lang: kr
slug: openhands
title: ‘오픈핸즈: 별 74,000개 이상’
description: ‘OpenHands는 소프트웨어 엔지니어링 에이전트 역할을 하는 AI 기반 개발 플랫폼입니다. VS Code, Docker, GitHub, GitLab, Claude 및 OpenAI와 호환됩니다. Docker 설정, 모델 구성, 헤드리스 CI/CD 모드 및 프로덕션 강화를 다룹니다.’
tags: [“guide”, “open-source”, “reference”, “tutorial”]
date: 2026-05-19 00:00:00+08:00
lastmod: 2026-05-19 00:00:00+08:00
tech_stack: []
application_domain: Llm Frameworks
source_version: ’'
licensing_model: Open Source
license_type: MIT
file_size: ’'
file_md5: ’'
download_url: ’'
backup_url: ’'
github_repo: ‘https://github.com/OpenHands/OpenHands'
last_maintained: ‘2026-05-19’
draft: false
categories: [’llm-frameworks’]
aliases:- /게시물/openhands/
/resources/llm-frameworks/openhands/
자주 묻는 질문:
q: ‘OpenHands는 무엇이며 일반 AI 코딩 도우미와 어떻게 다릅니까?’
a: ‘OpenHands(이전 OpenDevin)는 Docker 컨테이너 내에서 실행되고 저장소를 읽고, 파일을 편집하고, 테스트를 실행하고, 작업이 통과할 때까지 반복하는 오픈 소스 AI 소프트웨어 엔지니어링 에이전트입니다. 스니펫만 제안하는 코드 완성 도구와 달리 컨트롤러-샌드박스 아키텍처와 관찰-생각-행동 에이전트 루프를 사용하여 엔드투엔드 작업을 해결합니다.’
q: ‘OpenHands를 어떻게 설치하나요?’
a: ‘권장되는 방법은 uv 기반 CLI입니다. uv를 설치하고 ‘uv tool install openhands –python 3.12’를 실행한 다음 ‘openhands Serve’를 실행하면 http://localhost:3000에서 서버가 시작됩니다. Docker를 통해 직접 실행하거나(Docker 소켓이 마운트된 docker run) pip install openhands-ai를 사용하여 설치할 수도 있습니다. Docker Desktop, 4GB 이상의 RAM 및 Python 3.12+가 전제 조건입니다.’
q: ‘OpenHands에 가장 적합한 LLM 모델은 무엇입니까?’
a: ‘Claude Sonnet 4.6은 대부분의 작업에 대해 비용과 품질의 최상의 균형을 제공하는 반면 Claude Opus는 토큰 비용의 3-4배로 가장 높은 정확도를 제공합니다. OpenHands는 Claude, GPT, Gemini 및 Ollama 또는 vLLM을 통한 로컬 모델을 포함하여 LiteLLM을 통해 100개 이상의 공급자를 지원합니다. 로컬 배포의 경우 Qwen3-Coder-32B 또는 Devstral 24B가 가장 강력한 개방형 옵션입니다.’
q: ‘로컬 모델을 사용하여 OpenHands를 완전히 오프라인으로 실행할 수 있나요?’
가: ‘그렇습니다. 기본 URL을 로컬 엔드포인트(예: http://localhost:11434/v1)와 API 키 값으로 설정하여 Ollama, vLLM 또는 LM Studio를 통해 로컬 모델을 사용하세요. Qwen3-Coder-32B를 허용 가능한 속도로 실행하려면 최소 24GB VRAM을 갖춘 GPU가 필요하며 성능은 복잡한 작업에서 프론티어 API보다 약 20~30% 정도 뒤쳐집니다.’
q: ‘코드를 자율적으로 실행하는 OpenHands를 실행하는 것이 안전한가요?’
