한줄 요약
C 단일 바이너리로 구동, 로컬 LLM 우선 설계의 터미널 AI 코딩 에이전트 hax가 등장했다.
터미널에서 바로 실행되는 AI 코딩 에이전트 hax는, 플러그인 런타임도 GUI 패널도 없이 단일 C 바이너리 하나로 작동하는 미니멀리스트 도구다. 수 MB 수준의 메모리만 사용하면서 로컬 LLM을 우선 지원한다는 점이 기존 AI 코딩 도구들과 근본적으로 다른 지점이다.
무엇이 달라지나?
현재 시장에 나와 있는 AI 코딩 에이전트 대부분은 Electron 기반 GUI, 무거운 런타임, 혹은 클라우드 API 의존이라는 세 가지 중 하나(혹은 전부)를 끌어안고 있다. hax는 이 세 가지를 모두 잘라냈다.
메모리 효율과 로컬 LLM의 관계
hax가 수 MB의 메모리만 점유한다는 것은 단순한 경량화 자랑이 아니다. 로컬에서 LLM을 돌리는 환경, 예컨대 llama.cpp로 7B~13B 모델을 띄울 때 RAM은 언제나 병목이다. 에이전트 자체가 메모리를 거의 쓰지 않으면, 그만큼 모델 레이어에 더 많은 RAM을 할당할 수 있다. 설계 목표와 실사용 환경이 정확히 맞물려 있는 구조다.
자동 모델 탐색
llama-server -m [model].gguf 로 서버를 띄운 뒤 hax --provider llama.cpp 를 입력하면 끝이다. 별도의 provider 설정 블록 없이 hax가 모델과 런타임 능력을 자동으로 탐색한다. OpenAI 호환, Anthropic 호환, OpenRouter, Codex(ChatGPT 구독 경유) 등도 지원하므로 클라우드 API 사용자도 동일한 인터페이스를 쓸 수 있다.
터미널을 '장악'하지 않는 설계
많은 TUI 도구들이 전체 화면을 점령하고 기존 스크롤백을 망가뜨린다. hax는 현재 스트리밍 중인 줄과 입력 영역만 다시 그린다. 네이티브 터미널 스크롤백이 그대로 보존된다는 것은 작업 흐름을 방해하지 않겠다는 명시적 의지다.
투명성과 감사 가능성
Ctrl+T 단축키로 모델에 실제로 전송된 내용과 응답 전문을 확인할 수 있다. 선택적으로 와이어 프로토콜 트레이스도 수집 가능하다. 도구가 내부적으로 무엇을 하는지 감추지 않는다는 점은 보안 민감 환경이나 디스트로 패키징 작업에서 중요한 요소다.
실무에서 어떤 의미인가?
hax의 타깃 사용자는 명확하다. 터미널을 주 작업 환경으로 쓰고, 로컬 모델을 돌리거나, 도구가 무엇을 하는지 직접 감사하거나, 리소스가 제한된 환경에서 에이전트를 운용하는 개발자다.
반대로 MCP 마켓플레이스, IDE 패널, 플러그인 런타임, 명령별 권한 프롬프트가 필요하다면 다른 도구를 쓰라고 프로젝트 자체가 명시한다. 이 솔직함이 오히려 신뢰를 만든다. 도구가 자신의 범위를 알고 있다는 뜻이기 때문이다.
실제 외주 개발이나 사내 개발 환경에서 AI 도구를 도입할 때 종종 간과되는 것이 '에이전트 도구 자체의 리소스 점유'다. 클라우드 IDE 기반 도구는 편리하지만 온프레미스 환경이나 보안 망분리 환경에서는 사용이 불가능하거나 제한된다. hax처럼 로컬 LLM과 결합 가능한 경량 에이전트는 이런 제약 조건을 가진 조직에 현실적인 대안이 될 수 있다.
유닉스 철학도 충실히 따른다. XDG 경로 준수, -p 원샷 모드에서 깔끔한 stdout 출력, 플레인 텍스트 설정 파일, 플러그인 대신 서브프로세스를 통한 조합. 이 모든 것이 자동화 파이프라인에 hax를 끼워 넣기 쉽게 만든다.
도입 전 체크포인트
- 운영 환경: Linux, macOS 네이티브 지원. Windows는 WSL 경유.
- 로컬 모델 준비 여부: llama.cpp 서버를 별도로 구성해야 한다. 모델 파일(.gguf)과 서버 실행 환경이 선행 조건이다.
- 클라우드 API 사용 시: OpenAI, Anthropic, OpenRouter 등 기존 API 키를 그대로 활용할 수 있어 전환 비용이 낮다.
- 팀 도구 vs 개인 도구: 현재 설계상 개인 개발자 또는 소규모 팀의 터미널 워크플로에 최적화되어 있다. IDE 통합이나 팀 단위 권한 관리가 필요한 조직은 용도에 맞지 않을 수 있다.
- 감사 요구사항: 모델에 전달되는 컨텍스트 전문을 확인할 수 있으므로, 코드 유출 여부를 모니터링해야 하는 환경에서 오히려 유리하다.
