🚀 시니어 직장인의 AI 탐구기: OpenCode 완벽 실전 가이드

"코딩을 몰라도 괜찮습니다. 내 컴퓨터 옆자리에 든든한 AI 신입사원을 두고 퇴근 시간을 앞당겨 보세요!"
본 블로그는 시니어 직장인의 현실적인 눈높이에서 오픈소스 AI 에이전트 오픈코드(OpenCode)의 설치부터 글로벌 AI 모델 연동, 고급 스킬(Skills) 확장, 한글(HWP) 공문서 자동화, 그리고 Plan 모드를 활용한 실전 웹앱 개발까지 체계적으로 정리한 실무 지침서입니다.

gilson0516.github.io

---

📚 전체 연재 시리즈 목차 (Table of Contents)

[Part 1] 기초 입문 & 필수 AI 환경 세팅

기초 개념 이해부터 Mac/Windows 설치, 구글 제미나이 및 ChatGPT 데스크탑 환경 구축까지 다룹니다.

• [#01편] 코딩 몰라도 든든한 업무 비서, 오픈소스 AI 에이전트 '오픈코드(OpenCode)' 소개
• [#02편] Mac & Windows 완벽 가이드: 오픈코드 데스크탑 및 CLI 설치법
• [#03편] 제미나이 구독자 필독! 구글 안티그래비티(Antigravity) 설치 완벽 가이드
• [#04편] ChatGPT 구독자 필독! ChatGPT Desktop 및 CLI 설치 완벽 가이드

---

[Part 2] 비용 최적화 & 모델 연동, 인터페이스 마스터

선결제 요금 통제, 자체 무료 모델(DeepSeek V4.1) 활용, 2분할 화면 조작법 및 /connect 원클릭 연동을 배웁니다.

• [#05편] 요금 폭탄 걱정 끝! 오픈코드 콘솔 가입 및 최소 금액($10) 선결제 가이드
• [#06편] 비용 0원으로 시작하기! 오픈코드 데스크탑 자체 무료 모델 'DeepSeek V4.1' 활용법
• [#07편] 오픈코드 데스크탑(Mac) 2분할 화면 정복: 화면 요소 & Open file·Terminal 가이드
• [#08편] 클릭 몇 번으로 AI 삼총사 합체! '/connect' 명령어로 구글·ChatGPT·콘솔 연동

---

[Part 3] 파워 스킬(Skills) 장착 & 한국형 문서 자동화

오픈소스 우선 탐색, 고품질 인터랙티브 다이어그램 생성, HWP 공문서 파싱 및 만능 메타 스킬을 구축합니다.

• [#09편] 바퀴를 다시 발명하지 마라! 스마트 검색 스킬 'research-first' 설치 및 실전 활용
• [#10편] 보고서 시각화의 끝판왕! 인터랙티브 다이어그램 스킬 'archify' 설치 및 활용
• [#11편] 한국 직장인 필수템! 깃허브에서 'kordoc' 복사해 오픈코드에 HWP 파서 MCP 설치
• [#12편] 스킬을 찾아주고 만들어주는 마법의 메타 스킬! 'find-skills' 설치 및 활용

---

[Part 4] 실전 프로젝트 개발 & AI 페어 프로그래밍

내 컴퓨터 전용 작업대(프로젝트 폴더) 구축부터 Plan(계획) 모드를 통한 안전한 코드 제어, 인앱 브라우저 실시간 검증 및 로컬스토리지 칸반 보드 구축까지 다룹니다.

• [#13편] 내 컴퓨터에 전용 AI 작업대 만들기! 오픈코드 새 프로젝트 생성 및 폴더 연결 완벽 가이드
• [#14편] "말 한마디로 앱이 진화한다!" 오픈코드 Plan 모드로 만드는 로컬스토리지 칸반 보드 실전 가이드

---

[Part 5] 유튜브 학습 & OpenCode 초보자 튜토리얼

유튜브 영상 자막을 추출·요약하는 스킬부터 OpenCode 설치, 모델 연결, Plan/Build 작업, 슬래시 명령어, Skills·MCP·AGENTS.md·GitHub까지 초보자용 3부작으로 살펴봅니다.

