TL;DR

  • Oh My Pi(OMP)와 Orca를 결합해 여러 에이전트를 조율하고 작업별로 모델을 선택하는 개발 환경임.
  • 기본 구현에는 저렴하고 빠른 DeepSeek Flash를, 계획과 검토에는 강력한 Claude Opus 5.5를 배정하는 역할별 모델 구성임.
  • 커밋 메시지 작성은 로컬 Ollama의 Llama 3.2 3B, 유형화된 판단은 Jev에 맡겨 비용을 줄이는 방식임.
  • Orca의 워크트리는 저장소별 작업 공간을 분리해 여러 에이전트를 병렬로 실행하고, GitHub 이슈나 Linear 티켓에서 바로 작업을 시작하는 기능임.
  • Orca의 Relay를 이용하면 휴대전화로 에이전트 세션을 확인하고 명령을 보내며 새 작업을 시작할 수 있음.

Oh My Pi

  • 거의 2년간 Cursor를 사용한 뒤, 에이전트를 조율하고 작업별로 모델을 바꾸면서 토큰 사용량을 극대화하고 지출을 최소화할 수 있는 환경으로 개발 구성을 변경함.
  • 구성은 에이전트를 실행하는 Oh My Pi(OMP)와 여러 에이전트를 한꺼번에 실행하고 상호작용하는 Orca의 두 계층임.
  • OMP는 여러 모델을 설정하고 역할을 부여해 세션에서 사용할 수 있게 함.

모델 역할

  • default: 일반 세션 작업을 담당하며, 대부분의 작업이 구현인 만큼 저렴하고 빠르면서 최대 추론 수준을 제공하는 deepseek-flash:max를 사용함.
  • plan: 계획 모드를 담당하며, 실수를 가장 저렴하게 수정할 수 있는 단계이므로 opus-5-5:high를 사용함.
  • advisor: 모든 작업 차례를 살피고 코드 검토처럼 조기에 의견을 주입하며, 더 강력한 모델이 저렴한 모델의 작업을 별도 문맥에서 검토해 놓친 부분을 포착하도록 opus-5-5:auto를 사용함.
  • task: 작업을 수행하도록 생성된 하위 에이전트를 담당하며, 계획에서 범위가 이미 정해지므로 더 강력한 모델이 필요하지 않아 deepseek-flash:medium을 사용함.
  • smol: 저렴한 하위 에이전트 분산 작업을 담당하며, 코드 조사 후 결과를 보고하는 정찰 역할에서는 깊이보다 속도와 비용이 중요해 deepseek-flash:low를 사용함.
  • commit: 커밋 메시지 작성과 커밋 분할을 담당하며, 작은 작업이고 비용이 들지 않으며 변경 사항이 기기 밖으로 나가지 않도록 Ollama에서 로컬로 실행하는 llama3.2:3b를 사용함.
  • judge: 유형화된 예·아니요 판단과 점수 산정을 담당하며, 텍스트 대신 판단을 반환하고 상시 실행하기에 충분히 저렴한 jev-latest를 사용하고 jev-preview를 대체 모델로 둠.
  • Jev를 처음 접하는 경우 에이전트가 의사결정에 Jev를 활용하는 여러 방식을 설명하는 관련 게시물이 있음.
  • 전체 모델 설정의 주요 값은 다음과 같음.
  • 설정 버전: 2
  • 모델 역할: commit은 ollama/llama3.2:3b:auto, default는 deepseek/deepseek-flash:max, advisor는 anthropic/claude-opus-5-5:auto, plan은 anthropic/claude-opus-5-5:high, task는 deepseek/deepseek-flash:medium, smol은 deepseek/deepseek-flash:low, judge는 typesafe/jev-latest임.
  • 도구 활동 표시를 숨기지 않으며, advisor를 활성화하고 reviewer 하위 에이전트에는 anthropic/claude-sonnet-5-5:medium을 지정함.
  • Judge 대체 모델 체인은 typesafe/jev-preview임.

하위 에이전트

  • OMP는 여러 유형의 하위 에이전트를 실행하고 모니터링함.
  • 정찰 에이전트는 조사와 세부 정보 수집을 담당하고, 작업 에이전트는 조정자가 할당한 작업을 수행함.

Prewalk

  • /prewalk는 더 강력한 모델이 작업을 계획하고 첫 번째 수정을 수행한 뒤, 그 문맥을 더 저렴한 에이전트에 넘기는 기능임.
  • 첫 수정의 품질이 높아지고 저렴한 에이전트가 따라갈 패턴이 생김.

Orca

  • Cursor를 상당 기간 사용했고 프로모션으로 Cursor Pro 1년 무료 이용권도 받았지만, 다른 도구를 사용해 보고자 Orca를 선택함.
  • Orca에서는 저장소를 추가한 뒤 워크트리를 생성함.
  • 각 워크트리는 새 브랜치를 만들고 지정한 코딩 에이전트를 해당 디렉터리에서 실행하므로, 서로 간섭하지 않고 여러 에이전트를 병렬로 실행할 수 있음.
  • GitHub 이슈나 Linear 티켓에서 바로 워크트리를 생성할 수도 있음. 예를 들어 orca worktree create --linear-issue ABC-123 --name fix-race-condition 명령은 Linear 티켓을 연결한 새 하위 워크트리를 생성함.

핵심 기능: 모바일 개발

  • 가장 선호하는 Orca 기능은 휴대전화에서 세션을 실행하는 Relay임.
  • QR 코드를 스캔하면 에이전트의 터미널 출력을 확인하고 명령을 보내며 새 작업을 시작할 수 있음.
  • 휴대전화로 작업을 요청한 뒤, 나중에 풀 리퀘스트(PR)가 열리고 지속적 통합(CI) 검사가 통과했다는 알림을 받은 경우가 여러 차례 있음.

전체 구성의 효과

  • Oh My Pi에서는 지출한 AI 비용을 최대한 활용하도록 모델 역할을 나눔. 비싼 모델은 작업 계획과 advisor 검토에 사용하고, 저렴한 모델은 실행에 사용함.
  • 대형 언어 모델(LLM)로 처리하기에는 낭비가 될 판단 작업은 Jev가 담당함.
  • Orca는 모델 비용을 눈에 띄게 늘리지는 않지만 여러 워크트리를 동시에 실행하게 함.
  • 그렇지 않으면 유휴 상태로 남을 시간이 기능 출시로 이어짐.
  • 이전 글: Angkor Thom의 문을 지나 Bayon으로 — 2026년 8월 17일.