9개월 침묵 깨고 돌아온 개발자, 로컬 AI 작업대 3종을 오픈소스로 공개

중국 개발자 커뮤니티 v2ex에 'kunpengtalk'라는 아이디의 개발자가 약 9개월 만에 복귀하며 오픈소스 프로젝트 세 개를 한꺼번에 공개했다. 로컬 대형언어모델(LLM) 통합 데스크톱 작업대 OmniStudio, 코딩 에이전트를 데스크톱 환경에서 다루는 PeakCode, 그리고 PPT·Word·Excel·웹 산출물을 만드는 오피스 작업대 KylinWork다. 세 프로젝트 모두 MIT 라이선스로 공개됐으며, 작성자는 저장소 링크와 함께 이슈 제보를 받겠다고 밝혔다.

OmniStudio는 모델 다운로드와 추론 엔진 관리, 대화·음성·이미지 생성·영상·OCR 등을 한 창에 모으는 것을 목표로 한다. 작성자에 따르면 GGUF와 safetensors 형식을 모두 지원하고 이어받기 다운로드를 제공하며, 첫 실행 안내에서 Qwen 모델을 바로 받아 대화를 시작할 수 있다. 추론 엔진은 llama.cpp, vLLM, SGLang 세 가지를 통합 관리하고 로컬 게이트웨이를 통해 대화·에이전트·외부 도구가 같은 인터페이스를 쓰도록 했다. 이미지 생성은 클라우드 API와 Apple Silicon용 로컬 MLX(mflux), ComfyUI를 한 페이지에서 전환하고, 영상은 MiniMax H3·Seedance·ComfyUI를 '작업 제출 후 폴링' 방식으로 묶었다. 기술 스택은 TypeScript와 Bun이다.

부속 기능도 폭이 넓다. 이미지 638개, 영상 2,060개, LLM 35개로 분류된 프롬프트 라이브러리와 배경 제거·증명사진·회의록·노트 등 7개의 소형 도구 페이지를 포함한다. 지식베이스는 파일·디렉터리·노트·웹 네 가지 소스를 받아 청킹과 벡터화 상태를 항목별로 보여주고, 대화에서 [n] 형태의 인용을 붙이며 /mcp 경로로 MCP 클라이언트에 개방한다. 메모리 기능은 총량·고정·에이전트 기록·검색 적중률·민감 내용 차단 등을 한눈에 보여주고, 컨텍스트 길이 1K~1M과 동시성, 캐시 시나리오(콜드·부분 적중·완전 적중)를 조합한 벤치마크 매트릭스에서 TTFT·TPOT·TPS·집계 처리량·프리필을 측정해 HTML로 내보낸다. 텍스트를 생성하지 않고 확률 분포와 신뢰도만 돌려주는 'noul/choice/score' 유형 질의도 지원하며, TypeSafe 프로토콜과 필드 단위로 호환된다고 작성자는 설명한다.

PeakCode는 Pi 코딩 에이전트에 데스크톱 셸을 씌운 로컬 우선 프로그래밍 작업대다. 에이전트 코어를 프로세스 안에서 돌리며 Agent·Plan·Goal·Multi-Agent 네 가지 모드를 제공하고, 먼저 계획을 내놓은 뒤 실행하며 목표를 여러 턴에 걸쳐 이어간다. 실시간 스트리밍 출력과 턴마다 남기는 Git 체크포인트, 변경 사항을 보여주는 Diff 패널이 핵심이며 세션·칸반·예약 작업은 모두 로컬에 저장된다. 모델 설정과 Pi Packages, 서브에이전트 병렬 실행을 지원하고 데스크톱과 자체 호스팅 웹 양쪽에서 돌아간다. TypeScript와 Bun을 쓰되 Windows 서버는 Node로 처리한다.

KylinWork는 자연어 지시 한 줄로 조사·보고서·PPT·랜딩 페이지 같은 실제 파일을 만들어내는 데 초점을 맞춘다. exceljs, docx, pptxgenjs로 바로 열리는 파일을 생성하고 명령·스크립트·정밀 파일 수정이 작업 디렉터리 안에서 일어난다. 창을 닫거나 앱을 다시 열어도 백그라운드 작업이 끊기지 않고, 결과 패널에서 Word·Excel·PPT·PDF·웹을 앱 안에서 미리 본다. 4단계 권한과 파일 블랙리스트, 고위험 명령 재확인 절차를 두고 전문가 역할, 72개 스킬 패키지, 지식베이스 RAG, IM 원격 지시를 붙일 수 있다. 모델 서비스는 10개 사업자를 내장해 키만 넣으면 되고 실제 요청으로 연결을 검증하며 모델 목록을 가져온다. WeChat·Feishu·QQ·기업용 WeChat을 채널로 연결해 공인 주소 없이 메신저에서 지시를 보낼 수 있다고 한다. Electron과 Node.js 22.19 이상을 쓴다.

배경에는 로컬 모델 실행 환경이 지나치게 파편화돼 있다는 문제의식이 깔려 있다. 다운로드 도구, 추론 엔진, 대화·음성·이미지 생성 도구가 각각 따로 놀아 '엔진 설치를 끝내야 겨우 작업을 시작하는' 경험이 반복된다는 지적이다. 세 프로젝트는 이 흩어진 구성을 하나의 작업대로 묶고, 클라우드 API는 예비 수단으로 두는 방향을 공통적으로 취한다.

개발자 입장에서 눈여겨볼 지점은 조합 방식이다. 여러 추론 엔진을 하나의 게이트웨이 뒤에 두고 대화·에이전트·외부 도구가 같은 인터페이스를 공유하는 구조, 턴 단위 Git 체크포인트로 에이전트 작업을 되돌릴 수 있게 한 설계, 그리고 지식베이스를 MCP로 개방해 다른 클라이언트에서도 재사용하는 방식은 사내 온프레미스 AI 도구를 직접 엮으려는 팀에 그대로 참고할 만하다. 세 프로젝트 모두 로컬 실행을 전제로 하므로 코드와 데이터가 외부로 나가지 않는 환경을 지향한다.

다만 이번 공개는 작성자 본인의 설명과 저장소 공개가 전부다. 기능 목록과 성능 수치는 독립적으로 검증된 것이 아니며, vLLM·SGLang 같은 엔진이나 MLX 기반 이미지 생성은 해당 하드웨어·드라이버 환경을 갖춰야 의미가 있다. 벤치마크 매트릭스 역시 사용자 장비에서 직접 측정하는 도구라는 성격을 감안해 결과를 해석해야 한다.