• [#15편] 유튜브 자막 추출 및 AI 요약 스킬 'baoyu-youtube-transcript' 설치·활용
• [#16편] OpenCode 데스크톱 첫걸음: 설치부터 모델 연결, 프로젝트 만들기까지
• [#17편] Plan·Build 모드와 Git으로 안전하게 앱 만들기
• [#18편] Skills와 MCP, 슬래시 명령어부터 AGENTS.md·GitHub까지

---

[Part 6] 실무 생산성 극대화: PDF·오피스 문서 분석 & 토큰 최적화

마이크로소프트의 MarkItDown과 초고속 uv를 이용해 PDF, 워드, 엑셀 문서를 처리하고 대용량 문서 분석 시 토큰 비용을 최소화하는 실무 노하우를 다룹니다.

• [#19편] uv로 완성하는 PDF·오피스 문서 처리! Microsoft MarkItDown 설치부터 OpenCode MCP 연동 & 토큰 절약 노하우

---

[Part 7] 멀티 에이전트 협업: 서브에이전트(Subagents)와 전문가 팀 구축

혼자 일하는 AI를 넘어 탐색(explore), 수학 검증, 코드 리뷰, 테스트 전담 등 역할을 나누어 안전하고 정밀하게 협업하는 서브에이전트 실전 구축 노하우를 다룹니다.

• [#20편] 혼자 일하는 AI에서 전문가 팀으로: 오픈코드 데스크톱 서브에이전트(Subagents) 실전 구축 가이드

---

[Part 8] 한국형 오피스 통합 & AI 문서 자동화의 진화

한컴오피스·MS 오피스 없이 HWP/HWPX부터 워드, 엑셀, PPT, PDF, 마인드맵, 다이어그램까지 한 창에서 열고, 오픈코드와 MCP·CLI로 연결해 AI가 문서 원본을 직접 편집하는 화제의 무료 오픈소스 '이음오피스(IeumOffice)'를 다룹니다.

• [#21편] 한글(HWP)부터 오피스·다이어그램까지 한 창에서! 국어 교사가 만든 무료 오픈소스 '이음오피스(IeumOffice)' 완벽 가이드 & 오픈코드 연동

---

[Part 9] AI 소통 사전 & 필수 개념 총정리

사내 AI 회의나 유튜브 강좌, 프롬프트 작성 시 매일 마주치는 LLM·RAG·토큰·MCP·에이전트 등 필수 핵심 용어 30가지를 시니어 직장인의 눈높이에 맞춘 일상 비유와 오픈코드 실전 팁으로 총정리합니다.

• [#22편] AI 대화가 술술 풀리는 마법의 사전: 시니어 직장인을 위한 생성형 AI 핵심 필수 용어 30선

---

🎁 [실전 실습 프로젝트]

• [실전 사례] 특정소방대상물의 관계인이 설치·관리해야 하는 소방시설 (법령 HWP → MD 자동 변환)

---

🧭 처음 읽는 분께

처음이라면 #01부터 순서대로 읽는 것을 권합니다. 이미 OpenCode를 설치했다면 #13~#22의 프로젝트 실습과 활용법부터 살펴보셔도 좋습니다. 글마다 기능과 화면이 달라질 수 있으므로, 설치·요금·모델 관련 내용은 해당 서비스의 최신 공식 안내도 함께 확인하세요.

🛠️ 권장 실습 환경

구분	권장 사양 및 환경
운영체제	macOS (Apple Silicon / Intel) 또는 Windows 10/11
필수 소프트웨어	OpenCode Desktop (v2.x 이상), Node.js (v18 이상), Git
연동 계정	Google 계정, OpenAI(선택), OpenCode Console(선택)
문서 에디터	OpenCode 내장 뷰어, Obsidian(옵시디언), VS Code

---

👤 작성자 및 라이선스 안내

• 작성자: JeongGooi Lee (gilson0516@gmail.com)
• 블로그 저장소: 오픈코드 탐구기 시리즈
• 라이선스: 본 가이드의 모든 내용은 자유롭게 참고 및 공유하실 수 있습니다. (MIT License)

---

Last Updated: 2026-11-09

델파이의 부활(Antigravity와의 만남)?

