내 컴퓨터 위에 올리는 AI 작업실, Odysseus

ChatGPT를 쓰는 시대에서, 이제는 “내가 직접 호스팅하는 AI 작업공간”의 시대로

최근 AI 도구의 흐름을 보면 크게 두 가지 방향이 동시에 진행되고 있습니다.

하나는 ChatGPT, Claude, Gemini처럼 완성도 높은 클라우드형 AI 서비스를 사용하는 방향입니다. 사용자는 별도의 설치 없이 브라우저에서 바로 AI를 사용할 수 있습니다. 모델 관리, 서버 운영, UI 업데이트, 보안 패치 같은 복잡한 일은 서비스 제공자가 처리합니다.

다른 하나는 정반대입니다. 내 컴퓨터나 내 서버에 AI 작업환경을 직접 설치하고, 내가 가진 데이터와 내가 선택한 모델을 중심으로 AI를 운영하는 방식입니다. 이 방향은 아직 대중적이라고 말하기는 어렵지만, 개발자와 AI 파워유저 사이에서는 점점 더 중요한 흐름이 되고 있습니다.

이번에 살펴볼 Odysseus는 바로 두 번째 흐름에 가까운 프로젝트입니다.

Odysseus는 단순한 챗봇 UI가 아닙니다. 로컬 모델과 API 모델을 연결해 대화하고, 에이전트에게 도구를 주고, 문서를 작성하고, 이메일을 정리하고, 캘린더와 노트를 관리하고, 딥리서치를 실행하는 식의 “셀프호스팅 AI 워크스페이스”를 지향합니다.

쉽게 말하면 이런 느낌입니다.

“ChatGPT나 Claude 같은 사용 경험을 내 컴퓨터나 내 서버 위에 직접 올려서 쓰는 AI 작업실.”

Odysseus는 무엇인가

Odysseus는 GitHub에 공개된 오픈소스 AI 워크스페이스입니다. 프로젝트 설명을 보면, ChatGPT와 Claude 같은 UI 경험을 셀프호스팅 형태로 구현하는 것을 목표로 합니다.

여기서 중요한 단어는 세 가지입니다.

첫 번째는 self-hosted입니다.
즉, 외부 SaaS에만 의존하지 않고 사용자가 직접 실행할 수 있는 구조입니다.

두 번째는 local-first입니다.
사용자의 데이터와 작업환경을 가능한 한 로컬 중심으로 다루겠다는 방향입니다.

세 번째는 workspace입니다.
단순히 “AI와 대화하는 화면”이 아니라, AI를 중심으로 여러 작업을 수행하는 통합 작업공간을 만들겠다는 뜻입니다.

그래서 Odysseus를 단순히 “로컬 ChatGPT UI”라고만 부르면 조금 부족합니다. 실제로는 채팅, 에이전트, 모델 관리, 리서치, 문서 작성, 메모리, 이메일, 캘린더, 노트, 작업 예약, 이미지 편집, 파일 업로드, MCP 도구 연결까지 한곳에 모으려는 시도에 가깝습니다.

핵심 기능 1. Chat — 로컬 모델과 API 모델을 모두 연결하는 대화창

가장 기본 기능은 채팅입니다.

Odysseus는 로컬 모델 또는 외부 API 모델과 대화할 수 있는 인터페이스를 제공합니다. 지원 대상으로 언급되는 구성은 vLLM, llama.cpp, Ollama, OpenRouter, OpenAI 등입니다.

여기서 중요한 점은 특정 모델 하나에 갇히는 구조가 아니라는 것입니다.

예를 들어 사용자는 이런 식으로 구성할 수 있습니다.

집에 GPU 서버가 있다면 vLLM이나 llama.cpp로 로컬 모델을 띄울 수 있습니다.
간단히 로컬 LLM을 써보고 싶다면 Ollama를 연결할 수 있습니다.
성능 좋은 상용 모델이 필요하다면 OpenAI나 OpenRouter 같은 API를 연결할 수 있습니다.

즉, Odysseus는 모델 자체라기보다 여러 모델을 불러와 사용할 수 있는 작업 인터페이스에 가깝습니다.

