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

AI 이미지에는 우리가 눈으로 보지 못하는 다양한 흔적이 남습니다.
remove-ai-watermarks는 이런 AI 워터마크와 메타데이터를 제거할 수 있도록 만든 오픈소스 프로젝트입니다. 단순한 로고 제거를 넘어, SynthID·C2PA·EXIF 같은 보이지 않는 정보까지 다룬다는 점이 흥미로운 도구입니다.

이 프로젝트는 GitHub에서 공개된 Python 기반 CLI 도구로, Google Gemini(Nano Banana), ChatGPT/DALL·E, Stable Diffusion, Adobe Firefly, Midjourney 등 여러 생성형 AI 서비스에서 만들어진 이미지의 흔적을 제거하는 기능을 제공합니다. 특히 Gemini 이미지에 들어가는 반짝이 형태의 시각적 워터마크를 reverse alpha blending 방식으로 제거하는 부분이 핵심 특징 중 하나입니다.

짧게 정리하면, 단순한 “워터마크 제거기”라기보다 AI 생성 이미지의 출처 흔적을 정리하는 연구 성격의 도구에 가깝습니다.
눈에 보이는 로고뿐 아니라 C2PA provenance, EXIF/XMP 정보, “Made with AI” 라벨을 유발하는 메타데이터까지 제거할 수 있도록 설계되어 있습니다.

기능 구성도 꽤 다양합니다.
대표적으로는 다음과 같은 기능이 포함됩니다.

Gemini/Nano Banana 시각 워터마크 제거
SynthID·StableSignature·TreeRing 같은 invisible watermark 제거
EXIF/XMP/C2PA 메타데이터 삭제
이미지 배치 처리(batch processing)
얼굴 영역 보호(Smart Face Protection)
필름 그레인·색수차 기반 “Analog Humanizer”

특히 Smart Face Protection 기능은 AI 재생성 과정에서 얼굴이 깨지거나 변형되는 문제를 줄이기 위해 얼굴 영역을 자동 추출·보존하는 방식으로 동작합니다. 일반적인 단순 워터마크 제거 툴과 비교하면 상당히 기술 지향적인 접근이라고 볼 수 있습니다.

활용 시나리오도 다양합니다.
예를 들어 AI로 생성한 이미지를 SNS에 업로드할 때 불필요한 메타데이터를 정리하거나, 연구 목적에서 AI 워터마킹 기술의 한계를 테스트하는 용도로 사용할 수 있습니다. 또한 이미지 포렌식이나 생성형 AI 탐지 기술에 관심 있는 개발자·연구자 입장에서는 워터마크 제거 방식 자체를 분석하는 학습 자료로도 의미가 있습니다.

비슷한 이미지 편집 도구들과 비교했을 때 눈에 띄는 점은 “단순 인페인팅” 수준을 넘어 invisible watermark까지 다룬다는 점입니다. 실제로 프로젝트 설명에서도 diffusion-based regeneration 기법을 이용해 주파수 영역의 워터마크를 제거한다고 소개하고 있으며, 관련 연구 논문들과 연결되는 기술 흐름도 확인할 수 있습니다.

다만 이 프로젝트는 일반 사용자용 GUI 서비스라기보다는 개발자·리서처 중심의 CLI 도구에 가깝습니다. Python 환경 설정과 모델 실행에 대한 이해가 필요할 수 있기 때문에, 터미널 기반 작업에 익숙한 사용자에게 더 적합합니다. macOS Apple Silicon(MPS), Linux CUDA, CPU 환경 등을 지원한다는 점도 개발자 친화적인 부분입니다.

정리하면 remove-ai-watermarks는 단순한 워터마크 제거 앱이 아니라, 생성형 AI 이미지의 “출처 흔적”을 어떻게 남기고 또 어떻게 제거할 수 있는지를 보여주는 흥미로운 오픈소스 프로젝트입니다. AI 워터마킹·콘텐츠 인증·이미지 포렌식 같은 주제에 관심 있다면 한 번쯤 살펴볼 만한 저장소입니다.

https://github.com/wiltodelta/remove-ai-watermarks

CodexBar는 macOS(14+ Sonoma) 메뉴바에 작은 아이콘을 띄워서 OpenAI Codex, Claude, Cursor, Gemini, Copilot, OpenRouter 등 여러 AI 코딩/에이전트 도구의 세션·주간 한도(및 리셋 시간)를 실시간으로 확인할 수 있게 해주는 오픈소스 앱입니다. 작업하다가 “갑자기 제한 걸려서 끊기는 상황”을 줄이는 데 딱 좋아요. 

