본문으로 건너뛰기
피드

문샷 AI, 터미널용 오픈소스 코딩 에이전트 ‘키미 코드 CLI’ 공개

ai-ml 약 6분
vote
0
댓글
북마크

문샷 AI가 터미널에서 동작하는 오픈소스 코딩 에이전트 ‘키미 코드 CLI’를 공개했다. 코드 수정, 테스트, 디버깅, 파일 검색, 셸 실행을 한 흐름 안에서 처리하고, 서브에이전트로 병렬 작업까지 지원하는 게 핵심이다.

  • 1

    키미 코드 CLI는 기존 ‘키미 CLI’의 후속 버전으로 타입스크립트 기반, npm 배포, 단일 바이너리 설치를 내세움

  • 2

    읽기 작업은 자동 실행하지만 파일 수정이나 셸 명령 같은 위험 작업은 사용자 승인을 요구하는 구조

  • 3

    코딩, 탐색, 계획 역할의 서브에이전트를 독립 컨텍스트로 돌려 병렬 개발 워크플로를 지원

  • 4

    비디오 입력, MCP 설정, 계획 모드, YOLO 모드, 컨텍스트 압축 같은 장시간 개발 세션용 기능 포함

  • 문샷 AI가 터미널용 오픈소스 코딩 에이전트 ‘키미 코드 CLI’를 공개함

    • 기존 ‘키미 CLI’의 후속 버전이고, 개발자가 터미널에서 코드 작성, 디버깅, 테스트, 자동화 작업을 AI 에이전트와 같이 처리하도록 설계됨
    • 소스코드는 깃허브에 공개되고, 새 버전은 타입스크립트(TypeScript)로 개발돼 npm으로 배포됨
  • 핵심은 단순 코드 생성기가 아니라 ‘피드백 기반 개발 에이전트’라는 점임

    • 코드 읽기와 수정, 셸 명령 실행, 파일 검색, 웹페이지 조회를 수행한 뒤 결과를 보고 다음 행동을 스스로 결정함
    • 새 기능 구현, 버그 수정, 대규모 리팩터링뿐 아니라 낯선 코드베이스를 뒤져 아키텍처를 설명하거나 설계 질문에 답하는 용도까지 겨냥함
    • 대량 파일 처리, 빌드 작업, 연속 테스트 실행처럼 실제 개발자가 귀찮아하는 반복 워크플로도 지원 대상에 들어감
  • 안전장치도 꽤 전면에 세움. 에이전트가 마음대로 다 뜯어고치는 구조는 아님

    • 읽기 전용 작업은 기본적으로 자동 실행되지만, 파일 수정이나 셸 명령 실행처럼 위험할 수 있는 작업은 사용자 승인을 받아야 함
    • 에이전트는 작업 계획을 세우고, 코드를 수정하고, 테스트를 수행하고, 진행 상황을 보고하는 흐름으로 동작함

중요

> 키미 코드 CLI가 강조하는 포인트는 ‘AI가 코드를 써준다’보다 ‘터미널 안에서 계획, 수정, 테스트, 보고까지 긴 세션을 버틴다’에 가까움.

  • 장시간 개발 세션을 위한 기능도 많이 붙음

    • 단일 바이너리 형태로 배포돼 별도 Node.js 환경 설정 없이 명령어 하나로 설치할 수 있다고 설명함
    • 전용 터미널 사용자 인터페이스(TUI)는 수 밀리초 내 실행된다고 밝힘
    • /compact 명령은 컨텍스트를 압축해 토큰 소모를 줄이고, 긴 작업 세션을 유지하는 데 쓰임
  • 비디오 입력 지원은 꽤 흥미로운 포인트임

    • 화면 녹화나 데모 영상을 채팅창에 올려 문제를 설명할 수 있음
    • 버그 재현 절차를 말로 길게 풀지 않고, 실제 화면 흐름을 에이전트에게 넘기는 식의 사용을 노린 것으로 보임
  • MCP 설정도 AI 네이티브 방식으로 넣음

    • /mcp-config 명령으로 모델 컨텍스트 프로토콜(MCP) 서버를 추가하고 인증할 수 있음
    • 개발 도구, 외부 서비스, 사내 시스템 같은 컨텍스트를 터미널 에이전트에 붙이는 방향과 맞물림
  • 병렬 작업용 서브에이전트 기능이 눈에 띔

    • 내장 에이전트는 코딩(coder), 탐색(explore), 계획(plan) 역할을 맡음
    • 각각 독립된 컨텍스트에서 실행돼 여러 작업을 동시에 처리할 수 있음
    • 기사 기준으로 키미 코드 CLI와 코덱스 CLI는 네이티브 서브에이전트를 제공하지만, 제미나이 CLI는 순차 작업 방식이고 서브에이전트는 제공하지 않음
  • 자동화 쪽으로는 라이프사이클 훅(Lifecycle Hook)을 제공함

    • 로컬 명령 실행, 도구 호출 검증, 의사결정 감사, 알림 전송 같은 작업을 흐름 중간에 끼워 넣을 수 있음
    • 단순 채팅형 도구가 아니라 개발 파이프라인 안에 들어가려는 설계로 보임
  • 계획 모드와 YOLO 모드는 정반대 성격의 사용자를 동시에 잡으려는 기능임