이 점은 AI 서비스를 만들려는 사람에게 꽤 중요합니다. 사용자가 원하는 것은 단순히 “모델 하나”가 아니라, 작업에 맞춰 모델을 선택하고, 비교하고, 필요한 도구와 함께 실행할 수 있는 환경이기 때문입니다.

핵심 기능 2. Agent — 도구를 가진 에이전트 실행

Odysseus의 두 번째 핵심은 Agent 기능입니다.

일반 채팅은 사용자가 질문하고 모델이 답변하는 방식입니다. 반면 에이전트는 조금 다릅니다. 사용자가 목표를 주면, 에이전트가 필요한 단계를 나누고, 도구를 호출하고, 파일을 읽거나 검색하고, 경우에 따라 shell 명령이나 MCP 도구까지 사용하면서 작업을 진행합니다.

Odysseus의 에이전트는 opencode, MCP, web, files, shell, skills, memory 같은 요소를 기반으로 구성된다고 설명됩니다.

이 말은 단순히 “답변을 잘하는 챗봇”이 아니라, 실제 작업을 수행할 수 있는 구조를 갖추려 한다는 뜻입니다.

예를 들어 이런 작업이 가능해질 수 있습니다.

“이 폴더의 문서를 읽고 요약해줘.”
“이 프로젝트 코드를 보고 구조를 분석해줘.”
“웹에서 자료를 조사해서 보고서 초안을 만들어줘.”
“반복되는 작업을 스킬로 저장해서 다음에도 재사용해줘.”

물론 실제 사용성은 연결된 모델, 권한 설정, 도구 설정, 로컬 환경에 따라 달라집니다. 하지만 Odysseus가 지향하는 방향은 명확합니다. 대화형 AI를 넘어, 사용자의 작업공간 안에서 움직이는 실행형 AI를 만드는 것입니다.

핵심 기능 3. Cookbook — 내 하드웨어에 맞는 모델 추천과 서빙

Odysseus에서 특히 흥미로운 기능은 Cookbook입니다.

로컬 LLM을 써본 사람이라면 가장 먼저 부딪히는 문제가 있습니다.

“내 컴퓨터에서 어떤 모델이 돌아가지?”
“VRAM이 부족하면 어떤 양자화 모델을 써야 하지?”
“GGUF, FP8, AWQ는 뭐고 어떤 걸 받아야 하지?”
“vLLM으로 띄워야 하나, llama.cpp로 띄워야 하나?”

이 문제는 초보자에게 꽤 큰 장벽입니다. 모델을 다운받는 것 자체는 쉬워 보여도, 실제로 내 GPU 메모리에 맞는 모델을 고르고 안정적으로 서빙하는 것은 생각보다 복잡합니다.

Odysseus의 Cookbook은 이 문제를 줄이려는 기능입니다. 하드웨어를 스캔하고, VRAM을 고려해 모델을 추천하고, 다운로드와 서빙까지 연결하는 방향입니다.

즉, 단순히 “모델 목록”을 보여주는 것이 아니라, 사용자의 하드웨어 조건을 기준으로 어떤 모델이 적합한지 판단하는 기능에 가깝습니다.

AI 서비스를 기획하는 입장에서는 이 부분이 꽤 중요합니다. 앞으로 로컬 AI 제품은 단순히 “모델을 지원합니다”가 아니라, “당신의 환경에서 어떤 모델을 어떻게 실행하면 좋은지 안내합니다”로 가야 하기 때문입니다.

핵심 기능 4. Deep Research — 검색하고 읽고 종합하는 리서치 모드

Odysseus에는 Deep Research 기능도 포함되어 있습니다.

이 기능은 사용자가 하나의 리서치 질문을 던지면, 여러 단계로 검색하고, 자료를 읽고, 내용을 종합해 리포트 형태로 정리하는 것을 목표로 합니다.

일반 채팅에서 “이 주제 조사해줘”라고 물어보면 모델이 기억에 의존하거나 간단한 검색 결과만 요약하는 경우가 많습니다. 반면 Deep Research는 작업을 여러 단계로 나누어 수행하는 리서치 워크플로에 가깝습니다.

예를 들어 이런 식입니다.

1. 주제 분석
2. 검색 쿼리 생성
3. 웹 자료 수집
4. 자료별 핵심 내용 추출
5. 출처 간 비교
6. 최종 보고서 작성

이 기능은 브런치 글, 시장조사, 기술 분석, 논문 리서치, 경쟁 서비스 분석 같은 작업에 활용할 수 있습니다.

