Show HN: Reverse-engineering web apps into agent tools
TL;DR Highlight
로그인된 웹 앱의 API 호출을 브라우저에서 감시해 자동으로 MCP 도구로 변환하는 에이전트를 만들었다. 소스 코드나 공식 API 문서 없이도 Jira, Spotify 같은 서비스에 AI 어시스턴트를 붙일 수 있다.
Who Should Read
공식 API나 MCP 서버가 없는 사내 툴이나 서드파티 서비스에 AI 에이전트를 연동하고 싶은 백엔드/풀스택 개발자. 특히 복잡한 인증 처리(JWT, 쿠키 혼용 등)가 귀찮은 개발자에게 유용하다.
Core Mechanics
- 이 도구는 브라우저 내부에서 실행되면서 로그인된 웹 앱이 내부적으로 호출하는 API를 감시하고, 이를 AI 에이전트가 쓸 수 있는 '레시피(recipe)' 형태로 자동 변환한다. 소스 코드나 API 문서를 전혀 건드리지 않아도 된다.
- 레시피는 API 엔드포인트 + HTTP 메서드, 인증 방식(JWT/쿠키/혼용 + 토큰 갱신 방법), 응답 스키마, 요청 입력 스키마(POST/PUT용), 사람이 읽을 수 있는 도구 설명 이렇게 5가지 요소로 구성된다.
- 만들어진 레시피는 재사용 가능한 LLM 도구가 되며, 앱 소유자가 대시보드에서 허용한 도구만 활성화하면 에이전트가 사용자 대신 해당 API를 직접 호출할 수 있다. 예를 들어 '팀원을 워크스페이스에 초대해줘'라고 하면 실제 초대 API가 호출된다.
- 이 방식은 기존 computer-use(AI가 화면을 보고 클릭하는 방식) 대비 훨씬 빠르고 안정적이다. 화면 클릭 방식은 느리고 깨지기 쉬우며 토큰 소모가 많은데, API를 직접 호출하면 이 문제가 해결된다.
- 앱의 API가 변경되더라도 에이전트가 자동으로 감지하고 해당 레시피를 최신 버전으로 업데이트한다. 수동으로 유지보수할 필요가 없다는 게 핵심 장점이다.
- 현실적으로 대부분의 현대 소프트웨어도 인증 방식이 제각각이고(JWT/쿠키/혼용), API 구조가 복잡해서 AI 에이전트가 바로 쓰기 어렵다. 이 도구는 그 복잡한 인증 처리를 자동화한다.
- Jira, Spotify, Hacker News 데모를 공개했다. GraphQL 기반 API가 스키마 표준화 작업에서 가장 까다로웠다고 언급했다.
- 이 시스템은 서드파티를 통해 릴레이하지 않고, 사용자의 브라우저 내에서 인증된 API를 직접 호출하는 구조라 보안 측면에서도 장점이 있다고 주장한다.
Evidence
- '왜 API 스펙을 직접 받으면 되지, 굳이 리버스 엔지니어링을 하냐'는 질문이 나왔다. 또한 WebMCP처럼 웹사이트가 직접 브라우저 에이전트용 API를 노출하면 이 도구와 경쟁하게 되는지도 물어봤는데, 아직 명확한 답변은 없었다.
- 로그인된 계정으로 브라우저 에이전트를 실행하면 계정 삭제나 유료 플랜 구독 같은 파괴적 행동을 할 수 있지 않냐는 안전성 우려가 제기됐다. 이에 대한 공식 답변은 원문에서 확인되지 않았다.
- '클로즈드 소스 LLM 에이전트를 내 브라우저에서 인증된 API 엔드포인트 접근 권한을 주고 실행하라고? 절대 사절'이라는 강한 반응이 있었다. 보안과 신뢰 문제가 채택의 가장 큰 장벽으로 보인다.
