VS Code에서 로컬 모델(Ollama 등)을 활용하여 Gemini CLI나 Cursor처럼 파일을 직접 수정

VS Code에서 로컬 모델(Ollama 등)을 활용하여 Gemini CLI나 Cursor처럼 파일을 직접 수정하고 코드를 작성하게 만드는 가장 효율적인 방법 3가지를 정리해 드립니다.

1. 준비 단계: 로컬 모델 엔진 설치 (Ollama)

가장 먼저 로컬에서 모델을 돌려줄 엔진이 필요합니다.

Ollama 공식 사이트에서 설치합니다.
터미널에서 코딩 전용 모델을 다운로드합니다. (Qwen2.5-Coder 추천)
Bash
ollama run qwen2.5-coder:7b # 사양이 낮으면 1.5b, 높으면 32b 추천

방법 1: Aider (CLI 방식 – 가장 Gemini CLI와 유사)

Aider는 터미널에서 실행되지만, VS Code와 함께 사용하기에 가장 강력한 도구입니다. 파일을 직접 수정하고 자동으로 Git 커밋까지 해줍니다.

특징: 터미널에서 “ㅇㅇ 파일에서 함수 수정해줘”라고 하면 실제 파일을 즉시 수정합니다.
설치:
Bash
pip install aider-chat
사용법:
1. VS Code 내장 터미널을 엽니다.
2. 로컬 Ollama와 연결하여 실행합니다:
  Bash
  aider --model ollama/qwen2.5-coder:7b
3. /add [파일명]으로 수정할 파일을 추가하고, 요구사항을 입력하면 코드가 실시간으로 수정됩니다.

방법 2: Continue (VS Code 확장 프로그램 – 가장 표준적)

Continue는 VS Code에서 로컬 LLM을 사용할 때 가장 많이 쓰이는 오픈소스 확장 프로그램입니다.

특징: Ctrl + I를 눌러 인라인으로 코드를 수정하거나, 사이드바 채팅을 통해 파일을 수정할 수 있습니다.
설치: VS Code 마켓플레이스에서 “Continue” 검색 후 설치.

설정:

설치 후 왼쪽 하단 설정(톱니바퀴) 클릭 -> config.json 수정.

아래와 같이 Ollama 설정을 추가합니다:

JSON

{
  "models": [
    {
      "title": "Ollama Qwen2.5 Coder",
      "provider": "ollama",
      "model": "qwen2.5-coder:7b"
    }
  ],
  "tabAutocompleteModel": {
     "title": "Tab Autocomplete",
     "provider": "ollama",
     "model": "qwen2.5-coder:1.5b"
   }
}

사용법: 코드 영역 드래그 후 Ctrl + I (Windows) / Cmd + I (Mac)를 눌러 수정 요청을 입력합니다.

방법 3: Roo Code (구 Roo Cline) (에이전트 방식 – 가장 강력함)

최근 가장 핫한 오픈소스 프로젝트로, 단순 수정을 넘어 **”파일 생성, 터미널 실행, 브라우저 테스트”**까지 스스로 수행하는 에이전트형 도구입니다.

특징: Cursor의 ‘Composer’ 기능을 로컬 모델로 구현할 수 있습니다.
설치: VS Code 마켓플레이스에서 “Roo Code” 검색 후 설치.
설정:
1. API Provider를 Ollama로 선택합니다.
2. Base URL에 http://localhost:11434 입력.
3. Model ID에 qwen2.5-coder:7b 입력.
사용법: 사이드바에서 “전체 프로젝트 구조를 파악해서 로그인 기능을 만들어줘” 같은 복잡한 요청을 하면, 여러 파일을 직접 수정하며 작업을 완료합니다.

요약 및 추천

방식	도구	추천 대상	특징
CLI 중심	Aider	터미널 작업이 편한 개발자	파일 직접 수정 속도가 가장 빠르고 정확함
UI 중심	Continue	일반적인 IDE 환경을 선호	코드 자동 완성 및 부분 수정에 최적화
자동화 중심	Roo Code	복잡한 작업을 맡기고 싶은 경우	파일 생성부터 실행까지 알아서 다 해주는 AI 에이전트

추천 조합:
평소에는 Continue로 자동 완성을 사용하고, 특정 기능을 통째로 만들거나 대대적인 수정을 할 때는 Aider를 터미널에서 띄워 사용하는 것이 가장 효율적입니다.

