화니의 세상

9Router는 Claude Code, Cursor, Codex, Cline 같은 AI 코딩 도구를 여러 AI 제공자와 모델에 연결해 주는 오픈소스 라우터입니다.
토큰 절약, 자동 폴백, 사용량 추적, 포맷 변환 등을 통해 AI 코딩 환경을 더 안정적으로 운영하고 싶은 개발자에게 유용한 도구입니다.

9Router는 한마디로 말해, AI 코딩 도구와 다양한 LLM 제공자 사이에서 요청을 중계하고 최적의 모델로 라우팅해 주는 스마트 프록시입니다. README 기준으로 Claude Code, Codex, Cursor, Cline, Copilot, OpenCode, OpenClaw 등 여러 도구를 지원하며, 40개 이상의 AI Provider와 100개 이상의 모델 연결을 목표로 합니다. 기본적으로 로컬에서 실행한 뒤 http://localhost:20128/v1 형태의 OpenAI 호환 API 엔드포인트로 연결하는 구조입니다.

가장 눈에 띄는 기능은 토큰 절약과 자동 폴백입니다. 9Router는 RTK Token Saver를 통해 git diff, grep, ls, tree 같은 도구 출력 내용을 LLM에 보내기 전 압축해 입력 토큰을 줄이는 방식으로 동작하며, 저장소 문서에서는 요청당 20~40%의 입력 토큰 절약을 설명하고 있습니다. 또한 구독형 모델, 저가형 API, 무료 제공자 순서로 자동 전환하는 3단계 폴백 구조를 지원해, 특정 모델의 할당량이 끝나거나 오류가 발생했을 때 다른 모델로 이어서 작업할 수 있도록 설계되어 있습니다.

실제 활용 장면을 떠올려 보면 이해가 쉽습니다. 예를 들어 Claude Pro나 Cursor를 이미 사용 중인 개발자는 9Router를 중간에 두고, 기본 작업은 기존 구독 모델로 처리하다가 사용량이 부족해지면 GLM이나 MiniMax 같은 저가형 모델, 또는 Kiro AI·OpenCode Free·Vertex AI 같은 무료 옵션으로 넘기는 조합을 만들 수 있습니다. 저장소 문서에는 “구독을 최대한 활용하기”, “무료 조합으로 사용하기”, “중단 없는 24/7 코딩 환경 만들기” 같은 사용 사례도 함께 정리되어 있습니다.

비슷한 API 프록시나 모델 라우터와 비교했을 때 9Router가 돋보이는 점은 단순히 여러 모델을 연결하는 데 그치지 않는다는 점입니다. OpenAI, Claude, Gemini, Cursor, Kiro, Vertex 등 서로 다른 요청 포맷을 변환하는 기능을 제공하고, 여러 계정을 등록해 라운드로빈 또는 우선순위 기반으로 라우팅할 수 있으며, OAuth 토큰 자동 갱신, 요청 로그, 사용량 분석, 클라우드 동기화 같은 운영 기능도 함께 포함되어 있습니다.

추천 대상은 AI 코딩 도구를 자주 쓰는 개발자, 여러 LLM Provider를 함께 사용하는 사용자, API 비용과 토큰 사용량을 관리하고 싶은 팀, 그리고 Claude Code·Cursor·Cline 같은 도구에 커스텀 OpenAI 호환 엔드포인트를 연결해 보고 싶은 사람입니다. 특히 모델별 장단점과 비용을 직접 조합해 쓰는 데 익숙한 사용자라면, 9Router의 “Combo” 기능을 통해 자신만의 코딩 스택을 구성하는 재미도 있을 것입니다.

설치와 배포 방식도 비교적 다양합니다. README에서는 전역 설치 후 대시보드를 여는 방식, 소스에서 직접 실행하는 방식, Docker 이미지로 실행하는 방식, VPS 배포 방식 등을 안내하고 있습니다. 기본 대시보드는 http://localhost:20128/dashboard, OpenAI 호환 API는 http://localhost:20128/v1로 안내되어 있어, 로컬 개발 환경에서 먼저 테스트해 보기 좋습니다.