- 한 댓글에서는 Chrome DevTools로 수동으로 똑같은 작업을 해왔는데 헤더와 쿠키 처리가 너무 귀찮았다며 이 도구가 유용하다고 반응했다. 실제 개발자들이 수작업으로 하던 일을 자동화한 셈이라는 평가다.
- 별도 댓글에서는 Firefox MCP + GLM 5.2(또는 Grok 4.5) 조합으로 직접 타깃 사이트를 분석하고 유저스크립트를 만들어 같은 효과를 낼 수 있다는 DIY 방법이 공유됐다. 이에 대해 제작자는 '인증이 필요한 로그인 벽 뒤 서비스에서는 그 방법이 작동하지 않는다'고 반박했다.
How to Apply
- 공식 MCP 서버나 API 문서가 없는 사내 레거시 웹 툴에 AI 어시스턴트를 붙이고 싶다면, 이 도구로 해당 앱의 API를 자동 탐지해 레시피를 생성하고 에이전트 도구로 등록하면 코드 한 줄 없이 통합할 수 있다.
- Jira, Confluence, Slack 같은 SaaS 툴을 사용하는데 반복적인 작업(팀원 초대, 이슈 생성 등)을 자동화하고 싶다면, 데모 링크(demo.frigade.com/hn?skill=jira 등)를 먼저 확인해 이 에이전트가 실제로 어떻게 API를 감지하고 실행하는지 검증해보자.
- 직접 Chrome DevTools로 API를 분석하고 헤더/쿠키를 수동으로 처리해서 봇이나 자동화 스크립트를 만들던 개발자라면, 이 도구가 그 과정을 자동화해주므로 시간을 크게 절약할 수 있다. 단, 클로즈드 소스라는 점을 감안해 민감한 계정에 적용 전 신뢰성 검토가 필요하다.
- 오픈소스 여부와 어떤 LLM 모델을 사용하는지가 아직 공개되지 않았으므로, 프로덕션 도입 전에 제작팀(pancomplex)에 직접 문의해 보안 모델과 데이터 처리 방식을 확인하는 것이 필수다.
Terminology
Related Papers
Remember When It Matters: Proactive Memory Agent for Long-Horizon Agents
LLM 에이전트가 긴 작업 중 중요한 정보를 잊어버리는 문제를 별도의 메모리 에이전트가 '적절한 타이밍에' 끼어들어 해결하는 방법
WebSwarm: Recursive Multi-Agent Orchestration for Deep-and-Wide Web Search
복잡한 웹 검색을 재귀적으로 분해하고 각 노드에 적합한 검색 모드를 동적으로 할당하는 멀티에이전트 프레임워크
Show HN: FableCut – A browser video editor AI agents can drive (zero deps)
타임라인 전체를 JSON 파일 하나로 표현하고 MCP/REST로 AI 에이전트가 직접 편집할 수 있는 브라우저 비디오 에디터로, Claude 같은 AI가 프롬프트 하나로 영상을 자동 컷편집하고 결과를 실시간으로 UI에 반영해준다.
From Noisy Traces to Root Causes: Structural Trajectory Analysis and Causal Extraction for Agent Optimization
Agent 실패 로그를 인과 그래프로 분석해 진짜 근본 원인만 골라내고, 해당 모듈 프롬프트만 정밀하게 수정하는 자동 최적화 프레임워크
Show HN: Microsoft releases Flint, a visualization language for AI agents
Microsoft가 LLM/AI 에이전트가 차트를 쉽게 생성할 수 있도록 설계된 고수준 시각화 DSL(도메인 특화 언어) Flint를 오픈소스로 공개했다. 에이전트가 복잡한 시각적 세부사항 대신 의미론적 명세만 다루면 되도록 추상화 계층을 제공하는 게 핵심이다.
Think Big, Search Small: Where Capacity Matters in Hierarchical Search Agents?
멀티에이전트 검색 시스템에서 큰 모델은 질문 분해에, 작은 모델은 실제 검색 실행에 쓰는 게 정답이다.