🥊 맛대결 · 같은 일을 하는 레포 견주기

코딩 에이전트 생태계 맛대결: 본체·비용·스킬·검색 4종

네 레포는 같은 링에서 직접 겨루는 경쟁자가 아니라, 'AI 코딩 에이전트를 돌린다'는 큰 흐름 안에서 각기 다른 지점을 맡고 있습니다. Reasonix는 에이전트 본체, codeburn은 비용 관측, agentic-awesome-skills는 스킬 카탈로그, claude-context는 코드 검색입니다. 이 비교는 '어느 것이 더 나은가'가 아니라 '내 워크플로의 어느 구멍을 이 도구로 메울 것인가'를 가늠하기 위한 자리입니다.

코딩 보조·CLI 에이전트참가 4곳 · 착한밥상 4곳

왜 이들을 묶었나 — 코딩 보조·CLI 에이전트라는 카테고리 안에서도 실제로 하는 일은 크게 다릅니다. Reasonix는 터미널에서 코드를 직접 읽고 쓰는 본체 에이전트이고, codeburn은 그런 에이전트들이 남긴 사용 기록을 비용으로 환산해 보여주는 대시보드, agentic-awesome-skills는 에이전트가 참고할 작업 플레이북 창고, claude-context는 에이전트가 거대한 코드베이스에서 정확한 코드를 찾도록 돕는 검색 레이어입니다. 네 가지를 한 자리에 모은 이유는, 독자가 '에이전트 하나만 고르면 끝'이라는 오해에서 벗어나 본체와 보조 도구를 조합해 쓰는 구조를 미리 그려보게 하려는 것입니다. 설치 난이도·규모 대응력·유지보수 활력·학습곡선을 네 레포 안에서 상대적으로 비교해, 처음엔 무엇부터 설치하고 나중에 무엇을 더할지 순서를 판단하는 데 쓰시기 바랍니다.

🏆 간판 메뉴 · 이 카테고리의 첫 선택

esengine/DeepSeek-Reasonix

장시간 실행할 수 있는 오픈소스 코딩 에이전트, Go 단일 바이너리로 배포

왜 이걸 골랐나 — 네 레포 중 실제로 코드를 읽고 쓰고 실행하는 '에이전트 본체'는 Reasonix뿐입니다. codeburn은 비용 관측, agentic-awesome-skills는 스킬 카탈로그, claude-context는 코드 검색으로 모두 기존 에이전트를 보강하는 역할입니다. 코딩 보조·CLI 에이전트를 처음 찾는 사람이라면 먼저 에이전트 자체를 돌려봐야 하며, 단일 바이너리 설치와 config-driven 구조, 신뢰도 1.50(네 레포 중 최고)을 갖춘 Reasonix가 진입 장벽이 가장 낮습니다.

