# \#opencode **URL:** https://discuss.pytorch.kr/tag/opencode/5384.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Harness²: 정답 라벨 없이 작업마다 에이전트 하네스를 고치고, 그 경험을 다음 작업에 넘기는 프레임워크 (feat. Google)](https://discuss.pytorch.kr/t/harness-feat-google/12231)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 1\ **마지막 업데이트:** [10월 21, 2026, 9:28오전 UTC](https://discuss.pytorch.kr/t/harness-feat-google/12231 "2026-10-21T09:28:17Z")
핵심 요약 Harness²는 모델 가중치를 고정한 채, 처음 보는 작업마다 에이전트 하네스(시스템 프롬프트, 스킬, 스크립트 등 8가지 파일)를 고쳐 보고 그 경험을 도메인별 라이브러리에 쌓아 다음 작업에 넘기는 프레임워크입니다. 정답 라벨이나 채점기 없이, 같은 작업을 고친 하네스로 다시 실행해 본 결과와 원래 실행을 비교한 행동 차이(behavioral contrast)만으로 어떤 수정을 남길지 정합니다. 논문에서 저자들은 한 번의 개선 단계로 WorkBuddy-Bench 최대 11.5점, JobBench 최대 4.5점, LAB 부분 통과율 최대 11.8%p 향상을 보고했습니다. 측정은 Google Cloud AI Research와 Northwestern University 저자들이 직접 했습니다. 공개된 코드는 Linux, Python 3.12, Google Cloud Vertex AI 설정을 전제로 합니다. 모델 없이 도는 로컬 데모는 바로 실행되지만, 벤치마크 실행은 작업마다 실행과 편집 세션을 여러 번 돌리므로 API 비용이 큽니다. Harness² 소개 LLM 에이전트의 성능은 모델만으로 정해지지 않습니다. 같은 모델이라도 어떤 시스템 프롬프트를 주는지, 어떤 도구 안내와 스킬, 스크립트를 붙이는지에 따라 결과가 크게 달라집니다. 이처럼 모델 바깥에서 에이전트의 행동을 정하는 실행 환경 전체를 하네스(harness)라고 부릅니다. Meta-Harness나 AHE(Agentic Harness Engineering) 같은 기존 자동 최적화 방법은 학습용 작업 묶음과 점수를 두고 미리 하네스를 탐색한 뒤 고정해 배포합니다. 그런데 실제 업무에서는 배포 뒤에 처음 보는 작업이 계속 들어오고, 그 작업에는 정답도 채점기도 없습니다. 이번에 소개하는 Harness²는 이런 환경에서 하네스를 작업마다 고치고, 그 개선 과정 자체를 다음 개선의 재료로 쓰는 재귀적 에이전트 하네싱(recursive agent harnessing) 프레임워크입니다. Ha… --- ## [Magic Context: 세션을 끊지 않고 프로젝트 지식을 쌓는 코딩 에이전트용 메모리 플러그인](https://discuss.pytorch.kr/t/magic-context/11645)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 18, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/magic-context/11645 "2026-08-18T21:30:43Z")
Magic Context 소개 코딩 에이전트와 오래 작업하면 두 번 손해를 봅니다. 대화가 길어져 컨텍스트 창이 차면 에이전트는 지금까지의 기록을 압축(compaction)하려고 작업을 멈추고, 압축이 끝난 뒤에는 알고 있던 것 일부가 조용히 사라집니다. 그리고 세션을 닫으면 남는 것이 없어서, 다음 작업은 이 프로젝트를 처음 보는 사람으로 다시 시작합니다. Magic Context의 저자는 이 상태를 "anterograde amnesia", 즉 새 기억을 만들지 못하는 전향성 기억상실에 빗대면서, 좋은 개발자를 버그 하나 고칠 때마다 새로 뽑고 내보내지는 않는다고 지적합니다. Magic Context는 이 두 손해를 배경 작업으로 함께 해결하려는 플러그인입니다. 프로젝트는 스스로를 코딩 에이전트의 해마(hippocampus), 곧 기억을 만들고 정리하고 다시 꺼내는 부위라고 소개하며, 두 가지를 약속합니다. 에이전트가 컨텍스트를 관리하려고 멈추는 일이 없고, 알게 된 것을 잊지 않는다는 것입니다. 압축을 걷어내는 방식이 아니라, 압축을 호스트에서 가져와 배경에서 조금씩 처리하는 방식이라는 점이 핵심입니다. 