저는 로컬 LLM(Large Language Models)이 와이어 레벨(wire level)에서 실제로 어떻게 작동하는지 제대로 이해하지 못했기 때문에 이 프로젝트를 시작했습니다. llama.cpp는 실제로 어떻게 요청을 처리할까요? 스트리밍 도구 호출(streaming tool calling)은 어떻게 작동할까요? 모델이 reasoning_content를 사용할 때는 어떤 일이 일어날까요? 그래서 직접 하나 만들어보는 건 어떨까 생각했습니다. 몇 달 후, 제가 만든 결과물인 Sulfur가 탄생했습니다.

Sulfur란 무엇인가: Windows용으로 제작된, 완전히 로컬에서 실행되는 PyQt6 기반의 데스크톱 코딩 에이전트 하네스(harness) 앱입니다. 작업 공간 파일들을 지정하면 AI가 이를 읽고, 쓰고, 편집하고, 검색할 수 있습니다. 세션이 저장되고 히스토리가 유지되며, 그 어떤 데이터도 컴퓨터 외부로 나가지 않습니다. 또한 오픈 소스이므로 원하는 대로 무엇이든 할 수 있습니다.

지원되는 백엔드(Backends):

• llama.cpp (서브프로세스(subprocess)로 관리되어 수동 서버 조작이 필요 없음)
• LM Studio
• Ollama

다른 도구들과 차별화되는 점:
GPU 레이어(layers), KV 캐시 양자화(KV cache quantization: f16/q8/q4), 플래시 어텐션(flash attention), MLOCK, MoE CPU 오프로드 레이어(offload layers), 스레드 수(thread count), 컨텍스트 크기(context size)와 같이 보통 숨겨져 있는 많은 저수준(low-level) 하드웨어 설정들을 노출했습니다. 하드웨어 성능을 최대한으로 끌어올리려 할 때, 이러한 설정을 조정하기 위해 설정 파일을 직접 수정할 필요가 없어야 한다고 생각했습니다. 이 모든 기능이 설정 대화 상자에 포함되어 있는데, 꽤 멋지다고 생각합니다.

기타 기능:

• 스트리밍 사고 블록 렌더링(Streaming think-block rendering, Qwen 2.5 / Gemma 사고 모델용)
• 컨텍스트로의 PDF 인입(PDF ingestion)
• 11가지 컬러 테마 (이유는 없지만 넣었습니다)
• 세션 관리 (생성, 이름 변경, 전환, 삭제)
• 파일 읽기/쓰기에 대한 권한 제어
• 커스텀 아이덴티티(custom identities): AI를 위한 자신만의 identity.md 파일을 생성할 수 있습니다.

솔직한 한계점:

• 현재는 Windows 전용입니다. 하지만 코드베이스가 Windows 전용 시스템 콜(syscalls)을 사용하지 않는 순수 Python으로 작성되었기 때문에, Linux/Mac 포팅은 가능할 것입니다. 아직 거기까지 도달하지 못했을 뿐입니다.
• 경쟁하기 위해서가 아니라 배우기 위해 만들었습니다. Claude Code나 Cursor와 경쟁하려는 목적이 아닙니다. 만약 프로덕션급(production-grade) 에이전트 설정이 필요하다면, 이 앱은 아직 그 단계가 아닐 것입니다.

리포지토리(Repo): https://github.com/ChocoPichu/Sulfur

질문에 답변해 드릴 준비가 되어 있으며, 진심으로 피드백을 환영합니다. 이것은 저의 첫 번째 본격적인 오픈 소스 프로젝트입니다.