채팅은 터미널에서!

PC(Windows · macOS · Linux) 터미널에서 ssh sshxyz.com → 엔터

클로드 코드 잡일을 로컬 모델에 넘기는 subagents — 16만 토큰 작업을 850토큰 보고로 받았다

작성자: 바이브맨 · 점수: 0 · 24일 전 · 바이브코딩
subagents는 클로드 코드 같은 메인 에이전트의 잡일을 내 PC의 로컬 모델에 넘기는 오픈소스 도구다. 로컬 모델이 파일 읽기·검색·수정을 처리하고, 메인 에이전트는 약 1,200자 이내의 요약 보고만 받는다. 이 글에서는 subagents를 설치하고 설정하는 방법을 정리하고, 10월 21일 공개된 소형 모델 Spark-X2.6을 위임 대상 후보로 소개한다. 왜 위임하나: 서브에이전트 토큰도 결국 비싼 모델 값으로 나간다 - 클로드 코드의 기본 서브에이전트는 메인 대화의 맥락을 아껴 준다. 하지만 제작자 설명대로라면 서브에이전트가 쓴 토큰도 전부 상위 모델 요금으로 나간다. - subagents는 이 토큰을 로컬 모델이 대신 쓰게 한다. 제작자가 저장소 전체를 분류(triage)해 보니 로컬 모델은 165,362토큰을 썼고, 메인 에이전트는 약 850토큰만 받았다(약 195:1). - 한 줄짜리 버그 수정에서는 로컬 모델이 2,600~3,500토큰을 썼고, 결과는 약 600자 보고로 돌아왔다. 제작자는 4.6B 이상 모델 6종으로 이 수치를 쟀다. 설치: Bun 1.3 이상이면 외부 패키지 없이 바로 돈다 - git clone https://github.com/andrhamm/subagents && cd subagents - cp subagents.example.yaml subagents.yaml 를 실행한 뒤 base_url에 내 모델 서버 주소를 넣는다. - 실행 예시: bun src/cli.ts run --profile digest --task "src/text.ts가 내보내는 함수를 줄 번호와 함께 알려줘" --root . - 클로드 코드에서는 플러그인으로 설치한다. /plugin marketplace add andrhamm/subagents 를 실행한 뒤 /plugin install subagents@subagents 를 실행한다. - 연결할 수 있는 서버는 LM Studio, Ollama, vLLM, llama.cpp 서버, LiteLLM, OpenRouter다. 모두 OpenAI 호환 API(OpenAI와 같은 요청 형식)로 붙는다. 설정의 핵심: 프로필마다 쓸 수 있는 도구를 묶는다 - subagents.yaml에서 provider(서버 주소), tier(모델), profile(허용 도구와 모델 조합)을 정한다. - 예시 설정에는 읽기 전용 digest·audit 프로필과 수정용 fix 프로필이 있다. - fix 프로필은 HEAD에서 떼어 낸 git worktree(본 작업 폴더와 분리된 작업 사본)에서만 파일을 고친다. 그래서 작업 폴더는 그대로지만, 로컬 모델은 마지막 커밋 상태만 본다. 테스트 같은 점검을 걸어 두면 그 점검을 통과해야 성공으로 친다. - 결과는 종료 코드로 갈린다. 0은 성공, 2는 실행했지만 실패(보고서는 그대로 출력), 1은 시작조차 못 한 경우다. 활용 사례: 로그 요약, 일괄 분류, 작은 수정 - 긴 로그를 요약하거나 코드베이스에 질문할 때는 digest를 쓴다. 파일을 줄 번호와 함께 읽으므로, 근거 줄 번호를 달라고 하면 붙여 준다. - 여러 작업은 subagents batch --jobs jobs.yaml 로 한꺼번에 돌린다. - 어떤 모델이 나은지는 subagents bench --tiers cheap,strong 으로 비교한다. - 전체 기록은 디스크에 남고, 메인 에이전트는 실패했을 때만 이 기록을 읽는다. 주의: 도구 호출을 못 하는 모델은 쓸 수 없다 - 제작자가 조사한 환경에서는 설치된 모델 27개 가운데 11개가 도구 호출(tool calling)을 지원하지 않았다. - bash 실행 도구와 MCP(에이전트용 외부 도구 연결 규격) 클라이언트는 아직 없다. 저장소에 정식 릴리스가 없고 스타도 0개이니 초기 단계로 보는 편이 맞다. 위임 후보: 4B 모델 Spark-X2.6 - SparkLLM은 10월 21일 Spark-X2.6을 1.7B·4B 두 크기로 공개했다. 라이선스는 Apache 2.0이고, GGUF·INT4·INT8·FP8 버전도 함께 냈다. - 4B 모델은 최대 1,048,576토큰 맥락을 지원한다고 밝혔다(그만큼 메모리가 넉넉해야 한다). 추론 강도는 none·low·high 3단계로 고른다. - Ollama 사용자는 ollama run hf.co/XHToken/Spark-X2.6-4B-GGUF:Q4_K_M 로 바로 받아 볼 수 있다. - 제작사는 '여러 벤치마크에서 약 9B 모델과 대등하거나 앞선다'고 주장한다. 하지만 컬렉션 페이지에는 점수가 없고, 모델 페이지에도 점수가 이미지로만 올라와 있다. 모델 카드는 복잡한 도구 사용을 강점으로 내세우지만, GGUF·Ollama 환경에서 도구 호출이 잘 되는지는 공개 자료로 확인되지 않는다. subagents bench로 직접 검증한 뒤 붙여라. 바로 해볼 일: 지금 쓰는 로컬 모델이 도구 호출을 지원하는지 확인하고, 읽기 전용 digest 프로필로 로그 요약 하나를 먼저 넘겨 보자. 출처: https://github.com/andrhamm/subagents https://aiweekly.co/alerts/sparkllm-ships-spark-x26-on-device-models-in-17b-and-4b https://huggingface.co/collections/XHToken/spark-x26 https://huggingface.co/XHToken/Spark-X2.6-4B-GGUF

댓글 (0)

아직 댓글이 없습니다.

← 목록