SST 팀의 새로운 터미널 네이티브 AI 코딩 어시스턴트인 OpenCode를 사용하면, 개발자가 즐겨 사용하는 에디터를 그대로 유지하면서 코드 생성, 리팩터링 및 의존성 관리를 위해 어떤 대규모 언어 모델(LLM)이든 활용할 수 있습니다. TypeScript 및 Python 코드베이스를 대상으로 한 2주간의 테스트 결과, 이 도구는 수동 편집 없이도 여러 컴포넌트에 걸친 React hook 이름 변경을 완료하고, 작동 가능한 pytest 파일을 생성하며, npm 패키지를 업데이트하여 팀의 스프린트 작업 시간을 약 한 시간가량 단축했습니다.

터미널 우선 AI가 중요한 이유

하루의 대부분을 셸(shell)에서 보내는 개발자들은 컨텍스트 전환을 요구하는 IDE 중심의 AI 확장 기능에 거부감을 느끼곤 합니다. OpenCode는 프로젝트 폴더 내에서 단순한 커맨드 라인 프로세스로 실행되며, 터미널을 떠나지 않고도 파일을 읽고 쓰고, 셸 명령을 실행하며, 테스트 결과를 피드백합니다. 이러한 설계는 속도, 재현성, 그리고 평소 사용하는 빌드 도구와 함께 AI 작업을 스크립트로 실행할 수 있는 능력을 중시하는, 점점 늘어나는 터미널 우선 엔지니어 층을 겨냥하고 있습니다.

작동 메커니즘

  1. 목표 입력 – 사용자가 "모든 컴포넌트에서 useData hook의 이름을 변경해줘"와 같이 일상적인 영어로 요청을 입력합니다.
  2. 계획 단계 – 에이전트가 단계별 계획을 초안으로 작성하여 사용자에게 보여줍니다.
  3. 승인 및 실행 – 사용자가 승인하면 에이전트가 단계를 수행합니다. 선택한 LLM을 호출하여 코드 제안을 받고, 파일 시스템에 변경 사항을 기록하며, 프로젝트의 테스트 스위트를 실행하여 각 수정 사항을 검증합니다.

에이전트가 테스트 피드백에 의존하기 때문에, 빠르고 신뢰할 수 있는 자동화된 테스트가 갖춰진 프로젝트에서 가장 잘 작동합니다. 이 도구는 절대 자동으로 커밋하지 않습니다. 개발자는 반드시 Git을 사용하여 변경 사항을 검토하거나 되돌려야 하므로 안전망이 유지됩니다.

테스트한 실제 워크플로우

  • 코드베이스 전반의 리팩터링 – OpenCode는 11개 컴포넌트의 React hook 이름을 변경하고, 모든 import 문을 업데이트한 뒤 테스트 스위트를 다시 실행했습니다.
  • 테스트 스캐폴딩 생성 – Python 프로젝트에서 어시스턴트는 첫 실행에서 통과하는 pytest 파일을 생성했습니다. 팀은 이를 수동으로 작성했을 때보다 약 한 시간 정도 절약했다고 추정했습니다.
  • 의존성 관리 – 에이전트가 npm audit 보고서를 분석하여 취약한 패키지를 업그레이드하고, 변경 사항으로 인한 오류를 잡기 위해 테스트를 다시 실행했습니다.

오픈 소스 vs 폐쇄형 대안

Anthropic 모델을 위해 구축된 독점적 어시스턴트인 Claude Code는 즉시 사용할 수 있지만 사용자를 단일 벤더에 종속시킵니다. 반면 OpenCode는 오픈 소스이므로 OpenAI API 형식을 지원하는 모든 LLM(OpenAI, Google, DeepSeek 또는 Ollama를 통해 제공되는 로컬 모델)으로 교체할 수 있습니다. 일상적인 작업의 경우, 팀은 더 저렴한 온프레미스 모델을 선택하여 데이터와 모델 업데이트에 대한 완전한 통제권을 유지하면서 비용을 절감할 수 있습니다.

유연함의 대가

트레이드오프는 설정(configuration)입니다. Claude Code는 즉시 실행되지만, OpenCode는 에이전트가 고려해야 할 파일이나 디렉터리를 나열하는 CONTEXT.md 파일이 필요합니다. 이 필터가 없으면 모델이 빌드 결과물이나 node_modules에 토큰을 낭비하게 되어 API 비용이 상승하고 출력이 불분명해질 수 있습니다. 테스트 결과, 프로젝트 규칙이 담긴 CONTEXT.md 파일을 추가했을 때 품질이 크게 향상되었습니다.

관찰된 다른 단점은 다음과 같습니다:

  • 완성도 – 커맨드 라인 UI가 Cursor의 매끄러운 패널이나 Claude Code의 인라인 제안에 비해 다소 투박하게 느껴집니다.
  • 속도 – 각 단계마다 전체 LLM 요청을 실행하고 프로젝트의 테스트 스위트를 실행해야 하므로, 에디터 내에서 직접 편집을 수행하는 에디터들보다 처리 속도가 느립니다.
  • 설정 오버헤드 – 팀은 모델을 결정하고, API 키를 설정하며, 컨텍스트 파일을 유지 관리해야 하므로 초기 진입 장벽이 존재합니다.

이런 분들에게 유용합니다

  • 개인정보 보호를 중시하는 팀 – 모델을 로컬에서 호스팅하는 조직은 독점 코드를 외부 서비스에 노출하지 않고 유지할 수 있습니다.
  • 터미널 애호가 – 이미 워크플로우를 스크립트로 관리하는 엔지니어라면 CLI 통합이 매우 매끄럽게 느껴질 것입니다.
  • 비용을 고려하는 개발자 – 간단한 편집을 위해 더 저렴한 모델로 전환할 수 있는 기능은 비용을 절감해 줍니다.

이런 분들에게는 맞지 않을 수 있습니다

  • 설정 없는 도구를 찾는 사용자 – 아무런 설정 없이 즉시 사용할 수 있는 어시스턴트를 원하는 개발자는 Claude Code나 다른 IDE 플러그인으로 기울 가능성이 높습니다.
  • IDE 중심 사용자 – 타이핑 중에 인라인 제안을 받는 것을 선호하는 사용자는 터미널을 오가는 과정이 번거롭다고 느낄 수 있습니다.

핵심 요약: OpenCode는 개발자가 선호하는 에디터를 벗어나지 않고도 터미널 네이티브 AI가 실제 코딩 작업을 처리할 수 있음을 증명합니다. 약간의 설정 노력과 더 느린 피드백 루프라는 대가가 따르지만, 모델 선택권, 데이터 프라이버시, 그리고 AI 작업을 스크립트로 작성할 수 있는 능력을 중시하는 팀에게는 그만한 가치가 있는 트레이드오프입니다.