CodeRunner: LLM의 코드를 안전하게 로컬에서 처리하는 프로젝트 (feat. Apple Container)

CodeRunner 소개

AI 모델이 생성한 코드를 직접 실행하려면 많은 보안과 실행 환경 설정이 필요합니다. CodeRunner는 이 과정을 로컬 맥 환경에서 안전하고 편리하게 처리할 수 있는 솔루션을 제공합니다. 데이터가 클라우드로 업로드되지 않고, 맥 내에서 모든 작업이 수행되므로 보안 민감한 파일을 다룰 때도 안심할 수 있습니다. Claude, ChatGPT 같은 LLM과의 연동도 매우 쉽게 지원되며, 로컬 데이터를 활용한 실시간 실행 환경을 구현하고자 하는 개발자들에게 실질적인 도움을 줄 수 있는 도구입니다.

최근 생성형 AI의 활용이 늘어나면서, 텍스트뿐 아니라 코드 생성도 활발하게 이루어지고 있습니다. 하지만 생성된 코드를 로컬 환경에서 직접 실행하려면 보안, 종속성 설치, 환경 구성 등의 복잡한 작업이 동반됩니다. CodeRunner는 이러한 과정을 대폭 간소화하면서도 사용자의 데이터를 클라우드로 전송하지 않고 로컬에서 처리하는 방식을 제공합니다.

이 프로젝트는 macOS 기반에서 작동하며, Apple의 컨테이너 기술을 활용해 완전히 격리된 환경에서 코드를 실행합니다. 즉, AI가 생성한 코드를 사용자가 직접 시스템에 복사·붙여넣기 하거나 명령어를 실행하지 않아도 되고, 오염 가능성 없는 안전한 환경에서 자동으로 실행됩니다.

다음은 CodeRunner 사용 전후의 기능 차이를 정리한 표입니다:

기능 항목 CodeRunner 없이 (지시만 제공) CodeRunner 사용 시 (인터랙티브 실행)
핵심 기능 :cross_mark: 코드와 명령어만 제공. 사용자가 직접 실행해야 함 :white_check_mark: 코드 생성과 동시에 실행. 결과, 파일, 차트를 바로 확인 가능
로컬 데이터 처리 :cross_mark: 데이터를 클라우드 서버로 업로드해야 AI가 처리 가능 :white_check_mark: 데이터가 절대 외부로 나가지 않음. 완전한 로컬 처리
시스템 도구 사용 (예: ffmpeg, git, awk) :cross_mark: 명령어만 제공. 도구 설치 및 실행은 사용자가 직접 :white_check_mark: 도구 자동 실행. 별도 설치 없이 파일 바로 처리 가능
데이터 분석 및 시각화 (예: Python, R 활용) :cross_mark: 스크립트만 제공. 실행 환경은 직접 구축해야 함 :white_check_mark: 직접 분석 수행 후 차트 시각화까지 지원
파일 작업 (예: CSV, JSON, 이미지) :cross_mark: 텍스트 분석만 가능. 파일 생성 및 수정 불가 :white_check_mark: 파일 업로드 후 처리 및 생성 결과 다운로드 가능
소프트웨어 종속성 :cross_mark: 모든 의존성 수동 설치 필요 :white_check_mark: 독립된 샌드박스 내에서 자동 설치 및 실행 가능

특히 Claude Desktop, OpenAI 기반 Python Agents 등 다양한 AI 플랫폼과의 연동을 고려한 구조를 가지고 있어, 특정 AI 서비스를 사용하는 사용자에게도 유용하게 적용할 수 있습니다. “내 컴퓨터 안의 작은 서버”처럼 동작하는 이 프로젝트는 개발 환경을 보안과 편리함의 균형 속에서 업그레이드하고자 하는 이들에게 큰 가치를 제공합니다.

기존 Claude, OpenAI의 경우 코드는 제공하지만 사용자가 직접 실행 환경을 구성해야 합니다. 또한 AI가 파일을 분석하거나 처리하기 위해서는 해당 파일을 클라우드로 업로드해야 하므로 보안 우려가 있습니다. 반면 CodeRunner는 다음과 같은 차별점을 가집니다:

  • 로컬 실행: 데이터를 외부에 업로드하지 않고 맥 내부에서 실행
  • 도구 자동 실행: ffmpeg, git, awk 등 설치 없이도 실행 가능
  • 파일 작업 지원: CSV, 이미지 파일을 업로드하면 분석 및 변환 후 바로 다운로드 가능
  • 의존성 관리 자동화: 자체 샌드박스에 필요한 라이브러리 자동 설치

CodeRunner의 주요 기능

  • 격리된 샌드박스 실행 환경: Apple 컨테이너 기술로 구성된 격리 환경에서 실행되어 보안 유지
  • Claude/OpenAI 연동: MCP 서버 구조를 활용해 AI가 직접 코드를 실행 가능
  • 로컬 파일 접근 지원: 영상, CSV 등 로컬 파일을 AI가 안전하게 처리
  • 자동 종속성 설치: 필요한 도구와 패키지를 샌드박스 내에서 자동 설치 가능
  • 시각화 및 데이터 분석: 코드 실행 결과를 시각화해서 바로 확인

CodeRunner 설치 및 사용법

설치 요건

  • macOS (Apple Silicon 권장)
  • Python 3.10 이상

설치 방법

git clone https://github.com/BandarLabs/coderunner.git
cd coderunner
chmod +x install.sh
./install.sh

이후 MCP 서버는 http://coderunner.local:8222/sse 주소에서 실행됩니다.

추가로 예제 패키지를 설치하려면 다음과 같이 설치합니다:

pip install -r examples/requirements.txt

Claude Desktop 연동

cd examples
cp claude_desktop/claude_desktop_config.example.json claude_desktop/claude_desktop_config.json

설정 파일에서 Python 경로 및 코드러너 디렉토리 경로를 실제 값으로 수정한 후 Claude Desktop 설정에 등록하면 됩니다.

OpenAI Python Agents 연동

export OPENAI_API_KEY="your-openai-api-key"
python examples/openai_agents/openai_client.py

이후 AI에게 코드 실행 요청을 하면 샌드박스 내에서 처리됩니다.

라이선스

CodeRunner 프로젝트는 Apache-2.0 License로 공개 및 배포되고 있습니다.

:github: CodeRunner 프로젝트 GitHub 저장소

더 읽어보기




이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다. :hugs:

:pytorch:파이토치 한국 사용자 모임:south_korea:이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일:love_letter:로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)

:wrapped_gift: 아래:down_right_arrow:쪽에 좋아요:+1:를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ :star_struck:

1개의 좋아요