특히 사용자가 AI를 단순 문답 도구가 아니라 “조사 보조원”으로 쓰고 싶다면 Deep Research 계열 기능은 앞으로 매우 중요한 기능이 될 가능성이 큽니다.

핵심 기능 5. Compare — 여러 모델을 나란히 비교하기

AI를 많이 쓰다 보면 모델마다 답변 스타일과 성능이 다르다는 것을 금방 느낍니다.

어떤 모델은 글을 잘 씁니다.
어떤 모델은 코드를 잘 봅니다.
어떤 모델은 한국어 자연스러움이 좋습니다.
어떤 모델은 추론은 강하지만 문체가 딱딱합니다.

Odysseus의 Compare 기능은 하나의 프롬프트를 여러 모델에 동시에 보내고, 답변을 나란히 비교하는 기능입니다. 블라인드 테스트 형태로 모델명을 가리고 비교하는 방식도 언급됩니다.

이 기능은 생각보다 실용적입니다.

예를 들어 AI 글쓰기 서비스를 만든다면, 같은 프롬프트를 GPT 계열, Claude 계열, 오픈소스 모델에 동시에 던져보고 어떤 결과가 더 좋은지 비교할 수 있습니다.

코드 리뷰용 에이전트를 만든다면, 여러 모델에게 같은 코드를 분석하게 한 뒤 어떤 모델이 버그를 더 잘 찾는지 확인할 수 있습니다.

즉, Compare는 단순한 재미 기능이 아니라 “모델 평가 도구”로도 볼 수 있습니다.

핵심 기능 6. Documents — AI가 보조하는 문서 편집기

Odysseus에는 문서 편집 기능도 있습니다.

이 기능은 단순히 채팅창에서 글을 생성하는 방식과 다릅니다. 문서 편집기 안에서 사용자가 글을 쓰고, AI가 수정, 제안, 편집을 도와주는 구조에 가깝습니다.

README 기준으로 markdown, HTML, CSV, syntax highlighting, AI edits, suggestions 같은 기능이 언급됩니다.

이 방향은 매우 중요합니다.

현재 많은 사람이 AI로 글을 쓸 때 채팅창에서 초안을 받고, 다시 워드나 노션이나 구글문서로 옮깁니다. 그런데 이 과정은 번거롭습니다. 글의 버전 관리도 어렵고, 긴 문서를 다룰 때 맥락이 끊기기도 쉽습니다.

AI가 실제 작업도구가 되려면 채팅창만으로는 부족합니다. 문서, 코드, 표, 리서치 결과, 메모가 하나의 작업공간 안에서 연결되어야 합니다.

Odysseus의 Documents 기능은 바로 그 방향으로 가려는 시도입니다.

핵심 기능 7. Memory / Skills — 누적되는 개인화와 반복 작업 재사용

Odysseus는 Memory와 Skills 기능도 제공합니다.

Memory는 사용자의 대화, 작업 방식, 선호, 과거 맥락을 저장하고 검색하는 기능입니다. README에는 ChromaDB, fastembed, vector + keyword retrieval, import/export 같은 구성이 언급됩니다.

이 구조는 단순 저장이 아니라 검색 가능한 메모리 구조를 지향합니다. 즉, AI가 과거 내용을 무작정 전부 기억하는 것이 아니라, 필요한 순간에 관련 있는 정보를 검색해서 가져오는 방식에 가깝습니다.

Skills는 반복 작업을 재사용 가능한 형태로 만드는 기능입니다.

예를 들어 사용자가 매번 같은 방식으로 GitHub 프로젝트를 분석한다면, 그 분석 과정을 하나의 스킬로 저장할 수 있습니다.

“README 요약 → 설치 방법 확인 → 기능 목록화 → 유사 프로젝트 비교 → 사용 시나리오 작성 → 한계점 정리”

이런 흐름을 스킬로 만들면 다음 프로젝트 분석 때도 같은 구조로 재사용할 수 있습니다.

이 부분은 Hermes 같은 자기개선형 에이전트와도 연결되는 지점입니다. 다만 Odysseus는 메신저형 개인 비서라기보다, 웹 기반 AI 작업공간 안에서 메모리와 스킬을 통합하려는 느낌이 강합니다.