 델파이 프로그램을 사용하여 개인적으로 필요한 프로그램을 생성해 왔는데,

얼마전부터 파이썬으로 옮겨갔다. 

그런데 Google 의 Antigravity를 만나고 나서 델파이에 대한 미련을 버리지 못해 

제미나이가 Delphi이에 대한 학습도 엄청 했을 것 같다는 생각에

Antigravity에게 델파이용 간단한 계산기 프로그램을 만들어 달라고 했더니 

빠른 시간에 완성해 줬다.

이전에 만들었다. 윈도우11이 되면서 실행에 오류가 있던 프로그램을 수정해 달라고 했다.

수정해준다.

만약 엠바카도르가 제미나이를 넣어서 편집하게 해준다면, 델파이가 부활하지 않을까? 

하는 생각을 해본다.

vscode 에서 파이썬 가상환경을 .venv 를 만들면 새로운 터미널을 생성하면 ((.venv) ) 로 표시된는 것 해결

 vscode 에서 파이썬 가상환경을 .venv 를 만들면 새로운 터미널을 생성하면 ((.venv) ) 로 표시

즉

/Volumes/jglee/AI&Python/lottoly45 % source .venv/bin/activate

((.venv) ) /Volumes/jglee/AI&Python/lottoly45 %

프롬프트가 ((.venv) ) 여서 보기가 싫다.

/Volumes/jglee/AI&Python/lottoly45/.venv/bin

에 있는 activate 파일을 텍스트 편집기로 불러서

if [ -z "${VIRTUAL_ENV_DISABLE_PROMPT:-}" ] ; then

    _OLD_VIRTUAL_PS1="${PS1:-}"

    PS1="("'(.venv) '") ${PS1:-}"

    export PS1

fi

을

if [ -z "${VIRTUAL_ENV_DISABLE_PROMPT:-}" ] ; then

    _OLD_VIRTUAL_PS1="${PS1:-}"

    PS1="(.venv) ${PS1:-}"

    export PS1

fi

로 고쳐주면 된다.

결과 화면

/Volumes/jglee/AI&Python/lottoly45 % source .venv/bin/activate

(.venv) /Volumes/jglee/AI&Python/lottoly45 % 

comfyui 에서 cuda 에러나는 경우 조치방법

해당 comfyui 가상 환경에 설치하여야 함

cd C:\Users\jglee\AppData\Roaming\StabilityMatrix\Packages\ComfyUI

PS C:\Users\jglee\AppData\Roaming\StabilityMatrix\Packages\ComfyUI> ls

하여 가상환경 디렉토리 venv를 확인

PS C:\Users\jglee\AppData\Roaming\StabilityMatrix\Packages\ComfyUI> ls

d-----      2025-05-06   오후 5:45                utils

d-----      2025-05-06   오후 5:40                venv

PS C:\Users\jglee\AppData\Roaming\StabilityMatrix\Packages\ComfyUI> .\venv\Scripts\activate

(venv) PS C:\Users\jglee\AppData\Roaming\StabilityMatrix\Packages\ComfyUI> pip list

torch                      2.7.0

(venv) PS C:\Users\jglee\AppData\Roaming\StabilityMatrix\Packages\ComfyUI> pip install --force-reinstall torch --index-url https://download.pytorch.org/whl/cu118

Successfully installed MarkupSafe-2.1.5 filelock-3.13.1 fsspec-2024.6.1 jinja2-3.1.4 mpmath-1.3.0 networkx-3.3 sympy-1.13.3 torch-2.7.0+cu118 typing-extensions-4.12.2

(venv) PS C:\Users\jglee\AppData\Roaming\StabilityMatrix\Packages\ComfyUI> pip list

torch                      2.7.0+cu118

comfyui를 실행한다.