🍚 착한밥상신뢰도 1.50Go · MIT

착한밥상 심층 해설 보기 🧪 한 줄로 맛보기

CORE · 차원별 비교

여섯 가지 차원으로 견줬습니다

차원	esengine/DeepSeek-Reasonix🍚 착한밥상	getagentseal/codeburn🍚 착한밥상	sickn33/agentic-awesome-skills🍚 착한밥상	zilliztech/claude-context🍚 착한밥상
install⚙️	단일 바이너리 설치CGO_ENABLED=0 정적 Go 바이너리 하나로 CLI/TUI가 바로 실행되고, reasonix.toml 한 파일로 provider·도구·플러그인을 선언합니다.	npx 한 줄 실행npx codeburn으로 터미널 대시보드가 즉시 뜨지만, 웹·Electron·메뉴바까지 쓰려면 별도 앱 설치가 더 필요합니다.	CLI+로컬 MCP 설정CLI와 stdio MCP 서버를 함께 띄우고 카탈로그 빌드 스크립트 체인을 이해해야 stack validate/plan까지 쓸 수 있습니다.	벡터DB·임베딩 키 필요MCP 서버 설치 외에 Milvus 또는 Zilliz Cloud, 그리고 OpenAI 등 임베딩 프로바이더 키 발급이 선행되어야 합니다.
scale📊	벤치마크 하네스 보유cmd/e2ebench와 task.toml+verify.sh로 실제 프로바이더 호출 기반 정확도·캐시 적중률·비용을 측정하는 구조를 갖추고 있습니다.	36개 이상 툴 로그 집계넓은 범위의 로그 포맷을 파싱하지만, 자체 규모는 '대량 로그를 얼마나 빨리 집계하느냐'에 머무릅니다.	2,400개+ 스킬 카탈로그카탈로그 규모는 크지만 compose_stack은 순위·추천 없이 구조 검증만 하므로 '성능'보다는 '목록 크기'에 해당합니다.	Merkle 증분+하이브리드 검색변경 파일만 재인덱싱하는 증분 동기화와 BM25 결합 하이브리드 검색으로 대형 코드베이스 처리에 최적화되어 있습니다.
maintenance🔧	신뢰도 1.50, 최상위네 레포 중 신뢰도 지표가 가장 높고, 벤치마크·Extension Protocol까지 갖춘 비교적 체계적인 구조입니다.	신뢰도 1.47, 세밀한 공학동시 실행 제한·요청 코얼레싱·opt-in 텔레메트리 버킷화 등 디테일한 방어 코드가 많아 꾸준한 손질이 엿보입니다.	신뢰도 1.47, 자동화 체인validate·audit:skills·plugin-compat:sync 등 스크립트 체인으로 카탈로그 품질을 자동 점검하는 구조입니다.	신뢰도 1.46, 테스트 기반수치상 신뢰도는 가장 낮지만 인덱싱 중단·임베딩 실패까지 커버하는 유닛테스트가 포함되어 있습니다.
learning📈	toml+MCP 개념 필요config-driven 구조와 MCP/Extension Protocol 개념을 익혀야 플러그인·도구 확장을 제대로 쓸 수 있습니다.	보기만 하면 됨설정 거의 없이 실행해서 집계 결과를 보는 형태라 학습 부담이 가장 적습니다.	stack/plan/evidence 체계'에이전트가 선택, AAS는 검증'이라는 구조와 stack validate·plan·apply 명령 체계를 먼저 이해해야 합니다.	벡터DB·스플리터 개념임베딩 프로바이더 선택, tree-sitter 기반 청크 분할, 하이브리드 검색 설정 등 배경 개념이 상대적으로 많습니다.
라이선스상업적 사용	✅ MIT	✅ MIT	✅ MIT	✅ MIT
용도 적합어디에 맞나	DeepSeek 계열 모델로 장시간 터미널 코딩 에이전트를 직접 돌리고 싶은 사용자에게 맞습니다.	이미 여러 AI 코딩 툴을 쓰면서 모델·프로젝트별 비용을 한눈에 확인하고 싶은 사용자에게 맞습니다.	Codex·Claude Code 같은 에이전트에 재사용 가능한 작업 플레이북을 대량으로 붙이고 싶은 사용자에게 맞습니다.	대형 코드베이스에서 에이전트가 정확한 관련 코드만 찾아 쓰게 하고 싶은 사용자에게 맞습니다.

esengine/DeepSeek-Reasonix✅ 간판 메뉴

install단일 바이너리 설치CGO_ENABLED=0 정적 Go 바이너리 하나로 CLI/TUI가 바로 실행되고, reasonix.toml 한 파일로 provider·도구·플러그인을 선언합니다.

scale벤치마크 하네스 보유cmd/e2ebench와 task.toml+verify.sh로 실제 프로바이더 호출 기반 정확도·캐시 적중률·비용을 측정하는 구조를 갖추고 있습니다.

maintenance신뢰도 1.50, 최상위네 레포 중 신뢰도 지표가 가장 높고, 벤치마크·Extension Protocol까지 갖춘 비교적 체계적인 구조입니다.

learningtoml+MCP 개념 필요config-driven 구조와 MCP/Extension Protocol 개념을 익혀야 플러그인·도구 확장을 제대로 쓸 수 있습니다.

라이선스✅ MIT

용도 적합DeepSeek 계열 모델로 장시간 터미널 코딩 에이전트를 직접 돌리고 싶은 사용자에게 맞습니다.

getagentseal/codeburn🍚 착한밥상

installnpx 한 줄 실행npx codeburn으로 터미널 대시보드가 즉시 뜨지만, 웹·Electron·메뉴바까지 쓰려면 별도 앱 설치가 더 필요합니다.

scale36개 이상 툴 로그 집계넓은 범위의 로그 포맷을 파싱하지만, 자체 규모는 '대량 로그를 얼마나 빨리 집계하느냐'에 머무릅니다.

maintenance신뢰도 1.47, 세밀한 공학동시 실행 제한·요청 코얼레싱·opt-in 텔레메트리 버킷화 등 디테일한 방어 코드가 많아 꾸준한 손질이 엿보입니다.

learning보기만 하면 됨설정 거의 없이 실행해서 집계 결과를 보는 형태라 학습 부담이 가장 적습니다.

