터미널 AI 에이전트 구축 (v13)

터미널 AI 에이전트 구축 (v13) 터미널에서 AI 코딩 어시스턴트를 직접 구축하는 실전 가이드 1. CLI AI 에이전트 생태계 분석 현재 터미널 기반 AI 에이전트는 다양한 솔루션으로 구성되어 있습니다: Aider : GitHub Copilot처럼 코드 생성 및 수정을 지원하는 에이전트 pip install aider aider --help Continue.dev : VSCode 확장 프로그램이지만 CLI에서도 사용 가능 npm install -g continue continue -cli --help OpenCode : 오픈소스 기반 CLI AI 에이전트 git clone https://github.com/open-code/open-code.git cd open-code && python main.py --help Custom Scripts : 직접 개발한 스크립트로 최적화된 기능 제공 2. 로컬 LLM API 엔드포인트 설정 로컬에서 LLM을 실행하고 API 엔드포인트를 제공하기 위해 llama.cpp 사용: # llama.cpp 설치 git clone https://github.com/ggerganov/llama.cpp.git cd llama.cpp make # 모델 다운로드 및 변환 wget https://huggingface.co/TheBloke/Mistral-7B-v0.1-GGUF/resolve/main/mistral-7b-v0.1.Q4_K_M.gguf ./llama.cpp/convert-hf-to-gguf.py mistral-7b-v0.1.Q4_K_M.gguf # API 서버 실행 ./llama.cpp/server -m mistral-7b-v0.1.Q4_K_M.gguf \ --host 127.0.0.1 \ --port 11434 \ --ctx-size 8192 API 테스트: curl http://localhost:11434/api/generate \ -H "Content-Type: application/json" \ -d '{ "model": "mistral-7b-v0.1.Q4_K_M", "prompt": "Python으로 factorial 함수를 구현해줘", "stream": false }' 3. 간단한 Python CLI 에이전트 구축 다음은 간단한 CLI 에이전트 코드: # ai_agent.py import openai import json import subprocess import sys from typing import Dict , Any class TerminalAgent : def init ( self , api_base = " http://localhost:11434 " ): self . client = openai . OpenAI ( base_url = api_base , api_key = " ollama " ) def call_llm ( self , prompt : str , model : str = " mistral-7b-v0.1.Q4_K_M " ) -> str : try : response = self . client . chat . completions . create ( model = model , messages = [{ " role " : " user " , " content " : prompt }], temperature = 0.7 , max_tokens = 2048 ) return response . choices [ 0 ]. message . content except Exception as e : return f " Error: { str ( e ) } " def execute_command ( self , command : str ) -> str : try : result = subprocess . run ( command , shell = True , capture_output = True , text = True ) return result . stdout + result . stderr except Exception as e : return f " Error: { str ( e ) } " def main (): agent = TerminalAgent () if len ( sys . argv ) < 2 : print ( " Usage: python ai_agent.py " prompt here " " ) sys . exit ( 1 ) prompt = " " . join ( sys . argv [ 1 :]) response = agent . call_llm ( prompt ) print ( response ) if name == " main " : main () 사용법: python ai_agent.py "Python으로 Flask 애플리케이션을 만들어줘" 4. tmux와 통합 터미널 에이전트를 tmux 세션과 통합하여 멀티탭 작업 가능: # tmux 세션 생성 및 스크립트 실행 tmux new-session -d -s ai_session tmux send-keys -t ai_session "python ai_agent.py '코드 리뷰해줘'" Enter tmux send-keys -t ai_session "python ai_agent.py '테스트 코드 작성해줘'" Enter tmux 키 설정 파일 ( /.tmux.conf ): # Ctrl+A, Ctrl+G: AI 에이전트 실행 bind-key -t vi-edit G run-shell "tmux display-message 'AI Agent: Running...'; python3 ai_agent.py 'code review'" 5. 사용자 정의 도구 개발 코드 검색 도구 # code_search.py import os import re from pathlib import Path class CodeSearcher : def init ( self , root_path : str = " . " ): self . root_path = Path ( root_path ) def search_pattern ( self , pattern : str , file_extensions : list = None ) -> list : results = [] if file_extensions is None : file_extensions = [ ' .py ' , ' .js ' , ' .ts ' , ' .java ' , ' .cpp ' ] for file_path in self . root_path . rglob ( " * " ): if file_path . is_file () and file_path . suffix in file_extensions : try : with open ( file_path , ' r ' , encoding = ' utf-8 ' ) as f : content = f . read () if re . search ( pattern , content ): results . append ( str ( file_path )) except Exception : continue return results # 사용 예시 searcher = CodeSearcher () matches = searcher . search_pattern ( r " def.(.): " ) for match in matches : print ( match ) Git 통합 도구 # git_tools.py import subprocess import json class GitTools : @staticmethod def get_changed_files () -> list : try : result = subprocess . run ( [ ' git ' , ' diff ' , ' --name-only ' , ' HEAD1 ' , ' HEAD ' ], capture_output = True , text = True ) return [ f . strip () for f in result . stdout . split ( ' \n ' ) if f . strip ()] except Exception : return [] @staticmethod def get_commit_history ( limit : int = 5 ) -> list : try : result = subprocess . run ( [ ' git ' , ' log ' , f ' --oneline - { limit } ' ], capture_output = True , text = True ) return [ line . strip () for line in result . stdout . split ( ' \n ' ) if line . strip ()] except Exception : return [] # 사용 예시 git_tools = GitTools () files = git_tools . get_changed_files () commits = git_tools . get_commit_history () print ( f " Changed files: { files } " ) print ( f " Recent commits: { commits } " ) 6. 컨텍스트 윈도우 관리 대용량 코드베이스를 처리하기 위한 컨텍스트 관리: # context_manager.py import os from pathlib import Path class ContextManager : def init ( self , max_tokens : int = 4096 ): self . max_tokens = max_tokens self . current_context = [] def add_file_context ( self , file_path : str , max_lines : int = 100 ) -> str : """ 파일 컨텍스트 추가 (줄 수 제한) """ try : with open ( file_path , ' r ' ) as f : lines = f . readlines () if len ( lines ) > max_lines : # 중간 부분 슬라이싱 start = len ( lines ) // 2 - max_lines // 2 end = start + max_lines lines = lines [ start : end ] content = '' . join ( lines ) return f " File: { file_path } \n { content } " except Exception as e : return f " Error reading { file_path } : { str ( e ) } " def build_prompt_with_context ( self , base_prompt : str , files : list ) -> str : """ 파일 컨텍스트를 포함한 프롬프트 생성 """ context = [] for file_path in files : if os . path . exists ( file_path ): context . append ( self . add_file_context ( file_path )) context_str = " \n\n " . join ( context ) return f " { base_prompt } \n\n Context: \n { context_str } " # 사용 예시 context = ContextManager () prompt = context . build_prompt_with_context ( " 이 코드를 리뷰해줘 " , [ " main.py " , " utils.py " ] ) 7. 비용/속도 최적화 전략 로컬 vs API 모델 비교 python # model_optimizer.py import time from typing import Tuple class ModelOptimizer: @staticmethod def benchmark_model(model_name: str, prompt: str, api_base: str = "http://localhost:11434") -> dict: """모델 성능 벤치마크""" import openai client = openai.OpenAI(base_url=api_base, api_key="ollama") --- 📥 Get the full guide on Gumroad: https://gumroad.com/l/auto ($5)