핵심 기능 8. Email — IMAP/SMTP 기반 AI 메일 보조

Odysseus에는 이메일 기능도 포함되어 있습니다.

IMAP/SMTP 기반 inbox를 연결하고, AI triage를 수행하는 방향입니다. 기능 설명에는 긴급도 알림, 자동 태깅, 자동 요약, 답장 초안, 스팸 분류 등이 언급됩니다.

이 기능이 중요한 이유는 이메일이 여전히 업무 자동화의 핵심이기 때문입니다.

AI 개인 비서를 만든다고 할 때 가장 먼저 연결하고 싶은 데이터는 보통 이메일, 캘린더, 파일, 메신저입니다. 그중 이메일은 업무 요청, 계약, 일정, 영수증, 알림, 고객 문의가 모두 들어오는 중심 채널입니다.

Odysseus가 이메일 기능을 포함했다는 것은, 이 프로젝트가 단순한 채팅 UI가 아니라 실제 업무 흐름에 들어가려는 의도를 가지고 있다는 뜻입니다.

핵심 기능 9. Calendar — CalDAV 기반 로컬 우선 캘린더

Odysseus는 Calendar 기능도 제공합니다.

CalDAV sync를 통해 Radicale, Nextcloud, Apple, Fastmail 등과 연동할 수 있고, ics import/export, calendar colors, agent-aware 구조가 언급됩니다.

캘린더는 에이전트 자동화에서 매우 중요한 요소입니다.

예를 들어 AI 에이전트에게 이런 요청을 할 수 있습니다.

“다음 주 빈 시간에 회의 잡아줘.”
“오늘 일정 요약해줘.”
“마감일이 있는 작업을 캘린더에 반영해줘.”
“내일 오전 회의 전에 관련 자료를 정리해줘.”

이런 기능이 가능하려면 AI가 단순히 채팅만 하는 것이 아니라 사용자의 일정 데이터에 접근할 수 있어야 합니다.

Odysseus는 이 부분을 로컬 우선 캘린더 구조로 접근합니다.

핵심 기능 10. Notes & Tasks — 노트, 할 일, 예약 작업

Odysseus는 Notes & Tasks 기능도 포함합니다.

간단한 노트, 체크리스트, 리마인더, cron-style scheduled tasks, ntfy/browser/email 알림 채널 등이 언급됩니다.

이 기능은 에이전트를 실제 개인 업무 시스템으로 만들 때 필요합니다.

AI가 아무리 똑똑해도 작업을 저장하고, 할 일로 남기고, 특정 시간에 다시 실행하고, 결과를 알림으로 보내지 못하면 “지속적인 비서”가 되기 어렵습니다.

Notes & Tasks는 그 지속성을 만드는 기능입니다.

예를 들어 이런 식으로 쓸 수 있습니다.

“매주 월요일 오전에 AI 뉴스 정리해줘.”
“내가 저장한 아이디어를 주제별로 정리해줘.”
“오늘 해야 할 일 중 우선순위를 정해줘.”
“이 리서치 결과를 노트로 저장해줘.”

이처럼 Odysseus는 단순히 한 번 답하고 끝나는 AI가 아니라, 사용자의 작업 루틴 안에 들어가는 AI를 지향합니다.

핵심 기능 11. Extras — 이미지, 파일, PDF, 웹검색, 테마, 2FA

Odysseus에는 부가 기능도 많습니다.

README 기준으로 image editor, theme editor, file uploads, vision, PDF, web search, presets, sessions, 2FA 등이 언급됩니다.

특히 파일 업로드와 PDF, 비전 기능은 실제 업무에서 중요합니다. 사용자는 대부분 텍스트만 다루지 않습니다. PDF, 이미지, 문서, 표, 캡처 화면, 코드 파일, 로그 파일을 함께 다룹니다.

AI 작업공간이 되려면 다양한 파일을 읽고 처리할 수 있어야 합니다.

이미지 편집이나 테마 편집은 부가 기능처럼 보일 수 있지만, 셀프호스팅 워크스페이스라는 관점에서는 의미가 있습니다. 사용자가 자신의 작업환경을 직접 커스터마이징할 수 있기 때문입니다.

