2. AI 가지고 놀기 - Antigravity에서 OpenCode

 

개요 : Antigravity의 할당량 제한

테스트 코드 작성을 Antigravity에 위임하면서 하도 이것저것 시켰다.  테스트 실행 자체를 Antigravity에게 위임했더니 테스트 실행부터 결과 도출까지 포함해서 그런지 금세 할당량이 동나버렸다.

 

할당량을 다 사용해버리면 다시 사용할 수 있을 때까지 수 시간 정도의 텀이 발생하는데.. AI Agent로 딸깍하는 게 너무 익숙해진 나머지 손수 작업하는 것에 대해서 귀찮음을 느끼게 된다. 이런 문제를 타파하고자 검색을 몇 번 해봤더니 opencode라는 어느 정도 범위에서는 무료로 사용 가능한 AI Agent가 있다는 것을 알게 됐다.

 

이번 글은 이 opencode에 대한 사용 경험에 대해 작성해보려 한다.

Opencode 알아보기

 

OpenCode는 공식 홈페이지에 따르면 “오픈 소스 AI 코딩 에이전트”라고 되어 있다. IDE는 따로 제공되는 것 같진 않고 터미널에서 동작하는 것만 보인다. 앞서 언급했지만 무료로 사용 가능한 모델이 포함되어 있다. 무료라서 상당히 제한된 범위 안에서만 사용 가능할 줄 알았는데, 꽤나 넉넉하게 사용 가능했다.

 

체감상 Antigravity의 경우 사용하다 보면 quota 소진으로 기다려야 하는 시간이 꽤 빨리 찾아왔는데, opencode의 경우엔 이런 병목이 없었다. (병목이 없었다는 것이지, 사용량이 무제한이라는 소리는 아니다)

Antigravity와 OpenCode 비교하기

이 시점에서 팩트체크가 필요할 것 같다.

 

지인으로부터 지원받은 Antigravity는 Google AI Plus 플랜이다.

 

뭔가.. 돈을 내고 사용하는 것보다 무료로 사용 가능한 opencode의 사용 가능한 범위가 더 많다는 게 이해가 되지 않는다.

 

비교해보자.

 

비교 항목	OpenCode	Antigravity IDE (Google AI Plus + Gemini 3.5 Flash High)
플랫폼 성격	터미널/IDE 기반 오픈소스 인터랙티브 에이전트	자율형 에이전트 IDE (Editor + Manager Dual View)
주요 모델	DeepSeek Flash Free, MiMo Free, 로컬 LLM	Gemini 3.5 Flash (High Thinking)
컨텍스트 크기	대화 세션당 최대 200,000 토큰 (200K)	프로젝트 전체 1,000,000+ 토큰 (1M 이상)
작업 방식	1:1 대화 기반 단일 작업 수행	멀티 서브에이전트 병렬 수행 및 브라우저 자동 검증
토큰 제한 방식	세션 토큰 캡 + 일일 사용 한도 (약 $0.30/일)	연산량 기반 주간/일일 롤링 쿼타 차감
비용	무료 (로컬 연동 시 완전 무제한)	Google AI Plus 구독 (월 $7.99)

 

위 표만 봤을때 OpenCode의 사용량이 Antigravity에 비해 적다.

 

궁금한 것들을 Gemini와 ChatGPT 그리고 기타 다른 AI를 통해 대화를 하다보니 다음과 같은 사실을 알 수 있었다.