Total VRAM 6140 MB, total RAM 16024 MB

pytorch version: 2.7.0+cu118

Set vram state to: NORMAL_VRAM

Device: cuda:0 NVIDIA GeForce RTX 4050 Laptop GPU : cudaMallocAsync

Using pytorch attention

Python version: 3.10.11 (tags/v3.10.11:7d4cc5a, Apr  5 2023, 00:38:17) [MSC v.1929 64 bit (AMD64)]

ComfyUI version: 0.3.31

Requested to load BaseModel

loaded completely 3377.8306777954103 1639.406135559082 True

100%|██████████| 20/20 [00:07<00:00,  2.61it/s]

Requested to load AutoencoderKL

loaded partially 128.0 127.99993133544922 0

Prompt executed in 13.52 seconds

13.52초

델파이 12.1이냐 11.3이냐?

 델파이가 12.1이 나왔습니다.

혹시 11.3버전의 커뮤니티버전이 필요하시는분이 있을 수 있을 것 같아

https://altd.embarcadero.com/.../RADStudio_11_3_esd_28...

와 이것 찾느랴 엄청고생함.

Intel Mac torch(인텔 맥에서 파이토치)사용시 에러중

https://doheon.github.io/%EC%BD%94%EB%93%9C%EA%B5%AC%ED%98%84/time-series/ci-4.transformer-post/

을 따라하다가

TypeError:

Cannot convert a MPS Tensor to float64 dtype as the MPS framework 

    doesn't support float64. Please use float32 instead.

def evaluate(length):

input = torch.tensor(data_train[-24*7*2:]).reshape(1,-1,1).\

        to(device).float().to(device)

output = torch.tensor(data_train[-1].reshape(1,-1,1)).float().\

        to(device)

model.eval()

for i in range(length):

src_mask = model.generate_square_subsequent_mask(input.shape[1]).to(device)

tgt_mask = model.generate_square_subsequent_mask(output.shape[1]).to(device)

predictions = model(input, output, src_mask, tgt_mask).transpose(0,1)

predictions = predictions[:, -1:, :]

output = torch.cat([output, predictions.to(device)], axis=1)

return torch.squeeze(output, axis=0).detach().cpu().numpy()[1:]

result = evaluate(24*7)

result = min_max_scaler.inverse_transform(result)

--------------------------------------------------------------------------- TypeError Traceback (most recent call last) Cell In[29], line 1 ----> 1 result = evaluate(24*7) 2 result = min_max_scaler.inverse_transform(result) 3 real = rawdata["평균속도"].to_numpy() Cell In[28], line 2 1 def evaluate(length): ----> 2 input = torch.tensor(data_train[-24*7*2:]).reshape(1,-1,1).to(device).float().to(device) 3 output = torch.tensor(data_train[-1].reshape(1,-1,1)).float().to(device) 4 model.eval() TypeError: Cannot convert a MPS Tensor to float64 dtype as the MPS framework

     doesn't support float64. Please use float32 instead.

에러가 발생하여

def evaluate(length):

input = torch.tensor(data_train[-24*7*2:]).reshape(1,-1,1).\

        to(torch.float32).to(device)

output = torch.tensor(data_train[-1].reshape(1,-1,1)).float().\

        to(device)

model.eval()

for i in range(length):

src_mask = model.generate_square_subsequent_mask(input.shape[1]).\

            to(device)

tgt_mask = model.generate_square_subsequent_mask(output.shape[1]).\

            to(device)

predictions = model(input, output, src_mask, tgt_mask).transpose(0,1)

predictions = predictions[:, -1:, :]

output = torch.cat([output, predictions.to(device)], axis=1)

return torch.squeeze(output, axis=0).detach().cpu().numpy()[1:]

이렇게 수정하니 정상으로 실행이 되었습니다.(2024.6.7)

즉 .to(device).float().to(device) => .to(torch.float32).to(device)

아! 인텔맥을 살까 M1 맥을 살까 고민하다 부트캠프 때문에 인텔맥을 선택한 아쉬움....

pip 버전경고

 pip 는 python 2.x을 위한 것이고 pip3는 python 3.x를 위한 것입니다.

