대부분의 AI 코딩 에이전트(AI coding agents)는 여전히 영리한 자동 완성(autocomplete)처럼 느껴집니다.

이것은 LLM에게 실제 운영체제(operating system)를 제공하는 것처럼 느껴집니다.

“omp”는 제가 몇 주 동안 읽은 오픈 소스(open-source) 코딩 에이전트 저장소(repo) 중 기술적으로 가장 미친 수준일지도 모릅니다.

이름에 “AI”가 들어가서가 아닙니다.

그 아래에 깔린 엔지니어링(engineering)이 얼마나 깊은지 때문입니다.

이 도구는 다음과 같은 기능을 제공합니다:

• 내장된 LSP(Language Server Protocol) 작업
• 실제 디버거(debugger) 제어
• 브라우저 자동화(browser automation)
• 지속적인 Python + JS 런타임(runtimes)
• 격리된 워크트리(worktrees)를 가진 서브 에이전트(subagents)
• 세션 간 메모리(memory)
• 가상 파일 시스템(virtual filesystem)으로서의 GitHub
• 해시 기반 편집(hash-based editing)
• 라이브 도구 라우팅(live tool routing)
• 구조화된 웹 검색(structured web search)
• 네이티브 Rust 성능 레이어(performance layer)

하지만 가장 미친 부분은 무엇일까요?

이것은 무작위 스크립트로 짜깁기된 것이 아닙니다.

스택의 거대한 부분이 약 27,000줄의 Rust 코드를 통해 프로세스 내부(in-process)에서 실행됩니다.

대부분의 에이전트 도구들이 하는 것처럼 grep, bash, find 또는 외부 바이너리(external binaries)를 끊임없이 셸(shell)로 호출하지 않습니다.

이 저장소는 기본적으로 AI 에이전트를 “파일을 편집할 수 있는 챗봇”이 아니라, 일급 개발 환경(first-class development environment)으로 취급합니다.

솔직히, README의 이 한 문장이 모든 것을 말해줍니다:

“당신의 IDE가 아는 모든 것을 에이전트도 압니다.”

그것이 바로 지금 일어나고 있는 진정한 변화입니다.

최고의 AI 코딩 도구들은 더 이상 단순히 코드를 생성하는 것에 그치지 않습니다.

그들은 메모리, 툴링(tooling), 디버깅(debugging), 조정(coordination), 검색(search), 그리고 실행(execution) 기능이 에이전트 레이어(agent layer) 자체에 직접 구축된 완전한 운영 소프트웨어 엔지니어링 환경이 되어가고 있습니다.

이 저장소는 AI 네이티브 IDE(AI-native IDEs)가 궁극적으로 어떤 모습이 될지에 대한 엿보기처럼 느껴집니다.

100% 오픈 소스(open source)
링크는 댓글에
[IMG:1]