그래서 설치 마법사는 호스트의 내장 압축 기능을 먼저 끕니다. Magic Context는 TypeScript로 작성된 플러그인이고, 지원 대상은 OpenCode와 Pi, Oh My Pi(OMP) 세 가지 호스트입니다. 모든 지속 상태는 로컬 SQLite 데이터베이스 한 개에 담기며, 프로젝트는 이것을 CortexKit라는 더 큰 계획의 한 조각으로 두고 있습니다. 한국어 README가 저장소에 함께 들어 있어서 원문을 한국어로 바로 읽을 수도 있습니다. Magic Context가 컨텍스트를 다루는 방식 Magic Context가 압축 대기를 걷어내는 방법은 압축을 뒤로 미루고 잘게 쪼개는 것입니다. 배경에서 도는 사관(historian)이 오래된 원본 기록을 계층화된 구획(tiered compartment)으로 압축하는데, 각 구획은 시간순 요약… --- ## [OpenWork: OpenCode를 위한 데스크탑 애플리케이션](https://discuss.pytorch.kr/t/openwork-opencode/8784)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 22, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/openwork-opencode/8784 "2026-01-22T03:30:19Z")
OpenWork 소개 OpenWork는 터미널 기반의 코딩 에이전트 도구인 OpenCode를 그래픽 사용자 인터페이스(GUI) 환경에서 사용할 수 있도록 구현한 오픈소스 데스크톱 애플리케이션입니다. (:pytorch::kr: 몇 일 전 소개한, 같은 이름의 Claude Cowork를 대체하는 목적의 Openwork과는 다른 프로젝트입니다) OpenCode는 강력한 성능을 가졌지만, 텍스트 기반의 CLI(Command Line Interface) 환경에서 작동하기 때문에 일반 사용자가 접근하기 어렵거나, 복잡한 파일 변경 내역(diffs)과 로그를 텍스트로만 확인해야 하는 불편함이 있었습니다. OpenWork는 이러한 기술적 장벽을 해소하기 위해 개발되었습니다. 터미널의 복잡한 명령어 대신 채팅 기반의 직관적인 UI를 제공하여, 개발자뿐만 아니라 비개발자도 자신의 로컬 환경에서 AI 에이전트와 협업할 수 있도록 돕는 OpenCode의 클라이언트 역할을 수행합니다. OpenWork 프로젝트는 Rust 기반의 Tauri 프레임워크를 사용하여 가볍고 안전하게 구동되며, 사용자의 로컬 머신에 설치된 OpenCode 엔진과 직접 통신합니다. 결과적으로 사용자는 세련된 UX를 경험하면서도, 실제 구동은 로컬 인프라와 오픈소스 엔진 위에서 이루어지는 데이터 주권과 확장성을 동시에 누릴 수 있습니다. OpenCode CLI vs OpenWork Desktop OpenWork는 독자적인 AI 서비스라기보다, OpenCode를 사용하는 새로운 방식(Interface)입니다. 기존 OpenCode는 터미널에서 작동하며, 시스템 통합이나 자동화 스크립트, 서버 환경에서의 실행에 최적화되어 있습니다. 모든 상호작용이 텍스트 로그와 명령어로 이루어집니다. 이에 비해, OpenWork는 일반 사용자를 위한 제품(Product) 형태의 앱입니다. CLI의 텍스트 로그를 시각적인 \*\*타임라인(Timeline)\*\*으로 변환하여 보여주며, 파일 승인이나 권한 제어를 클릭 한 번… --- ## [Oh My Opencode Slim: OpenCode를 위한 경량화된 에이전트 오케스트레이션 플러그인](https://discuss.pytorch.kr/t/oh-my-opencode-slim-opencode/8736)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 18, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/oh-my-opencode-slim-opencode/8736 "2026-01-18T03:30:52Z")