a: ‘코드는 각 작업 후에 폐기되는 Docker 샌드박스 컨테이너 내에서 실행되며 ‘SANDBOX_NETWORK_DISABLED=true’를 설정하면 샌드박스가 아웃바운드 네트워크 요청을 하는 것을 차단합니다. 그러나 Docker 소켓을 장착하면 컨트롤러에 상당한 호스트 액세스 권한이 부여되므로 OpenHands는 프로덕션 노트북이 아닌 세분화된 저장소 범위의 GitHub 토큰이 있는 전용 시스템이나 VM에서 실행되어야 합니다.’
featureImage: /images/articles/오픈핸즈-별-74000개-이상.png
—{{< 리소스 정보 >}}## 소개대부분의 AI 코딩 도구는 제안에서 멈춥니다. 완성된 내용을 붙여넣고 컴파일되기를 바랍니다. OpenHands는 다른 접근 방식을 취합니다. 이는 저장소를 읽고, 파일을 편집하고, 테스트를 실행하고, 작업이 통과할 때까지 반복하는 완전한 소프트웨어 엔지니어링 에이전트입니다. 74,000개 이상의 GitHub 스타와 SWE-bench 인증에서 72%의 점수를 획득한 이 제품은 프로덕션 환경에서 가장 많이 배포된 오픈 소스 코딩 에이전트입니다.이 가이드에서는 OpenHands를 로컬에 설치하고, 선호하는 LLM 공급자에 연결하고, GitHub와 통합하고, CI/CD 파이프라인을 위한 헤드리스 모드에서 실행하는 과정을 안내합니다. 일상적인 작업을 위해 로컬 AI 엔지니어를 원하든 일괄 문제 해결을 위해 자율 에이전트를 원하든 이 튜토리얼에서는 실제 명령과 구성을 사용하여 모든 단계를 다룹니다.## 오픈핸즈란 무엇인가요?OpenHands(이전 OpenDevin)는 Docker 컨테이너 내에서 실행되는 오픈 소스 AI 소프트웨어 엔지니어링 에이전트입니다. Python 기반 컨트롤러가 에이전트 루프(관찰, 생각, 행동)를 관리하는 반면 격리된 샌드박스 컨테이너는 코드 실행, 파일 작업 및 테스트 실행을 처리하는 컨트롤러-샌드박스 아키텍처를 사용합니다.주요 기능은 다음과 같습니다.
자율 작업 실행: GitHub 문제 또는 자연어 작업을 제공하고 엔드투엔드 해결
샌드박스 코드 실행: 모든 코드는 호스트와 격리된 Docker 컨테이너 내에서 실행됩니다.
다중 에이전트 위임: 복잡한 작업이 전문 하위 에이전트로 분할됩니다.
BYO 모델 지원: Claude, GPT, Gemini, Ollama 또는 vLLM을 통한 로컬 모델, LiteLLM을 통한 100개 이상의 제공업체와 작동
헤드리스 모드: CI/CD 및 일괄 처리를 위한 프로그래밍 방식 API 액세스
웹 UI + CLI: 브라우저 기반 인터페이스와 터미널 우선 워크플로 모두## OpenHands 작동 방식아키텍처에는 두 가지 주요 구성 요소가 있습니다.컨트롤러 노드: 에이전트 루프를 관리하고 LiteLLM을 통해 LLM 추상화를 처리하며 샌드박스 수명 주기를 조정하는 Python 서버입니다. 작업을 수신하고, 이를 단계로 나누고, 결정을 위해 LLM을 호출하고, 반복 전반에 걸쳐 상태를 추적합니다.샌드박스 컨테이너: 모든 코드 실행이 발생하는 작업별로 생성되는 Docker 컨테이너입니다. 에이전트는 이 격리된 환경 내에서 파일을 읽고, 셸 명령을 실행하고, 테스트를 실행하고, 패치를 작성합니다. 작업이 완료되면 샌드박스가 삭제됩니다.
에이전트 루프는 다음 패턴을 따릅니다.````
관찰: 작업 설명, 저장소 상태, 이전 작업 결과 읽기
생각: LLM은 계획(편집할 파일, 실행할 명령)을 생성합니다.