핵심 포인트

• 프로바이더별 한도/리셋 카운트다운 표시(필요한 것만 설정에서 켜기) 
• 메뉴바 전용: Dock 아이콘 없이 미니멀 UI, 프로바이더별 아이콘(또는 아이콘 합치기 모드) 
• 일부 서비스는 브라우저 쿠키/ OAuth / 로컬 CLI 등을 통해 사용량을 가져오고, 쿠키가 없으면 로컬 CLI 기반으로 동작하기도 합니다. 
• Linux는 CLI 중심으로도 제공됩니다. 

설치 방법(간단)

• Homebrew(추천): brew install --cask steipete/tap/codexbar 
• 또는 GitHub Releases에서 다운로드 후 실행 

여러 AI 도구를 병행하는 분이라면, “오늘은 어디까지 써도 안전한지”를 메뉴바에서 바로 확인할 수 있어서 생산성이 꽤 올라갑니다. 

https://github.com/steipete/CodexBar

Transformer Lab은 복잡한 코딩 없이도 누구나 대형 언어 모델(LLM)을 쉽게 활용할 수 있도록 도와주는 오픈소스 플랫폼입니다. 이 플랫폼은 macOS, Windows, Linux 등 다양한 운영체제에서 동작하며, 로컬 환경에서 모델 다운로드, 미세 조정, 평가, 실행까지 모두 가능합니다.

주요 기능으로는 클릭 한 번으로 Llama3, Mistral, Phi3 등 인기 모델 다운로드, Hugging Face와 Apple Silicon 기반의 미세 조정, RLHF 방식 학습(DPO, ORPO, SIMPO 등), RAG 기반 검색 및 임베딩 처리, 시각화 기반 모델 평가 도구 제공 등이 있습니다. 또한 REST API와 플러그인 시스템도 지원하여 다양한 외부 연동이 가능합니다.

Transformer Lab은 Mozilla의 후원을 받아 개발되었으며, 사용자는 공식 사이트에서 운영체제별 설치 파일을 받을 수 있습니다. 설치 가이드와 튜토리얼도 함께 제공되어, 누구나 쉽게 시작할 수 있습니다.

https://transformerlab.ai/

Open WebUI는 로컬 및 원격 LLM(대형 언어 모델)과 상호작용할 수 있는 오픈소스 웹 UI입니다.

OpenAI API, Ollama, OpenRouter, LocalAI 등의 다양한 백엔드를 지원하며, 자체 호스팅이 가능해 보안성과 확장성이 뛰어납니다.

주요 기능:

• 쉬운 설치 및 설정

• 여러 모델 지원(OpenAI, Ollama 등)

• 사용자 친화적인 대시보드

• 플러그인 및 커스터마이징 가능

https://github.com/open-webui/open-webui

OpenAI의 Swarm은 여러 AI 모델이 협력하여 작업을 수행할 수 있도록 설계된 새로운 프레임워크입니다. Swarm은 다양한 모델이 각자의 강점을 활용해 복잡한 문제를 해결할 수 있도록 돕습니다. 이 프레임워크는 모델들이 독립적으로 작동하는 것이 아니라, 하나의 팀으로 협력하며 더 나은 결과를 만들어내는 역동적인 시스템을 제공합니다.

Swarm의 주요 기능:

1. 모델 간 협업: Swarm은 다양한 AI 모델이 실시간으로 지식을 공유하고 상호작용할 수 있도록 지원합니다.

2. 작업 할당: 각 모델의 강점을 기반으로 작업을 최적화하여 적절한 모델이 해당 작업을 수행하도록 배분합니다.

3. 확장성: Swarm은 소규모 문제부터 대규모 복잡한 시스템까지 다양한 작업에 적합하도록 확장 가능한 구조를 가지고 있습니다.

4. 커스터마이징 가능: 개발자는 Swarm을 자신들의 요구에 맞게 구성하고 조정할 수 있어, 맞춤형 AI 협업을 구현할 수 있습니다.

Swarm 프레임워크는 여러 AI 모델이 협력해 단일 모델보다 더 효과적으로 문제를 해결할 수 있는 가능성을 열어줍니다.

자세한 내용은 Swarm GitHub 리포지토리를 참조하세요.