개발 & 에이전트 난이도 · 고급 기간 · 4주

홈랩에서
AI 에이전트를 운영하는
인터페이스 개발

노코드 툴을 넘어서, 바이브코딩(Claude Code·Codex)으로 서버를 코드부터 직접 만듭니다. 내 장비에서 로컬 LLM과 AI 에이전트를 실행·관찰·제어하는 "운영 가능한 인터페이스"를 4주간 내 손으로 완성합니다.

내 진행
0 / 0 완료
완성 결과 · 4주 후 실제로 도는 것

완성 시스템 청사진

4주가 끝나면 내 장비(홈랩/PC)에 이게 실제로 돌고 있습니다. 각 구성요소를 만들 때마다 체크하며 진행 상태를 추적하세요.

폰 · 외부 기기집 밖 어디서든 내 에이전트를 호출
↓ Tailscale — 포트포워딩·도메인 없이 안전하게 연결
내 장비 (홈랩 / PC) — 24시간 상주
Docker 껐다 켜도 자동으로 살아나는 상주 컨테이너
API 서버 바이브코딩으로 직접 만든 요청–응답 인터페이스
Agent SDK 에이전트 파일 · API · 도구 실행 · 상태 확인을 연결
로컬 LLM (Ollama) / OpenRouter 내 모델 백엔드로 작동
완성 예시 · 완성하면 이렇게 씁니다

이렇게 완성됩니다

각 수강생은 자기 소재로 만들지만, 완성했을 때의 "모양"은 같습니다 — 어디서든 폰으로 부르면, 내 집 서버의 에이전트가 내 모델로 답합니다.

18:02LTE · 82%
내 홈랩 에이전트온라인
밖인데, 오늘 받은 메일 요약해줘지하철 · 나
3건 왔어요 · 계약서 검토 요청 (급함) · 스터디 공지 · 뉴스레터집 서버 · 로컬 LLM
계약서 건만 자세히
2주 내 회신 요청, 금액 조항 확인 필요해요.집 서버 · 로컬 LLM
메시지 보내기…
실사용 장면

집 밖에서, 폰으로, 내 에이전트를 부른다

포트포워딩도 도메인도 없이 Tailscale로 연결됩니다. 요청은 내 집 장비로 가고, 응답은 내 모델(로컬 LLM)이 만들어요 — 데이터는 내 장비를 벗어나지 않습니다.

Tailscale 내 집 서버 로컬 LLM
내 화면에 실제로 뜨는 것 — 주차별
W1 · 내 첫 API 서버
me@pc:~$ curl localhost:8000/hello
{"msg":"내 첫 서버가 살아있음"}
W2 · Docker 상주 + 에이전트
me@pc:~$ docker ps
NAME STATUS Up 3 days my-agent running · 도구 1개 연결됨
W3 · 로컬 LLM 백엔드 + Tailscale (클라이맥스)
phone:~$ curl http://my-homelab:8000/ask # 집 밖에서
→ Ollama(로컬 모델)가 응답함 200 OK
W4 · 데모데이
# 완성한 운영 인터페이스 전체를 발표
내 장비에서 24시간 · 어디서든 닿는 · 내 모델로 작동
커리큘럼 · 매주 만들어 공유

4주 빌드 로드맵

정해진 강의를 듣는 방식이 아니라, 매주 직접 만들어 사례를 공유하는 동료 학습입니다. 각 주차 미션을 완료하면 체크하세요.

주 탭을 눌러, 그 주가 끝났을 때 청사진에 무엇이 새로 켜지는지 보세요.

폰·외부에서 호출
↓ Tailscale
내 장비 (홈랩/PC) · 상주
Docker 상주
API 서버
Agent SDK 에이전트
로컬 LLM 백엔드
이번 주 데모

1

바이브코딩으로 API 서버 직접 만들기

// 가볍게 시작
목표
바이브코딩으로 내 첫 서버(요청–응답 인터페이스)를 만든다
직접 만드는 것
간단한 API 서버 2~3개(GET/POST), 내 PC 로컬 실행 (GPU·모델 없이)
결과물
내 PC에서 도는 나만의 API 서버
미션 · 자기 소재로 API 서버 1개 만들어 2주차에 공유
2

Docker 배포 + Agent SDK로 에이전트 구축

목표
서버를 Docker로 상주시키고, Agent SDK로 도구 실행 에이전트를 만든다
직접 만드는 것
Docker화·배포(껐다 켜도 생존) + Agent SDK로 파일·도구 실행 에이전트
결과물
상주하는 서버 + 작동하는 내 에이전트
미션 · Docker 배포 + 에이전트에 도구 1개 붙여 3주차에 공유
3