Mac에는 시스템관리를 위하여 기본으로 예전에는 python2이 설치되어 있었습니다.

그러난 맥버전업의 결과 최근에는 python3.8이 기본으로 설치되어 있습니다.

그런데도 pip 명령은 실행됩니다.

~ % pip install numpy

Collecting numpy

Downloading numpy-1.24.4-cp38-cp38-macosx_10_9_x86_64.whl.metadata (5.6 kB)

Downloading numpy-1.24.4-cp38-cp38-macosx_10_9_x86_64.whl (19.8 MB)

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 19.8/19.8 MB 9.1 MB/s eta 0:00:00

Installing collected packages: numpy

pip 와 pip3를 샐행해보면 같은 결과가 나옵니다.

~ % pip list

Package Version

---------- -------

numpy 1.24.4

pip 24.0

setuptools 68.2.2

wheel 0.41.3

~ % pip3 list

Package Version

---------- -------

numpy 1.24.4

pip 24.0

setuptools 68.2.2

wheel 0.41.3

그래서 별의미 없이 pip와 pip3를 혼용하여 사용해왔었는데.

가상환경을 만들어 그곳에서 살펴보니

~/venv310 % cd /Users/venv312

/Users/venv312 % source bin/activate

(venv312) /Users/venv312 % pip list

Package Version

---------- -------

pip 24.0

setuptools 69.5.1

wheel 0.43.0

(venv312) /Users/venv312 % pip3 list

Package Version

------------------------- -----------

....

pillow 10.3.0

pip 21.2.4

pydantic 2.7.1

pydantic_core 2.18.2

pydub 0.25.1

....

pip의 버전이 내용도 틀리고 pip버전이 24.0 과 21.2.4로 차이가 난다.

그리고 끝부분에

WARNING: You are using pip version 21.2.4;

however, version 24.0 is available.

You should consider upgrading via the

'/Library/Developer/CommandLineTools/usr/bin/

python3 -m pip install --upgrade pip' command.

이런 경고화면이 나옵니다.

이를 해결하기위해서는

(venv312) /Users/venv312 % pip3 install --upgrade pip

Mac에서 폴더 적용 스크립트를 활용하여 다운받은 파일을 정리하기

 다운로드 폴더에 들어오는 파일을 자동으로 정리하여봅니다.

[Cmd+Space] (=Spotlight) 한다음 스트립트편집기를 엽니다.

새로운 문서 만들기 창에서

사용자 폴더로 이동한다음 [Shift+Cmd+.]을 눌러 숨겨진 항목을 보이게합니다.

Library 폴더로 이동합니다.

Scripts 폴더로 이동합니다. 없으면 [MRB=마우스 오른쪽 버튼]하여 폴더를 생성해줍니다.

Folder Action Scripts 폴더로 이동합니다. 없으면 [MRB]하여 폴더를 생성해줍니다.

화면 아래쪽의 [새로운 폴더]버튼을 선택한 후 아래내용을 붙여넣기 합니다.

on adding folder items to this_folder after receiving added_items

repeat with the_item in added_items

tell application "Finder" to set {fType, nExt} to ({file type, name extension} of file the_item)

set the_folder to (path to downloads folder)

set the_sub_folder to "nil"

if (nExt is "pdf") then --파일의 확장자를 확인함

set the_sub_folder to "documents" --파일이 이동될 폴더의 이름을 설정함.

else if (nExt is "jpg") or (nExt is "jpeg") or (nExt is "png") or (nExt is "bmp") then

set the_sub_folder to "images"

else if (nExt is "dmg") or (nExt is "zip") then

set the_sub_folder to "dmgs"

else if (nExt is "torrent") then

set the_sub_folder to "torrents"

end if

--폴더가 생성이 되어있지 않은경우 폴더 생성함.