설치 방법 1. Docker로 설치하기

Odysseus에서 권장하는 설치 방법은 Docker입니다.

기본 흐름은 다음과 같습니다.

git clone https://github.com/pewdiepie-archdaemon/odysseus.git
cd odysseus
cp .env.example .env
docker compose up -d --build

컨테이너가 정상적으로 올라오면 브라우저에서 다음 주소를 엽니다.

http://localhost:7000

처음 실행하면 관리자 계정이 생성되고, 임시 비밀번호가 터미널 로그에 출력됩니다. Docker 설치라면 다음 명령으로 로그를 확인할 수 있습니다.

docker compose logs odysseus

로그에서 임시 비밀번호를 확인한 뒤 로그인하고, Settings에서 비밀번호를 변경하면 됩니다.

Docker 방식은 가장 간단하게 전체 구성을 올릴 수 있다는 장점이 있습니다. 기본 compose 구성에서는 Odysseus 외에도 ChromaDB, SearXNG, ntfy 같은 서비스가 함께 올라갑니다.

설치 방법 2. Linux / macOS 네이티브 설치

Docker 없이 직접 실행할 수도 있습니다.

git clone https://github.com/pewdiepie-archdaemon/odysseus.git
cd odysseus
python3 -m venv venv
source venv/bin/activate
pip install -r requirements.txt
python setup.py
python -m uvicorn app:app --host 127.0.0.1 --port 7000

필요 조건은 Python 3.11 이상입니다.

이 방식은 Docker보다 환경을 직접 만져야 하지만, 로컬 시스템과 더 밀접하게 연결할 수 있다는 장점이 있습니다.

설치 방법 3. Apple Silicon에서 실행하기

Apple Silicon, 즉 M1/M2/M3/M4 계열 Mac에서는 주의할 점이 있습니다.

Docker on macOS는 Metal GPU를 사용할 수 없습니다. 그래서 GPU 가속을 제대로 활용하려면 네이티브 실행이 권장됩니다.

Odysseus는 Apple Silicon용 시작 스크립트를 제공합니다.

git clone https://github.com/pewdiepie-archdaemon/odysseus.git
cd odysseus
./start-macos.sh

이 경우 기본 실행 주소는 다음과 같습니다.

http://127.0.0.1:7860

Mac에서는 AirPlay가 7000번 포트를 사용하는 경우가 있어서 7860 포트를 기본으로 사용하는 것으로 보입니다.

만약 같은 네트워크의 다른 기기, 예를 들어 휴대폰에서 접속하고 싶다면 신뢰할 수 있는 LAN이나 Tailscale 같은 VPN 환경에서 호스트를 열 수 있습니다.

ODYSSEUS_HOST=0.0.0.0 ./start-macos.sh

단, 이 경우 인증 설정을 반드시 켜두어야 합니다.

설치 방법 4. Windows에서 실행하기

Windows도 네이티브 실행을 지원합니다.

가장 간단한 방식은 PowerShell 스크립트를 사용하는 것입니다.

git clone https://github.com/pewdiepie-archdaemon/odysseus.git
cd odysseus
powershell -ExecutionPolicy Bypass -File .\launch-windows.ps1

직접 수동으로 실행하려면 다음 흐름을 사용할 수 있습니다.

git clone https://github.com/pewdiepie-archdaemon/odysseus.git
cd odysseus
py -3.11 -m venv venv
venv\Scripts\Activate.ps1
pip install -r requirements.txt
python setup.py
python -m uvicorn app:app --host 127.0.0.1 --port 7000

Windows에서 로컬 모델을 쉽게 쓰려면 Ollama를 설치하고, Odysseus Settings에서 다음 엔드포인트를 연결하는 방식이 가장 간단합니다.

http://localhost:11434/v1

다만 vLLM이나 SGLang 같은 로컬 GPU 서빙은 Windows 네이티브보다는 Linux 또는 WSL2 환경이 더 적합합니다.

기본 사용 흐름

Odysseus를 처음 설치한 뒤에는 다음 순서로 설정하면 됩니다.

첫째, 관리자 계정으로 로그인합니다.
처음 생성된 임시 비밀번호를 사용해 로그인하고, Settings에서 비밀번호를 변경합니다.