Oh My Opencode Slim 소개 Oh My Opencode Slim은 AI 기반 코딩 어시스턴트 플랫폼인 OpenCode 환경에서 동작하는 고급 에이전트 오케스트레이션(Agent Orchestration) 플러그인입니다. 이 프로젝트는 개발자가 AI와 협업하는 방식을 단순한 '질의응답' 수준에서 벗어나, 체계적인 '작업 위임 및 관리'의 차원으로 끌어올리기 위해 설계되었습니다. 이 플러그인의 가장 큰 특징은 단일 거대 언어 모델(LLM)에 모든 처리를 의존하지 않고, 각기 다른 전문성을 가진 여러 AI 에이전트들이 유기적으로 협력하는 시스템을 구축한다는 점입니다. 이를 통해 사용자의 복잡한 요구사항을 분석하고, 이를 수행하기에 가장 적합한 전문 에이전트에게 작업을 분배하며, 최종적으로 결과를 통합하는 일련의 과정을 자동화합니다. 또한, Slim이라는 이름에서 알 수 있듯이, 이 프로젝트는 기존의 방대한 기능 집합에서 불필요한 장식(bells and whistles)을 과감히 제거했습니다. 대신, 에이전트 간의 효율적인 통신과 작업 흐름 제어라는 핵심 기능에 집중함으로써, AI 모델 사용 시 발생하는 토큰 소모량을 획기적으로 줄이고 시스템의 반응 속도를 최적화했습니다. 이는 비용 효율성을 중요시하는 개인 개발자나 API 사용량 제한에 민감한 팀에게 매우 중요한 이점을 제공합니다. 기본적으로 Oh My Opencode Slim은 허브-앤-스포크(Hub and Spoke) 방식의 아키텍처를 채택하고 있습니다. 중앙의 오케스트레이터(Orchestrator) 가 허브 역할을 하며 사용자의 의도를 파악하고 계획을 수립하면, 리서치, 코드 검색, UI 디자인, 문서 작성 등 각 분야에 특화된 전문 에이전트들이 스포크(Spoke)의 역할을 수행하며 실제 작업을 처리합니다. 이러한 구조 덕분에 개발자는 마치 각 분야의 전문가들로 구성된 팀을 이끄는 매니저처럼 AI를 활용하여 복잡한 프로젝트를 조율할 수 있습니다. 기존 Oh My Opencode와의 … --- ## [OpenAgents: OpenCode를 위한 계획 주도형 개발 워크플로우를 위한 AI 에이전트 프레임워크](https://discuss.pytorch.kr/t/openagents-opencode-ai/8625)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 8, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/openagents-opencode-ai/8625 "2026-01-08T09:30:11Z")
OpenAgents 소개 OpenAgents는 개발자가 AI를 활용해 소프트웨어를 개발할 때 겪는 통제력 상실과 문맥 부족 문제를 해결하기 위해 고안된 계획 주도형(Plan-First) AI 에이전트 프레임워크입니다. 이 프로젝트는 현재 OpenCode CLI 환경에 최적화되어 작동하며, 단순히 코드를 자동 완성하는 수준을 넘어, 개발 과제를 분석하고 실행 계획을 수립한 뒤 사용자의 승인을 거쳐 구현하는 체계적인 엔지니어링 프로세스를 제공합니다. TypeScript, Python, Go, Rust 등 다양한 프로그래밍 언어를 지원하며, 각 언어 환경에 맞는 자동화된 테스트와 코드 리뷰, 유효성 검사(Validation) 기능을 내장하여 생성된 코드의 품질과 안정성을 보장합니다. 현대의 AI 코딩 도구들이 가진 가장 큰 취약점은 복잡한 다중 파일 작업을 수행할 때 전체적인 구조를 놓치거나 기존 코드 스타일과 충돌하는 결과물을 내놓는다는 점입니다. OpenAgents는 이를 극복하기 위해 단일 AI 모델에 의존하는 대신, 역할이 세분화된 '에이전트 팀' 구조를 채택했습니다. 사용자의 요청을 조율하는 메인 에이전트와 실제 구현, 테스트, 문서화, 검토를 담당하는 전문 서브 에이전트들이 유기적으로 협업함으로써, 개발자는 마치 숙련된 동료들과 함께 일하는 듯한 경험을 할 수 있습니다. 현재는 OpenCode CLI를 기반으로 작동하지만, 개발 로드맵에 따르면 향후 안정화 단계를 거쳐 Cursor, Claude Code와 같은 다른 AI 코딩 도구에 대한 지원도 확장될 예정입니다. OpenAgents와 기존의 일반적인 대화형 AI나 기존의 코딩 어시스턴트를 비교해보면, 기존에는 사용자의 프롬프트에 즉각적으로 코드를 생성하여 응답하는 즉시 실행(Instant Execution) 방식을 주로 사용합니다. 이는 간단한 스크립트 작성에는 효율적이지만, 프로젝트 규모가 커질수록 오류 발생 빈도가 높아지고 수정 비용이 증가하는 단점이 있습니다. 반면 OpenAgents는 계… --- ## [Oh My OpenCode: 다수의 SubAgent 및 도구들을 활용하는, OpenCode를 위한 All-in-One 플러그인](https://discuss.pytorch.kr/t/oh-my-opencode-subagent-opencode-all-in-one/8586)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 5, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/oh-my-opencode-subagent-opencode-all-in-one/8586 "2026-01-05T03:30:13Z")
