이번 주에 두 가지 일이 있었다. OpenKnowledge라는 오픈소스 지식 관리 도구가 Show HN에 올라왔고, 트럼프 행정부가 GPT-5.6 사용자에 대한 정부 심사를 확대한다는 보도가 나왔다. 하나는 도구고, 하나는 정책이다. 겉보기엔 전혀 다른 이야기지만, 내가 보기엔 정확히 같은 방향을 가리키고 있다.

로컬 우선 아키텍처는 더 이상 취향이 아니다. 생존 전략이다.

이 글이 증명하는 것

AI 지식 관리 도구들이 하나같이 로컬 파일 시스템으로 수렴하는 이유 정부가 AI 접근을 통제할 때, 오픈 모델 라우팅이 왜 필연적인지 Drewgent가 5개월 전 Filesystem-as-Truth를 선택한 결정의 외부 검증 아키텍처가 접근 권한을 이긴다는 것의 구체적 증거

신호 1: OpenKnowledge — 또 하나의 로컬 우선 AI 지식 도구

OpenKnowledge는 Obsidian이나 Notion의 오픈소스 대안이다. 로컬 우선 WYSIWYG Markdown 편집기에 Claude, Codex 등과의 AI 통합을 기본으로 탑재했다. 파일은 내 컴퓨터에 있고, AI는 그 위에서 돈다.

이 패턴은 이제 낯설지 않다. Obsidian 자체가 로컬 Markdown 기반이고, Notion도 최근 로컬 모드를 강화하고 있다. AI 지식 관리 도구들이 하나같이 로컬 파일 시스템으로 수렴하는 이유는 간단하다. 네 데이터를 클라우드에 넣는 순간, 너는 그 플랫폼의 정책 변경에 무방비로 노출된다. 가격 인상, 기능 제거, AI 학습 거부 옵션 삭제 — 모든 게 한 번의 업데이트로 일어날 수 있다.

OpenKnowledge가 흥미로운 건 AI 통합을 “애드온”이 아니라 “기본값”으로 설계했다는 점이다. 처음부터 AI가 이 도구의 일부다. 그런데도 로컬 우선이다. 이 조합이 이 아키텍처의 핵심을 말해준다: AI는 도구일 뿐, 플랫폼이 되어선 안 된다.

신호 2: 정부가 GPT 접근을 통제하기 시작했다

같은 주, 미국 정부가 GPT-5.6 사용자에 대한 승인 절차를 확대한다는 보도가 나왔다. OpenAI의 Sol 모델도 정부 승인이 필요하다. 누가 어떤 모델을 쓸 수 있는지, 정부가 결정하겠다는 뜻이다.

이건 단일 벤더에 종속된 시스템에게는 재앙이다. “GPT-5.6만 쓸 수 있게 파이프라인을 다 짜놨는데, 정부가 접근을 막으면?” 답은 없다. 멈춘다.

그런데 오픈 모델을 여러 개 라우팅하는 시스템은 이게 문제가 안 된다. DeepSeek이 막히면 Qwen으로, Qwen이 막히면 GLM으로. 모델은 교체 가능한 컴포넌트일 뿐, 시스템의 정체성이 아니다.

내가 5개월 전에 내린 결정

Drewgent의 핵심 아키텍처 원칙 중 하나는 Filesystem-as-Truth다. P0부터 P6까지 모든 지식과 규칙은 파일 시스템에 평문 Markdown으로 저장된다. 벡터DB도, 클라우드 동기화도, 독점 포맷도 아니다.

이 결정을 내린 건 2026년 1월이었다. 당시에는 그냥 “파일이 가장 단순하고, 가장 이식성이 높고, 가장 오래 산다”는 엔지니어링 직감이었다. 5개월이 지난 지금, 이 직감은 아키텍처의 생존 전략이 되었다.

왜 그런지 설명해보자.

Slice 1: 지식은 파일에, AI는 그 위에

Drewgent의 P0-P6 레이어는 전부 Markdown 파일이다. P2-hippocampus에 raw 메모리, P5-ego/wiki에 컴파일된 지식. gbrain이라는 하이브리드 검색 엔진이 이 파일들을 읽고 벡터화하지만, 소스 오브 트루스는 언제나 파일이다. gbrain이 사라져도, 파일은 남는다. Obsidian이 망해도, 파일은 남는다.

이건 OpenKnowledge가 로컬 Markdown을 기본 포맷으로 택한 이유와 정확히 같다. AI를 통합하면서도 플랫폼 종속을 거부하려면, 파일 시스템 위에 AI를 올려야 한다.

