AI 코딩58 Pi Coding Agent 가이드 미니멀 코딩 에이전트의 설치부터 확장까지2025년 하반기부터 터미널 기반 AI 코딩 에이전트가 개발자들의 일상에 깊이 자리 잡기 시작했습니다. Claude Code, Codex CLI, Cursor, Windsurf 등 다양한 도구들이 등장하면서 개발자들은 더 이상 코드를 복사하여 ChatGPT에 붙여넣는 방식이 아니라, 터미널에서 직접 AI와 대화하며 코드를 작성하고 수정하는 시대를 맞이하게 되었습니다. 이러한 흐름 속에서 "코어는 최소한으로, 커스터마이즈는 무한하게"라는 독특한 철학을 앞세운 오픈소스 코딩 에이전트가 등장하여 개발자 커뮤니티의 큰 관심을 받고 있습니다. 바로 Pi Coding Agent(이하 Pi)입니다. Pi는 libGDX 프레임워크의 창시자로 잘 알려진 Mario Zechner가 .. 2026. 3. 31. .claude 폴더 구조 분석 Claude Code를 프로처럼 사용하는 법Claude Code를 처음 사용하다 보면, 프로젝트 루트에 어느새 .claude라는 폴더가 생겨나 있는 것을 발견하게 됩니다. 대부분의 개발자들은 이 폴더를 그냥 지나치거나, 건드리지 않고 무시합니다. 그러나 이 작은 폴더 안에는 Claude가 어떻게 동작할지를 결정하는 핵심 설정 파일들이 모두 담겨 있습니다. .claude 폴더를 제대로 이해하고 활용하면, Claude는 단순한 코드 보조 도구에서 벗어나 팀의 코딩 규칙을 완벽히 이해하는 전문 AI 동료로 거듭납니다. 이 글에서는 .claude 폴더의 모든 구성요소를 처음부터 끝까지, 일반인도 이해할 수 있도록 상세하게 해부해 보겠습니다.목 차1. .claude 폴더란 무엇인가?2. 두 개의 .claude 폴.. 2026. 3. 30. cmux - AI 코딩 에이전트 시대의 새로운 터미널 2026년 현재, AI 코딩 에이전트는 더 이상 실험적 도구가 아닙니다. Claude Code, OpenAI Codex, Gemini CLI, Aider 같은 도구들이 개발자의 일상 속에 깊이 자리 잡았고, 하나의 프로젝트에서 여러 에이전트를 동시에 실행하는 것이 흔한 작업 방식이 되었습니다. 그런데 여기서 한 가지 문제가 발생합니다. 기존의 터미널 환경은 이러한 멀티 에이전트 워크플로우를 위해 설계되지 않았다는 것입니다. 여러 개의 Claude Code 세션과 Codex 세션을 동시에 실행하면, 어떤 에이전트가 입력을 기다리고 있는지, 어떤 작업이 완료되었는지, 어떤 세션에서 오류가 발생했는지를 파악하기 위해 일일이 패널을 확인해야 합니다. cmux는 바로 이 문제를 해결하기 위해 탄생한 macOS 네.. 2026. 3. 22. vLLM 완벽 가이드 - 대규모 언어 모델 서빙의 새로운 표준 대규모 언어 모델(LLM)을 실제 서비스에 적용하려는 기업과 개발자가 급격히 늘어나고 있습니다. 챗봇, 코드 어시스턴트, 문서 요약 서비스 등 다양한 AI 애플리케이션이 등장하면서, LLM을 얼마나 빠르고 효율적으로 서빙할 수 있느냐가 핵심 경쟁력이 되었습니다. 그러나 기존의 추론(Inference) 엔진들은 GPU 메모리를 비효율적으로 사용하고, 동시 요청 처리에 한계를 보이는 문제가 있었습니다. 이러한 한계를 근본적으로 해결하기 위해 등장한 것이 바로 vLLM입니다. vLLM은 UC Berkeley의 Sky Computing Lab에서 2023년에 개발되어, 2026년 현재 v0.17.1까지 빠르게 발전하며 사실상 프로덕션 LLM 서빙의 업계 표준으로 자리 잡았습니다. 이 글에서는 vLLM의 핵심 개.. 2026. 3. 19. Scrapling 설치부터 쿠팡 스크래핑까지 Scrapling 완전 정복 가이드 | Claude Code와 n8n 연동까지웹 스크래핑(Web Scraping)을 처음 시작하는 분들이나 기존 도구의 한계에 부딪힌 개발자들에게 새로운 대안이 등장했습니다. Scrapling은 2024년 Karim Shoair(D4Vinci)가 공개한 적응형(Adaptive) 웹 스크래핑 프레임워크로, 단순한 HTTP 요청부터 Cloudflare 우회, 쿠팡과 같은 강력한 봇 방어 시스템까지 단 하나의 라이브러리로 처리할 수 있습니다. 