둘째, 모델 제공자를 연결합니다.
Ollama, OpenAI, OpenRouter, vLLM, llama.cpp 등 자신이 사용할 모델 환경을 설정합니다.

셋째, 검색 기능을 설정합니다.
Docker 구성을 사용하면 SearXNG가 함께 올라오므로, 웹 검색 기반 리서치에 활용할 수 있습니다.

넷째, 메모리 기능을 확인합니다.
ChromaDB 기반 메모리 저장소가 정상 작동하는지 확인합니다.

다섯째, 에이전트 도구 권한을 조정합니다.
shell, files, web, MCP 같은 도구는 강력한 기능이지만 보안 위험도 있으므로 필요한 도구만 켜는 것이 좋습니다.

여섯째, 이메일과 캘린더를 연결합니다.
IMAP/SMTP와 CalDAV 정보를 연결하면 메일 요약, 답장 초안, 일정 기반 작업이 가능해집니다.

일곱째, 모바일 접속을 설정합니다.
Odysseus는 모바일에서도 사용할 수 있는 PWA 형태를 지향합니다. 단, 외부 접속을 열 때는 인증과 프록시 보안을 반드시 고려해야 합니다.

실제 활용 시나리오 1. 로컬 AI 글쓰기 작업실

브런치 글이나 기술 블로그를 자주 쓰는 사람이라면 Odysseus를 글쓰기 작업실처럼 사용할 수 있습니다.

예를 들어 GitHub 프로젝트를 분석하는 글을 쓴다고 해보겠습니다.

먼저 Deep Research로 프로젝트의 README와 관련 자료를 조사합니다.
그다음 Documents에서 글의 초안을 작성합니다.
Compare로 여러 모델의 제목과 도입부를 비교합니다.
Memory에 자신의 글쓰기 스타일과 선호 구조를 저장합니다.
마지막으로 AI에게 문단별 수정 제안을 받습니다.

이렇게 하면 단순히 “글 하나 써줘”가 아니라, 리서치부터 초안 작성, 비교, 수정까지 하나의 공간에서 처리할 수 있습니다.

실제 활용 시나리오 2. 개발자용 로컬 에이전트 콘솔

개발자라면 Odysseus를 코드 분석과 프로젝트 관리용 콘솔로 사용할 수 있습니다.

예를 들어 로컬 프로젝트 폴더를 읽게 하고, 코드 구조를 분석하게 할 수 있습니다. shell과 files 도구를 연결하면 에이전트가 프로젝트 내부 파일을 확인하고, 필요한 명령을 실행하는 흐름도 만들 수 있습니다.

물론 이 경우 보안 권한 설정이 매우 중요합니다. shell 도구는 강력하지만 위험합니다. 신뢰할 수 없는 프롬프트나 외부 입력을 그대로 실행하는 구조는 피해야 합니다.

개발자 입장에서는 Odysseus가 “로컬 Claude Code” 또는 “브라우저 기반 에이전트 작업실”처럼 느껴질 수 있습니다.

실제 활용 시나리오 3. 개인 업무 비서

이메일, 캘린더, 노트, 작업 예약 기능을 연결하면 Odysseus는 개인 업무 비서에 가까워집니다.

예를 들어 매일 아침 이메일을 요약하고, 중요한 메일을 태깅하고, 답장 초안을 만들고, 오늘 일정을 정리하는 식입니다.

여기서 핵심은 데이터가 로컬 중심으로 관리된다는 점입니다. 물론 외부 API 모델을 연결하면 일부 데이터가 외부 모델 제공자에게 전달될 수 있습니다. 따라서 민감한 정보를 다룰 때는 어떤 모델과 어떤 API를 쓰는지 명확히 이해해야 합니다.

실제 활용 시나리오 4. AI 모델 테스트베드

AI 서비스를 개발하는 사람에게 Compare와 Cookbook은 특히 유용합니다.

하나의 프롬프트를 여러 모델에 보내고 결과를 비교할 수 있습니다.
내 하드웨어에 맞는 모델을 찾아보고 다운로드할 수 있습니다.
로컬 모델과 API 모델을 같은 UI에서 비교할 수 있습니다.

이런 기능은 “어떤 모델을 우리 서비스에 붙일 것인가?”를 결정할 때 도움이 됩니다.

