ivada-infra/DOCS
3
0
Fork 0
Code Issues 1 Pull Requests 5 Actions Packages Projects Releases Wiki Activity
DOCS/ideas/250929_happybell80_multi_ai_cli_integration.md

4.7 KiB
Raw Blame History

date, author, tags, status
date author tags status
2025-09-29 happybell80
ai
cli
integration
automation
idea

Multi-AI CLI 통합 시스템 구상

현황

  • 사용 중인 AI CLI: Claude (23/24 서버), Gemini CLI, OpenAI Codex CLI (로컬)
  • 인증 방식: 브라우저 세션 기반 (API 키 없이 쿠키/토큰 사용)
  • 현재 워크플로우: 수동으로 각 CLI에 질문하고 답변 종합

목표

여러 AI의 의견을 동시에 얻어 더 나은 의사결정을 내리고 개발 생산성 향상

구현 방안 우선순위

1. 즉시 구현 가능 (tmux + bash)

#!/bin/bash
# multi-ai.sh
tmux new-session -d -s ai-panel
tmux split-window -h -t ai-panel
tmux split-window -v -t ai-panel
tmux send-keys -t ai-panel:0.0 "claude" Enter
tmux send-keys -t ai-panel:0.1 "gemini" Enter
tmux send-keys -t ai-panel:0.2 "openai" Enter
tmux attach -t ai-panel
  • 장점: 구현 간단, 즉시 사용 가능
  • 단점: 수동 입력 필요, 응답 통합 어려움

2. Python 래퍼 (1주일)

# multi_ai_wrapper.py
import subprocess
import asyncio
from typing import Dict

class MultiAIManager:
    def __init__(self):
        self.processes = {
            'claude': subprocess.Popen(['claude'], ...),
            'gemini': subprocess.Popen(['gemini'], ...),
            'openai': subprocess.Popen(['openai'], ...)
        }

    async def query_all(self, prompt: str) -> Dict[str, str]:
        # 각 프로세스에 프롬프트 전송
        # 응답 수집 및 정리
        pass

3. FastAPI 웹 대시보드 (2-3주)

# main.py
from fastapi import FastAPI, WebSocket
from fastapi.responses import HTMLResponse

app = FastAPI()

@app.websocket("/ws")
async def websocket_endpoint(websocket: WebSocket):
    await websocket.accept()
    # 실시간 스트리밍 처리

@app.get("/")
async def dashboard():
    # 통합 대시보드 UI 제공
    pass

주요 기능:

  • 단일 입력창으로 모든 AI에 동시 질의
  • 실시간 응답 스트리밍 (3열 레이아웃)
  • 대화 이력 저장/검색
  • 응답 비교 및 최선 선택
  • 세션 관리 (쿠키/토큰 경로 공유)

4. 기대 효과

시나리오 1: 코드 리뷰

  • 입력: "이 함수의 문제점과 개선 방안"
  • Claude: 버그 및 엣지케이스 분석
  • Gemini: 성능 최적화 제안
  • OpenAI: 리팩토링 패턴 추천
  • 결과: 다각도 검토로 코드 품질 향상

시나리오 2: 장애 대응

  • 입력: "서버 응답 지연 원인 분석"
  • Claude: 로그 패턴 분석
  • Gemini: 시스템 리소스 진단
  • OpenAI: 즉시 적용 가능한 해결책
  • 결과: 신속한 문제 해결

시나리오 3: 아키텍처 설계

  • 입력: "마이크로서비스 분리 전략"
  • Claude: 도메인 경계 분석
  • Gemini: 기술 스택 제안
  • OpenAI: 마이그레이션 로드맵
  • 결과: 균형잡힌 설계 결정

구현 로드맵

  1. Phase 1 (즉시): tmux 스크립트 작성 및 테스트
  2. Phase 2 (1주): Python subprocess 래퍼 개발
  3. Phase 3 (2주): FastAPI 백엔드 구축
  4. Phase 4 (3주): 웹 UI 및 실시간 통신
  5. Phase 5 (1개월): 세션 공유, 응답 분석 기능

기술적 고려사항

  • 각 CLI의 세션 파일 경로 파악 필요
  • 입출력 스트림 처리 (stdin/stdout/stderr)
  • 응답 파싱 및 포맷팅 로직
  • 동시성 처리 (asyncio/threading)
  • 에러 핸들링 및 재연결 로직

리스크

  • CLI 업데이트로 인한 호환성 깨짐
  • 세션 만료 처리
  • 각 서비스의 rate limiting
  • TOS 위반 가능성 (자동화 관련)

실현 가능성 평가

  • 전체 실현 가능성: 80-85%
  • Phase 1 (tmux 스크립트): 100%
  • Phase 2 (Python 래퍼): 85%
  • Phase 3-4 (FastAPI+웹 UI): 80%
  • Phase 5 (세션 공유·응답 분석): 65-70%
  • 전제: 각 CLI가 stdin/stdout 제어 가능, 세션 파일 경로 확보
  • 주의: 23/24 원격 오케스트레이션 포함 시 5-10%p 하락 가능

반자동화 범위 정의

자동화 영역

  • 입력 브로드캐스트: 1회 입력 → 다중 모델·23/24 서버에 전송, 응답 수집·요약·충돌 정리
  • 코드/문서 생성: 파일별 unified diff, 커밋/PR 본문 템플릿, 체크리스트·재현 스크립트 자동 생성
  • 모니터링: 헬스체크·로그 수집은 읽기 전용으로 자동화, 실행할 서버 명령은 "미리보기"로 제시
  • 세션 관리: 쿠키 관리·만료 감지·재로그인 안내 자동, 만료 시만 수동 로그인 요구

승인 필요 지점

  • 패치 적용
  • 테스트 실행
  • git push/PR 생성
  • 23/24 서버 배포/롤백 트리거
  • 운영 DB/컨테이너 조작 (항상 수동)