ACT: 계획된 작업(read_file, write_file, run_cmd 등)을 실행합니다.
관찰: 결과 캡처(출력, 오류, 테스트 결과)
REPEAT: 작업이 완료되거나 최대 반복 횟수에 도달할 때까지 반복합니다.
루프는 일반적으로 작업당 30-50개의 LLM 호출을 실행합니다. 메모리 응축기(v1.5에 추가됨)는 이전 컨텍스트를 요약하여 컨텍스트 창에 집중하도록 하여 대기 시간을 개선하고 긴 작업에서 토큰 소비를 줄입니다.## 설치 및 설정### 전제 조건OpenHands를 설치하기 전에 다음 사항을 확인하세요.- **Docker Desktop** 설치 및 실행 중(Docker 소켓 액세스 필요)
- **4GB+ RAM**(동시 세션에는 8GB 권장)
- **Python 3.12+**(uv를 통한 CLI 설치용)
- **LLM API 키**(Anthropic, OpenAI, Google 또는 로컬 모델 엔드포인트)### 옵션 1: uv를 사용한 CLI 설치(권장)OpenHands를 실행하는 가장 빠른 방법은 uv 기반 CLI 설치 프로그램을 사용하는 것입니다.``배쉬
# uv가 없다면 uv를 설치하세요
컬 -LsSf https://astral.sh/uv/install.sh | 쉿# 오픈핸즈 설치
uv 도구 설치 openhands --python 3.12# GUI 서버를 시작합니다
오픈핸드 서브
````서버는
`http://localhost:3000`에서 시작됩니다. 브라우저를 열고 LLM 제공업체를 선택한 후 API 키를 입력하면 작업을 할당할 수 있습니다.### OpenHands를 사용하는 회사AMD, Apple, Google, and Netflix have all deployed OpenHands internally for automated main```
bas
h
# 헤드리스로 작업 실행
openhands --headless -t "인증 모듈에 대한 단위 테스트 작성"
# 파일에서 작업 로드
오픈핸드 --headless -f task.txt
# 파이프라인 구문 분석을 위한 JSON 출력
openhands --headless --json -t "routes.py에서 API 엔드포인트 수정" >output.jsonl
``신중한 보안 설정:**1. Sandbox Network Isolation**``yaml
환경:
- SANDBOX_NETWORK_DISABLED=true
Thi
s
prevents sandbox containers from making outbound requests. Enable selectively only for tasks that need to install packages.2. Docker Socket SecurityThe Docker socket moun```
yam
l
이름: OpenHands 자동 수정
에:
문제:
types: [labeled]
jobs:
fix:
if: github.event.label.name == ‘auto-fix’
runs-on: ubuntu-latest
steps:
t
variables:``yaml
볼륨:
- /var/run/docker.sock:/var/run/docker.sock
- /opt/secrets:/secrets:ro
환경:
- LLM_API_KEY_FILE=/secrets/anthropic_key
````### 다중 에이전트 위임대규모 기능의 경우 다중 에이전트 모드를 활성화합니다.``배쉬
# config.toml 또는 환경 변수를 통해
[에이전트]
활성화_다중_에이전트 = 사실
max_subagents = 3
````상위
에이전트는 "인증을 사용하여 REST API 구축"을 다음으로 분해합니다.
- 하위 에이전트 1: API 엔드포인트 구현
- 하위 에이전트 2: 인증 미들웨어 작성
- 하위 에이전트 3: 데이터베이스 모델 생성### 메모리 콘덴서 튜닝장기 실행 작업의 경우 메모리 콘덴서를 조정합니다.``톰
[llm]
활성화_콘덴서 =````
jso
n
{
"mcpServer": {
"가져오기": {
"명령": "uvx",
"args": ["mcp-서버-가져오기"]
},
"파일 시스템": {
"명령": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/workspace"]
