터미널 AI 에이전트 구축 (v20)
1. CLI AI 에이전트 생태계
터미널에서 작동하는 AI 에이전트는 최근 두드러진 트렌드입니다. 주요 플랫폼들:
Aider
# 설치
pip install aider
# 사용 예시
aider --model gpt-4 --yes
Continue.dev
# VSCode 확장 설치
# 또는 CLI 모드로 사용
continue serve
오픈소스 도구
# OpenCode (기본 기능)
opencode --help
# 커스텀 스크립트
./my-ai-agent.py --prompt "Write a Python function to sort an array"
2. 로컬 LLM API 엔드포인트 설정
로컬 모델을 터미널에서 사용하기 위해 API 서버를 설정합니다:
# Ollama 설치 (가장 간단한 방법)
curl -fsSL https://ollama.com/install.sh | sh
# 모델 다운로드
ollama pull llama3
# API 서버 실행
ollama serve &
# local-llm-api.py - 로컬 API 서버
from flask import Flask, request, jsonify
import ollama
app = Flask(__name__)
@app.route('/generate', methods=['POST'])
def generate():
data = request.json
prompt = data.get('prompt', '')
response = ollama.generate(model='llama3', prompt=prompt)
return jsonify({
'response': response['response']
})
if __name__ == '__main__':
app.run(host='localhost', port=11434)
3. 간단한 Python CLI 에이전트 구축
# ai-agent.py
import openai
import argparse
import os
import json
class TerminalAI:
def __init__(self):
self.client = openai.OpenAI(
base_url="http://localhost:11434/v1",
api_key="ollama"
)
def generate(self, prompt, max_tokens=1000):
response = self.client.chat.completions.create(
model="llama3",
messages=[{"role": "user", "content": prompt}],
max_tokens=max_tokens
)
return response.choices[0].message.content
def main():
parser = argparse.ArgumentParser()
parser.add_argument("--prompt", "-p", required=True)
parser.add_argument("--file", "-f", help="파일 경로")
args = parser.parse_args()
agent = TerminalAI()
if args.file:
with open(args.file, 'r') as f:
content = f.read()
prompt = f"{args.prompt}\n\nCode:\n{content}"
else:
prompt = args.prompt
result = agent.generate(prompt)
print(result)
if __name__ == "__main__":
main()
사용법:
# 기본 사용
python ai-agent.py --prompt "Write a Python class for user authentication"
# 파일 기반
python ai-agent.py --prompt "Explain this code" --file main.py
4. tmux와 통합
터미널 분할에서 AI 도움을 받기 위해 tmux와 통합:
# tmux 세션 생성
tmux new-session -s ai-agent -d
# 새로운 윈도우 생성
tmux new-window -t ai-agent
# 윈도우 1에 AI 에이전트 실행
tmux send-keys -t ai-agent:1 "python ai-agent.py" Enter
# tmux 스크립트 (tmux-ai.sh)
#!/bin/bash
tmux new-session -s coding-session -d
tmux new-window -t coding-session
tmux new-window -t coding-session
tmux send-keys -t coding-session:0 "vim" Enter
tmux send-keys -t coding-session:1 "python ai-agent.py" Enter
tmux attach -t coding-session
5. 사용자 정의 도구 개발
코드 검색 도구
# code-search.py
import os
import re
class CodeSearcher:
def __init__(self, project_root):
self.project_root = project_root
def find_function(self, func_name):
results = []
for root, dirs, files in os.walk(self.project_root):
for file in files:
if file.endswith(('.py', '.js', '.ts')):
filepath = os.path.join(root, file)
with open(filepath, 'r') as f:
content = f.read()
if func_name in content:
# 함수 정의 찾기
pattern = rf'def {func_name}\s*\([^)]*\):'
matches = re.finditer(pattern, content)
for match in matches:
line_num = content[:match.start()].count('\n') + 1
results.append({
'file': filepath,
'line': line_num,
'context': self._get_context(content, match.start())
})
return results
def _get_context(self, content, start_pos, context_lines=3):
lines = content[:start_pos].split('\n')
start_line = max(0, len(lines) - context_lines)
end_line = min(len(lines), len(lines) + context_lines)
return '\n'.join(lines[start_line:end_line])
# 사용 예시
searcher = CodeSearcher('.')
results = searcher.find_function('calculate_sum')
for result in results:
print(f"Found in {result['file']} line {result['line']}")
Git 통합 도구
# git-helper.py
import subprocess
import json
class GitHelper:
@staticmethod
def get_last_commits(n=5):
cmd = ['git', 'log', '--oneline', f'-{n}']
result = subprocess.run(cmd, capture_output=True, text=True)
return result.stdout.strip().split('\n')
@staticmethod
def get_diff():
cmd = ['git', 'diff']
result = subprocess.run(cmd, capture_output=True, text=True)
return result.stdout
@staticmethod
def get_status():
cmd = ['git', 'status', '--porcelain']
result = subprocess.run(cmd, capture_output=True, text=True)
return result.stdout.strip().split('\n')
# 통합 예시
git_helper = GitHelper()
commits = git_helper.get_last_commits(3)
for commit in commits:
print(f"Commit: {commit}")
6. 컨텍스트 창 관리
대규모 코드베이스에서 성능 문제를 해결하기 위한 컨텍스트 관리:
# context-manager.py
import os
import hashlib
class ContextManager:
def __init__(self, max_context_size=20000):
self.max_context_size = max_context_size
self.context_cache = {}
def add_file_context(self, filepath, content):
# 파일 해시 생성
file_hash = hashlib.md5(content.encode()).hexdigest()
self.context_cache[filepath] = {
'hash': file_hash,
'content': content,
'size': len(content)
}
def get_context_window(self, files_list):
total_size = 0
context_files = []
for file_path in files_list:
if file_path in self.context_cache:
file_info = self.context_cache[file_path]
if total_size + file_info['size'] <= self.max_context_size:
context_files.append({
'path': file_path,
'content': file_info['content']
})
total_size += file_info['size']
else:
break
return context_files
# 사용 예시
context_manager = ContextManager(15000)
files = ['main.py', 'utils.py', 'models.py']
context = context_manager.get_context_window(files)
7. 로컬 vs API 모델 최적화
성능 비교 스크립트
# performance-test.py
import time
import subprocess
def test_local_model():
start_time = time.time()
result = subprocess.run([
'ollama', 'run', 'llama3',
'Explain the Fibonacci sequence in simple terms'
], capture_output=True, text=True)
end_time = time.time()
return end_time - start_time, result.stdout
def test_api_model():
start_time = time.time()
# 실제 API 호출 구현
end_time = time.time()
return end_time - start_time, "API result"
# 성능 비교
local_time, local_result = test_local_model()
print(f"Local: {local_time:.2f}s")
메모리 최적화
python
# memory-optimized.py
import gc
import psutil
def monitor_memory():
process = psutil.Process()
memory_info = process.memory_info()
return memory_info.rss / 1024 / 1024 # MB
class MemoryEfficientAI:
def __init__(self):
self.cache = {}
def process_with_cleanup(self, prompt):
#
---
📥 **Get the full guide on Gumroad**: https://gumroad.com/l/auto ($5)