Ollama Codex App 충격적인 변화 로컬 AI를 넘어 에이전트 개발 플랫폼

로컬 LLM 런타임에서 “에이전트형 개발 워크스페이스”로의 진화

이번 Ollama 0.24 업데이트는 단순한 기능 추가 수준이 아니라, Ollama의 방향성이 크게 바뀌고 있다는 점에서 매우 중요합니다.

300x250

기존 Ollama는 주로 다음과 같은 역할이었습니다.

• 로컬 LLM 실행
• 모델 다운로드 및 관리
• OpenAI 호환 API 제공
• 로컬 AI 실험 환경

하지만 이번 업데이트 이후에는 다음 영역까지 확장되고 있습니다.

• AI 에이전트 기반 개발환경
• Git 기반 병렬 작업
• Worktree 기반 격리 개발
• UI Annotation 기반 코드 수정
• 브라우저 내 코드 수정 루프
• 로컬 + 클라우드 하이브리드 AI 워크플로우
• Agent IDE 스타일 개발 환경

즉,

“로컬 AI 모델 실행기” → “AI 기반 개발 작업 플랫폼”

으로 진화 중이라고 볼 수 있습니다. AI가 브라우저를 보고 코드를 수정

핵심 업데이트 요약

실행 명령

ollama launch codex-app

또는 공식 문서 기준

ollama launch codex

이 명령은 단순히 모델을 실행하는 것이 아니라

• Codex App 실행
• 모델 연결
• 에이전트 개발환경 구성
• Git 연동
• Worktree 준비
• Browser 연계

등을 자동화합니다.

이번 구조의 핵심 개념

이번 업데이트를 이해하려면 아래 구조를 이해해야 합니다.

구성요소	역할
Ollama	모델 실행 및 연결 허브
Codex App	AI 개발 워크스페이스
Thread	병렬 작업 단위
Worktree	Git 기반 독립 작업 공간
Built-in Browser	UI 기반 Annotation
Review Mode	AI 코드 리뷰
Tool Calling	에이전트 작업 수행
Cloud Model	대형 추론/Agent 모델
Local Model	로컬 추론 모델

가장 중요한 변화 — Thread + Worktree

이 부분이 사실상 핵심입니다.

기존 AI IDE 방식의 한계

기존 Cursor / Copilot 스타일:

• 하나의 작업 컨텍스트
• 현재 브랜치 직접 수정
• 변경 충돌 발생 가능
• 여러 실험 병행 어려움

예시

main branch
 ├── auth 수정
 ├── RBAC 수정
 ├── refactor
 └── bugfix

AI가 동시에 수정하면 충돌 가능성이 매우 큼.

Worktree 기반 병렬 구조

Codex App는

• Thread 생성
• 각 Thread를 Git Worktree에 연결

합니다.

repo/
 ├── main
 ├── worktree-auth
 ├── worktree-rbac
 └── worktree-refactor

형태가 됩니다.

왜 Worktree가 중요한가

Git Worktree는

• 하나의 저장소
• 여러 작업 디렉토리
• 각기 다른 branch
• 독립 작업 가능

이라는 특징이 있습니다.

예시

git worktree add ../feature-auth feature/auth
git worktree add ../feature-rbac feature/rbac

결과

../feature-auth
../feature-rbac

각각 독립 실행 가능.

AI 에이전트와 Worktree의 조합

이 구조가 중요한 이유는 AI Agent가 동시에 여러 작업을 수행할 수 있기 때문입니다.

예시

Thread	역할
Thread A	OAuth2 구현
Thread B	UI 리팩토링
Thread C	테스트 추가
Thread D	RBAC 수정

각 작업이 서로 충돌하지 않음.

Built-in Browser의 의미

이 부분도 상당히 중요합니다.

기존 AI 개발 흐름

코드 수정
→ 브라우저 이동
→ 새로고침
→ 문제 확인
→ 다시 IDE 이동

반복.

Codex Browser 구조

Codex App는 내부 브라우저 제공.

지원

• localhost
• 내부 웹앱
• 개발 서버
• 정적 사이트

예시

http://localhost:3000
http://127.0.0.1:8080

Annotation 기반 수정

핵심은 이것입니다.

사용자

• UI 특정 부분 클릭
• 코멘트 추가

예시

"이 버튼 색상 수정"
"로그인 에러 처리 개선"
"여기 RBAC 권한 체크 추가"

그러면 Agent가

• 관련 코드 탐색
• 수정
• 테스트
• diff 생성

까지 수행.

사실상 “Visual AI Coding”

이건 단순 채팅형 AI가 아닙니다.

Browser
 + DOM
 + Screenshot
 + Annotation
 + Local Source
 + Git
 + Tool Calling

“UI를 보고 코드 수정”

이라는 루프가 가능해집니다.

Review Mode

이 기능도 중요합니다.

기존 흐름

• GitHub PR 생성
• 브라우저 이동
• 코드 리뷰
• 수정 요청

이 필요함.

Codex Review Mode

앱 내부에서

• diff 확인
• 코드 리뷰
• 코멘트
• 재수정
• 반복

가능.

AI 수정
→ Review
→ Comment
→ AI 재수정

루프가 내부에서 끝남.

