최근 가장 많은 관심을 받는 오픈소스 AI 코딩 에이전트 중 하나인 오픈코드(OpenCode)가 심각한 보안 및 성능 문제로 인해 사용 중단을 권고받고 있습니다. 이 비판은 오픈코드가 LLM(대규모 언어모델)과 셸(bash) 사이를 연결하는 방식에서 근본적인 결함을 가지고 있으며, 이는 사용자 시스템의 보안을 위협하고 작업 효율성을 크게 저해한다는 내용입니다.
오픈코드의 주요 문제점은 크게 두 가지로 나뉩니다. 첫째, 비효율적인 프롬프트 캐시(prompt cache) 관리입니다. 대부분의 로컬 LLM 서버는 이전 대화 기록을 캐시하여 새로운 요청 시 중복 계산을 피합니다. 하지만 오픈코드는 매 SSE(Server-Sent Events) 턴마다 'AGENTS.md' 파일을 다시 읽거나, 현재 날짜를 시스템 프롬프트에 삽입하는 등 불필요한 방식으로 캐시를 무효화합니다. 이는 사용자가 대화 중간에 간단한 수정을 하거나 자정을 넘길 때마다 LLM이 전체 세션을 처음부터 다시 계산하게 만들어, M4 Max와 같은 고성능 장비에서도 10분 이상 대기하는 상황을 초래합니다. 둘째, 부실한 컨텍스트(context) 관리와 가지치기(pruning) 기능입니다. 오픈코드는 특정 거리(40,000 토큰)를 넘어가는 도구 호출 결과를 무조건 삭제하는데, 사용자가 LLM의 방향을 재조정하기 위해 개입하면 중요한 사양 문서나 코드 컨텍스트가 통째로 삭제되어 LLM이 이전 정보를 참조하지 못하고 엉뚱한 코드를 생성하게 만듭니다. 이러한 설계는 마치 베데스다 게임처럼 버그인지 의도된 기능인지 구별하기 어렵게 만들며, 전반적인 사용성을 크게 떨어뜨립니다.
이러한 문제들은 단순히 불편함을 넘어 잠재적인 보안 위협으로 이어질 수 있습니다. 오픈코드가 LLM의 출력을 직접 셸 명령어로 파이프(pipe)하는 방식은, 악의적인 프롬프트 주입(prompt injection)이나 예측 불가능한 LLM의 오작동이 시스템에 직접적인 피해를 줄 수 있는 경로를 제공합니다. 이는 AI 에이전트가 시스템에 접근하여 코드를 실행하는 과정에서 발생할 수 있는 보안 리스크에 대한 경각심을 높이며, AI 에이전트 개발 시 시스템 보안과 효율적인 LLM 상호작용 설계가 얼마나 중요한지를 보여줍니다. 오픈코드의 사례는 AI 기반 개발 도구가 가져올 수 있는 생산성 향상 이면에 숨겨진 위험과 설계의 중요성을 다시 한번 상기시키는 계기가 됩니다.