if not (the_sub_folder is equal to "nil") then

set the_target to POSIX path of the_folder & the_sub_folder

--for debug

--display dialog the_target

tell application "Finder"

if (exists folder the_sub_folder of the_folder) then

--for debug

--say "폴더 존재함"

else

make new folder at the_folder with properties {name:the_sub_folder}

--say "폴더 생성함"

end if

move the_item to POSIX file the_target with replacing

end tell

end if

end repeat

end adding folder items to

메뉴에서 [파일 > 저장...]한 다음 moveFiles.scpt로 저장해 줍니다.

스크립트 편집기를 종료합니다.

다운로드 폴더로 이동한다음 [MRB]한 후 

[폴더적용 스크립트 설정..]에서

방금전에 생성한 파일(moveFiles.scpt)를 선택합니다.

서비스 확인창이 뜨면 서비스실행을 선택합니다.

폴더적용 스크립트 창을 닫고 pdf, dmg, torrent등의 파일을 다른폴더에서 이동시키거나, 인터넷에서 파일을 다운받으면 파일이 자동으로 정리됩니다.

tensorflow gpu 사용하기에서

 tensorflow 설치시 주의해야 한다.

# Anything above 2.10 is not supported on the GPU on Windows Native
python -m pip install "tensorflow<2.11"
# Verify the installation:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

2024년 4월 현재 윈도우에서는

pip install "tensorflow<2.11" 로 설치해야 한다.

import os, sys

os.environ["CUDA_VISIBLE_DEVICES"] = "0"

한다음 import tensorflow as tf 로 불러와야 한다는데.....

그런데 막상 실행해보니 

import os, sys

os.environ["CUDA_VISIBLE_DEVICES"] = "-1"

로 설정하면 처리속도가 빨라진다.

vscode로 맥에서 윈도우 노트북에 원격접속하여 파이썬개발하기

 맥에서 파이썬코드를 개발하려고 할때 어려운 점은 GPU를 사용할 수 없다는 것이다. 물론 이전 포스팅에서처럼 파이썬3.8을 이용하면되는데 오히려 속도가 더 느려진다.

이를 해결하기위하여

1. Colab등 유료 클라우드에 유로로 가입하여 GPU를 할당받아 사용하면되는데, 이게 시간에 제약을 많이 받는다. 예를 들어 어느정도 사용하다보면 추가 머신할당 결재를 요구한다는 것이다. 그리고 돌아보면 그리 속도향상이 되지 않는다.

2. 맥에 외장 eGPU를 설치하면 도움이 된다고 하는데 막상 비용이 만만찮고, 맥환경에서는 잘돌아가는지도 의문스럽다. 물론 인텔 맥에서 부트탬프로 윈도우를 설치하면 잘 지원이 된다고 한다. 그래서 이것도...

3. RX-4090 Laptop용 NVIDIA그래픽 카드가 장착된 노트북(저의 경우는 마침있음)에 맥에서 원격연결용 앱으로 접속하여 원격으로 가상환경을 설정하고 편집하고 실행하면 상당히 속도가 개선됨을 알 수 있다. 

이 노트북은Auto1111 stable-diffusion-webui 로  AI이미지생성을 위해 마련한 것이다(--listen). 

다만 아쉬운 점은 화면의 폰트가 윈도우용 폰트여서 그리 예쁘지 않고, 가독성도 떨어진다.

4. 그래서 선택한 방법으로는

    1) 위에 말한 GPU가 설치 노트북에 SSH서버를 설치하고

    2) 맥의 vscode에 ssh client를 설치한다음

    3) 원격 연결하는 것이다.

    4) 첨부한 이미지 처럼 가독성이 좋은 화면을 볼 수 있다.

5. 참고로 이 화면은 맥화면을 캡춰한 것이다.