00:00:00지금 코파일럿을 사용 중이라면, 여러분의 코드가 이미 다른 사람의 모델을 학습시키고 있을지도 모릅니다.
00:00:04코파일럿을 설치하면 아주 잘 작동해서 그냥 넘어가기 쉽지만, 여러분 코드베이스의 일부는 실제로
00:00:09로컬 PC를 떠날 수 있습니다.
00:00:10이건 문제가 될 수 있죠.
00:00:12여기 태비(Tabby)가 있습니다.
00:00:13코파일럿, Tab9, 커서(Cursor) 같은 도구들과 비교했을 때 가장 높은 수준의 프라이버시를 보장하는
00:00:17오픈 소스 대안입니다.
00:00:20동일한 속도, 자동 완성, 워크플로우를 누리면서도 우리의 코드는 절대 컴퓨터 밖으로
00:00:25나가지 않습니다.
00:00:26그게 바로 태비의 핵심입니다.
00:00:27앞으로 몇 분 안에 어떻게 설치하고 사용하는지 보여드리겠습니다.
00:00:36간단히 말해서, 태비는 자체 호스팅형 AI 코딩 서버입니다.
00:00:40보통 도커(Docker)를 통해 로컬에서 실행하고, 원하는 모델을 선택한 뒤
00:00:44IDE에 연결하기만 하면 됩니다.
00:00:45그게 끝이에요.
00:00:46예상하신 대로 실시간 코드 완성 기능과 코드베이스를 이해하는 채팅 기능을 제공합니다.
00:00:50하지만 개발자들이 열광하는 진짜 이유는 기능뿐만 아니라 우리가 갖게 되는 제어권 때문입니다.
00:00:55구독료 없이 코드가 네트워크 내부에만 머물며, 완전히 오프라인으로도 작동합니다.
00:01:01SSO, RBAC, 감사 로그 등 팀을 위한 기능도 갖추고 있으며, 깃허브 스타 33,000개 이상을
00:01:05기록하며 폭발적인 관심을 받는 데는 그만한 이유가 있습니다.
00:01:09솔직히 직접 써봤을 때 느낌이 별로라면 이런 건 다 소용없으니, 설명은 이쯤 하고
00:01:13바로 데모로 들어가 보겠습니다.
00:01:15워크플로우를 가속화하는 이런 도구들에 관심이 있다면 채널 구독 부탁드립니다.
00:01:19관련 영상이 계속 올라올 예정입니다.
00:01:20자, 실제 설치 과정은 이렇습니다.
00:01:22도커 명령어 하나만 실행하면 태비가 로컬에서 구동됩니다.
00:01:24그다음 VS Code 확장 프로그램을 설치하고 로컬 서버로 연결하면 끝입니다.
00:01:28이제 저장소 내에서 바로 여러 줄의 코드 완성을 받을 수 있습니다.
00:01:34여기 태비에서 사용 중인 모델들을 확인할 수 있는데요,
00:01:38보시는 것처럼 이 세 가지 모델이 로컬에서 돌아가고 있습니다.
00:01:42데이터가 전송되는 클로드(Claude)나 오픈AI 같은 클라우드가 아닙니다.
00:01:45VS Code에서 대략적인 함수를 작성하기 시작하면, 탭 키 하나로
00:01:48태비가 코드를 자동 완성해 줍니다.
00:01:53옆의 채팅창을 통해 현재 코드를 최적화하거나 확장하도록
00:01:55추가 요청을 할 수도 있습니다.
00:02:00모든 과정이 아주 간단하고 직관적입니다.
00:02:01코드의 특정 부분을 강조하고 리팩토링이나 성능 개선, 테스트 추가를 요청할 수 있습니다.
00:02:03즉각적으로 응답하며 단일 파일이 아닌 전체 저장소의 맥락을 이해합니다.
00:02:07만들고 싶은 기능에 대한 주석을 남기면 보시는 것처럼
00:02:12그 내용을 파악해서 실제로 코드를 짜줍니다.
