데이터 기간: 2026년 1월 GitHub Trending 월간 순위｜스타 증가 +18.4k｜일평균 증가 600+ ⭐
1. 폭발적인 스타 증가와 업계의 고질적인 문제
2026년 1월 GitHub 월간 순위에서 ViralCut은 한 달 동안 1.8만 개의 신규 스타를 얻으며 톱 3에 안정적으로 진입했습니다. 최근 90일간의 성장 곡선을 보면 거의 수직으로 상승하는 포물선에 가깝습니다. 출시와 동시에 폭발적인 반응을 얻었고, 홍보비를 한 푼도 쓰지 않은 채 개발자 커뮤니티의 입소문만으로 성장했습니다.
그 배경에는 콘텐츠 업계가 오랫동안 안고 있던 다음 세 가지 문제가 있습니다.
멀티 플랫폼 배포의 숨은 비용. 하나의 영상을 Douyin, Bilibili, WeChat Channels, YouTube Shorts에 각각 맞춰야 하며, 플랫폼마다 크기, 비트레이트, 커버 규칙이 모두 다릅니다. 기존 PR 워크플로에서는 하룻밤에 많아야 3~5개를 제작할 수 있습니다.
AI 생성 영상 도구의 파편화. Sora, 可灵, 即梦, Pika는 각각 자체 API를 제공하고, 카피라이팅, 더빙, 편집, 자막도 서로 다른 도구에 흩어져 있습니다. 데이터가 연동되지 않아 토큰 사용량과 작업 시간을 산정하기도 어렵습니다.
MCP 생태계의 ‘프로토콜은 있지만 오케스트레이션은 없는’ 문제. Model Context Protocol은 대규모 모델과 도구 간 핸드셰이크 문제를 해결했지만, ‘주제 선정→생성→편집→배포→데이터 회수’를 하나의 흐름으로 연결하는 엔드투엔드 오케스트레이터는 지금까지 제대로 구현되지 않았습니다.
ViralCut은 정확히 이 세 가지 문제가 교차하는 지점을 공략합니다. 자체적으로 MCP-Native 숏폼 영상 자동화 파이프라인을 표방하며, AI 생성, 편집 작업, 배포 운영을 오케스트레이션 가능한 워크플로로 캡슐화합니다.
2. 프로젝트 소개: ViralCut이란?
ViralCut은 MCP（Model Context Protocol）을 기반으로 구축된 오픈 소스 숏폼 영상 자동화 프레임워크입니다. 핵심 스케줄러는 Go로 작성되었고, 프런트엔드는 Next.js를 기반으로 하며, 편집 하위 계층에는 FFmpeg와 Remotion을 캡슐화했습니다. 이 프로젝트는 전 바이트댄스 영상 아키텍처 엔지니어 팀이 2025년 11월 오픈 소스로 공개했으며, 라이선스는 Apache-2.0입니다.
핵심 주장은 매우 분명합니다. 히트 숏폼 영상의 ‘산업화된 제작’은 AI Agent에 맡기고, ‘창의적인 의사결정’은 인간에게 남긴다는 것입니다.
ViralCut은 엔드투엔드 AI 생성 모델도, 단순한 편집 소프트웨어도 아니며 스케줄링 및 오케스트레이션 계층입니다. 모든 기능을 MCP Server 형태로 연결하고, 상위 계층에서 통합 작업 오케스트레이션, 상태 머신, 모니터링 및 롤백 메커니즘을 제공합니다.
2026년 1월 말 기준으로 저장소에는 이미 공식 및 커뮤니티 기여 MCP Server 어댑터 47개가 등록되어 있으며, 주요 AI 영상 모델, 카피라이팅 LLM, 음성 합성 TTS, 편집 엔진 및 배포 API를 지원합니다.
3. 핵심 기능
1. MCP 네이티브 오케스트레이션 엔진
DAG 기반 워크플로 정의를 지원하며 YAML과 JSON을 양방향으로 편집할 수 있습니다.
LLM 호출, 영상 생성, 음성 합성, 자막 생성, 커버 생성, 편집 합성, 플랫폼 배포, 데이터 회수, A/B 테스트, 히트 요인 분석, 금칙어 탐지, 저작권 워터마크 등 자주 사용하는 12개 노드를 기본 제공합니다.
실패 재시도, 중단 지점부터 재개, 동시성 제한, 비용 예산을 지원합니다.
2. 멀티 플랫폼 적응형 렌더링
한 번의 작업으로 9:16, 1:1, 16:9, 3:4 네 가지 화면 비율로 출력합니다.