정리하면 9Router는 “AI 모델을 더 많이 연결하는 도구”라기보다, AI 코딩 워크플로를 더 끊김 없이, 더 경제적으로, 더 통제 가능하게 운영하기 위한 개발자용 라우팅 허브에 가깝습니다. 무료·저가·구독 모델을 함께 쓰고 싶거나, 토큰 낭비를 줄이면서 여러 AI 코딩 도구를 하나의 엔드포인트로 묶고 싶은 사용자라면 한 번 살펴볼 만한 오픈소스 프로젝트입니다.

https://github.com/decolua/9router

OfficeCLI는 AI 에이전트와 개발자가 Word, Excel, PowerPoint 문서를 명령어 기반으로 생성·읽기·수정할 수 있도록 만든 오픈소스 도구입니다.
단일 바이너리로 제공되며, Office 설치 없이도 문서 렌더링과 자동화 작업을 수행할 수 있다는 점이 특징입니다.

OfficeCLI는 이름 그대로 오피스 문서를 CLI 환경에서 다루기 위한 도구입니다. 특히 일반적인 문서 편집 프로그램이라기보다, AI 에이전트가 문서를 이해하고 수정하며 자동화할 수 있도록 설계된 점이 눈에 띕니다. GitHub README에서는 Word, Excel, PowerPoint 파일을 한 줄의 명령어로 생성하거나 편집할 수 있고, .docx, .xlsx, .pptx를 HTML 또는 PNG로 렌더링할 수 있다고 소개하고 있습니다.

핵심 기능은 단순한 파일 생성에 그치지 않습니다. OfficeCLI는 문서의 텍스트, 구조, 스타일, 수식 등을 읽고, 텍스트·글꼴·색상·레이아웃·수식·차트·이미지 같은 요소를 수정할 수 있습니다. 또한 Word, Excel, PowerPoint 세 형식 모두에서 읽기, 수정, 생성을 지원한다고 정리되어 있어, 여러 라이브러리를 따로 조합하지 않고 하나의 명령 체계로 오피스 문서를 다루려는 사용자에게 적합합니다.

활용 장면을 떠올려보면 더 이해하기 쉽습니다. 예를 들어 개발자는 데이터베이스나 API에서 가져온 데이터를 바탕으로 정기 보고서나 프레젠테이션을 자동 생성할 수 있습니다. 팀에서는 기존 문서 템플릿을 복제한 뒤 필요한 값만 채워 넣거나, 납품 전 문서의 구조와 품질을 검증하는 흐름을 만들 수 있습니다. README에서도 보고서 자동 생성, 대량 문서 처리, CI/CD 환경의 문서 파이프라인, 문서 품질 검증 등을 주요 사용 사례로 제시하고 있습니다.

OfficeCLI가 특히 흥미로운 지점은 “AI가 문서를 만들고 다시 확인하는 과정”을 염두에 두었다는 점입니다. view html, view screenshot, watch 같은 기능을 통해 문서를 HTML이나 PNG로 확인하거나 브라우저에서 실시간 미리보기를 볼 수 있습니다. AI 에이전트 입장에서는 단순히 파일 구조만 수정하는 것이 아니라, 결과물을 렌더링해 레이아웃 문제를 파악하고 다시 고치는 흐름을 만들 수 있습니다.

Excel 작업에서도 자동화에 유용한 기능들이 포함되어 있습니다. README에 따르면 150개 이상의 Excel 함수 자동 평가, 피벗 테이블 생성, 템플릿 병합, 기존 문서를 batch JSON으로 직렬화하는 dump 기능 등을 제공합니다. 특히 {{key}} 형태의 자리표시자를 JSON 데이터로 교체하는 템플릿 병합은 반복 보고서, 견적서, 발표자료를 일정한 형식으로 대량 생성해야 하는 상황에서 실용적으로 보입니다.