    • 계획 모드(Plan Mode)는 Shift-Tab 또는 kimi --plan으로 켤 수 있고, 실제 파일 수정 전에 조사 계획과 실행 전략을 먼저 제시함
    • 반대로 --yolo 옵션이나 /yolo 명령은 승인 절차를 생략해 대규모 일괄 작업을 빠르게 밀어붙이는 용도임
    • /fork 명령은 실험용 작업 브랜치를 만들어 위험한 변경을 따로 굴릴 수 있게 함

기술 맥락

  • 키미 코드 CLI의 선택은 ‘채팅창에서 코드 조각 받기’가 아니라 터미널 자체를 에이전트 작업 공간으로 만드는 쪽이에요. 개발자는 이미 빌드, 테스트, 검색, 로그 확인을 터미널에서 하니까, 에이전트가 그 자리로 들어오면 컨텍스트 전환이 줄어들거든요.

  • 서브에이전트가 중요한 이유는 대형 코드베이스 작업이 보통 한 줄로 끝나지 않기 때문이에요. 한쪽에서는 구조를 탐색하고, 다른 쪽에서는 수정 계획을 세우고, 또 다른 쪽에서는 구현을 진행하는 식으로 나누면 긴 작업을 더 빠르게 밀 수 있어요.

  • 승인 체계를 둔 것도 현실적인 선택이에요. 파일 수정과 셸 실행은 생산성을 크게 올리지만, 동시에 저장소를 망치거나 위험한 명령을 실행할 수 있는 지점이기도 해요. 그래서 읽기 작업은 자동화하고, 변경 작업은 사용자가 잡는 구조가 개발 현장에 맞아요.

  • MCP 지원은 이 도구가 단순 로컬 CLI에 머물지 않겠다는 신호예요. 사내 문서, 이슈 트래커, 빌드 시스템 같은 외부 컨텍스트를 붙일 수 있어야 에이전트가 실제 업무 흐름을 이해하고 움직일 수 있거든요.

요즘 코딩 에이전트 경쟁은 ‘코드 생성’이 아니라 터미널 안에서 얼마나 오래, 얼마나 안전하게 일을 맡길 수 있느냐로 넘어가는 중이다. 키미 코드 CLI는 그 흐름에 서브에이전트와 MCP를 꽤 노골적으로 붙인 사례라 볼 만하다.

댓글

댓글

댓글을 불러오는 중...

ai-ml

메디인테크, 일본 독점 내시경 시장에 AI 로봇 내시경으로 도전

KERI 기술 기반 스핀오프 기업 메디인테크가 서울대병원, 서울대, DGIST와 함께 AI 기반 로봇 내시경 플랫폼 개발에 들어감. 2026년부터 2031년까지 총 228억여원이 투입되는 과제로, 일본 기업이 95% 이상 점유한 연성 전자내시경 시장을 정면으로 겨냥함.

ai-ml

스페이스X, 구글에 47조원 규모 AI 인프라 빌려주며 클라우드 사업자 변신 시동

스페이스X가 기업공개를 앞두고 구글과 약 47조원 규모의 AI 데이터센터 임대 계약을 맺었다. 구글은 2026년 10월부터 2029년 6월까지 매월 약 1조4000억원을 내고, 스페이스X는 엔비디아 GPU 11만 개를 포함한 연산 자원을 제공할 예정이다. 우주기업으로 알려진 스페이스X가 AI 인프라 사업 성장성을 투자자에게 보여주려는 움직임으로 읽힌다.

ai-ml

인터랙티브 브로커스, 자연어로 거래 지시 만드는 AI 에이전트 트레이딩 출시

인터랙티브 브로커스가 클라우드 기반 AI 에이전트 트레이딩을 내놓고, 고객이 자연어로 계좌 관리와 거래 지시 생성을 할 수 있게 했다. 핵심은 170개 이상 글로벌 시장의 실제 계좌 데이터를 바탕으로 다중 자산 거래 접근성을 낮추는 데 있다. 다만 투자 관점에서는 참여도 확대라는 기대와 AI 생성 지시에 따른 운영·규제 리스크가 같이 따라붙는다.

ai-ml

애플, 차세대 시리에 구글 제미나이와 엔비디아 클라우드까지 끌어온다

애플이 차세대 시리를 온디바이스 AI 중심으로 만들되, 복잡한 요청은 구글 클라우드와 엔비디아 AI 칩으로 처리하는 방안을 준비 중이라는 보도다. 핵심은 애플 특유의 프라이버시 기조를 지키면서도, 대형 AI 모델이 필요한 성능을 어떻게 확보하느냐다.

ai-ml

정부의 ‘모두의 AI’, 한국형 챗지피티보다 더 큰 질문은 기술 주권과 지속 운영비

정부가 2028년까지 1조 2450억 원을 투입해 대국민 무료 대화형 AI 서비스 ‘모두의 AI’를 추진한다. 독자 AI 파운데이션 모델, 독립 벤치마크, 오픈소스 생태계, 노년층 친화 UI, 3300만 명 교육이 핵심 축이다. 다만 장기 운영 비용과 실제 기술 독립성 검증이 성패를 가를 가능성이 크다.