각 플랫폼의 권장 인코딩 매개변수(H.264/H.265, 비트레이트, 키프레임 간격)를 기본 제공합니다.
플랫폼 규격에 맞는 커버를 자동 생성해 심사 위험을 최대한 줄입니다.
3. AI Agent 협업 모드
planner,editor,reviewer세 가지 기본 Agent 역할을 제공합니다.
Planner는 주제를 실행 가능한 하위 작업으로 분해하고, Editor는 도구를 조율해 생성을 수행하며, Reviewer는 히트 요인(완주율 예측, 감정 곡선, Hook 강도)을 평가합니다.
사용자는 언제든 자연어로 Agent의 결정을 수정할 수 있습니다.
4. 데이터 회수와 히트작 학습
Feishu, Notion, Slack과 연동되어 배포 데이터가 자동으로 회수됩니다.
RAG 모듈을 내장해 과거 히트 영상을 벡터 데이터베이스로 분해하고, 다음 생성 라운드의 Prompt에 반영합니다.
프라이빗 배포를 지원해 데이터가 외부 영역으로 나가지 않습니다.
5. 관측 가능성과 비용 관리
Web UI에서 각 노드의 소요 시간, Token 사용량, API 호출 비용을 실시간으로 표시합니다.
예산 차단과 모델 다운그레이드를 지원합니다(예: GPT-4o가 예산을 모두 사용하면 자동으로 4o-mini로 전환).
4. 원클릭 배포 명령어
ViralCut은 Docker Compose와 Kubernetes 두 가지 배포 방식을 제공하며, 가장 빠르면 3분 안에 실행할 수 있습니다.
방법 1: Docker Compose(개인 개발자에게 권장)
# 저장소 복제 git clone https://github.com/viralcut/viralcut.git cd viralcut # 설정 템플릿 복사 cp .env.example .env # .env 편집 후 OPENAI_API_KEY、DOUYIN_TOKEN、BILIBILI_TOKEN 등을 입력 # 원클릭 시작 docker compose up -d # Web UI 확인 open http://localhost:3000 방법 2: Kubernetes(팀에 권장)
helm repo add viralcut https://charts.viralcut.dev helm install my-viralcut viralcut/viralcut \ --namespace viralcut \ --create-namespace \ --values values.yaml ⚠️ 최초 실행 시
viralctl init을 실행해 MCP Server 등록 및 플랫폼 OAuth 인증을 완료해야 합니다.
5. 도구 연동 흐름
ViralCut의 진정한 강점은 파편화되어 있던 AI 도구 체인을 하나의 ‘산업화된 생산 라인’으로 연결한다는 데 있습니다.
[주제 아이디어] → ChatGPT/Claude (MCP) ↓ [카피 생성] → LLM Node ↓ [스토리보드 대본] → LLM Node + 히트 요인 라이브러리 (RAG) ↓ [영상 생성] → Sora / 可灵 / 即梦 (MCP Adapter) ↓ [더빙 합성] → 火山语音 / ElevenLabs (MCP Adapter) ↓ [자막 생성] → Whisper / 豆包 ASR (MCP Adapter) ↓ [편집 합성] → FFmpeg / Remotion Node ↓ [플랫폼 배포] → Douyin / Bilibili / WeChat Channels / YouTube (MCP Adapter) ↓ [데이터 회수] → Feishu 다차원 테이블 / Notion Database ↓ [히트작 학습] → 벡터 데이터베이스로 다음 Prompt에 반영 전체 흐름은 모두 MCP 프로토콜로 통신하며, 어느 노드든 교체, 업그레이드 또는 프라이빗화할 수 있습니다. 예를 들어 영상 생성을 자체 구축한 ComfyUI 워크플로로 바꾸거나, 더빙을 로컬 SoVITS에서 실행하거나, 플랫폼 배포를 기업 자체 App으로만 유지하는 것도 가능합니다.
이러한 ‘프로토콜 수준의 플러그 앤 플레이’가 ViralCut과 기존 SaaS 도구의 가장 큰 차이입니다. 특정 업체에 종속되지 않고, 도구가 마음에 들지 않으면 다른 도구로 교체하면 됩니다.
