에이전트 런타임 설치하기

Multica는 사용자 기기에 설치된 AI 코딩 도구를 구동합니다. 이 페이지에서는 데몬이 도구를 감지할 수 있도록 지원되는 12종의 도구를 각각 설치하는 방법을 설명합니다.

Multica에서 런타임이란 사용자 기기의 데몬과, 데몬이 PATH에서 찾아낸 AI 코딩 도구 하나가 짝을 이룬 것입니다. 온보딩의 "런타임 연결" 단계에서 지원되는 도구를 감지하지 못했습니다라고 표시된다면, 데몬이 PATH를 스캔했지만 구동 방법을 아는 12종의 도구 중 어느 것도 찾지 못했다는 뜻입니다. 아래 도구 중 하나(또는 여러 개)를 설치한 다음 해당 단계로 돌아와 다시 스캔하세요. 몇 초 안에 런타임이 나타납니다.

이 페이지는 다음 문서의 설치 측면 동반 문서입니다.

데몬과 런타임 — 감지가 작동하는 방식
AI 코딩 도구 매트릭스 — 각 도구가 할 수 있는 것과 할 수 없는 것(세션 재개, MCP, 모델 선택)

Multica 서버는 사용자의 API 키나 도구 자체를 결코 보지 못합니다. 아래의 모든 것 — 설치, 인증, 모델 접근 — 은 사용자의 로컬 기기에 존재합니다. 무언가 실패한다면 거의 항상 로컬 문제입니다.

시작하기 전에

아래 모든 도구에 두 가지 사전 조건이 적용됩니다.

Multica 데몬이 실행 중이어야 합니다. Multica CLI를 설치한 후 multica daemon start를 실행하거나, 데몬을 자동으로 시작하는 Multica 데스크톱 앱을 사용하세요. 데몬이 실행 중이지 않으면 도구를 감지할 주체가 없습니다.
도구의 바이너리가 PATH에서 접근 가능해야 합니다. 데몬은 각 도구를 이름으로 호출하여 실행합니다(각 섹션의 데몬이 찾는 이름 열 참고). 터미널에서 which <name>으로 찾을 수 없다면 데몬도 찾지 못합니다. 설치한 후에는 새 터미널을 열거나(또는 데몬을 재시작하여) 새 PATH 항목이 반영되도록 하세요.

도구를 설치한 후에는 데몬을 재시작하세요.

multica daemon restart

또는 데스크톱 앱에서는 앱을 다시 실행하기만 하면 됩니다. 데몬은 시작될 때마다 PATH를 다시 스캔합니다.

지원되는 12종의 도구

대략 많이 쓰이는 순서대로 나열했습니다. 이미 자격 증명을 갖고 있는 것을 골라 사용하세요. 12종을 모두 설치할 필요는 없습니다.

Claude Code (Anthropic)

가장 완전한 연동입니다. 세션 재개가 작동하고, MCP가 작동하며, 에이전트의 mcp_config 필드를 소비합니다(자세한 내용은 매트릭스 참고).


데몬이 찾는 이름	`claude`
설치	claude.com/claude-code의 공식 가이드를 따르세요. 일반적인 방법은 npm 패키지 `@anthropic-ai/claude-code`입니다(Node.js 18+ 필요).
인증	`claude`를 한 번 실행하고 CLI 내 로그인 절차를 따르거나, `ANTHROPIC_API_KEY`를 설정하세요.
비고	새 사용자에게 가장 먼저 권장하는 선택지입니다.

Codex (OpenAI)

더 세분화된 승인 게이트를 갖춘 JSON-RPC 2.0 전송 방식입니다. MCP 구성은 작업별 $CODEX_HOME/config.toml에 기록됩니다. 세션 재개 코드는 존재하지만 현재 도달할 수 없습니다 — 재개가 필요하다면 Claude Code 또는 ACP 계열 중 하나를 선택하세요.


데몬이 찾는 이름	`codex`
설치	github.com/openai/codex의 공식 가이드를 따르세요. 일반적인 방법은 npm 패키지 `@openai/codex`입니다.
인증	`codex login`(브라우저 기반) 또는 `OPENAI_API_KEY`.