로컬 LLM 백엔드 + Tailscale

클라이맥스
목표
에이전트 백엔드를 내 모델(로컬 LLM)로 연결하고, 어디서든 접근하게 만든다
직접 만드는 것
Ollama로 로컬 LLM 구동(여건 안 되면 OpenRouter 무료모델) → 에이전트 백엔드 연결 + Tailscale로 폰·외부 접근
결과물
내 모델로 작동하고, 어디서든 닿는 에이전트
미션 · 로컬/대체 백엔드 + Tailscale 적용해 4주차에 공유
4

최종 결과 발표

데모데이 + 회고
발표
3주간 직접 만든 운영 인터페이스 전체를 최종 발표 (데모데이)
회고
비용·지연·데이터 통제, 로컬 vs 클라우드 판단 기준
미션 없음 · 완성한 시스템을 내 것으로 가져가며 졸업
도구 스택 · 바이브코딩 도구

도구 스택

각 도구가 청사진의 어느 부분을 담당하는지 한 줄로.

CC
Claude Code / Codex
자연어 지시로 서버·코드를 직접 만들어주는 CLI. 둘 중 편한 것으로
SDK
Agent SDK
도구 실행·상태 관리를 표준으로 얹어 에이전트를 만드는 키트
DKR
Docker
서버를 똑같이 찍어내고, 꺼져도 자동 재시작
TS
Tailscale
포트포워딩·도메인 없이 내 기기들을 안전하게 연결
OLA
Ollama / OpenRouter
로컬 LLM 구동 / (대체) 무료 클라우드 모델
</>
언어 자유
Python · Node · Go 중 편한 것으로
준비물 · 참여 조건 (고급)

시작 전 준비물

로컬 구동 환경이 없어도 괜찮아요 — OpenRouter 무료모델로 똑같은 구조를 경험합니다.

미리 준비하면 좋아요

  • Claude Code 또는 Codex 설치 + 간단한 파일 생성/실행 경험
  • 터미널 기본 명령(cd, ls 등) + HTTP/API 개념(GET/POST)
  • (로컬 구동 원하면) GPU PC 권장 — 없으면 OpenRouter로 대체
1주차 OT 이후 오프모임이 있어요 (참석 권장)
배경 · 이런 고민을 풀어드려요

고민 → 바이브코딩 해법

로컬 LLM은 깔아봤는데, "그래서 이걸로 뭘 어떻게 운영하지?"
파일·API·도구·상태를 연결한 운영 인터페이스로
클라우드 AI는 비용·데이터·통제가 늘 마음에 걸린다
내 장비에서 내 모델로
노코드로는 손이 닿지 않던 부분
바이브코딩으로 서버를 직접 구축
만든 게 내 노트북에서만 돈다
Docker 상주 + Tailscale로 어디서든
이런 분과 함께하고 싶어요 & 추천 대상
이런 분과 함께
  • 터미널에 명령어를 치고, 서버가 살아 움직일 때 도파민이 터지는 분
  • 설치·셋업부터 내 손으로 직접 해보는 게 즐거운 분
  • 완벽히 이해하고 가기보다, 어려워도 일단 부딪혀 보는 걸 좋아하는 분
  • 막히면 검색하고, 물어보고, 어떻게든 굴러가게 만드는 과정을 즐기는 분
이런 분께 추천
  • (핵심) 파일·API·도구·상태를 연결한 "운영 가능한 인터페이스"까지 직접 만들고 싶은 실무 개발자·기술 실무자
  • 내 장비 위에서 AI 에이전트를 실행·관찰·제어하는 구조를 손에 쥐고 싶은 분
  • (함께 좋은 분) 비용·데이터·운영 통제 구조인지를 먼저 보는 팀리드·도입 담당·대표
이 스터디는 직접 만들어보는 사람들의 작업실이에요. 스스로 부딪혀 보는 게 재미있는 분이라면, 이 4주가 진짜 즐거울 거예요.
· 스터디장과 버디

함께 만드는 사람

스터디장·버디가 매주 함께 만들며 실시간 피드백으로 같이 다듬어요.

스터디장
이재엽
  • 지피터스 AI 스터디 15~19기, 21기, 22기 스터디장
  • 바이브코딩 강사 / 풀스택 개발자
  • macOS · Windows · Linux 다중 사용자
  • 개인 AI 자동화 인프라 직접 운영 중
온어닷
  • 지피터스 AI 스터디 22기 스터디장
  • AIOF 커리어전환 부스트 2·4·5기 트레이너
  • AI 강사 / 웹디자이너
  • 디자인온어닷 대표
버디
새록
  • 현) 바이브코딩 · 업무자동화 · 파이썬 강사
  • 현) 기업교육서비스 현직자 (AI 교육 과정 개발 담당)
  • 전) H사 시스템 개발/운영 담당자
  • 전) SW 역량테스트 대비 알고리즘 코치