Goose
로컬 우선 AI 에이전트 — 데스크톱·CLI·API 세 가지 인터페이스 제공
- 로컬 우선 AI 에이전트: 데스크톱 앱(macOS/Linux/Windows), CLI, API 세 가지 인터페이스로 사용자 머신에서 직접 동작. 클라우드 의존 없이 코드 편집, 셸 실행, 테스트, 멀티스텝 워크플로우를 자율 수행 - 15+ LLM 프로바이더 지원: Anthropic, OpenAI, Google Gemini, Ollama, OpenRouter, Azure, Bedrock, Groq, xAI, Alibaba(Qwen/DashScope), Databricks, Scaleway 등. Claude 4 모델에 최적화되어 있으나 로컬 모델(Ollama, LM Studio)도 지원. ACP(Agent Client Protocol)로 기존 ChatGPT/Claude 구독 활용 가능 - 70+ MCP 확장: Anthropic의 Model Context Protocol 표준을 통해 데이터베이스, API, 브라우저, GitHub, Google Drive 등 70개 이상의 확장과 연결. 커뮤니티 Extensions 마켓플레이스 운영 - YAML 기반 레시피 시스템: 워크플로우를 instructions, extensions, parameters, subrecipes로 구조화한 YAML 레시피로 캡처하여 재사용 및 공유 가능 - 서브에이전트 병렬 처리: Rust 기반 고성능 아키텍처로 서브에이전트를 병렬 실행하여 복잡한 멀티태스크를 효율적으로 처리 - 보안 기능: 프롬프트 인젝션 탐지, 적대적 리뷰어(adversary reviewer) 모드 내장 - MCP Apps: 데스크톱 환경 내에서 인터랙티브 UI를 렌더링하는 MCP 앱 기능
💻 필요한 컴퓨터 사양
불필요 (LLM 추론은 외부 API 위임). 로컬 모델(Ollama) 사용 시 모델 크기에 따라 8-24GB VRAM 필요. Linux Vulkan 지원으로 비-NVIDIA GPU에서도 로컬 추론 가능
데스크톱 앱 ~160MB(플랫폼별 상이), CLI 포함 합산 약 500MB. 로컬 모델 별도
⚡ 설치법
### 4-1. Quick Start
```bash
# macOS — Homebrew (CLI)
brew install block-goose-cli
# macOS — Homebrew (Desktop App)
brew install --cask block-goose
# Linux / macOS / WSL — curl 스크립트
curl -fsSL https://github.com/aaif-goose/goose/releases/download/stable/download_cli.sh | bash
```
### 4-2. 상세 설치
```bash
# Windows — PowerShell (네이티브)
Invoke-WebRequest -Uri "https://raw.githubusercontent.com/aaif-goose/goose/main/download_cli.ps1" -OutFile "download_cli.ps1"
.\download_cli.ps1
# Windows PATH 설정 (Git Bash/MSYS2)
echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc
# Linux — DEB 패키지 (Ubuntu/Debian)
sudo dpkg -i goose_*.deb
# 프로바이더 설정 (첫 실행 시 자동 안내, 이후 재설정)
goose configure
# 세션 시작
goose session
# 업데이트
goose update
```
데스크톱 앱은 GitHub Releases 페이지에서 macOS(Apple Silicon/Intel), Linux(DEB/RPM/Flatpak), Windows ZIP을 직접 다운로드할 수 있다. Windows 사용자는 Git Bash, MSYS2, 또는 PowerShell이 필요하며, WSL을 통한 Linux 설치도 가능하다.🧬 바이오 활용
코드베이스 전반 리팩토링
대규모 코드 저장소에서 특정 패턴을 검색하고, 의존성을 분석한 후, 여러 파일에 걸친 리팩토링을 자율적으로 수행. MCP를 통해 GitHub PR 생성까지 연결하면 코드 리뷰, 수정, 커밋, PR의 전체 사이클을 단일 세션에서 완료 가능
멀티 프로바이더 비용 최적화 워크플로우
단순 코드 생성은 무료 티어(Groq/Google Gemini)로, 복잡한 아키텍처 설계는 Claude 4 Opus로, 코드 리뷰는 GPT-5로 분리하는 멀티모델 전략을 YAML 레시피로 정의하여 월 API 비용을 제어하면서 품질 유지
자동화된 데이터 파이프라인 구축
MCP 확장으로 데이터베이스 조회, 데이터 변환 스크립트 작성, 테스트 실행, 결과 검증을 하나의 Goose 세션에서 수행. 레시피로 저장하면 반복 실행 가능한 자동화 파이프라인으로 전환
📝 업데이트 노트
- vv1.39.06/26/2026
## ✨ Features - ACP method for managing recipes and UI changes [#9951](https://github.com/aaif-goose/goose/pull/9951) - Use ACP to manage global config and session extensions [#9948](https://github.com/aaif-goose/goose/pull/9948) - Recipe handling in new_session [#9935](https://github.com/aaif-goose/goose/pull/9935) - `/status` slash command in CLI [#9845](https://github.com/aaif-goose/goose/pull/9845) - ACP new session on desktop (non-recipe sessions) [#9914](https://github.com/aaif-goose/goos
- vv1.38.06/17/2026
Goose v1.38.0 업데이트에는 생명공학 연구의 효율을 높여줄 핵심 기능들이 대거 포함되었습니다. 새롭게 도입된 'Image read tool'을 통해 실험 이미지나 현미경 사진을 AI로 직접 분석할 수 있으며, 'Scholar Sidekick' 확장을 활용해 방대한 논문 문헌 검토를 더욱 스마트하게 수행할 수 있습니다. 또한 Hugging Face와 Perplexity 등 다양한 AI 모델 연동이 강화되어, 복잡한 생물학적 데이터를 다루는 연구자들에게 더욱 강력하고 유연한 분석 환경을 제공합니다.
- vv1.37.06/16/2026
이번 업데이트에서는 학술 연구를 돕는 'Scholar Sidekick MCP 확장 기능'이 추가되어 논문 분석과 문헌 조사가 더욱 스마트해졌습니다. Perplexity와 xAI 등 다양한 AI 모델 연동이 확대됨에 따라, 연구 목적에 최적화된 모델을 선택해 복잡한 생물학적 가설을 정교하게 검증할 수 있습니다. 또한, 바이오인포매틱스 연구자를 위한 코드 리뷰 기능과 대용량 데이터 처리를 위한 설정 최적화가 포함되어 실험 데이터 분석의 효율성을 크게 높여줍니다.
🧪 관련 생명의 코드
관련된 생명의 코드 글이 아직 없습니다.