Cursor (Anysphere)

Cursor 에디터에 대응하는 CLI입니다. 세션 재개가 작동하지 않습니다 — Cursor의 CLI가 세션 id를 반환하지 않으므로 재개 시 전달하는 값은 항상 유효하지 않습니다.


데몬이 찾는 이름	`cursor-agent`
설치	Cursor 에디터를 설치한 다음 docs.cursor.com의 문서에 따라 CLI를 설치하세요. 바이너리 이름은 `cursor`가 아니라 `cursor-agent`입니다.
인증	Cursor 에디터를 통해 로그인하면 CLI가 해당 세션을 재사용합니다.

GitHub Copilot

모델 라우팅은 사용자의 GitHub 계정 권한(entitlement)을 통해 이루어집니다 — 도구가 직접 모델을 고르지 않고, 어떤 모델을 받을지는 GitHub가 결정합니다.


데몬이 찾는 이름	`copilot`
설치	GitHub의 CLI 문서 github.com/github/copilot-cli를 참고하세요.
인증	CLI를 통한 브라우저 기반 GitHub 로그인.
비고	로그인한 계정에 활성화된 GitHub Copilot 구독이 필요합니다.

Gemini (Google)

Gemini 2.5 및 3 시리즈를 지원합니다. 세션 재개와 MCP는 없습니다 — 단발성 작업에 적합합니다.


데몬이 찾는 이름	`gemini`
설치	github.com/google-gemini/gemini-cli의 공식 가이드를 따르세요. 일반적인 방법은 npm 패키지 `@google/gemini-cli`입니다.
인증	`gemini`를 실행하면 Google 계정 로그인을 요청하거나, `GEMINI_API_KEY`를 설정하세요.

OpenCode (SST)

오픈 소스 CLI 에이전트입니다. 자체 설정 파일에서 사용 가능한 모델을 동적으로 발견합니다 — 자신만의 모델 카탈로그를 직접 가져오려는 사용자에게 잘 맞습니다. OPENCODE_CONFIG_CONTENT를 통해 에이전트의 mcp_config 필드도 소비합니다.


데몬이 찾는 이름	`opencode`
설치	opencode.ai의 공식 가이드 또는 GitHub 저장소 github.com/sst/opencode를 따르세요. 일반적인 방법은 설치 스크립트 또는 npm 패키지입니다.
인증	OpenCode의 문서에 따라 모델 제공자(Anthropic, OpenAI 등)를 구성하세요.

Kiro CLI (Amazon)

ACP-over-stdio 전송 방식입니다. 세션 재개는 ACP session/load를 통해 작동하며, MCP 구성은 ACP mcpServers로 전달되고, 스킬은 .kiro/skills/로 복사됩니다.


데몬이 찾는 이름	`kiro-cli`
설치	kiro.dev의 Kiro 문서를 참고하세요. 바이너리 이름은 `kiro`가 아니라 `kiro-cli`입니다.
인증	AWS 계정 기반이며, Kiro 자체 온보딩을 따르세요.

Kimi (Moonshot)

ACP 프로토콜 에이전트로, 주로 중국 시장을 겨냥합니다. MCP 구성은 ACP mcpServers로 전달되며, 스킬은 .kimi/skills/ 아래에 위치합니다(네이티브 발견).


데몬이 찾는 이름	`kimi`
설치	github.com/MoonshotAI/kimi-cli의 공식 가이드를 따르세요.
인증	Moonshot API 키이며, 공급사 문서에 따라 구성합니다.

Hermes (Nous Research)

ACP 프로토콜 에이전트입니다(Kimi와 전송 방식을 공유). 세션 재개가 작동하고, MCP 구성은 ACP mcpServers로 전달됩니다. 스킬 주입 경로는 일반적인 .agent_context/skills/로 폴백됩니다 — 의존하기 전에 스킬이 제대로 로드되는지 확인하세요.


데몬이 찾는 이름	`hermes`
설치	최신 CLI 배포본은 Nous Research의 저장소 github.com/NousResearch를 참고하세요.
인증	공급사 문서에 따릅니다.

OpenClaw

오픈 소스 CLI 에이전트 오케스트레이터입니다. MCP 구성은 Multica의 작업별 config wrapper를 통해 기록됩니다. 모델은 에이전트 계층에 바인딩됩니다(openclaw agents add --model) — 작업별로 재정의할 수 없으며, Multica에서 --model이나 --system-prompt를 전달할 수 없습니다.