}
}
}
``측정항목 로그를 확인하세요.``배쉬
# LLM 통화 수 계산
jq 'select(.type == "llm")' openhands.log | 화장실 -l# 오류 찾기
jq 'select(.type == "error")' openhands.log# 작업 기간 계산
jq 'select(.type == "마침") | .timestamp' openhands.log
````### Kubernetes를 통한 확장팀 배포를 위해 커뮤니티는 Helm 차트를 유지 관리합니다.``배쉬
# OpenHands Helm 저장소를 추가합니다.
helm repo 추가 오픈핸드 https://charts.openhands.dev
헬름 저장소 업데이트# 값을 사용하여 설치
helm install openhands openhands/openhands \
--set llm.apiKey=$LLM_API_KEY \
--set llm.model=anthropic/claude-sonnet-4-20250514 \
--set sandbox.networkDisabled=true \
--복제본 설정=2
````## 대안과의 비교| Feature | OpenHands | Claude Code | Aider | Codex CLI |
|---|---|---|---|---|
| **License** | MIT (open source) | Proprietary (closed) | Apache-2.0 (open source) | Proprietary (closed) |
| **GitHub Stars** | 74,200 | N/A | 39,000 | N/A |
| **Interface** | Web UI + CLI | CLI only | CLI only | CLI only |
| **Sandboxing** | Docker containers | Host filesystem | Host filesystem | Host filesystem |
| **Model Support** | 100+ via LiteLLM | Claude only | 100+ via API | OpenAI only |
| **SWE-bench Verified** | ~72% (Claude) | ~78% (Claude) | ~62% (Claude) | ~55% (GPT) |
| **First-Pass Success** | ~65% | ~78% | ~71% | ~60% |
| **Multi-Agent** | Yes (native) | Yes (sub-agents) | No | No |
| **Self-Hosted** | Yes (default) | No | Yes | No |
| **Setup Time** | 10-15 min | 2 min | 5-10 min | 2 min |
| **Cost** | Free + API | $17-200/mo | Free + API | $20/mo + API |
| **CI/CD Integration** | Headless + JSON | Limited | Scriptable | Limited |
| **IDE Integration** | VS Code (ACP) | None | None | VS Code (official) |### 언제 무엇을 선택해야 할까요?- **OpenHands**: 샌드박스 실행 및 다중 에이전트 지원을 갖춘 자체 호스팅 자율 에이전트가 필요합니다. 인프라와 모델 선택을 완전히 제어하고 싶습니다.
- **Claude Code**: 가장 높은 1차 통과 성공률을 원하고 이미 Claude를 사용하고 있으며 자체 호스팅이 필요하지 않습니다. Docker 복잡성이 없는 간단한 CLI를 선호합니다.
- **에이더**: 터미널에 거주하며 자동 커밋이 포함된 Git 기반 작업을 원하며 컨테이너 오버헤드가 없는 가벼운 도구가 필요합니다.
- **Codex CLI**: OpenAI 생태계에 깊이 통합되어 있으며 공식 VS Code 지원``yaml을 원합니다.
환경:
- SANDBOX_NETWORK_DISABLED=true
``차 평가OpenHands가 모든 상황에 적합한 도구는 아닙니다. 이것이 좋지 않은 이유는 다음과 같습니다.**1. Frontend/UI tasks with visual feedback**: The agent cannot "see" rendered output. Tasks like "center this button" or "fix the CSS gradient" often require multiple iterations ```
bas
h
docker run --security-opt no-new-privileges \
--cap-drop ALL \
--cap-add SYS_ADMIN \
-v /var/run/docker.sock:/var/run/docker.sock \
ghcr.io/openhands/openhands:최신
```e
faster.**3. Docker가 없는 소형 시스템**: Docker Desktop(기업 잠금 노트북, ARM Chromebook)을 실행할 수 없는 경우 OpenHands가 작동하지 않습니다. Docker 소켓 마운트는 엄격한 요구 사항입니다.**4. 모호한 요구사항**: "코드베이스 개선" 또는 "리팩터링 ``bash와 같은 작업