00:02:16자, 로컬호스트에서도 태비는 VS Code의 모든 것과 연결되어 있어서
00:02:19코드 대화 내용을 읽거나 후속 질문을 던질 수도 있습니다.
00:02:23이 모든 정보는 로컬호스트에 바로 저장됩니다.
00:02:27클라우드도 없고, 데이터가 외부로 나가지도 않으면서 사용감은 코파일럿과 매우 비슷합니다.
00:02:30하지만 결정적인 차이점은 우리가 모든 것을 소유한다는 것입니다.
00:02:35좋습니다.
00:02:37시작이 워낙 간단해서 데모를 빠르게 진행했습니다.
00:02:38이제 이것이 실제 워크플로우에서 왜 중요한지 이야기해 보죠.
00:02:43클라우드 기반 AI 도구의 진짜 문제는 성능이 나쁘다는 게 아닙니다.
00:02:47우리가 지불하는 대가가 가려져 있다는 게 문제죠.
00:02:51클라우드 도구는 여러분의 코드가 모델 학습에 사용될 수 있습니다.
00:02:53반면 태비는 코드가 여러분의 네트워크를 절대 떠나지 않습니다.
00:02:57클라우드 도구는 개발자 인당 매달 비용을 내야 하지만, 태비는 평생 무료입니다.
00:03:01사실 무료라고 하긴 좀 그렇죠? 우리가 직접 운영하는 거니까요.
00:03:05어쨌든 그게 우리가 얻는 이점입니다.
00:03:07또한 클라우드 도구는 인터넷이 필요합니다.
00:03:08하지만 태비는 비용 부담 없이 오프라인에서도 작동하며, 이는 실제 업무 효율로 이어집니다.
00:03:09반복되는 상용구 코드를 줄이고, 엉망인 레거시 코드도 덜 주저하며 리팩토링할 수 있습니다.
00:03:11여러 도구를 옮겨 다닐 필요 없이 프레임워크를 더 빨리 배우고 테스트와 문서를 생성할 수 있죠.
00:03:16결국 시간 낭비를 줄이고 리스크를 낮추며,
00:03:22업무 방식에 대한 제어권을 훨씬 더 많이 갖게 됩니다.
00:03:26그래서 프라이버시를 중시하는 많은 개발자나 팀들이
00:03:27클라우드 우선 도구에서 이런 도구로 옮겨가기 시작하는 것입니다.
00:03:33이제 다른 옵션들과 비교해 보겠습니다. 여러분이 가장 궁금해하실 부분이죠?
00:03:34커서는 가장 쉽습니다. 품질도 훌륭하고 설정도 거의 없지만 클라우드 기반입니다.
00:03:38컨티뉴(Continue)가 있습니다. 유연하고 로컬 우선이지만 파워 유저용 도구에 가깝습니다.
00:03:41Tab9은 기업용 환경에 더 초점이 맞춰져 있습니다. 그리고 지금 제가 말하는 태비는
00:03:45자체 호스팅이 가능하고 무료이며 프라이버시 수준이 훨씬 높고 팀을 위해 설계되었습니다.
00:03:47하지만 진짜 차이점은 이것입니다. 태비는 단순한 플러그인이 아니라 전용 AI 코딩 서버라는 점입니다.
00:03:50이 점이 모든 것을 바꿉니다.
00:03:52코파일럿 같은 사용성, 컨티뉴의 유연성, 그리고 다른 유료 도구에서나 제공하는 팀 수준의 제어 기능을 제공합니다.
00:03:56AI 서비스에 접속 권한을 빌려 쓰는 대신, 그 배후의 인프라를 우리가 실제로 소유하는 것입니다.
00:04:01자, 솔직해져 봅시다.
00:04:05오픈 소스라는 이유만으로 사람들이 실제로 도구를 갈아탈 만큼 충분할까요?
