AI Sparkup

최신 AI 쉽게 깊게 따라잡기⚡

Reasonix – DeepSeek 접두어 캐시를 중심으로 설계한 터미널 AI 코딩 에이전트

긴 코딩 세션에서는 같은 저장소 문맥과 지시가 매 턴 반복되어 입력 비용이 커진다. Reasonix는 이 반복 구간을 DeepSeek의 접두어 캐시(prefix cache)에 안정적으로 맞추도록 실행 루프를 설계한 터미널 AI 코딩 에이전트다. MCP, 계획 모드(plan mode), 샌드박스 실행, Markdown 스킬과 메모리를 제공하며, GitHub에서 2026년 5월 26일 기준 약 8.7k 스타를 기록했다.

무엇이 다른가

Reasonix는 여러 모델을 자유롭게 교체하는 대신 DeepSeek 전용 구조를 선택한다. 고정된 시스템 프롬프트와 도구 정의, 안정적인 컨텍스트 접두어, 변경이 잦은 사용자 입력의 후반 배치를 통해 캐시 적중률을 높이는 것이 제품의 핵심이다.

항목Reasonix범용 코딩 에이전트
모델 전략DeepSeek 전용, 캐시 안정성 우선여러 프로바이더 선택 우선
비용 최적화반복 입력 접두어 캐시 활용모델별 캐시 지원에 의존
인터페이스터미널 우선, 이벤트 재생·통계IDE 또는 터미널 다양
확장MCP, Markdown 스킬, 메모리제품별 플러그인 체계

프로젝트가 공개한 2026년 5월 1일 단일 사용자 사례는 4억 3,500만 입력 토큰에서 99.82% 캐시 적중률을 기록해, 캐시 미사용 가정 대비 비용이 약 61달러에서 약 12달러로 감소했다고 보고한다. 이는 프로젝트 측 사례이며, 저장소 크기와 작업 패턴에 따라 재현 결과는 달라진다.

주요 기능

  • 캐시 우선 루프(cache-first loop): 긴 세션에서 변경되지 않는 입력을 앞쪽에 유지한다.
  • 계획 게이트와 샌드박스: 변경 전 계획을 검토하고 명령 실행 권한을 프로젝트 단위로 제어한다.
  • MCP 연결: stdio, SSE, Streamable HTTP 기반 외부 도구 서버를 연결한다.
  • 스킬과 메모리: .reasonix/skills/의 Markdown 플레이북과 프로젝트·전역 메모리를 읽는다.
  • 재생과 비용 통계: 과거 실행 이벤트를 재생하고 토큰·캐시·비용을 확인한다.

누구에게 적합한가

  • deepseek-v4 API로 대규모 코드 탐색과 반복 수정 작업을 수행하며 입력 비용이 중요한 개발자
  • IDE보다 터미널과 git diff 중심의 검토 흐름을 선호하는 사용자
  • MCP 도구와 재사용 스킬을 붙이되 모델 선택보다 비용 예측 가능성을 우선하는 팀

보안·인증·결제처럼 판단 실패 비용이 큰 변경이나 여러 모델 간 검증이 필요한 작업에서는 DeepSeek 단일 모델 전략의 한계를 함께 고려해야 한다.

시작하기

npx reasonix code

실행 전 DeepSeek API 키와 프로젝트 명령 권한을 설정한다. 외부 도구는 MCP 서버로 연결할 수 있다.

reasonix code --mcp "github=npx -y @modelcontextprotocol/server-github"

라이선스 및 관련 문서

  • 라이선스: MIT
  • deepseek-v4 — Reasonix가 비용 최적화 대상으로 삼는 DeepSeek 모델 계열
  • inference-caching — 반복 입력 비용을 줄이는 캐시 전략
  • codex — 범용 코딩 에이전트 비교 대상

참고 자료



AI Sparkup 구독하기

최신 게시물 요약과 더 심층적인 정보를 이메일로 받아 보세요! (무료)