oh-my-pi(omp) 리뷰 — 가성비로 보는 터미널 코딩 에이전트, Claude Code/Codex와 비교

Claude Code를 프로젝트 단위로 매일 굴리는 사람이라면 청구서를 볼 때마다 같은 생각을 한다. “이 에이전트가 하는 일의 절반은 cheap model로도 충분한 잡일인데, 왜 모든 turn이 frontier 모델 단가로 빠지는가.”

Ultra Harness를 만들면서 subagent를 16개로 쪼개고, ECC 규칙셋을 전역 레이어로 깐 것도 결국은 “비싼 모델을 비싼 일에만 쓰자”는 욕심이었다. 그래서 “model을 네가 골라라, key는 네가 가져와라”를 정면에 내건 oh-my-pi(omp)가 눈에 들어왔다.

이 리뷰의 질문은 단순하다. 모델을 자유롭게 고르면 실제 지출은 줄어드는가, 아니면 설정과 유지에 쓰는 사람의 시간만 늘어나는가. 공개 저장소의 구조와 주장, 직접 운영할 때 생길 비용을 이 기준으로 나눠 본다.

omp가 뭔가

omp(github.com/can1357/oh-my-pi)는 Can Bölük이 만든 오픈소스 터미널 코딩 에이전트다. Claude Code, OpenAI Codex와 같은 자리에 놓이는 도구이고, 사이트는 omp.sh, 슬로건은 “A coding agent with the IDE wired in”이다. MIT 라이선스이고, 글을 쓰는 오늘(2026-06-04) 기준 GitHub에 별 약 10.3k개, fork 856개가 찍혀 있다.

먼저 정확히 짚을 게 있다. omp는 from-scratch 오리지널이 아니다. Mario Zechner의 Pi(pi-mono)를 기반으로 한 fork이자 파생 프로젝트다. LICENSE에 Copyright (c) 2025 Mario Zechner와 Copyright (c) 2025-2026 Can Bölük이 함께 박혀 있고, README도 “omp is a fork of pi-mono by Mario Zechner, extended with a batteries-included coding workflow”라고 명시한다. GitHub API가 fork:false로 표시하는 건 GitHub의 fork 버튼이 아니라 별도 저장소로 재생성됐기 때문이지, 독립 창작물이라는 뜻이 아니다. 이 구분은 나중에 “독립적 검증” 문제를 따질 때 다시 중요해진다.

언어 구성은 TypeScript 약 83.5%, Rust 8.5%, Python 6.9%다. 핵심은 약 27k LoC 규모의 Rust core(pi-natives)다. search/shell/AST 같은 hot path를 fork/exec로 외부 프로세스에 던지는 대신 in-process로 실행한다. pi-shell(embedded bash, persistent session), pi-ast(tree-sitter), pi-iso(task isolation), 그리고 native grep/glob/PTY가 여기 들어 있다. 스펙으로 보면 built-in tool 32개, LSP operation 13개, DAP(debugger) operation 27개. npm 레지스트리 기준 최신 버전은 15.8.3이고 bun >=1.3.14를 요구한다.

한 가지 미리 의심해 둘 것 — 별 10.3k는 오늘 기준 snapshot일 뿐이고, 이 저장소는 2025-12-31에 생긴 약 5개월짜리다. 5개월 만에 별 10k가 붙었다는 건 화제성의 증거이지 품질의 증거가 아니다. 별 개수와 코드 품질을 등치시키지 않는 데서 리뷰를 시작한다.

왜 지금 이 문제가 중요한가

agentic coding의 비용 구조는 단순하다. token은 돈이고, 에이전트는 한 task를 풀기 위해 같은 모델을 수십 번 호출한다. 여기서 두 가지 낭비가 생긴다.