00:04:11설치는 매우 빠릅니다. 보통 도커만 띄우면 되고 그다음부턴 워크플로우에 자연스럽게 스며듭니다.
00:04:12단일 모델에 갇히지 않고 모델을 선택할 수 있으며,
00:04:19전반적으로 이전보다 훨씬 더 상용 환경에 적합해진 느낌입니다.
00:04:21물론 오픈 소스라 단점도 있습니다.
00:04:26품질은 선택한 모델에 따라 달라지므로, 작은 모델은 그만큼 성능이 떨어질 수밖에 없고
00:04:28하드웨어도 중요합니다.
00:04:32매끄러운 성능을 원한다면 GPU가 큰 도움이 될 것입니다.
00:04:33저는 맥 M4 프로에서 실행해 봤는데 꽤 쾌적했습니다.
00:04:39클라우드 도구보다는 설정이 번거롭기 때문에 비기술자에게는 이상적이지 않지만,
00:04:40이 영상을 보고 계신 분들이라면 기술자이실 테니까요.
00:04:44그리고 다른 AI 도구들처럼 여전히 결과물을 검토해야 합니다.
00:04:47이제 우리가 정말로 답을 듣고 싶어 하는 질문으로 이어집니다.
00:04:50이거 쓸만한 가치가 있을까요?
00:04:55네, 그렇기도 하지만 몇 가지 상황에 따라 다릅니다.
00:04:56프라이버시가 중요하거나, 구독료가 싫거나, 규제가 엄격한 환경에서 일하거나,
00:04:59팀 전체가 믿고 쓸 수 있는 도구가 필요한 경우 태비를 사용해야 합니다.
00:05:04그런 상황이라면 워크플로우에 통합해 보기에 아주 멋진 선택입니다. 하지만
00:05:09설정 필요 없이 최소한의 노력으로 최고의 모델을 쓰고 싶다면,
00:05:10솔직히 말씀드려 클라우드 도구가 여전히 더 편합니다.
00:05:11차이점은 이제 선택의 기준이 바뀌었다는 것입니다.
00:05:14더 이상 똑똑한 클라우드 툴과 성능 낮은 로컬 툴 사이에서 고민하는 게 아닙니다.
00:05:17커서 같은 편리함을 택할 것인지, 아니면 충분히 강력한 AI를 내 방식대로 쓸 것인지 선택하는 것이죠.
00:05:19그리고 많은 개발자에게 이 차이는 점점 더 중요해지고 있습니다.
00:05:22태비는 가장 똑똑한 AI가 되려는 게 아닙니다.
00:05:27우리가 실제로 신뢰할 수 있는 유일한 도구가 되려는 것입니다.
00:05:30설명란에 관련 문서와 저장소 링크를 남겨두었습니다.
00:05:35오픈 소스와 이런 AI 도구들을 좋아하신다면 Better Stack 채널 구독 잊지 마세요.
00:05:40그럼 다음 영상에서 뵙겠습니다.
00:05:41이제 차이점은 그 기회비용이 바뀌었다는 것입니다.
00:05:43더 이상 똑똑한 클라우드 도구와 성능이 떨어지는 로컬 도구 사이의 선택이 아닙니다. 이제는
00:05:48커서 같은 편리함을 택할 것인지, 아니면 여러분의 조건에 맞는 충분히 강력한 AI를 택할 것인지의 문제입니다.
00:05:54그리고 많은 개발자에게 이 점이 점점 더 중요해지기 시작했습니다.
00:05:58태비는 가장 똑똑한 AI가 되려고 노력하지 않습니다.
00:06:01그저 우리가 실제로 신뢰할 수 있는 유일한 도구가 되려고 노력할 뿐입니다.
00:06:04설명란에 관련 문서와 저장소 링크를 남겨두었습니다.
00:06:06오픈 소스와 이와 같은 AI 도구들을 즐겨 사용하신다면, 반드시
00:06:11Better Stack 채널을 구독해 주세요.
00:06:12그럼 다음 영상에서 뵙겠습니다.