원인	내용	관련 공식 문서
1. 자율 에이전틱 루프 (Agentic Loop)	• 한 번의 사용자 요청에도 에이전트가 코드 검색 → 수정 → 명령 실행 → 테스트 → 오류 분석 → 재수정 등을 반복 수행 • 이 과정에서 여러 번의 LLM 호출이 발생하여 사용량이 증가	Google Antigravity 공식 블로그• Agentic Workflow 및 AI 코딩 에이전트 동작 방식 https://antigravity.google/blog/gemini-3-5-flash-in-google-antigravity OpenCode GitHub• Agent 실행 구조 및 세션 처리 방식 https://github.com/anomalyco/opencode
2. High Thinking 모드 사용	• 응답 생성 전 내부 추론(Thinking)을 수행 • 최종 출력 외에도 추가 연산이 발생하여 토큰 사용량이 증가	Google AI for Developers – Gemini 3.5 Flash • Thinking 기능 및 모델 사양 https://ai.google.dev/gemini-api/docs/models/gemini-3.5-flash
3. 대용량 컨텍스트(최대 1M 토큰) 유지	• 프로젝트 코드, 파일 구조, 대화 이력을 긴 컨텍스트로 유지 • 반복 호출 시 대용량 입력 컨텍스트를 지속적으로 처리하여 입력 토큰 사용량이 증가	Google AI for Developers – Long Context Guide• 1M Context Window• Context Caching https://ai.google.dev/gemini-api/docs/long-context
4. 개인용 Plus 요금제의 한계	• 개인 생산성 중심의 사용량을 기준으로 설계된 요금제 • 자율 에이전트 기반 개발 워크로드는 일반 채팅보다 훨씬 많은 연산량을 요구하므로 사용량이 빠르게 소진될 수 있음	Google AI 요금제 안내• Plus / Pro / Ultra 플랜 및 제공 기능 https://one.google.com/about/ai-premium

 

작업	Antigravity	OpenCode
단순 함수 수정	중간	낮음
신규 API 개발	높음	중간
대규모 리팩토링	매우 높음	높음
버그 분석	높음	중간
코드 리뷰	높음	낮음~중간
반복 개발	빠른 소모	상대적으로 안정

 

목적	적합한 도구
"AI 개발자에게 일을 맡긴다"	Antigravity
"AI를 강력한 코딩 도구로 사용한다"	OpenCode
하루 종일 개발 보조	OpenCode 우위
복잡한 문제 해결	Antigravity 우위
비용 대비 생산성	OpenCode 우위

언제나 그렇지만 목적에 따라 더 적합한 모델을 선택해서 사용하면 될 듯 싶다. 내 경우엔 코딩 뿐만 아니라 일상적인 자동화 부분도 필요하니 무작정 Antigravity보단 opencode를 활용하는 방법도 익혀야 할 듯 싶다.

 

OpenCode 에서 사용한 것들

Antigravity를 사용하면서 토큰이 예상보다 빠르게 소모되는 것을 경험한 이후, OpenCode에서는 토큰 사용량을 조금이라도 줄일 수 있는 방법을 찾아보기 시작했다. 그 과정에서 여러 MCP를 직접 연결해 보며 실제 활용 가능성을 테스트했고, 반복적으로 사용하는 프롬프트를 보다 편리하게 관리하고 재사용할 수 있는 방법도 함께 살펴보았다.

 

현재는 OpenCode에만 이러한 설정을 적용한 상태다. Antigravity IDE에서도 동일한 구성이 가능한지는 아직 확인하지 못했으며, 추후 동일한 환경을 구축할 수 있는지 추가로 확인해볼 예정이다.

 

아래는 OpenCode에 연결하여 개발 작업 시사용하고 있는 MCP들이다.

• GitHub MCP
  • GitHub Repository와 연동하여 코드 조회, 이슈 확인, 커밋 및 PR 관리 등을 AI 환경에서 수행할 수 있도록 지원한다.
  • 사이드 프로젝트의 코드는 GitHub를 통해 관리하고 있다. PR 생성 시 변경 사항을 지정한 양식에 맞춰 자동으로 요약하도록 활용하고 있으며, PR 생성 전에는 commit convention을 적용해 커밋 메시지가 일관된 형태로 작성되도록 설정했다. 반복적으로 수행하던 작업을 자동화할 수 있어 생각보다 만족도가 높았다.
• Glitch MCP
  • Glitch 프로젝트와 연동하여 웹 애플리케이션 실행 환경과 배포된 프로젝트를 관리할 수 있도록 지원한다.
  • 사이드 프로젝트의 서버 로깅은 Glitch라는 오픈소스 도구를 통해 모니터링하고 있으며, 해당 도구 역시 MCP 연동을 지원한다. 현재는 이슈가 발생하면 Slack으로 알림이 전달되도록 구성해두었다.
  • 다만 서버를 온프레미스 환경에서 운영하고 있고 여러 오픈소스 도구를 함께 사용하다 보니, 장애가 발생했을 때 Slack 알림만으로는 상황을 충분히 파악하기 어려운 경우가 있었다. 기존에는 Glitch에 직접 접속해 발생한 이슈를 하나씩 확인해야 했지만, MCP를 연결한 이후에는 OpenCode에 특정 기간 동안 발생한 이슈를 요약해달라고 요청하는 것만으로도 장애 현황을 빠르게 파악할 수 있게 되었다.