• 모델 낭비: 파일 이름 바꾸기, grep, 빌드 로그 읽기 같은 잡일까지 전부 frontier 모델 단가로 처리한다.
• edit 낭비: 에이전트가 파일을 고칠 때 흔히 쓰는 string-replace 방식은 약한 모델에서 자주 깨진다. 한 줄 고치려고 파일 전체를 다시 출력하거나, anchor를 못 찾아 같은 tool call을 반복하는 식이다. 이 실패가 그대로 output token 청구서가 된다.

omp는 이 두 지점을 동시에 노린다. 첫째, model을 네가 직접 고르고 role별로 routing하게 해서 잡일은 싼 모델로 내린다. 둘째, hashline이라는 edit 방식으로 string-replace의 실패율 자체를 낮춘다. 발상 자체는 내가 Ultra Harness에서 subagent로 하려던 일을, harness 레벨이 아니라 도구 레벨에서 푼 것에 가깝다.

어떻게 동작하는가

hashline edit — 가장 영리한 부분

omp에서 제일 똑똑하다고 느낀 건 hashline이다. 보통의 edit 도구는 “이 문자열을 찾아서 저 문자열로 바꿔라”는 string-replace다. 문제는 모델이 원본 문자열을 정확히 기억하지 못하면(공백 하나, 따옴표 하나만 틀려도) patch가 통째로 실패한다는 것이다. hashline은 문자열 대신 각 줄의 content hash를 anchor로 쓴다. 모델은 “이 hash가 붙은 줄을 이렇게 바꿔라”라고 지시하고, anchor가 실제 파일과 어긋나면 patch를 거부한다.

# string-replace (기존)
old: "  const timeout = 3000  // ms"   ← 공백·주석까지 정확히 맞아야 함
new: "  const timeout = 5000  // ms"

# hashline (omp)
@a3f9 → const timeout = 5000   ← 줄 content hash로 위치를 고정

이게 왜 중요한가. string-replace가 깨지면 모델은 “그럼 파일 전체를 다시 쓰자”로 도망가고, 그 순간 output token이 폭발한다. hashline은 그 실패 경로를 막는다. 저장소는 hashline 덕에 output token이 줄고 약한 모델의 pass-rate가 크게 오른다고 주장한다 — 이 수치는 뒤에서 따로 의심한다.

model routing — 가성비의 본체

omp는 free + MIT이고 BYO-credentials다. 40개 이상의 provider를 붙일 수 있다. frontier API(Anthropic, OpenAI, Gemini, xAI, Groq, Cerebras, Fireworks…), coding-plan route(Cursor, GitHub Copilot, GitLab Duo, Kimi, MiniMax, Qwen, GLM…), 그리고 local(Ollama, LM Studio, llama.cpp, vLLM). 마지막 줄이 핵심이다. local 모델로 돌리면 API 비용이 사실상 ~$0이 된다.

여기에 role 기반 routing이 붙는다.

session 중간에 /model로 즉시 바꿀 수 있고, credential을 round-robin으로 쌓아 quota를 분산한다. 설치도 한 줄이다.

# 설치
curl -fsSL https://omp.sh/install | sh
# 또는
bun install -g @oh-my-pi/pi-coding-agent   # bun >=1.3.14
# 또는 (Windows PowerShell)
irm https://omp.sh/install.ps1 | iex

진입점은 TUI, one-shot(omp -p), Node SDK, RPC, ACP(Zed)까지 있다. one-shot은 내가 harness에서 즐겨 쓰는 패턴이라 반갑다.

# 비대화형 one-shot — CI나 스크립트에 박기 좋다
omp -p "이 디렉토리 테스트 전부 돌리고 실패만 요약해줘"

나머지 native 도구들

omp의 진짜 차별점은 도구 깊이다. 핵심만 끊어 보면 이렇다.

• 실제 debugger attach — lldb/dlv/debugpy로 27개 DAP operation. 로그만 읽는 게 아니라 진짜 breakpoint를 건다.
• persistent runtime — Python/JS runtime이 떠 있으면서 agent tool을 거꾸로 호출한다.
• 관통하는 LSP rename — barrel/re-export를 가로지르는 rename까지 13개 operation.
• isolated subagent — worktree 격리 후 typed JSON으로 결과 반환.

