OnPrem.LLM의 AgentExecutor는 클라우드 및 로컬 모델을 모두 사용하여 복잡한 작업을 실행하는 자율 AI 에이전트를 가능하게 합니다. 이 파이프라인은 OpenAI의 GPT-5.2-Codex, Anthropic의 Claude Sonnet 4.5, Google의 Gemini 1.5 Pro와 같은 클라우드 모델뿐만 아니라 Ollama, vLLM 또는 llama.cpp를 통한 로컬 모델을 포함하여 도구 호출을 지원하는 모든 LiteLLM 지원 모델과 함께 작동합니다.

내장 도구

기본적으로 AgentExecutor는 9가지 내장 도구에 대한 액세스를 제공합니다:

• read_file - 파일 전체 내용 읽기
• read_lines - 파일에서 특정 줄 범위 읽기
• edit_file - 찾기/바꾸기를 통해 파일 편집
• write_file - 파일 전체 내용 쓰기
• grep - 파일에서 패턴 검색
• find - 글로브 패턴으로 파일 찾기
• run_shell - 셸 명령어 실행
• web_search - 정보를 위해 웹 검색
• web_fetch - URL에서 콘텐츠 가져오기 및 읽기

구성 예시

보안 요구 사항에 따라 도구 액세스를 사용자 정의할 수 있습니다:

# 기본값 사용 (셸을 포함한 모든 도구):
executor = AgentExecutor(model='anthropic/claude-sonnet-4-5')

기본값이지만 셸 액세스 없음 (더 안전함):
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    disable_shell=True
)
최소 도구:
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    enabled_tools=['read_file', 'write_file']
)
웹 연구만:
executor = AgentExecutor(
    model='openai/gpt-5-mini',
    enabled_tools=['web_search', 'web_fetch']
)

샌드박스 실행

보안을 위해 sandbox=True를 사용하여 일시적인 컨테이너에서 에이전트를 실행할 수 있습니다. 이는 셸 액세스 권한이 있는 에이전트가 작업 디렉토리 외부의 파일을 읽거나 수정할 수 있기 때문에 중요합니다. 에이전트는 지정된 작업 디렉토리 내에서 작동하며 셸 액세스 권한이 부여되지 않는 한 외부를 읽거나 쓸 수 없습니다.

샌드박싱을 사용한 기본 예시:

executor = AgentExecutor(
    model='anthropic/claude-sonnet-4-5',
    sandbox=True,
)

result = executor.run(
    task="""
    다음을 포함하는 간단한 Python 계산기 모듈을 생성하세요:
    - add, subtract, multiply, divide 함수가 있는 calculator.py
    - pytest 테스트가 있는 test_calculator.py
    - 모든 테스트가 통과해야 함
    """,
    working_dir='./calculator_project'
)

이 접근 방식은 보안 경계를 유지하면서 코딩 작업을 자동화해야 하는 개발자에게 유용합니다. 이 도구는 pip install patchpal로 PatchPal을 설치해야 합니다.