# GitHub > 설정 > 개발자 설정에서 세분화된 PAT를 생성합니다.
# 선택만: 콘텐츠(읽기/쓰기), 이슈(읽기), 풀 요청(쓰기)
``M이 전화해요. Claude Sonnet의 경우 통화당 ~$0.01, 즉 작업당 $0.30-0.50입니다. 대량 일괄 처리의 경우 비용이 빠르게 증가합니다.**6. 학습 곡선**: 다중 에이전트 시스템, 이벤트 스트림 및 구성 옵션은 강력하지만 ``yaml을 압도합니다
볼륨:
- /var/run/docker.sock:/var/run/docker.sock
- /opt/비밀:/비밀:ro
환경:
- LLM_API_KEY_FILE=/secrets/anthropic_key
``# OpenHands를 실행하려면 어떤 하드웨어가 필요합니까?최신 CPU, 4GB RAM 및 Docker Desktop이 최소 요구 사항입니다. 로컬 모델의 경우``bash에서 Qwen3-Coder-32B를 실행하려면 최소 24GB VRAM(RTX 4090 이상)이 있는 GPU가 필요합니다.
# config.toml 또는 환경 변수를 통해
[에이전트]
활성화_다중_에이전트 = 사실
max_subagents = 3
``오프라인?예, Ollama, vLLM 또는 LM Studio를 통한 로컬 모델을 사용합니다. 기본 URL을 로컬 엔드포인트(예: `http://localhost:11434/v1`)로 설정하고 API 키에 임의의 값을 사용하십시오. 복잡한 작업에서는 성능이 프론티어 API보다 20~30% 낮지만 일상적인 버그 수정 및 리팩터링에는 작동합니다.### OpenHands는 Devin과 어떻게 비교됩니까?Devin($20-500/월)은 설정이 더 쉽습니다(가입 2분) b```
tom
l
[llm]
활성화_콘덴서 = true
denser_max_history = 240 # 240개 이벤트 이후 요약 (기본값: 240)
`` 모델 선택, 자체 호스팅 및 공급업체 종속 없음. SWE-bench Verified에서 OpenHands 점수는 ~72%이고 Devin은 ~50%입니다.### OpenHands를 사용하면 내 코드가 안전한가요?코드는 Docker 샌드박스``bash 내에서 실행됩니다.
openhands --headless --json -t "당신의 작업" 2>&1 | 티 오픈핸즈.log
`SANDBOX_NETWORK_DISABLED=true`가 설정된 경우 ```
ss
. 그러나 Docker 소켓을 마운트하면 컨트롤에 "bash"가 제공됩니다.
# LLM 통화 수 계산
jq 'select(.type == "llm")' openhands.log | 화장실 -l
# 오류 찾기
jq 'select(.type == "error")' openhands.log
# 작업 기간 계산
jq 'select(.type == "마침") | .timestamp' openhands.log
``모든 CI 시스템이 구문 분석할 수 있는 구조화된 JSONL 출력입니다. 일반적인 GitHub Actions 워크플로는 리포지토리를 복제하고, 레이블이 지정된 문제에 대해 OpenHands를 실행하고, 생성된 diff에서 PR을 생성합니다.### OpenHands에 가장 적합한 모델은 무엇인가요?Claude Sonnet 4.6은 대부분의 작업에 대해 비용과 품질의 최상의 균형을 제공합니다. 클라우``배쉬
