Molayo

© 2026 Molayo

GitHub요약2026. 05. 20. 13:43

M-Courtyard/m-courtyard

요약

M-Courtyard는 Apple Silicon Mac 사용자를 위해 설계된 데스크톱 어시스턴트로, 복잡한 코딩 없이 로컬에서 LLM 미세 조정을 수행할 수 있게 해줍니다. PDF나 DOCX 파일을 활용해 데이터셋 생성부터 MLX 기반 학습, Ollama 내보내기까지 이어지는 제로 코드 파이프라인을 제공하며 데이터 프라이버시를 완벽히 보장합니다.

핵심 포인트

  • Apple MLX 프레임워크를 활용하여 M1/M2/M3/M4 칩의 통합 메모리 성능을 극대화함
  • 데이터셋 생성, 미세 조정, 모델 내보내기까지 이어지는 4단계 제로 코드 파이프라인 제공
  • 모든 프로세스가 100% 로컬에서 진행되어 민감한 데이터 보안 유지 가능
  • macOS Tahoe의 Metal 와치독 문제를 해결하기 위한 자동 환경 설정 및 스마트 알림 기능 포함
  • Ollama 및 MLX 런타임으로의 원클릭 내보내기 및 양자화 지원

M-Courtyard는 LLM 미세 조정 (Fine-tuning)의 신비감을 없애기 위해 설계된 **데스크톱 어시스턴트 (Desktop Assistant)**입니다. Python 스크립트를 작성하거나, CUDA 종속성을 관리하거나, 비싼 클라우드 GPU를 대여하는 일은 잊으세요. Apple Silicon Mac을 보유하고 있다면, 자신만의 맞춤형 AI를 로컬에서 구축할 수 있습니다.

제로 코드 파이프라인 (Zero-Code Pipeline): 가공되지 않은 PDF/DOCX 파일로부터 로컬 데이터셋 생성, MLX 미세 조정 (Fine-tuning), 그리고 내보낼 수 있는 로컬 런타임 (Runtime)까지 4단계의 쉬운 과정으로 진행됩니다.

100% 로컬 및 프라이버시 보장: 데이터가 기기를 떠나지 않습니다. 민감한 기업 데이터나 개인 일기를 미세 조정 (Fine-tuning) 하기에 완벽합니다.

Apple MLX에 최적화: mlx-lm을 기반으로 구동되어, M1/M2/M3/M4 칩의 통합 메모리 (Unified Memory) 잠재력을 극대화합니다.

AI 기반 데이터 준비: 로컬 모델을 사용하여 비정형 문서를 고품질 지시어 데이터셋 (Instruction Datasets)으로 자동 변환하거나, AI 생성을 원하지 않을 경우 내장된 규칙 (Rules)을 사용할 수 있습니다.

macOS Tahoe + MLX 학습 안정성: M-Courtyard는 이제 kIOGPUCommandBufferCallbackErrorImpactingInteractivity로 인해 LoRA 실행을 중단시킬 수 있는 상위 MLX / macOS Tahoe Metal 와치독 (Watchdog) 회귀 문제를 완화하기 위해, 학습 서브프로세스에 대해 자동으로 AGX_RELAX_CDM_CTXSTORE_TIMEOUT=1을 설정합니다.

더 명확한 복구 가이드: 스마트 알림 (Smart Alerts) 기능이 이제 이 Metal 와치독 (Watchdog) 시그니처를 인식하며, Tahoe에서 문제가 여전히 발생할 경우 대체 경로를 설명해 줍니다.

다중 형식 가져오기: .txt, .pdf, .docx 파일을 드래그 앤 드롭으로 가져올 수 있습니다.

스마트 세그멘테이션 (Smart Segmentation): 문서를 자동으로 정제하고 청킹 (Chunking) 합니다.

AI 데이터셋 생성: 로컬 Ollama 모델을 사용하여 지식 질의응답 (Knowledge Q&A), 스타일 모방 (Style Imitation), 또는 지시어 학습 (Instruction Training) 데이터셋을 생성합니다.

내장 규칙 모드 (Built-in Rules Mode): 완전히 독립된 워크플로우를 선호할 경우 외부 런타임 (Runtime) 없이 데이터셋을 생성합니다.

통합 모델 허브 (Unified Model Hub): 로컬 HuggingFace / ModelScope / Ollama 자산을 자동으로 감지하거나, 온라인에서 최신 모델 (Qwen, DeepSeek, GLM, Gemma, Llama, GPT-OSS 등)을 가져옵니다.

실시간 시각화: 실시간 학습 손실 (Training Loss) 차트, 예상 완료 시간 (ETA), 그리고 리소스 모니터링을 제공합니다.

프리셋 (Presets): 다양한 요구 사항에 맞춰 클릭 한 번으로 설정 가능한 구성 (Quick / Standard / Thorough)을 제공합니다.

내장 채팅 (Built-in Chat): 미세 조정(Fine-tuned)된 어댑터를 즉시 테스트할 수 있습니다.
원클릭 Ollama 내보내기 (One-Click Ollama Export): 병합(Merge), 양자화 (Quantize) (Q4/Q8/F16)를 수행하고 Ollama로 바로 내보냅니다. 즉시 모델을 실행해 보세요.
로컬 런타임용 MLX 내보내기 (MLX Export for Local Runtimes): mlx-lm.server와 함께 사용할 수 있고 Apple Silicon의 LM Studio에서 로드할 수 있는 퓨즈(Fused) MLX 모델을 내보냅니다.

