오픈 디자인: 클로드 디자인의 오픈소스 대안, 로컬 CLI 에이전트에서 실행

Open Design(OD)은 2026년 4월 17일 Opus 4.7에서 출시된 Anthropic의 Claude Design의 오픈소스 대안입니다. 폐쇄형 소스, 유료 전용, 클라우드 전용 원본과 달리 OD는 로컬 우선, 웹 배포 가능, 모든 계층에서 BYOK를 지원합니다. PATH에서 11개의 코딩 에이전트 CLI(Claude Code, Codex, Cursor Agent, Gemini CLI, OpenCode, Qwen, GitHub Copilot CLI, Hermes, Kimi, Pi, Kiro)를 자동 감지하여 스킬 기반 디자인 워크플로우에 연결합니다. CLI가 없어도 OpenAI 호환 BYOK 프록시가 spawn 없이 동일한 루프로 작동합니다.
주요 기능
- 72개의 브랜드급 디자인 시스템과 31개의 구성 가능한 스킬(WebGL 히어로와 P0/P1/P2 체크리스트가 포함된 매거진 스타일 데크를 위한 op7418/guizang-ppt-skill의 번들
skills/guizang-ppt-skill포함) - 5단계 브랜드 에셋 프로토콜(alchaincyf/huashu-design 제공)로, AI 슬롭 방지 체크리스트와 5차원 자기 비판 포함; 방향 선택기는 5개 학파 × 20개 디자인 철학 제공
- 실시간 TodoWrite 계획이 UI로 스트리밍됨; 에이전트가 시드 템플릿, 레이아웃 라이브러리, 자체 점검 체크리스트가 포함된 실제 온디스크 프로젝트 폴더를 구축
- 샌드박스 iframe 미리보기(벤더드 React 18 + Babel)로 실시간 에이전트 패널(할 일, 도구 호출, 중단 가능한 생성 표시)
- 내보내기: HTML, PDF, PPTX, ZIP, Markdown
pnpm tools-dev로 로컬 실행; 웹 계층은 Vercel에 배포 가능
아키텍처
OD는 4개의 오픈소스 프로젝트를 기반으로 합니다: huashu-design(디자인 철학), guizang-ppt-skill(데크 모드), open-codesign(스트리밍 아티팩트 루프, 라이브 미리보기), multica(데몬 및 런타임, PATH 스캔 에이전트). 프롬프트 스택은 LLM이 작동 중인 파일 시스템, 결정론적 팔레트 라이브러리, 체크리스트 문화를 갖춘 시니어 디자이너처럼 행동하도록 훈련합니다.
일반적인 워크플로우: "시드 라운드를 위한 매거진 스타일 피치 데크를 만들어 줘"와 같은 프롬프트는 대화형 질문 양식을 트리거하고, 에이전트는 5가지 큐레이팅된 시각적 방향 중 하나를 선택하고, TodoWrite 계획을 스트리밍하며, 프로젝트 폴더를 구축하고, 사전 점검을 실행하며, 5차원 비판을 수행하고, 샌드박스 iframe에서 렌더링된 단일 <artifact>를 출력합니다.
대상 사용자
이미 AI 코딩 에이전트(Claude Code, Codex, Cursor 등)를 사용하고 있으며, 클라우드 종속이나 사용자당 요금 없이 로컬 오픈소스 디자인 엔진을 원하는 개발자.
📖 전체 소스 읽기: HN AI Agents
👀 See Also

AI 에이전트 보안 및 최적화를 위한 두 가지 새로운 오픈 소스 도구
AI 에이전트 개발자를 위한 두 가지 오픈 소스 도구가 제공됩니다: AI Agent Defense Kit는 런타임 보안 기술을 제공하고, AgentGuard(개발 중)는 비용 추적, 보안 스캐닝 및 활동 모니터링 기능을 제공합니다.

MephisQuiz: 엔지니어링 역할 평가를 위한 무료 시나리오 기반 퀴즈 플랫폼
SRE 전문가가 MephisQuiz를 개발했습니다. 이는 4가지 엔지니어링 역할 트랙에 걸쳐 860개 이상의 시나리오 기반 질문을 제공하는 무료 퀴즈 플랫폼입니다. 이 플랫폼은 적응형 난이도 시스템을 사용하며, 주제별 분석을 제공하고, Claude AI를 페어 프로그래머로 활용하여 개발되었습니다.

molequla: 클로드코드로 처음부터 구축된 지속 학습 AI 유기체
molequla는 Go, C, JavaScript, Rust로 처음부터 구현된 지속 학습 AI 유기체로, Python 오케스트레이터가 연결합니다. 각 요소는 벡터 자동 미분을 갖춘 완전한 트랜스포머 구현체로, 원시 텍스트로 훈련되며 시간이 지남에 따라 성장하고 개성을 발전시킵니다.

로컬 LLM을 클로드 코드 서브에이전트로 사용하여 컨텍스트 사용량 줄이기
개발자가 Claude Code를 사용하여 LM Studio의 API를 통해 로컬 LLM에 작업을 위임하는 방법을 공유하며, 파일 내용을 Claude의 컨텍스트에서 제외합니다. 이 접근 방식은 로컬에서 파일을 읽고 요약을 반환하기 위해 도구 호출을 사용하는 약 120줄의 Python 스크립트를 활용합니다.