Oh My OpenCode 소개 Oh My OpenCode 는 터미널 기반 AI 코딩 에이전트인 OpenCode를 위한 강력한 플러그인입니다. 마치 Zsh 쉘을 사용할 때 Oh My Zsh를 설치하여 생산성을 극대화하는 것처럼, 이 프로젝트는 단일 AI 에이전트를 '전문가 팀'으로 확장시키는 플러그인입니다. 사용자는 Claude나 Gemini , ChatGPT Codex 등 다양한 대규모 코딩 에이전트들을 자신의 구독 정보에 맞춰 오케스트레이션하고, 비동기 서브 에이전트들을 통해 복잡한 개발 작업을 효율적으로 처리할 수 있습니다. AI 코딩 에이전트 시대가 도래했지만, 단일 모델만으로는 복잡한 맥락 관리나 다양한 도구 활용에 한계가 있었습니다. Oh My OpenCode 는 이러한 문제를 해결하기 위해 여러 전문화된 에이전트(설계, 문서 탐색, 코드 탐색 등)를 동시에 운용하고, OpenCode 의 설정과 도구 통합을 자동화하여 개발자가 즉시 '팀' 단위의 AI 지원을 받을 수 있도록 돕습니다. 특히, Oh My OpenCode는 단순히 OpenCode의 설정을 돕는 것을 넘어, LSP (Language Server Protocol), AST-Grep 같은 고급 도구를 자동으로 통합하고, Claude Code와의 호환성 계층을 제공하여 기존 워크플로우를 그대로 유지하면서도 더 강력한 기능을 제공합니다. OpenCode 및 Claude Code와의 시너지 기존 OpenCode는 훌륭한 인터페이스를 제공하지만, 기본 상태에서는 모델 간의 유기적인 전환이나 복잡한 도구 체인의 통합을 사용자가 직접 관리해야 하는 번거로움이 있었습니다. 여기에 Oh My OpenCode는 Claude Code 의 명령어 시스템, 스킬(Skill), 그리고 MCP(Model Context Protocol) 표준 등과 완벽하게 호환되는 호환성 계층을 제공합니다. 이를 통해 사용자는 기존에 익숙한 작업 흐름을 유지하면서도, 시스템 내부적으로는 수십 개의 최적화된 도구와 다… --- ## [Opencode: 다양한 LLM을 사용할 수 있는, 터미널 기반의 오픈소스 AI 코딩 에이전트](https://discuss.pytorch.kr/t/opencode-llm-ai/7579)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 26, 2025, 9:30오후 UTC](https://discuss.pytorch.kr/t/opencode-llm-ai/7579 "2025-08-26T21:30:41Z")
Opencode 소개 Opencode는 터미널 환경에서 사용할 수 있는 AI 코딩 에이전트로, 개발자가 프로젝트 코드베이스를 이해하고, 새로운 기능을 추가하거나, 기존 코드를 리팩토링하는 작업을 AI와 함께 수행할 수 있도록 설계된 오픈소스 도구입니다. 대부분의 AI 코딩 보조 도구들이 IDE나 웹 기반 에디터에 집중하고 있는 것과 달리, Opencode는 터미널 네이티브 경험을 중점적으로 제공합니다. 네오빔(Neovim) 사용자들이 주도하여 개발되었기 때문에, 코드 편집과 빌드 환경에 최적화된 터미널 UI(TUI)를 제공하며, 동시에 다양한 LLM(Language Model)과 연동할 수 있는 유연성을 갖추고 있습니다. 최근 Claude Code, GitHub Copilot 등 AI 기반 코딩 도구들이 개발자의 작업 방식을 크게 변화시키고 있습니다. 하지만 이들 대부분은 특정 모델 혹은 클라우드 제공업체에 종속적이라는 한계가 있습니다. 반면 Opencode는 Anthropic, OpenAI, Google 등 주요 AI 모델은 물론, 로컬 모델까지 지원하여 개발자가 원하는 환경에 맞게 AI를 활용할 수 있게 해줍니다. 특히 provider-agnostic(특정 제공업체에 얽매이지 않는) 아키텍처를 통해, 모델 경쟁이 치열해지고 가격이 내려가는 상황에서 장기적인 유연성을 제공합니다. Opencode는 단순한 코드 자동 완성 기능을 넘어, 멀티 세션 관리, LSP(Language Server Protocol) 자동 로딩, 공유 가능한 세션 링크 제공 등 협업과 확장성에도 중점을 두고 있습니다. 또한 클라이언트/서버 아키텍처를 채택하여, 로컬에서 실행하면서도 원격지(예: 모바일)에서 접근할 수 있는 확장성을 갖추고 있습니다. 이러한 기능들로 Opencode를 통해 “혼자 개발할 때 생산성 향상”뿐 아니라 “팀 단위 협업과 디버깅”에서도 유용하게 활용될 수 있습니다. Claude Code와의 비교 많은 개발자들이 Opencode를 Anthropic의…