로컬 모델 팁:
코딩 능력은 현재 Qwen2.5-Coder 시리즈가 로컬 모델 중에서는 압도적으로 좋습니다. (메모리가 허락한다면 14b나 32b 모델을 사용해 보세요.)

파이썬 버전을 낮추기 (가장 권장하는 방법)

aider나 ollama 관련 도구들은 안정적인 라이브러리 의존성을 가집니다. Python 3.14는 너무 최신 버전이라 설치 과정에서 계속해서 다른 오류가 발생할 확률이 매우 높습니다.

권장 버전: Python 3.10, 3.11 또는 3.12
해결책: 3.14를 삭제하거나, Python 공식 홈페이지에서 3.12 버전을 설치하여 사용하세요.

Aider는 파일 기반으로 작업을 수행하며, AI가 **수정할 수 있는 파일(Editable)**과 **참고만 할 파일(Read-only)**을 명확히 구분하여 추가하는 것이 중요합니다.

방법별로 정리해 드립니다.

1. 파일 추가하기 (수정 가능)

AI가 직접 코드를 작성하거나 수정하도록 하려면 /add 명령어를 사용합니다.

단일 파일 추가:
Bash
/add path/to/file.py
여러 파일 한꺼번에 추가:
Bash
/add file1.js file2.css file3.html

와일드카드(패턴) 사용:

Bash

/add src/*.py        # src 폴더 내의 모든 파이썬 파일 추가
/add tests/**/*.js   # tests 폴더 및 하위 폴더의 모든 JS 파일 추가

2. 디렉토리(폴더) 전체 추가하기

Aider에는 폴더 자체를 한 번에 추가하는 전용 명령은 없지만, 와일드카드나 쉘 명령어를 조합해 비슷하게 동작시킬 수 있습니다.

하위 모든 파일 추가 (추천):
Bash
/add path/to/directory/**
주의: 파일이 너무 많으면 토큰(메모리) 제한에 걸릴 수 있으므로 꼭 필요한 파일만 추가하는 것이 좋습니다.
특정 확장자만 골라서 추가:
Bash
/add my_project/*.ts

3. 읽기 전용으로 파일 추가 (참고용)

라이브러리 문서, 로그 파일, 혹은 AI가 절대 수정해서는 안 되는 참조 코드는 /read-only를 사용합니다.

참조용 파일 추가:
Bash
/read-only docs/api_spec.md
토큰 소모를 줄이면서 AI에게 배경 지식을 제공할 때 유용합니다.

4. Aider 실행 시점에 바로 추가하기

Aider를 터미널에서 실행할 때 뒤에 파일명을 붙이면 실행과 동시에 컨텍스트에 포함됩니다.

실행 예시:
Bash
aider main.py src/utils.py

5. 추가된 파일 관리하기 (목록 확인 및 제거)

파일을 너무 많이 추가하면 AI가 혼란을 느끼거나 속도가 느려질 수 있습니다.

현재 추가된 파일 목록 보기:
Bash
/ls
특정 파일 제외하기:
Bash
/drop path/to/file.py
모든 파일 제외하기 (초기화):
Bash
/drop

💡 유용한 팁

자동 완성: /add 입력 후 파일명의 앞글자만 치고 Tab 키를 누르면 파일 경로가 자동 완성됩니다.
.aiderignore 활용: AI가 보지 말아야 할 파일(예: .env, 대용량 데이터 파일, node_modules)은 프로젝트 루트에 .aiderignore 파일을 만들어 등록해 두면 편리합니다.
Git 연동: Aider는 기본적으로 Git 저장소를 인식하므로, /add로 추가하지 않은 파일이라도 프로젝트의 대략적인 구조는 이미 알고 있습니다. 하지만 실제 수정을 원할 때는 반드시 /add를 해주어야 합니다.

사용 예시 시나리오:

“로그인 기능을 수정하고 싶어.”

/add src/auth.py src/models.py (수정할 파일들 추가)

/read-only docs/auth_flow.md (설계 문서 참고용 추가)

“로그인 함수에 비밀번호 복호화 로직 추가해줘.” (채팅 입력)

**Roo Code(구 Roo Cline)**는 현재 VS Code에서 가장 강력한 오픈소스 AI 에이전트 확장 프로그램 중 하나입니다. 단순한 채팅을 넘어, AI가 직접 파일을 생성/수정하고, 터미널 명령어를 실행하며, 브라우저를 띄워 결과를 확인하는 ‘자율형 개발 에이전트’ 역할을 수행합니다.