예를 들어 고객 응대용 모델, 코드 리뷰용 모델, 글쓰기용 모델, 리서치용 모델은 각각 적합한 모델이 다를 수 있습니다. Odysseus는 이런 비교 실험을 한곳에서 해볼 수 있는 환경을 제공합니다.

기존 에이전트 프로젝트와 비교하면

Odysseus를 Hermes나 OpenClaw 같은 프로젝트와 비교하면 포지션이 다릅니다.

Hermes는 자기개선형 에이전트에 가깝습니다. 장기 기억, 스킬 생성, 사용자 적응, 반복 작업 자동화에 더 초점이 있습니다.

OpenClaw는 메신저 기반 개인 비서에 가깝습니다. WhatsApp, Telegram, Slack, Discord 같은 채널에서 AI 비서를 사용하는 방향입니다.

반면 Odysseus는 웹 기반 AI 워크스페이스입니다.

즉, Hermes가 “스스로 성장하는 에이전트”에 가깝고, OpenClaw가 “어디서든 부를 수 있는 개인 비서”에 가깝다면, Odysseus는 “내 브라우저 안에 만든 AI 작업실”에 가깝습니다.

이 차이가 중요합니다.

Odysseus는 하나의 에이전트만 잘 만드는 프로젝트라기보다, 여러 AI 작업을 한 화면에서 다룰 수 있는 플랫폼형 구조를 지향합니다.

보안에서 반드시 주의할 점

Odysseus는 강력한 도구입니다. 그래서 보안도 중요합니다.

특히 다음 기능들은 조심해야 합니다.

shell 접근
파일 업로드
로컬 파일 읽기/쓰기
웹 리서치
이메일/캘린더 연동
API 토큰 저장
모델 서버 연결
MCP 도구 연결

이런 기능들은 편리하지만, 잘못 설정하면 위험할 수 있습니다.

따라서 기본 원칙은 명확합니다.

외부 인터넷에 직접 노출하지 않는 것이 좋습니다.
네트워크에 공개해야 한다면 HTTPS, 인증, reverse proxy, private access layer를 구성해야 합니다.
AUTH_ENABLED=true를 유지해야 합니다.
API 키와 토큰은 로그, 스크린샷, 공유 문서에 노출하지 않아야 합니다.
shell과 파일 권한은 꼭 필요한 사용자에게만 부여해야 합니다.
로컬 모델 서버와 ChromaDB, SearXNG, Ollama 같은 내부 서비스 포트는 외부에 직접 노출하지 않는 것이 좋습니다.

Odysseus는 개인용 AI 작업실이지만, 기능만 보면 사실상 관리자 콘솔에 가깝습니다. 편리함만 보고 열어두면 안 됩니다.

Odysseus의 장점

첫 번째 장점은 통합성입니다.
채팅, 에이전트, 모델 관리, 리서치, 문서, 메모리, 이메일, 캘린더, 노트가 한곳에 모입니다.

두 번째 장점은 로컬 우선 구조입니다.
자신의 하드웨어와 자신의 데이터 위에서 AI 작업공간을 운영할 수 있습니다.

세 번째 장점은 모델 선택의 자유입니다.
Ollama, llama.cpp, vLLM, OpenAI, OpenRouter 등 다양한 모델 환경을 연결할 수 있습니다.

네 번째 장점은 실험성입니다.
Compare, Cookbook, Skills, MCP 같은 기능은 AI 파워유저나 개발자에게 매력적입니다.

다섯 번째 장점은 제품 기획 관점에서 참고할 부분이 많다는 것입니다.
AI 앱을 만들려는 사람이라면 Odysseus를 보면서 “AI 작업공간은 어떤 모듈로 구성될 수 있는가?”를 배울 수 있습니다.

Odysseus의 한계

반대로 한계도 있습니다.

첫째, 일반 사용자에게는 설치와 운영이 어렵습니다.
Docker, Python, 모델 서버, 포트, GPU, .env 설정 같은 개념이 익숙하지 않으면 진입장벽이 있습니다.

둘째, 기능 범위가 넓습니다.
기능이 많다는 것은 장점이지만, 동시에 완성도와 안정성 측면에서는 부담이 됩니다. 하나의 앱 안에 너무 많은 기능이 들어가면 사용자는 어디서부터 써야 할지 헷갈릴 수 있습니다.

