Skip to main content
CodePilot IDE는 단순한 AI 채팅 도구를 넘어, 실제 개발 워크플로우 전체를 함께 수행합니다.

멀티 LLM 및 하이브리드 운영

하나의 IDE 안에서 로컬 모델과 클라우드 모델을 자유롭게 전환하며 사용합니다.
  • 클라우드 모델 — 조직이 등록한 고성능 상용 모델
  • 로컬 모델 — 사내 PC나 서버에 설치한 모델. 외부 네트워크 없이 동작
  • 실시간 전환 — 대화 도중에도 모델 변경 가능
보안이 중요한 프로젝트는 로컬 모델만 사용해 데이터 유출을 원천 차단하고, 작업 난이도에 따라 모델을 바꿔 비용을 최적화할 수 있습니다.

용도별 모델 자동 배정

작업 종류에 따라 서로 다른 모델을 자동으로 사용합니다. 간단한 작업에 비싼 모델을 쓰지 않으므로 운영 비용이 줄어듭니다. 용도별 모델은 설정 → AI 모델에서 직접 지정할 수 있습니다.

자동 파일 생성 · 수정 · 삭제

채팅으로 요청하면 AI가 파일을 직접 만들고 수정합니다. 컨트롤러·서비스·DTO처럼 서로 연관된 여러 파일을 한 번에 수정하고, 호출부까지 함께 변경합니다.

인라인 Diff 미리보기와 승인

Diff 화면 AI가 수정한 코드를 에디터 안에서 바로 비교하고 원하는 부분만 적용합니다.
  • 인라인 Diff — 별도 창 없이 현재 코드 사이에 변경분이 표시됩니다
  • 실시간 표시 — AI가 코드를 만드는 동안 Diff가 그려져 완료 전에도 검토할 수 있습니다
  • 선택 적용 — 변경 덩어리 단위로 Keep / Undo
  • 턴 단위 처리 — 이번 답변의 변경 전체를 한 번에 확정하거나 되돌리기
  • 재시작 후에도 유지 — 아직 승인하지 않은 변경은 IDE를 껐다 켜도 남아 있습니다
AI의 자동화와 개발자의 통제권을 동시에 확보합니다.

터미널 명령 자동 실행

빌드, 테스트, 배포 등 반복적인 터미널 작업을 AI가 대신 수행합니다. 운영체제에 맞는 셸 문법으로 자동 변환하고, 실행 결과를 읽어 성공 여부를 판단합니다.

자동 오류 수정

터미널에서 발생한 에러를 AI가 감지하고 스스로 수정을 시도합니다. “수정 → 재실행 → 검증”을 설정된 횟수만큼 반복하고, 해결되지 않으면 사용자에게 보고합니다.
에러가 나도 구글링 없이 즉시 해결을 시도하므로 개발 흐름이 끊기지 않습니다.

멀티 에이전트

복잡한 요청은 여러 하위 작업으로 나뉘어 처리됩니다. 서로 의존하지 않는 작업은 동시에 진행되고, 앞 단계 결과가 필요한 작업은 순서대로 이어집니다. 모든 작업이 끝나면 결과를 하나로 통합하고 빌드·테스트로 검증합니다. 작업 진행 상황

빌드/테스트 자동 검증

코드를 만들거나 고친 뒤 자동으로 빌드와 테스트를 실행합니다. 프로젝트 유형을 감지해 적절한 명령을 고르고, 실패하면 원인을 분석해 수정한 뒤 다시 검증합니다.
“사람이 기억해야 하는 절차”를 시스템이 지키는 절차로 바꿉니다.

키워드 기반 자동 명령 실행 (Hot Load)

Hot Load 자주 반복하는 작업을 키워드로 등록해두면, 채팅에 그 키워드가 담긴 문장을 입력하는 것만으로 미리 정의한 명령이 실행됩니다. 정확히 같은 단어가 아니어도 의미가 통하면 실행됩니다.

보안 가드레일

보안 설정 AI가 작업하기 전에 모든 동작을 사전 검증해 위험한 실행을 차단합니다.
  • 차단 명령어 — 시스템을 파괴할 수 있는 명령 실행 방지
  • 보호 파일.env, 인증서 등 민감 파일의 수정·삭제 차단
  • 숨김 파일 — 특정 파일을 AI가 읽거나 검색할 수 없도록 은닉
  • 프로젝트 외부 접근 차단 — 작업 폴더 밖 파일 접근 차단
  • 자격 증명 보호 — 응답에 비밀 키가 섞여 나가지 않도록 검사
AI가 아무리 자율적으로 동작해도 보안 경계를 넘지 못합니다.

소스코드 자동추천

타이핑하는 순간 AI가 다음에 올 코드를 회색 텍스트로 제안합니다. Tab 키로 수락하고, Esc 로 무시합니다. 현재 파일뿐 아니라 에디터에 열려 있는 다른 파일의 맥락도 함께 고려합니다. 소스코드 자동추천
기본값은 OFF입니다. 설정 → 일반 에서 켜세요. 자동추천 전용으로 가벼운 로컬 모델을 지정하면 API 비용 없이 빠르게 쓸 수 있습니다.

프로젝트 컨텍스트와 사내 지식 활용

RAG AI가 프로젝트 구조와 사용 중인 기술 스택을 스스로 파악하고, 조직이 등록한 사내 문서(RAG)를 검색해 답변에 반영합니다. VS Code가 감지한 문법·타입 오류도 함께 참고합니다.
인터넷의 뻔한 예제가 아니라 “우리 프로젝트에 맞는” 코드를 생성합니다.

다음 작업 제안

다음 작업 제안 작업이 끝나면 자연스럽게 이어질 후속 작업을 제안합니다. 버튼을 클릭하면 해당 요청이 바로 전송됩니다.

AI의 되묻기

AI 질문 작업 도중 판단이 필요하면 AI가 선택지를 제시하고 물어봅니다. 클릭 한 번으로 답하면 그 선택에 따라 작업을 이어갑니다.
AI가 가정하지 않고 확인하므로 원하는 결과물을 얻습니다.

MCP 도구 연동

MCP GitHub, Jira, 사내 시스템 등 외부 도구를 AI가 직접 다룰 수 있게 연결합니다. 조직 관리자가 미리 등록한 MCP 서버는 별도 설정 없이 바로 사용할 수 있습니다.