6. 경쟁 제품 비교
항목｜ViralCut｜剪映 AI 자동화｜n8n + AI 플러그인｜Coze（扣子）
프로토콜 표준｜MCP 네이티브｜프라이빗 API｜HTTP Webhook｜프라이빗 프로토콜
오픈 소스 수준｜완전 오픈 소스（Apache-2.0）｜클로즈드 소스｜오픈 소스（공정 코드）｜클로즈드 소스
배포 방식｜셀프 호스팅 / 프라이빗 클라우드｜SaaS만 지원｜셀프 호스팅 / SaaS｜SaaS만 지원
AI 영상 모델 연동｜공식 12+ 커뮤니티 35+｜바이트댄스 계열만｜커뮤니티 플러그인에 의존｜바이트댄스 계열만
멀티 플랫폼 배포｜Douyin/Bilibili/WeChat Channels/YouTube/X｜Douyin만｜임의 지원(직접 개발 필요)｜Douyin만
데이터 프라이빗화｜✅ 완전 지원｜❌｜✅｜❌
히트작 학습 폐쇄 루프｜✅ RAG 내장｜❌｜❌｜부분 지원
학습 난이도｜중간（MCP 이해 필요）｜낮음｜높음｜낮음
ViralCut의 핵심 장벽은 ‘AI 워크플로 오케스트레이션’과 ‘숏폼 영상의 산업화’를 수직적으로 통합하고, 의사결정 권한을 온전히 사용자에게 돌려준다는 데 있습니다. 클로즈드 소스 SaaS가 주도하는 현재 시장에서 이러한 포지셔닝은 상당히 희소합니다.
7. 적합한 사용자
풀스택 / 백엔드 개발자: MCP를 활용해 기존 AI 기능을 제품으로 연결하고 싶지만, 관측 가능하고 오케스트레이션 가능한 스케줄링 프레임워크가 필요한 사람.
콘텐츠 제작팀 / MCN 기관: 매일 50개 이상의 매트릭스 영상을 제작해야 하며 수작업 편집과 반복 작업에 지친 사람.
AI 애플리케이션 창업자: ‘AI + 숏폼 영상’ 방향의 MVP를 빠르게 검증하고 싶지만 특정 API에 종속되고 싶지 않은 사람.
운영 / SRE: 기업 내부에 멀티미디어 데이터 처리 수요가 있으며 프라이빗 배포 가능한 파이프라인이 필요한 사람.
인디 개발자: 혼자서 히트작을 만들고 싶으며 엔지니어링 세부 사항보다 창의적인 작업에 집중하고 싶은 사람.
8. 규정 준수 및 상표 면책
이 글에 언급된 Sora, 可灵, 即梦, Pika, ElevenLabs, Whisper, 豆包, SoVITS, 剪映, 扣子, 抖音, B 站, 视频号, YouTube, Slack, Notion, 飞书, FFmpeg, Remotion, ChatGPT, Claude, ComfyUI, n8n, GPT-4o 등의 명칭은 모두 각 소유자의 등록 상표 또는 제품명이며, 이 글에서는 기술적 기능을 설명하기 위한 목적으로만 사용합니다. 어떠한 형태의 홍보, 보증 또는 상업적 협력 관계를 의미하지 않습니다. 오픈 소스 프로젝트인 ViralCut 자체는 Apache-2.0 라이선스를 따르며, 위 상표권자들과 어떠한 소속 관계도 없습니다. 독자는 관련 API와 서비스를 프로덕션 환경에서 사용할 때 해당 플랫폼의 서비스 약관, 데이터 규정 및 저작권 규정을 직접 준수해야 합니다.
9. 시작 가이드 및 요약
2026년에 ‘AI + 콘텐츠’ 분야의 도구 체인을 통합할 계획이라면, ViralCut은 현재 GitHub에서 MCP, 영상 엔지니어링, 배포 운영이라는 세 가지를 동시에 제대로 구현한 유일한 오픈 소스 프로젝트에 가깝습니다. ViralCut의 인기는 우연이 아닙니다. 본질적으로 ‘AI 도구의 파편화 × 콘텐츠 제작의 산업화 × MCP 생태계의 성숙’이라는 세 가지 시기적 기회의 교집합을 공략했기 때문입니다.
추천 시작 순서는 다음과 같습니다. Docker Compose로 예제 워크플로 실행 → 기존 AI 모델 연결 → 기존 SOP를 DAG로 변환 → 자체 플랫폼 계정 연결 → 히트작 벡터 데이터베이스 축적. 3일 안에 자신만의 ‘숏폼 영상 자동화 공장’을 구축할 수 있습니다.
GitHub 저장소 주소: https://github.com/viralcut/viralcut