셋째, 로컬 모델 사용은 하드웨어 영향을 많이 받습니다.
GPU와 VRAM이 부족하면 기대한 성능이 나오기 어렵습니다. 작은 서버에서는 외부 API 모델을 연결하는 편이 더 현실적일 수 있습니다.

넷째, 보안 설정을 사용자가 직접 이해해야 합니다.
셀프호스팅의 자유는 곧 책임을 동반합니다. 특히 이메일, 캘린더, 파일, shell을 연결하는 경우 보안 리스크를 반드시 고려해야 합니다.

누가 써보면 좋을까

Odysseus는 모든 사람을 위한 도구라기보다, 다음 사용자에게 적합합니다.

로컬 LLM을 직접 운영해보고 싶은 개발자.
AI 에이전트 작업공간을 실험해보고 싶은 사람.
ChatGPT나 Claude 같은 UI를 셀프호스팅으로 구현해보고 싶은 사람.
개인 데이터 중심의 AI 워크스페이스를 만들고 싶은 사람.
여러 모델을 비교하고 테스트하고 싶은 AI 서비스 기획자.
MCP, 로컬 도구, 파일, 문서, 이메일, 캘린더를 연결한 에이전트 환경을 연구하고 싶은 사람.

반대로 단순히 “편하게 AI 채팅만 쓰고 싶다”면 ChatGPT나 Claude 같은 클라우드 서비스가 더 적합할 수 있습니다.

AI 서비스 기획 관점에서 보는 Odysseus

Odysseus가 흥미로운 이유는 단순히 기능이 많아서가 아닙니다.

이 프로젝트는 앞으로 AI 제품이 어떤 방향으로 갈 수 있는지 보여줍니다.

지금까지 AI 서비스는 대부분 채팅창 중심이었습니다. 하지만 실제 사용자는 채팅만 하고 싶은 것이 아닙니다. 글을 쓰고, 자료를 찾고, 파일을 정리하고, 이메일에 답하고, 일정을 관리하고, 반복 업무를 자동화하고 싶어 합니다.

즉, AI의 다음 단계는 “대화창”이 아니라 “작업공간”입니다.

Odysseus는 이 방향을 꽤 노골적으로 보여줍니다.

채팅은 시작점일 뿐입니다.
에이전트는 실행 계층입니다.
메모리는 개인화 계층입니다.
스킬은 반복 작업 계층입니다.
문서는 생산성 계층입니다.
이메일과 캘린더는 업무 연결 계층입니다.
Cookbook은 모델 운영 계층입니다.
Compare는 평가 계층입니다.

이렇게 보면 Odysseus는 하나의 앱이라기보다, 개인용 AI OS의 초기 형태처럼 보입니다.

정리

Odysseus는 “내 컴퓨터 위에 직접 올리는 AI 작업실”에 가까운 프로젝트입니다.

단순한 챗봇 UI가 아니라, 채팅, 에이전트, 모델 서빙, 딥리서치, 문서 작성, 메모리, 스킬, 이메일, 캘린더, 노트, 작업 예약, 이미지 편집, MCP까지 포함하려는 통합형 AI 워크스페이스입니다.

물론 아직 일반 사용자가 쉽게 쓰기에는 설치와 운영 장벽이 있습니다. 보안 설정도 신경 써야 합니다. 로컬 모델 성능은 하드웨어에 크게 의존합니다.

하지만 AI 제품을 만들거나, 로컬 LLM을 실험하거나, 에이전트 기반 작업공간을 연구하는 사람에게는 매우 흥미로운 레퍼런스입니다.

특히 앞으로 AI 서비스가 단순 채팅을 넘어 “작업공간화”될 것이라고 본다면, Odysseus는 한 번 살펴볼 가치가 충분합니다.

AI의 미래가 단순히 더 똑똑한 모델 하나로 끝나지는 않을 것입니다.
중요한 것은 그 모델이 어디에서, 어떤 도구와 함께, 어떤 데이터 위에서, 어떤 작업 흐름으로 움직이느냐입니다.

Odysseus는 바로 그 질문에 대해 이렇게 답하는 프로젝트입니다.

“AI를 내 작업공간 안으로 가져오자.”

Odysseus — A Self-Hosted AI Workspace