데몬이 찾는 이름	`openclaw`
설치	프로젝트 github.com/openclaw-org/openclaw를 참고하세요(커뮤니티 유지 관리).
인증	OpenClaw의 문서에 따라 기반 모델 제공자를 구성하세요.

Pi (Inflection AI)

미니멀합니다. 세션 재개 방식이 특이합니다 — 재개 id가 문자열 id가 아니라 디스크에 있는 세션 파일의 경로입니다.


데몬이 찾는 이름	`pi`
설치	Inflection의 CLI 문서 pi.ai를 참고하세요.
인증	공급사 문서에 따릅니다.

Antigravity (Google)

Google의 Antigravity CLI(agy)입니다. Google의 Antigravity 서비스와 짝을 이루며 Gemini 기반 모델을 실행합니다. 세션 재개는 --conversation <id>를 통해 작동하며, 데몬이 CLI 로그 파일에서 이를 캡처합니다. 모델 선택은 Antigravity CLI 자체 내부에서 관리됩니다 — Multica는 이 제공자에 대해 에이전트별 모델 선택기를 비활성화합니다. 스킬은 .agents/skills/에 기록됩니다(CLI가 Gemini CLI의 워크스페이스 스킬 레이아웃을 상속함 — Antigravity 문서 참고).


데몬이 찾는 이름	`agy`
설치	antigravity.google/docs/cli-overview의 공식 가이드를 따르세요. CLI는 미리 빌드되어 제공됩니다 — `agy install`을 한 번 실행하여 PATH와 셸 별칭을 설정하세요.
인증	`agy`를 대화형으로 한 번 실행하여 Google 계정 로그인을 완료하거나, Antigravity 데스크톱 앱을 통해 로그인하세요 — CLI는 GUI가 기록한 keyring 항목을 재사용합니다.
비고	CLI는 구조화된 이벤트 스트림이 아니라 stdout에 일반 어시스턴트 텍스트를 출력합니다. 중간의 "I will run X" 줄과 최종 응답 모두 텍스트로 Multica에 전달됩니다.

설치한 후에

바이너리가 PATH에 있는지 확인하세요. 새 터미널을 열고 which <name>(예: which claude, which cursor-agent, which kiro-cli, which agy)을 실행하세요. 경로가 출력되면 데몬이 찾을 수 있습니다. 아무것도 출력되지 않으면 먼저 셸의 PATH를 수정하세요(전형적인 원인은 다시 로드되지 않은 셸별 rc 파일입니다).
데몬을 재시작하세요. multica daemon restart를 실행하거나 데스크톱 앱을 다시 실행하세요. 데몬은 시작 시에만 PATH를 스캔합니다.
런타임 페이지를 확인하세요. Multica UI의 런타임 페이지에 이제 (워크스페이스 × 도구) 조합별로 한 행씩 나열되어야 합니다. 행에 "offline"이라고 표시되면 데몬과 런타임 → 런타임이 오프라인으로 표시될 때를 참고하세요.
온보딩으로 돌아가세요. "런타임 연결" 단계는 폴링을 수행하며 몇 초 안에 새 런타임을 인식합니다 — 새로 고칠 필요가 없습니다.

문제 해결

which는 바이너리를 찾는데 데몬은 찾지 못합니다. 데몬이 예전 PATH로 시작되었습니다. 재시작하세요.
바이너리는 존재하지만 실행에 실패합니다. 터미널에서 도구 자체의 --version이나 --help를 한 번 실행하세요 — 여기서 발생하는 대부분의 실패는 인증 누락, 만료된 토큰, 또는 Node.js / 런타임 불일치입니다.
런타임 페이지에 행은 표시되지만 작업이 즉시 실패합니다. 작업을 트리거하면서 multica daemon logs -f를 확인하세요. 데몬은 도구 자체의 오류 출력을 그대로 보여줍니다.

더 광범위한 증상은 문제 해결 가이드를 참고하세요.

데몬과 런타임 — 감지, 하트비트, 오프라인 처리가 작동하는 방식
AI 코딩 도구 매트릭스 — 도구가 연결된 후의 기능 차이
에이전트 생성 및 구성 — 에이전트에 사용할 도구를 선택하고 작업 실행 시작하기