여기에 “Hindsight”라는 cross-session memory, abort-mid-token 후 교정을 주입하는 time-traveling stream rule, stealth Puppeteer browser, 14-provider web-search auto-chain까지 얹힌다. 기능 목록상으로는 first-party를 통틀어 가장 넓다 — 다만 넓이가 곧 안정성은 아니다(churn과 불안정성은 아래 한계 섹션에서 따로 깐다).

omp vs Claude Code vs Codex — CLI를 얼마나 내 손에 쥐는가

사용자가 가장 궁금해한 비교인데, 축을 하나로 모으면 선명해진다. 이 CLI 에이전트를 내가 어디까지 뜯어고칠 수 있는가다. 셋 다 터미널에서 도는 코딩 에이전트지만, “내 CLI 환경”을 손에 쥐는 정도가 다르다.

핵심은 이거다. omp는 CLI 에이전트 자체를 내가 소유한다. 도구를 새로 짜 넣고, TUI 동작을 바꾸고, 모델 routing을 내 워크플로에 맞춰 재설계하고, ACP로 Zed 같은 에디터에 직접 붙인다. extension이 내장 도구와 똑같은 API를 쓰니 “플러그인이 할 수 있는 일”과 “코어가 할 수 있는 일”의 경계가 사실상 없다.

반면 Claude Code는 코어가 클로즈드라 정해진 확장 표면(skill·subagent·hook·MCP·CLAUDE.md) 안에서만 논다 — 넓고 잘 다듬어졌지만 에이전트 루프 자체는 못 바꾼다. Codex CLI는 오픈소스라 고칠 여지는 있으나 OpenAI 모델 중심이라, “모델까지 내 맘대로”는 omp가 압도한다.

그래서 CLI 환경에서의 장단점은 한 줄로 갈린다. omp는 전부 내 손에 쥐어 주는 대신 내가 다 관리해야 하고, Claude Code/Codex는 정해진 틀에 가두는 대신 알아서 매끄럽게 돌아간다. 무엇을 customize할지가 분명하고 그 유지 비용을 감당할 사람이면 omp의 천장이 압도적으로 높고, “그냥 잘 돌면 된다”면 first-party의 폴리시가 이긴다.

가성비 — 구독(Max)이냐, API 토큰이냐

사용자가 가장 알고 싶어한 지점이다. omp의 가성비는 결국 “model을 내가 고른다”는 한 가지에서 나온다. 그래서 질문이 “omp가 싸냐”가 아니라, 고정 구독료(Claude Max·Codex 최상위 plan)와 쓴 만큼 내는 API 토큰 중, 같은 사용량에서 뭐가 싸냐로 바뀐다.

고정 구독 vs 종량 토큰

Claude Code와 Codex의 최상위 plan은 월 정액이다. Claude Max는 대략 월 $100(5x)~$200(20x), ChatGPT/Codex 최상위도 대략 월 $200 선이다(시점·플랜에 따라 변동). 정액제의 성격은 분명하다 — 아주 무겁게 쓰면 본전 이상이지만, 한도가 있고 벤더 모델에 묶인다.

omp는 정반대다. 정액이 없고 BYO-key로 쓴 토큰만큼만 낸다. 같은 사용량을 놓으면 셈이 이렇게 갈린다.

두 가지가 핵심이다. 첫째, 가볍게 쓰는 사람에게 월 $200 정액은 그냥 낭비고, 토큰만 내는 omp가 싸다. 둘째, omp의 진짜 무기는 model을 골라 단가 자체를 내리는 것이다. 똑같은 일을 frontier 대신 cheap route(Grok Code Fast, Cerebras, MiniMax, GLM)나 local(Ollama·vLLM)로 내리면 토큰 단가가 한 자릿수 분의 일로 떨어진다. role routing으로 잡일은 smol(싼 모델), 깊은 추론만 slow(frontier)에 보내 “비싼 모델을 비싼 일에만” 쓰면, 같은 작업량의 토큰 청구서가 정액 구독료보다 한참 아래로 내려갈 수 있다. 정액제에는 이 “단가를 내가 내리는” 레버가 없다.

