브로콜리: 클라우드 샌드박스에서 Linear 티켓을 통해 AI 코딩 에이전트를 실행하는 오픈소스 하네스

Broccoli가 하는 일
Broccoli는 Linear 티켓을 격리된 클라우드 샌드박스에서 AI 코딩 에이전트를 실행하여 배포된 PR로 전환합니다. 각 작업은 자체 샌드박스를 받아 저장소를 체크아웃하고, 티켓 컨텍스트를 사용하며, 솔루션을 구현하고, 테스트와 검토 루프를 실행한 후 팀 검토를 위해 풀 리퀘스트를 엽니다.
아키텍처와 배포
구현에는 다음이 사용됩니다:
- 웹훅 배포: GCP
- 샌드박스: GCP 또는 Blaxel
- 프로젝트 관리: Linear
- 코드 호스팅 및 CI/CD: GitHub
이는 타사 제어 평면 없이 자체 GCP 프로젝트와 Postgres 데이터베이스에 배포됩니다. 배포는 Cloud Run + Secret Manager + 웹훅 중복 제거 + 내구성 있는 작업 상태를 사용하는 프로덕션 등급입니다.
주요 기능
- Linear 티켓 → 검토 가능한 PR 워크플로우
- 당신의 인프라, 키, 데이터가 당신의 테넌시 내에 유지됨
- Claude와 Codex를 사용한 모든 PR에 대한 AI 코드 리뷰
- 포크, 조정, 버전 관리 가능한 사용자 정의 프롬프트 템플릿
- 하나의 부트스트랩 스크립트와 하나의 구성 파일로 약 30분 내 배포
배포 필수 조건
배포하려면 다음이 필요합니다:
- 청구가 연결되고
gcloud가 로그인된 GCP 프로젝트 - 특정 권한이 있는 GitHub 앱 (Contents, Pull requests, Issues = 읽기/쓰기; Metadata = 읽기 전용; Pull request 리뷰 이벤트 구독)
- API 키가 있는 Linear 봇 사용자 (개인 계정이 아닌 전용)
- 청구가 활성화된 OpenAI 및 Anthropic API 키
${Service URL}/webhooks/linear를 가리키는 Linear 웹훅 (자동 생성된broccoli-oss-linear-webhook-secret사용)
사용 결과
지난 4주 동안, 비개발자로부터의 PR 100%가 Broccoli를 통해 배포되었습니다. 팀 내 개발자의 경우 이 비율은 약 60%이며, 더 복잡한 기능은 Codex/Claude Code와의 수동 설계 협의가 필요합니다.
📖 전체 소스 읽기: HN AI Agents
👀 See Also

M1 Ultra에서 1M 토큰 컨텍스트로 Nemotron 3 Super 120B 벤치마킹하기
한 사용자가 M1 Ultra에서 llama.cpp를 사용하여 Q4_K_M 양자화 모델로 Nemotron 3 Super 120B를 테스트했으며, 약 90GB의 VRAM을 소비하는 100만 토큰 컨텍스트 창을 달성했습니다. 성능 벤치마크는 512 프롬프트 처리 시 255 t/s에서 10만 토큰 컨텍스트 시 22.37 t/s까지의 토큰 생성 속도를 보여줍니다.

Cloudflare, Supabase, Vercel을 활용한 AI 기반 Reddit 피드 오픈소스 도구
한 개발자가 AI 보조 개발에 관한 고품질 게시물을 필터링하기 위해 Reddit을 선별하는 자체 호스팅 도구를 오픈소스로 공개했습니다. 이 도구는 Cloudflare Workers를 크론 작업 및 프록시에, Supabase를 저장소에, Vercel을 프론트엔드에 사용합니다. 도구에는 참여도 점수화, 선택적 LLM 요약 기능이 포함되어 있으며, AI 처리 비용은 월 1-2달러입니다.

Cortex v1.2는 LLM 강화, 인용이 포함된 Q&A, 그리고 충돌 해결 기능을 추가합니다.
OpenClaw 에이전트를 위한 로컬 메모리 레이어인 Cortex가 v1.2를 출시했습니다. 이번 버전에는 기본적으로 LLM 기반 강화 기능, 인용이 포함된 질의응답 명령어, 개선된 중복 제거 및 충돌 해결 기능이 포함되어 있습니다. 또한 통합 구성 관리와 의도 기반 검색 사전 필터링도 추가되었습니다.

TypeScript 프로젝트용 MCP 서버, Claude Code의 Grep 패턴을 인덱싱된 심볼 조회로 대체
한 개발자가 TypeScript 프로젝트에서 Claude Code의 grep-and-guess 패턴을 인덱싱된 심볼 조회로 대체하는 MCP 서버를 구축했습니다. 이 도구는 심볼, 호출 위치, 임포트, 클래스 계층 구조의 실시간 SQLite 인덱스를 유지하여 테스트에서 토큰 사용량을 63-79% 줄였습니다.