이 글에서는 Scrapling의 설치부터 실전 활용, 기존 도구와의 비교, 그리고 Claude Code와 n8n 워크플로우 자동화에 활용하는 방법까지 초보자도 이해할 수 있도록 처음부터 끝까지 상세하게 안내합니다.목 차1. Scrapl.. 2026. 3. 14. Tailscale 완벽 가이드 (2편) - 설치부터 Zero Trust 네트워크 구축 설치부터 Zero Trust 네트워크 구축, Cloudflare와의 복합 활용까지1편에서는 Tailscale의 개념과 아키텍처, 그리고 다양한 활용 사례를 살펴보았습니다. 이번 2편에서는 실전으로 넘어갑니다. Tailscale을 실제로 설치하고 설정하는 방법부터, Zero Trust 네트워크와 도메인 서비스 구축, 그리고 Cloudflare Tunnel과의 차이점 분석 및 두 서비스를 함께 활용하는 하이브리드 전략까지 다룹니다.특히 Mac Mini 홈서버와 Synology NAS 환경에서의 Docker 기반 프로덕션 설정에 초점을 맞추어, 단순한 설치 가이드를 넘어 실무에서 바로 사용할 수 있는 구성을 제공합니다. 이 글을 끝까지 따라하시면, Cloudflare와 Tailscale을 조합한 견고한 홈 인.. 2026. 2. 7. Tailscale 완벽 가이드 (1편) - 아키텍처 이해 아키텍처 이해부터 프로덕션 설치까지홈랩을 운영하거나 셀프호스팅 서비스를 관리하다 보면, 외부에서 내부 서버에 접속해야 하는 순간이 반드시 찾아옵니다. 그때마다 포트 포워딩을 설정하고, 방화벽 규칙을 열고, DDNS를 구성하고, OpenVPN 서버를 올리는 과정을 반복하게 됩니다. 이 모든 과정이 복잡할 뿐 아니라, 보안 취약점을 만들 가능성도 높습니다. Tailscale은 이러한 문제를 근본적으로 해결하는 WireGuard 기반의 메시(mesh) VPN 서비스입니다. 포트 포워딩 없이, 방화벽 뒤에서도, 어디서든 안전하게 디바이스를 연결할 수 있습니다. 이 글에서는 Tailscale의 아키텍처를 깊이 있게 분석하고, 간단한 개인 사용부터 Docker 기반의 프로덕션 환경까지 단계별 설치 가이드를 제공합니.. 2026. 2. 7. [라즈베리파이] 4대 클러스터로 Qwen3-30B 구동하기 라즈베리 파이 클러스터로 Distributed Llama 완전 가이드 - 엣지 AI의 새로운 가능성이전 글에서는 ByteShape의 ShapeLearn을 활용하여 단일 라즈베리 파이 5 (16GB)에서 고급 양자화 기술을 통해 Qwen3-30B를 구동하는 방법을 살펴보았습니다. 이번 글에서는 완전히 다른 접근 방식인 분산 클러스터 방식을 소개해 드립니다. 4대의 라즈베리 파이 5를 네트워크로 연결하여 하나의 강력한 AI 추론 시스템을 구축하는 방법을 상세히 알아보겠습니다. 흥미롭게도 이 두 가지 접근 방식은 동일한 Qwen3-30B 모델을 실행하면서도 전혀 다른 철학과 기술 스택을 사용합니다. 단일 노드 방식은 하드웨어 효율성을 극대화하는 반면, 분산 클러스터 방식은 여러 장치의 연산 능력을 결합하여.. 2026. 2. 2. [라즈베리파이] 30B 파라미터 LLM 실시간 구동 라즈베리 파이에서 300억 파라미터 LLM 실시간 구동 - 엣지 AI의 새로운 지평"6만원짜리 싱글보드 컴퓨터에서 300억 파라미터 AI 모델이 실시간으로 대화한다" 2025년을 지나 2026년, AI 기술의 민주화가 새로운 국면에 접어들었습니다. ByteShape 팀이 발표한 ShapeLearn 기술을 통해 Qwen3-30B-A3B 모델이 라즈베리 파이 5(16GB)에서 초당 8.03개의 토큰을 생성하며 실시간 대화가 가능해졌습니다. 이는 단순한 기술적 성취를 넘어, 클라우드 의존성에서 벗어난 진정한 엣지 AI 시대의 도래를 알리는 신호탄입니다. 본 글에서는 이 기술의 원리부터 실제 구축 방법, 그리고 활용 가능성까지 상세히 살펴보겠습니다.목 차1. 개요 및 배경2. Qwen3-30B-A3B 모델 아.. 2026. 2. 1. 이전 1 2 3 4 ··· 7 다음