단, “Claude를 구독가로 싸게”는 막혔다

여기에 2026년의 결정적 변수가 있다. 2026-04-04 Anthropic이 third-party agent의 Pro/Max 구독 credential 사용을 금지했다가 반발로 약 24시간 만에 철회했지만, 2026-06-15부터 agent / Agent-SDK / claude -p workload는 pool·이월 불가의 별도 월간 credit(Pro $20 / Max-5x $100 / Max-20x $200)에서 빠지고, 그걸 넘기면 standard API list rate로 과금된다.

풀어 말하면, omp 같은 third-party harness 안에서 Claude를 “Max 구독가로 싸게” 쓰던 길이 막힌다. omp로 Claude/GPT 같은 frontier를 통과시키면 구독 할인이 아니라 full API list rate가 그대로 붙는다(Tech Times 2026-06-02도 이 credit이 per-user·non-poolable·non-rolling이라고 전한다).

그래서 omp의 비용 우위는 Anthropic·OpenAI 모델이 아니라 cheap/local 모델에서 나온다는 점을 분명히 해야 한다. “무제한에 가까운 frontier”를 정액으로 쓰고 싶으면 그건 Max plan의 영역이지 omp의 영역이 아니다.

hashline 수치는 self-report다

토큰 단가를 따진 김에, 앞에서 미뤄둔 hashline benchmark도 정리한다. README는 hashline이 output token을 −61%(Grok 4 Fast 기준) 줄이고 약한 모델 pass-rate를 Grok Code Fast 6.7%→68.3%, MiniMax 2.1x, Gemini 3 Flash +5pp 끌어올린다고 적는다. 셋 다 의심할 지점이 있다.

• 약하고 싼 모델 편향. 폭등 수치는 전부 약하고 싼 모델에서 나온다. string-replace로 자꾸 깨지던 모델을 hashline이 “구조한” 것이지, 모델을 똑똑하게 만든 게 아니다.
• 강한 모델에선 효과가 압축된다. Better Stack 가이드는 omp 문서를 인용해 Claude Opus에선 절감이 “그 절반 정도(~30%)”라고 적는다. 즉 −61%는 평균이 아니라 best-case다.
• 독립 검증 부재. sample size·task set·harness가 없는 self-report이고, README 바깥에서 교차 검증되지 않는다.

요컨대 hashline은 가성비에 분명히 보탬이 되지만(output token이 줄면 종량 청구서가 준다), 그 보탬은 “싼 모델을 덜 깨지게” 만드는 쪽이지 광고판의 배수 그대로가 아니다.

그리고 진짜 비용은 네 시간이다

omp의 종량 가성비에는 보이지 않는 비용표가 붙는다. 40+ provider에 걸친 key·quota 관리, round-robin credential stacking, role routing(default/smol/slow/plan) 설계, 그리고 거친 부분 쫓아다니기가 전부 네 몫이다. Claude Code/Codex는 정액을 더 내는 대신 그 관리를 거의 0으로 만들고 first-party 지원과 SLA를 끼워 준다. 그러니 omp의 가성비는 “토큰값을 아끼는 대신 내 시간으로 메운다”로 읽어야 정확하다.