로컬 모델(Ollama)과 연결하여 사용하는 방법을 중심으로 상세 가이드를 정리해 드립니다.

1. 설치 및 초기 설정

설치: VS Code 마켓플레이스에서 **”Roo Code”**를 검색하여 설치합니다.
설정 아이콘 클릭: 왼쪽 사이드바의 Roo Code 아이콘을 누른 후, 상단의 설정(톱니바퀴) 아이콘을 클릭합니다.
API Provider 설정 (로컬 모델 기준):
- API Provider: Ollama 선택
- Base URL: http://localhost:11434 (기본값)
- Model ID: 사용 중인 모델명 입력 (예: qwen2.5-coder:7b 또는 14b)
- Context Window: 모델 사양에 맞춰 설정 (보통 32768 이상 권장)

2. 핵심 인터페이스와 ‘모드(Mode)’

Roo Code의 가장 큰 특징은 작업의 성격에 따라 모드를 전환할 수 있다는 점입니다.

Plan Mode (설계): 코드를 직접 수정하지 않고, 어떻게 구현할지 계획만 세웁니다. 복잡한 기능을 구현하기 전에 AI와 전략을 짤 때 사용합니다.
Act Mode (실행): AI가 실제로 파일을 생성/수정하고 터미널 명령어를 실행합니다. 실질적인 코딩 작업은 여기서 이루어집니다.
Ask Mode (질문): 코드에 대해 궁금한 점을 물어보는 일반적인 채팅 모드입니다.

3. 주요 기능 및 사용법

① 파일 수정 및 생성 (자율 코딩)

채팅창에 요구사항을 입력하면 Roo Code가 스스로 판단하여 행동합니다.

예시: “Next.js 프로젝트에 다크모드 기능을 추가해줘.”
동작: AI가 폴더 구조를 파악 -> 필요한 컴포넌트 생성 -> layout.tsx 수정 -> 필요한 패키지 설치(npm install) 제안.

② 터미널 통합 (Terminal)

AI가 직접 터미널 명령어를 작성하고 실행 권한을 요청합니다.

기능: npm run dev로 서버를 띄우거나, 에러 로그를 읽어서 스스로 수정 코드를 작성합니다.
사용자 승인: 보안을 위해 AI가 명령어를 실행하기 전 항상 사용자에게 [Approve] 버튼을 눌러 승인받습니다.

③ 컨텍스트 지정 ( @ 멘션 기능)

특정 파일이나 정보를 AI에게 집중적으로 알려줄 때 사용합니다.

@file: 특정 파일을 첨부 (@main.py)
@folder: 폴더 전체 구조를 파악하게 함
@terminal: 현재 터미널의 출력 내용을 읽게 함
@url: 웹사이트 내용을 참고하게 함

④ 브라우저 자동화 (Browser 도구)

AI가 내장 브라우저를 띄워 웹페이지가 잘 나오는지 확인합니다.

활용: “로그인 화면을 만들고 실제로 잘 렌더링되는지 스크린샷 찍어서 확인해줘.”라고 시킬 수 있습니다.

4. 실전 워크플로우 예시

프로젝트 파악: @folder 현재 프로젝트 구조를 분석해서 README.md 파일을 만들어줘.
기능 추가: Act 모드에서 새로운 API 엔드포인트를 만들고, 터미널에서 curl로 테스트까지 완료해줘.
에러 수정: 빌드 에러 발생 시 @terminal 로그 확인해서 에러 고쳐줘.

5. 로컬 모델 사용 시 팁 (Ollama + Roo Code)

모델 선택: 로컬 모델은 Qwen2.5-Coder:7b 혹은 14b를 강력 추천합니다. (Roo Code의 복잡한 도구 호출 명령을 가장 잘 이해합니다.)
수정 승인: Roo Code가 코드를 대량으로 수정할 때, Diff(차이점) 뷰를 보여줍니다. 내용을 확인하고 Accept를 눌러야 파일에 반영됩니다.
성능 최적화: 로컬 모델이 너무 느리다면, 복잡한 로직 설계는 Plan Mode에서 충분히 대화한 뒤, 실제 코드 작성만 Act Mode로 넘기는 것이 효율적입니다.

요약

Roo Code는 **”AI에게 내 컴퓨터의 키보드와 마우스를 일시적으로 맡기는 것”**과 같습니다. 단순한 코드 생성을 넘어 프로젝트 전체를 관리하는 에이전트가 필요할 때 가장 적합한 도구입니다.