코드베이스 분석을 위해서는 별도의 MCP도 함께 사용해보았다.

• Serena MCP
  • Serena MCP는 코드베이스를 분석하고 심볼 검색, 코드 탐색, 프로젝트 구조 이해 등을 지원하여 AI의 개발 효율을 높여주는 MCP라고 한다.
  • 그러나 Serena MCP의 활용사례들을 검색해봤을 땐, 어느 정도 규모가 있는 프로젝트에서 사용할수록 토큰 절감 효과를 기대할 수 있으며, 새롭게 시작하는 프로젝트에서는 효과가 크지 않다고 한다.
  • 아직 충분히 사용해본 것은 아니지만, 프로젝트 규모가 커질수록 AI가 필요한 코드만 선택적으로 탐색할 수 있기 때문에 토큰 사용량을 줄이는 데 도움이 될 것으로 기대하고 있다.

이 외에도 Google Calendar, Google Tasks, Notion MCP를 연결해 일정 관리와 개인 생산성 향상에도 활용하고 있다. 특히 당일 코드베이스 변경 내역을 추적해 개발 일지를 작성하거나 회고를 정리하는 과정에서 반복 작업을 크게 줄일 수 있었다.

MCP를 연결한다고 해서 모든 불편함이 해결되는 것은 아니었다. 가장 불편했던 점은 반복적으로 수행하는 작업마다 동일한 프롬프트를 계속 입력해야 한다는 것이었다.

 

이 문제는 OpenCode의 Command 기능을 활용하면서 해결할 수 있었다. 자주 사용하는 프롬프트를 Command로 등록해두면 필요할 때마다 간단히 실행할 수 있어 반복 입력에 드는 시간을 줄일 수 있었다.

 

찾아보니 이 기능은 Claude Code의 Skill과 비슷한 개념이라고 한다. 다만 Skill은 단순히 프롬프트를 재사용하는 수준을 넘어 여러 단계의 작업 절차와 컨텍스트까지 함께 정의할 수 있어 조금 더 고도화된 형태로 보였다. OpenCode의 Command와 Claude Code의 Skill은 비슷한 목적을 가지고 있지만, 제공하는 기능의 범위에는 차이가 있는 것으로 이해했다.

마무리

AI Agent가 무료라고 하길래 하루 사용량이 상당히 제한적일 것이라고 생각했는데, 예상과 달리 꽤 넉넉하게 사용할 수 있었다. 그래도 이것저것 시키다 보면 제한이 걸리고, 제한이 풀릴 때까지 기다려야 하는 부분은 Antigravity와 동일하다. 무료임에도 이런저런 방식으로 활용할 수 있는 OpenCode를 사용하다 보니, AI를 통해 여러 작업을 자동화할 수 있다는 점에서 AI의 매력을 계속 체감하고 있는 듯싶다.

 

다음으로 해보고 싶은 것은 Slack과의 연계다. 나는 개인적으로 몇 가지 시스템을 만들어 사용하고 있고, 해당 시스템의 알람을 Slack을 통해 받곤 한다. 현재 구상하고 있는 것은 Slack Bot에 OpenCode를 연계하는 것이다. Slack Bot을 통해 명령을 내리면 로컬에서 실행 중인 OpenCode에 해당 명령이 전달되고, 그 결과를 다시 Slack을 통해 받아보는 그림을 생각하고 있다.

 

해당 내용도 여러 가지를 직접 시도해본 후, 다음 글감으로 작성해봐야겠다.