내가 의심하는 지점 / 한계

• churn과 불안정성. 2025-12-31 생성 이후 ~5개월간 약 415 release, 약 6,931 commit이면 하루에 여러 번 배포된다는 뜻이다. open issue는 264개. Hacker News 사용자는 “파일 하나 고치는 tool call을 11번 반복했다”, upstream 업데이트가 tool-calling을 깨뜨린 뒤 모델이 “파일 전체를 기억에서 다시 써냈다”, 업데이트 후 Hindsight memory가 stale해졌다 같은 구체적 불안정성을 보고한다. update를 당겨오면 동작이 나빠질 수 있다. 이건 stable daily driver가 아니라 bleeding-edge다.
• 검증 공백. 별 10k가 ~5개월 만에 붙었지만, 그 상당수는 HN 한 번과 SEO/AI 생성 “리뷰”의 파도에서 왔다. explainx, betterstack, stork, knightli, note.com 류의 listicle은 대체로 홍보성이고, 한 가이드는 “critical caveat가 전혀 없는 entirely promotional” 평가를 받는다. 다만 앞서 인용한 Better Stack의 Opus ~30% 대목만큼은 omp 자체 문서 수치를 출처와 함께 재인용한 것이라 그 한 줄은 신뢰할 만하다. 적대적이고 독립적인 benchmark는 사실상 없다. 별 개수는 성능 주장의 검증이 아니다. 게다가 자주 인용되는 owainlewis/jock.pl 리뷰의 일부는 omp가 아니라 upstream Pi를 평가한 것이다. owainlewis는 Pi에 “subagent가 없다”고 적었는데 omp는 그걸 추가했으니, omp 고유의 공개 반응은 더 얇은 셈이다.
• first-party의 추격. Claude Code와 Codex도 이미 MCP, subagent, plan mode, hook, in-repo search, frontier 모델에서의 안정적 edit을 갖췄다. omp의 우위(debugger attach, in-process Rust 도구, hashline)는 약하고 싼 모델과 niche workflow에서 가장 날카롭다. top 모델 + 구독으로 가면 Claude Code 대비 marginal benefit은 줄어드는데 설정 비용은 그대로다.
• 단독 메인테이너 + 보안 표면. 빠르게 움직이는 solo-led 프로젝트가 embedded bash(brush), agent tool을 거꾸로 호출하는 persistent Python/JS runtime, stealth Puppeteer browser, 14-provider web-search auto-chain을 한 번에 들고 있다. autonomous agent에게 실제 codebase에서 shell + network 권한을 줄 때, 이건 상당한 attack/footgun 표면이다. bus-factor도 함께 고려할 일이다.

언제 써볼 만한가 / 결론

깎아내리려는 게 아니다. 아키텍처는 진지하고, hashline과 in-process native 도구는 실제로 영리하다. 독립 리뷰어 jock.pl도 “제약 없이 고를 수 있다면 Pi가 Claude Code를 대체할 daily harness에 가장 근접한 것”이라고 했다. 문제는 “제약 없이”라는 전제가 현실에선 성립하지 않는다는 것뿐이다.

정리하면 이렇다.

• omp가 맞는 사람: 비용에 민감한 tinkerer, local LLM 사용자, 자기 harness/automation을 직접 만드는 사람, 또는 더 나은 edit 포맷으로 싼 모델을 구조하려는 사람. 모델 자유나 offline이 중요하면 사실상 유일한 선택지다.
• Claude Code가 맞는 사람: frontier Anthropic 모델로 autonomous/overnight 품질을 최소한의 손길로 뽑고 싶은 사람.
• Codex가 맞는 사람: OpenAI 모델로 turnkey 가성비를 원하는 일반 solo dev.

가성비의 솔직한 결론은 이거다. omp는 cheap/local 모델을 받아들이고 routing·key 관리를 스스로 할 의향이 있을 때 “가능한 가장 싼” 옵션이다. 그 의향이 없다면, Codex가 가장 싼 turnkey이고 Claude Code가 가장 비싸지만 가장 매끄럽다. 나는 당장 Claude Code를 버리진 않겠지만, smol role을 local 모델로 내려 잡일 token을 ~$0으로 만드는 실험만큼은 omp로 해볼 가치가 있다고 본다. 돈을 아끼는 대가가 내 시간이라는 걸 분명히 알고서.

omp는 돈을 최소화하는 대신 네 시간을 쓰게 하고, Claude Code/Codex는 시간을 최소화하는 대신 돈과 model lock-in을 쓰게 한다 — “가장 싸다”는 그 트레이드를 받아들일 때만 참이다.