모델이 StaffDeck의 워크플로우와 원활하게 작동하는지에 따라 결정됩니다.

StaffDeck를 Windows에 배포할 수 있나요?

공식 프로젝트는 Windows x64 데스크톱 설치 프로그램을 제공합니다. 소스 기반 개발 워크플로우의 경우, 리포지토리는 macOS, Linux 또는 Windows Subsystem for Linux를 실행 환경으로 지원합니다.

일반 사용자가 마켓플레이스 리소스를 사용할 수는 있지만 편집할 수 없는 이유는 무엇인가요?

마켓플레이스 리소스는 생성자와 관리자 권한으로 보호되는 공유 템플릿입니다. 일반 사용자는 리소스를 자신의 디지털 직원에게 복사하거나 바인딩할 수 있지만, 원본 리소스를 수정할 수는 없습니다.

StaffDeck는 프로덕션 환경에서 사용할 준비가 되었나요?

이 프로젝트는 오픈소스이며 엔터프라이즈 기능을 포함하고 있지만, 현재 버전은 초기 베타 단계에 있습니다. 조직은 프로덕션 환경에 배포하기 전에 보안, 개인정보 보호, 안정성 및 워크플로우 테스트를 수행해야 합니다.

StaffDeck는 어떤 라이선스를 사용하나요?

StaffDeck는 AGPL-3.0 라이선스를 사용합니다. 본 소프트웨어를 수정하거나 네트워크 서비스를 통해 실행하는 조직은 라이선스 조건과 관련 소스 코드 의무를 검토해야 합니다.

관련 도구

• StaffDeck: 엔터프라이즈 디지털 직원 플랫폼 공식 웹사이트.
• OpenBMB: StaffDeck를 탄생시킨 오픈소스 대규모 모델 생태계.
• FastAPI: StaffDeck API 및 애플리케이션 백엔드를 제공하는 Python 웹 프레임워크.
• React: StaffDeck 엔터프라이즈 워크스페이스에서 사용되는 프론트엔드 라이브러리.
• 모델 컨텍스트 프로토콜: StaffDeck가 디지털 직원을 외부 도구와 연결하는 데 사용할 수 있는 프로토콜.
• GitHub: StaffDeck 소스 코드, 이슈, 릴리스 및 프로젝트 기록을 호스팅하는 플랫폼.

관련 링크

• StaffDeck GitHub 리포지토리: 공식 소스 코드 리포지토리 및 주요 기술 참고 자료.
• StaffDeck 공식 웹사이트: 공식 제품 웹사이트 및 문서 입구.
• StaffDeck 릴리스: 공식 베타 릴리스 및 데스크톱 설치 패키지.
• StaffDeck 영문 설명: 공식 기능, 배포 절차, 워크플로우, 위험 및 라이선스 정보.
• StaffDeck 중문 설명: 프로젝트 리포지토리에서 유지 관리하는 간체 중국어 문서.
• StaffDeck 피드백: 재현 가능한 버그 보고서 및 기능 제안을 위한 공식 채널.
• OpenBMB GitHub 조직: OpenBMB가 유지 관리하는 기타 모델, 시스템 및 오픈소스 프로젝트.

개요

StaffDeck는 임시 기업 챗봇에서 지속적인 디지털 직원으로의 전환을 의미합니다. 이는 전문 지식, 표준 운영 절차, 의사 결정 규칙, 도구 및 피드백을 관리 가능한 역량으로 전환하고 조직 전체에서 재사용할 수 있도록 설계되었습니다.

이 플랫폼은 역할 관리, 상태 머신 워크플로우, 구조 인식 검색, API 및 MCP 도구 호출, 예약 작업, 장기 기억, 인간 개입 및 상세한 실행 기록을 통합합니다. 소스 코드, 데스크톱 설치 패키지 및 배포 지침은 모두 공개적으로 제공됩니다.

이 프로젝트는 아직 초기 베타 단계에 있으므로, 기업은 통제된 저위험 시나리오부터 시작하고 권한, 개인정보 보호 및 인간 검토 정책을 엄격히 시행해야 합니다.

StaffDeck의 핵심 철학은 매우 간단합니다. 지식과 프로세스가 대화 종료와 함께 사라지는 것이 아니라 조직에 속할 때 기업 AI의 가치는 크게 향상됩니다.