Slice 2: 모델은 라우팅 테이블의 한 줄일 뿐

Drewgent의 모델 라우팅은 3-tier 피라미드로 설계되어 있다. Flash(deepseek-v4-flash), Pro(deepseek-v4-pro·glm-5.2), Max(qwen3.7-max·qwen3.7-plus). 그리고 내부 작업용 Groq 무료 티어(gpt-oss-20b·120b·qwen3-32b)까지.

단일 모델에 의존하지 않는다. 어떤 벤더가 정책을 바꾸든, 어떤 정부가 접근을 막든, 라우팅 테이블의 한 줄만 바꾸면 시스템은 계속 돌아간다. 이건 단순한 “백업 플랜”이 아니라 아키텍처 수준의 vendor independence다.

Slice 3: 도구 발견도 로컬 우선 — ARD

Drewgent에 통합된 ARD(Agentic Resource Discovery)는 ai-catalog.json을 통해 에이전트가 사용 가능한 도구를 스스로 발견하는 표준이다. 도구도 벤더 종속 없이 교체 가능해야 한다. MCP 서버 하나가 막혀도, ARD 레지스트리에서 대체 도구를 찾으면 된다.

이 세 가지 — 지식은 파일에, 모델은 라우팅에, 도구는 ARD에 — 는 모두 같은 원리로 수렴한다: 의존성을 컴포넌트화하고, 모든 컴포넌트를 교체 가능하게 설계하라.

OpenKnowledge + US Gov + Drewgent = 하나의 결론

이 세 신호는 완전히 독립적이다. 오픈소스 개발자가 만든 도구, 미국 정부의 정책 발표, 내가 5개월 전 내린 엔지니어링 결정. 그런데 세 신호가 정확히 같은 방향을 가리키고 있다:

로컬 파일 시스템이 진실의 원천이어야 한다 AI 모델은 교체 가능한 컴포넌트여야 한다 어떤 플랫폼에도 종속되지 않는 아키텍처가 생존한다

OpenKnowledge는 도구 수준에서 이 결론에 도달했다. 정부 정책은 규제 수준에서 이 결론을 강제하고 있다. Drewgent는 아키텍처 수준에서 이 결론을 먼저 내렸다.

이 아키텍처가 풀어내는 핵심 질문들

질문단일 벤더 의존로컬 우선 + 오픈 모델

GPT 접근 막히면?시스템 정지다른 모델로 라우팅 Notion 가격 인상하면?이주 비용 폭발파일은 이미 내 거 AI 학습 정책 바뀌면?opt-out 못함로컬에서 내가 통제 도구가 망하면?데이터 손실파일 시스템에 그대로 정부가 모델 심사하면?승인 대기오픈 모델은 심사 대상 아님

덜어낼수록 강해진다 — 이번엔 의존성이다

v0.8 압축(에이전트 14→6, 스크립트 43→25) 때 배운 교훈이 다시 적용된다. 덜어내는 건 코드만이 아니다. 의존성도 덜어내야 한다.

단일 모델에 의존하지 않는다. 단일 플랫폼에 데이터를 맡기지 않는다. 단일 벤더의 정책 변경에 시스템 전체가 흔들리지 않는다. 이건 Ponytail 원칙(“이게 정말 필요한가?”)의 아키텍처 버전이다. “이 의존성이 정말 필요한가?”라고 물었을 때, 대부분의 답은 “아니오”다.

좋은 아키텍처는 정답을 맞추는 게 아니다. 틀릴 가능성이 있는 모든 선택지를 구조적으로 제거하는 것이다.

당신의 시스템은 이 질문을 견딜 수 있는가

당신이 지금 AI 에이전트 시스템을 구축하고 있다면, 스스로에게 이 질문을 던져보라:

당신이 쓰는 모델의 API가 내일 막히면, 시스템은 멈추는가? 당신의 지식은 독점 포맷에 갇혀 있는가? 당신의 에이전트는 특정 벤더의 SDK 없이는 작동하지 않는가?

세 질문 중 하나라도 “예”라면, 지금 당장 아키텍처를 다시 생각해야 한다. 정부 정책이 아니라, 당신의 설계 선택이 먼저 문제다.

OpenKnowledge는 도구 관점에서 이 답을 냈다. Drewgent는 아키텍처 관점에서 더 일찍 이 답을 냈다. 그리고 이제 정부 정책이 이 답을 강제하고 있다.

5개월 전, 나는 “파일이 가장 오래 산다”는 단순한 믿음으로 Filesystem-as-Truth를 선택했다. 지금은 그 선택이 예측하지 못한 위협까지 방어하는 아키텍처가 되었다는 걸 안다.

좋은 아키텍처는 미래를 예측하지 않는다. 단지 틀릴 가능성이 있는 모든 선택지를 지금 제거할 뿐이다.

덜어내자. 의존성부터.