# OpenHands Helm 저장소를 추가합니다.
helm repo 추가 오픈핸드 https://charts.openhands.dev
헬름 저장소 업데이트
# 값을 사용하여 설치
helm install openhands openhands/openhands \
--set llm.apiKey=$LLM_API_KEY \
--set llm.model=anthropic/claude-sonnet-4-20250514 \
--set sandbox.networkDisabled=true \
--복제본 설정=2
``(1) 더 구체적인 지침을 제공하거나, (2) 더 강력한 모델로 전환하거나, (3) 작업을 더 작은 하위 작업으로 나누거나, (4) 설정에서 'max_iterations' 제한을 늘립니다.## 결론OpenHands는 2026년에 출시될 가장 유능한 오픈 소스 AI 소프트웨어 엔지니어링 에이전트입니다. GitHub 스타 74,000명 이상, SWE 벤치 점수 72%, Docker 샌드박스 아키텍처를 갖춘 OpenHands는 공급업체 종속 없이 자율 코딩 기능이 필요한 팀에 적합한 선택입니다.설정에는 10~15분이 소요됩니다. uv 또는 Docker를 통해 설치하고, LLM 공급자를 구성하고, 작업 할당을 시작합니다. 프로덕션 용도의 경우 샌드박스 네트워크 격리를 활성화하고, 세분화된 GitHub PAT를 사용하고, CI/CD 통합을 위한 헤드리스 모드를 배포하세요.**다음 단계:**
1. 저장소를 복제합니다: `git clone https://github.com/OpenHands/OpenHands.git`
2. `uv tool install openhands --python 3.12`를 통해 설치합니다.
3. `openhands Serve`로 실행하고 `localhost:3000`에 연결합니다.
4. 지원 및 기능 업데이트를 위해 Slack 커뮤니티에 가입하세요.
## 권장 호스팅 및 인프라위의 도구를 프로덕션에 배포하기 전에 견고한 인프라가 필요합니다. dibi8이 실제로 사용하고 권장하는 두 가지 옵션은 다음과 같습니다.- **DigitalOcean
** — 14개 이상의 전 세계 지역에서 60일 동안 $200 무료 크레딧을 제공합니다. 오픈 소스 AI 도구를 실행하는 인디 개발자를 위한 기본 옵션입니다.
- **HTStack
** — 중국 본토에서 지연 시간이 짧은 홍콩 VPS입니다. 이는 dibi8.com을 호스팅하는 동일한 IDC이며 프로덕션 환경에서 전투 테스트를 거쳤습니다.*제휴 링크 — 추가 비용이 들지 않으며 dibi8.com을 계속 운영하는 데 도움이 됩니다.*## 출처 및 추가 자료- [OpenHands GitHub 리포지토리](https://github.com/OpenHands/OpenHands) — 소스 코드 및 릴리스
- [공식 문서](https://docs.openhands.dev/) — 전체 설정 및 API 문서
- [OpenHands LLM 구성 가이드](https://docs.openhands.dev/openhands/usage/llms/llms) — 모델 권장 사항 및 공급자 설정
- [헤드리스 모드 문서](https://docs.openhands.dev/openhands/usage/cli/headless) — CI/CD 및 스크립팅 참조
- [SWE-벤치 리더보드](https://www.swebench.com/) — 공식 벤치마크 결과
- [LiteLLM 공급자 문서](https://docs.litellm.ai/docs/providers) — 지원되는 모델 공급자
- [OpenHands 커뮤니티 포럼](https://github.com/OpenHands/OpenHands/discussions) — Q&A 및 문제 해결
- [에이전트 제어 평면 문서](https://docs.openhands.dev/openhands/usage/key-features) — VS Code 통합 및 다중 에이전트 설정
---*이 가이드는 독립적으로 유지 관리되고 정기적으로 업데이트됩니다. 최종 확인 날짜: 2026년 5월.*<!--자동 참조-->
## 참고자료 및 출처- [오픈핸즈](https://github.com/All-Hands-AI/OpenHands)
- [OpenHands 문서](https://docs.all-hands.dev/)
- [LiteLLM](https://github.com/BerriAI/litellm)
- [올라마](https://github.com/ollama/ollama)
- [vLLM](https://github.com/vllm-project/vllm)
- [에이더](https://github.com/Aider-AI/aider)
- [SWE-벤치](https://github.com/SWE-bench/SWE-bench)
- [모델 컨텍스트 프로토콜](https://github.com/modelcontextprotocol)
- [uv](https://github.com/astral-sh/uv)
💬 댓글 토론