Agent Workflow 관점에서 보면

이번 구조는 사실상:

IDE
+
Git Client
+
Browser
+
Review Tool
+
LLM Agent

통합입니다.

모델 전략 변화

Ollama는 이제

• 로컬 모델
• 클라우드 모델

혼합 전략으로 가고 있습니다.

Strong Agent Model

예시

모델	특징
kimi-k2.6:cloud	강력한 reasoning
glm-5.1:cloud	Agent 성능 우수
qwen3-coder	코드 생성 우수

특징

• 멀티스텝 작업
• 코드 탐색
• Refactor
• Tool Calling
• UI 기반 수정

에 적합.

Tool Calling 안정성 모델

예시

모델	특징
nemotron-3-super	안정적 Tool 호출
gemma4:31b	비교적 안정
qwen3.6	경량 운영 가능

왜 Tool Calling이 중요한가

에이전트 구조에서는

생각
→ 도구 실행
→ 결과 분석
→ 다음 작업

이 필요합니다.

도구 예시

• git
• grep
• browser
• terminal
• test runner
• filesystem

Agent IDE의 본질

실제로는

LLM Chat

이 아니라

LLM Orchestrator

입니다.

• 파일 읽기
• 검색
• 실행
• 테스트
• 브라우저 확인
• 커밋

을 orchestrate.

Cursor / Windsurf와의 경쟁

이번 업데이트로 Ollama는 직접 경쟁 구도에 들어갑니다.

제품	특징
Cursor	상용 AI IDE
Windsurf	Agent IDE
Copilot Workspace	GitHub 기반 Agent
Codex App	OpenAI Agent Workspace
Ollama + Codex	Local-first Agent

가장 중요한 차이점

Ollama의 핵심 강점

Local-first

• 자체 모델 가능
• 자체 인프라 가능
• 내부망 가능
• 에어갭 가능성
• 자체 API 가능

보안 관점에서 매우 중요한 부분

하지만 “완전 로컬”이라고 보면 안 됩니다.

Cloud Model 사용 시

:cloud

모델 사용 시

• 프롬프트
• 코드
• 컨텍스트

가 외부 추론 환경으로 이동 가능.

반드시 검토할 항목

1) 데이터 유출 가능성

확인 항목

• source code
• secret
• token
• 내부 URL
• infra config
• API key

2) 모델 라우팅

실제로 어떤 모델이 호출되는가?

local
or
cloud

구분 필요.

3) Tool Permission

Agent가

• shell 실행
• git push
• 파일 삭제
• npm install

가능한가? 권한 범위 정의 필요.

4) 브라우저 신뢰 경계

Built-in Browser는

• untrusted context

로 보는 것이 안전.

• 내부 관리자 페이지
• 인증 페이지
• 운영 시스템

직접 연결 주의.

5) 자동 Commit/Push 위험

AI가

git push

자동 수행 가능한 경우

• branch protection
• review policy
• signing

필요.

내부망/보안 환경 활용 전략

추천 구조

Developer PC
 ├── Ollama
 ├── Local Model
 ├── Codex App
 ├── Internal Git
 └── Internal Package Registry

권장 보안 통제

네트워크

차단 권장

• 임의 외부 API
• 임의 MCP
• 임의 tool install

Git

필수

• Protected branch
• Mandatory review
• Signed commit

Secret

필수

• Secret scanning
• pre-commit hook
• DLP

DevSecOps 관점에서 엄청 중요한 이유

이 구조는 결국

AI가 실제 코드를 수정

하기 때문입니다.

• 단순 추천 AI
  → 아니다

이제는

• 실행형 AI
• 수정형 AI
• 작업형 AI

앞으로 예상되는 방향

이번 업데이트는 시작에 불과할 가능성이 큽니다.

향후 예상

• Multi-agent orchestration
• autonomous testing
• autonomous PR generation
• CI/CD integration
• security review agent
• architecture agent
• SAST agent
• infra remediation agent

실제 활용 예시

보안/인프라 조직에서는 매우 강력할 수 있습니다.

사례 1 — Kubernetes RBAC 점검

Thread A

"ClusterRole 과도 권한 탐지"

Thread B

"NetworkPolicy 미적용 namespace 탐지"

Thread C

"OPA Gatekeeper 정책 자동 생성"

병렬 수행 가능.

사례 2 — 보안 리팩토링

Browser에서

"이 로그인 흐름 MFA 적용"

→ Agent가

• Backend 수정
• UI 수정
• API 수정
• Test 생성

수행 가능.

사례 3 — DevSecOps Agent

Agent에게

"이 repo의 secret leakage 점검"

→ 수행 가능

• grep
• trufflehog
• semgrep
• git history scan

한 줄 요약

이번 Ollama 0.24 + Codex App 업데이트의 본질은

“로컬 AI 모델 실행기”에서
“Git·Browser·Worktree 기반의 에이전트 개발 플랫폼”
으로 진화했다는 점입니다.

특히

• Worktree 기반 병렬 작업
• Browser Annotation
• Agent Tool Calling
• Review Loop
• Local-first 구조

는 향후 AI 개발환경의 핵심 방향이 될 가능성이 매우 높습니다.