참고 사항:

  • 학습 및 내장 추론(Inference)은 Ollama가 아닌 Apple MLX를 기반으로 구동됩니다. mlx-lm이 핵심 엔진이며, Ollama 기반의 AI 데이터셋 생성 및 원클릭 Ollama 내보내기에 사용됩니다. Ollama는 현재 선택 사항이지만 권장됩니다. AI 데이터셋 생성을 위해 Ollama의 로컬 OpenAI 호환 서버를 사용하거나, Apple Silicon에서 내보낸 MLX 모델을 그곳에 로드할 수 있습니다. LM Studio는 병렬 로컬 런타임으로 지원됩니다.
  • 추가 런타임 없이도 내장 규칙(Built-in rules) 사용 가능: Ollama나 LM Studio를 설치하고 싶지 않더라도, 내장 규칙 경로를 통해 데이터셋을 생성할 수 있습니다.

문서를 가져오고, 자동으로 정제하며, 로컬 LLM을 사용하여 학습 데이터셋을 생성합니다.

Apple MLX를 기반으로 실시간 손실 곡선 (Loss curves), 예상 완료 시간 (ETA) 및 진행 상황 추적을 제공합니다.

미세 조정된 모델과 즉시 채팅할 수 있으며, 이를 Ollama로 내보내거나 LM Studio / 로컬 MLX 워크플로우를 위한 MLX 자산으로 내보낼 수 있습니다.

OS: macOS 14 이상 (Sonoma 또는 이후 버전)
칩 (Chip): Apple Silicon (M1 / M2 / M3 / M4 시리즈)
RAM: 16 GB 이상 권장 (7B/8B 모델 기준); 소형 모델 (1.5B/3B)은 8 GB에서도 작동 가능
핵심 런타임 (Core Runtime): M-Courtyard는 앱 내부에서 로컬 uv / Python / mlx-lm 설정을 안내합니다.
선택적 로컬 런타임: Ollama 기반 AI 데이터셋 생성 또는 Ollama 내보내기를 원하는 경우 Ollama를 설치하여 실행하십시오.
선택적 로컬 런타임: LM Studio 기반 AI 데이터셋 생성 또는 내보낸 MLX 모델을 로드하려는 경우 LM Studio를 사용하십시오.
추가 런타임 불필요: 내장 규칙 경로를 통해 Ollama나 LM Studio 없이도 데이터셋을 생성할 수 있습니다.

  • Releases로 이동하여 최신 .dmg 파일을 다운로드하세요.
  • .dmg 파일을 엽니다.

M-Courtyard.app을 Applications 폴더로 드래그합니다. - 터미널 (Terminal)을 열고, 앱이 아직 코드 서명 (code-signed)되지 않았으므로 실행을 허용하기 위해 다음 명령어를 실행하세요:
sudo xattr -rd com.apple.quarantine /Applications/M-Courtyard.app

  • Applications에서 M-Courtyard를 실행하세요!

소스 코드로 빌드하기 (Build from Source)

사전 요구 사항 (Prerequisites):

  • Node.js 18+ 및 pnpm
  • Rust 툴체인 (toolchain)
  • Xcode Command Line Tools (xcode-select --install)
# 1. 저장소 클론 (Clone the repo)
git clone https://github.com/Mcourtyard/m-courtyard.git
cd m-courtyard/app
...

프론트엔드 (Frontend): React 19 + TypeScript + TailwindCSS v4 + Vite + Zustand
데스크톱 프레임워크 (Desktop Framework): Tauri 2.x (Rust)
AI 코어 (AI Core): mlx-lm (Apple MLX), 자동으로 관리되는 로컬 Python venv
스토리지 (Storage): SQLite + 로컬 파일 시스템 (local filesystem)

파인튜닝 (fine-tuned)된 모델을 공유하거나, 도움을 받거나, 새로운 기능을 제안하려면 저희 커뮤니티에 참여하세요!

  • Discord — 실시간 채팅 및 지원
  • GitHub Discussions — 기능 아이디어 및 Q&A
  • GitHub Issues — 버그 보고

M-Courtyard가 로컬 AI 구축에 도움이 되었다면, GitHub에서 별 (star)을 눌러주세요!

M-Courtyard가 시간을 절약해 주었다면, 커피 한 잔을 구매해 주세요 — 프로젝트를 유지하는 데 큰 도움이 됩니다! ☕

중국 후원자분들은 爱发电 (WeChat Pay / Alipay 지원)을 이용하실 수 있습니다.

M-Courtyard는 AGPL-3.0 라이선스 하에 배포되는 오픈 소스 소프트웨어입니다.
브랜드 이름 및 로고 사용에 대해서는 브랜드 및 로고 사용 공지 (Brand and Logo Usage Notice)를 참조하세요.
상업적 이용 또는 다른 라이선스 조건에 대해서는 다음으로 문의해 주세요: tuwenbo0112@gmail.com

AI 자동 생성 콘텐츠

본 콘텐츠는 GitHub AI Coding Assistants의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.

원문 바로가기
0

댓글

0