라이선스✅ MIT

용도 적합이미 여러 AI 코딩 툴을 쓰면서 모델·프로젝트별 비용을 한눈에 확인하고 싶은 사용자에게 맞습니다.

sickn33/agentic-awesome-skills🍚 착한밥상

installCLI+로컬 MCP 설정CLI와 stdio MCP 서버를 함께 띄우고 카탈로그 빌드 스크립트 체인을 이해해야 stack validate/plan까지 쓸 수 있습니다.

scale2,400개+ 스킬 카탈로그카탈로그 규모는 크지만 compose_stack은 순위·추천 없이 구조 검증만 하므로 '성능'보다는 '목록 크기'에 해당합니다.

maintenance신뢰도 1.47, 자동화 체인validate·audit:skills·plugin-compat:sync 등 스크립트 체인으로 카탈로그 품질을 자동 점검하는 구조입니다.

learningstack/plan/evidence 체계'에이전트가 선택, AAS는 검증'이라는 구조와 stack validate·plan·apply 명령 체계를 먼저 이해해야 합니다.

라이선스✅ MIT

용도 적합Codex·Claude Code 같은 에이전트에 재사용 가능한 작업 플레이북을 대량으로 붙이고 싶은 사용자에게 맞습니다.

zilliztech/claude-context🍚 착한밥상

install벡터DB·임베딩 키 필요MCP 서버 설치 외에 Milvus 또는 Zilliz Cloud, 그리고 OpenAI 등 임베딩 프로바이더 키 발급이 선행되어야 합니다.

scaleMerkle 증분+하이브리드 검색변경 파일만 재인덱싱하는 증분 동기화와 BM25 결합 하이브리드 검색으로 대형 코드베이스 처리에 최적화되어 있습니다.

maintenance신뢰도 1.46, 테스트 기반수치상 신뢰도는 가장 낮지만 인덱싱 중단·임베딩 실패까지 커버하는 유닛테스트가 포함되어 있습니다.

learning벡터DB·스플리터 개념임베딩 프로바이더 선택, tree-sitter 기반 청크 분할, 하이브리드 검색 설정 등 배경 개념이 상대적으로 많습니다.

라이선스✅ MIT

용도 적합대형 코드베이스에서 에이전트가 정확한 관련 코드만 찾아 쓰게 하고 싶은 사용자에게 맞습니다.

참가 레포 · 4곳

각자 무엇을 잘하고, 무엇을 포기했나

레포명을 누르면 착한밥상은 심층 해설로, 관찰 중은 레포 상세로

esengine/DeepSeek-Reasonix🍚 착한밥상

장시간 실행할 수 있는 오픈소스 코딩 에이전트, Go 단일 바이너리로 배포

👍 장점

단일 Go 바이너리로 설치·배포가 간단합니다
reasonix.toml로 provider·도구·플러그인을 선언적으로 관리합니다
CLI/TUI·데스크톱·VS Code 확장이 동일 엔진을 공유합니다
DeepSeek 프리픽스 캐시를 재사용하는 컨텍스트 관리로 비용·속도를 관리합니다

👎 단점

DeepSeek 계열 모델에 맞춰 튜닝되어 다른 모델 조합에서는 이점이 줄 수 있습니다
MCP·Extension Protocol 개념을 먼저 이해해야 확장 기능을 쓸 수 있습니다
신뢰도는 가장 높지만 생태계 규모 자체는 아직 작은 편입니다

GoMIT신뢰도 1.50심층 해설 →

getagentseal/codeburn🍚 착한밥상

AI 코딩 도구의 토큰 사용량과 비용을 추적하고 최적화하는 로컬 우선 대시보드

👍 장점

npx 한 줄로 실행되는 로컬 우선 토큰·비용 대시보드입니다
36개 이상 AI 코딩 툴의 로그를 공통 포맷으로 집계합니다
터미널·웹·Electron·메뉴바 네 화면이 같은 데이터를 공유합니다
텔레메트리가 opt-in이고 금액 대신 버킷 값만 전송하도록 설계되어 있습니다

👎 단점

코드를 작성·실행하지 않는 관측용 도구라 에이전트 자체를 대체하지 못합니다
대량 로그를 처음 스캔할 때 워밍업 시간이 걸립니다
가격 산정이 LiteLLM 번들 가격표 갱신 주기에 의존합니다

TypeScriptMIT신뢰도 1.47심층 해설 →

sickn33/agentic-awesome-skills🍚 착한밥상

AI 에이전트가 선택할 수 있는 2,400개 이상의 재사용 가능한 스킬 카탈로그와 검증 도구

👍 장점

2,400개 이상 SKILL.md 플레이북을 로컬 MCP로 검색할 수 있습니다
'에이전트가 선택, AAS는 검증만' 구조로 순위·추천을 강제하지 않습니다
stack validate/plan으로 적용 전 불변 계획을 만들어 검토할 수 있습니다
Workbench로 파일시스템 접근 없이 브라우저에서 선택 내역을 리뷰할 수 있습니다