비슷한 도구와 비교했을 때 OfficeCLI의 차별점은 AI 친화적인 CLI와 JSON 출력, 경로 기반 요소 접근, 내장 렌더링 엔진, 헤드리스 환경 지원에 있습니다. README의 비교 표에서도 Microsoft Office, LibreOffice, python-docx/openpyxl과 비교해 단일 바이너리, AI 네이티브 CLI, Word·Excel·PowerPoint 통합 지원, 라이브 미리보기 등을 강조하고 있습니다. 다만 실제 업무에 도입할 때는 필요한 문서 형식과 세부 기능이 현재 프로젝트 요구사항을 충분히 충족하는지 직접 테스트해보는 것이 좋습니다.

OfficeCLI는 문서 자동화가 필요한 개발자, AI 에이전트를 업무 흐름에 연결하려는 사용자, 반복적인 보고서·스프레드시트·프레젠테이션 생성을 줄이고 싶은 팀에게 잘 맞는 도구입니다. 일반 사용자는 AionUi 같은 GUI 방식도 선택할 수 있고, 개발자나 자동화 환경에서는 CLI와 MCP 서버를 통해 AI 도구와 직접 연결할 수 있습니다. 문서 작업이 점점 자동화되고 AI와 연결되는 흐름 속에서, OfficeCLI는 “오피스 파일을 사람이 직접 여는 작업”과 “AI가 구조적으로 문서를 다루는 작업” 사이를 이어주는 흥미로운 오픈소스 프로젝트라고 볼 수 있습니다.

https://github.com/lidge-jun/cli-jaw

Mirage는 AI 에이전트가 S3, Google Drive, Slack, Gmail, Redis, GitHub 같은 여러 서비스와 데이터 소스를 하나의 가상 파일시스템처럼 다룰 수 있게 해주는 오픈소스 프로젝트입니다. 복잡한 API나 서비스별 SDK를 각각 익히는 대신, 익숙한 Unix 스타일 명령어와 파일 경로 개념으로 다양한 백엔드에 접근할 수 있도록 설계된 점이 특징입니다.

Mirage의 핵심은 여러 리소스를 하나의 트리 구조 아래에 마운트하는 방식입니다. 예를 들어 /s3, /slack, /github, /data 같은 경로를 만들고, AI 에이전트는 cat, grep, cp 같은 명령으로 각 서비스의 데이터를 읽고 처리할 수 있습니다. 이는 LLM이 이미 잘 이해하는 bash와 파일시스템 문법을 활용한다는 점에서 실용적입니다.

활용 장면도 꽤 분명합니다. 예를 들어 S3에 저장된 로그 파일에서 특정 이벤트를 찾고, Slack 메시지에서 관련 알림을 검색한 뒤, GitHub 저장소의 문서를 참고해 요약 보고서를 만드는 흐름을 하나의 작업 공간 안에서 구성할 수 있습니다. Mirage는 Python, TypeScript SDK와 CLI를 제공해 애플리케이션 내부나 개발 환경에 직접 통합할 수 있습니다.

비슷한 도구들이 서비스별 커넥터나 개별 API 호출에 초점을 맞춘다면, Mirage는 “모든 백엔드를 파일시스템처럼 다룬다”는 추상화가 돋보입니다. 또한 작업 공간을 스냅샷으로 저장하거나 복원할 수 있고, 원격 백엔드 접근을 줄이기 위한 캐시 구조도 제공해 반복 작업에 유리합니다.

추천 대상은 AI 에이전트에게 여러 데이터 소스 접근 권한을 주고 싶은 개발자, LLM 기반 자동화 워크플로를 만드는 팀, Slack·S3·GitHub·Google Drive 같은 도구를 함께 쓰는 조직입니다. 특히 에이전트가 여러 서비스 사이를 오가며 읽기, 검색, 복사, 요약 같은 작업을 수행해야 한다면 Mirage의 접근 방식이 도움이 될 수 있습니다.

정리하면 Mirage는 AI 에이전트가 다양한 외부 서비스를 더 단순하고 일관된 방식으로 사용할 수 있게 해주는 가상 파일시스템 레이어입니다. 아직 초기 공개 버전이지만, AI 에이전트 개발에서 반복적으로 등장하는 “도구 연결의 복잡함”을 파일시스템이라는 익숙한 개념으로 풀어내려는 점에서 주목할 만한 프로젝트입니다.

https://github.com/strukto-ai/mirage