👎 단점

실제 파일 변경(apply)과 복구는 아직 실험적이며 README가 지원 범위 밖이라 명시합니다
스킬 선택 주체가 에이전트라 AAS 단독으로는 결과를 보장하지 않습니다
stack·plan·evidence 구조를 처음 익히는 데 시간이 걸립니다

PythonMIT신뢰도 1.47심층 해설 →

zilliztech/claude-context🍚 착한밥상

AI 에이전트를 위한 의미 기반 코드 검색 MCP 플러그인으로, 전체 코드베이스를 벡터 DB에 인덱싱하여 Claude Code와 다른 AI 도구에 관련 코드만 정확히 제공

👍 장점

Merkle 트리 기반 증분 동기화로 변경된 파일만 재인덱싱합니다
tree-sitter AST 분할과 다중 임베딩 프로바이더(OpenAI·VoyageAI·Gemini·Ollama)를 지원합니다
MCP 툴(index_codebase, search_code, sync)로 여러 에이전트에서 바로 씁니다
인덱싱 중단·임베딩 실패 시나리오까지 커버하는 유닛테스트가 있습니다

👎 단점

Milvus 또는 Zilliz Cloud 같은 벡터DB를 별도로 운영하거나 구독해야 합니다
임베딩 프로바이더 API 키 발급과 사용 비용이 추가로 듭니다
코드베이스 규모가 클수록 초기 전체 인덱싱에 시간이 필요합니다

TypeScriptMIT신뢰도 1.46심층 해설 →

이럴 땐 이거

용도별 추천

DeepSeek 모델로 터미널에서 장시간 코딩 작업을 자동화하고 싶다면?

esengine/DeepSeek-Reasonix

Go 단일 바이너리를 설치하고 reasonix.toml로 provider·도구를 선언하면 캐시 인식 컨텍스트 관리와 함께 세션을 바로 시작할 수 있습니다.

Claude Code·Cursor·Codex를 섞어 쓰면서 월별 비용이 궁금하다면?

getagentseal/codeburn

npx codeburn 한 줄로 로컬 로그를 모아 모델·프로젝트·작업 단위로 토큰과 비용을 바로 확인할 수 있습니다.

에이전트에게 반복 작업 플레이북을 대량으로 붙여주고 싶다면?

sickn33/agentic-awesome-skills

로컬 MCP로 2,400개 이상 SKILL.md 카탈로그를 검색하게 하고 stack validate로 선택 결과를 검증합니다.

대형 코드베이스에서 에이전트가 관련 코드만 정확히 찾게 하고 싶다면?

zilliztech/claude-context

코드베이스 전체를 벡터DB에 인덱싱해 MCP의 search_code 툴로 자연어 질의 검색을 제공합니다.

어떤 기준으로 견줬나

맛대결은 순위표가 아닙니다. 아래 여섯 차원은 “설치해서 실제로 쓸 때 결과가 갈리는 지점”만 골랐고, 등급은 검증단이 각 레포를 실제 설치·실행해 남긴 기록과 공개 저장소 데이터에 근거합니다.

설치 난이도문서만 보고 첫 응답까지 도달하는 데 걸린 시간과 실패 지점 수

성능 · 규모동시 요청 처리 구조(배칭·캐시)와 저사양 대응 범위

유지보수 활력최근 커밋 빈도, 릴리스 주기, 이슈 응답 시간

라이선스상업적 사용·사내 배포 시 제약 여부

학습곡선사전 지식 요구량, 예제·문서의 언어별 완결성

용도 적합개인·팀·엣지 중 어디에 설계 의도가 맞춰져 있는가

등급은 절대 점수가 아니라 이 대결 안에서의 상대 비교입니다 · 착한밥상 배지는 4개 관문(안전·실속·살아있음·숙성)을 통과한 레포에만 붙습니다 · 관찰 중 표기는 숙성 기간이 아직 차지 않은 경우입니다.

지난 맛대결

1회차

지금 보고 있는 최신 회차는 무료입니다. 그 앞의 1회차는 깃밥 PRO에서 열립니다 — 같은 카테고리가 회차를 거치며 어떻게 바뀌었는지 견주는 기록입니다.

깃밥 PRO 전용 · 지난 회차 맛대결 전문 — 회차별 6차원 비교 · 간판 선정 이유 · 참가 레포 장단점

최신 회차 맛대결 전문 — 지금처럼 무료로 열립니다.

깃밥 PRO 알아보기 →