클라인보다 싸다! 국산 AI 바이브 코딩 툴 캐럿

첫 언론 보도를 통해 Caret 소식이 공개되었습니다. Caret은 글로벌 Top5 AI 바이브 코딩 도구인 Cline을 기반으로 하며, 삼성전자 도입 논의가 있을 만큼 성능과 안정성이 검증된 도구입니다.

“그냥 캐릭터 얹은 클라인 껍데기 아냐?”라는 질문도 있을 수 있지만, 우리는 더 나은 국산 AI 코딩 경험을 만들기 위해 차별화된 기능과 가격 경쟁력을 준비하고 있습니다. 함께 만들어갈 동료를 기다립니다.

캐럿은 껍데기만 바꾼 게 아닙니다

저희는 단순히 테마를 입힌 게 아니라, 시스템 프롬프트를 전면 교체하고 개선했습니다. 사실 캐럿 프로젝트를 시작한 이유 자체가, 커서(Cursor)의 시스템 프롬프트에 아쉬움을 느꼈고 코딩에 더 적합한 구조, 그리고 나만의 sLLM을 연구해보고 싶었기 때문이기도 합니다.

오늘 포스팅은 그 결과를 자랑하고,

왜 ‘소버린 AI’와 같은 국산, 더 나아가 한국의 AI 개발이 글로벌에 동참해야 하는지를 이야기하려 합니다.

​

실험 결과: 비용 21.5% 절감

어제 진행한 실험에서 Gemini 2.5 Pro를 기반으로 21.5%의 비용 하락을 확인했습니다.

총 API 호출 수는 다소 늘어났지만, 이는 바이브 코딩툴의 특성상 세션 간 편차가 커서

일부 이상치가 삽입되었기 때문입니다.

더 자세한 성능 비교 및 실험 계획은 아래 링크에서 확인하실 수 있습니다. 보고서 전체를 오픈해 두었습니다.

caret/caret-docs/reports/experiment/json_caret_performance_test_20250713/comprehensive-performance-report-20250717.md at main · aicoding-caret/caret Caret: Your New AI Companion : Adding Cursor's Flexibility to Cline's Transparency - aicoding-caret/caret

github.com

토큰 최적화, 시스템 프롬프트의 힘

이번 실험의 핵심은 JSON 기반 시스템 프롬프트 구조 최적화입니다. 이를 통해 50% 이상의 프롬프트 토큰 절감을 시도했고,최종적으로 약 20%의 실제 비용 절감을 달성했습니다.

​

캐럿의 시스템프롬프트 로더

물론, LLM이 실제 코드 입력에 사용하는 토큰은 줄이기 어렵기 때문에 그 차이가 1:1로 연결되지는 않았습니다. 하지만 모델 레벨까지 최적화를 이어간다면, 이 영역에서도 추가 개선 가능성이 보입니다. 클라인을 도입하겠다는 삼성전자의 팀에서도 같이 관심 가져주시고, 커서를 도입하겠다는 제 친정과 같은 네이버에서도 관심을 가져주시면 감사하겠습니다. 그 구현 방법에 대한 상세한 내용은 아래의 문서를 참고 부탁드립니다. 일부는 캐럿티브의 특허출원을 해둔 방법을 사용했습니다.

caret/caret-docs/development/system-prompt-implementation.mdx at main · aicoding-caret/caret Caret: Your New AI Companion : Adding Cursor's Flexibility to Cline's Transparency - aicoding-caret/caret

github.com

캐럿의 방향: 비용과 보안

캐럿은 앞으로도 두 가지에 집중할 예정입니다.

비용 최적화

로컬 사용 가능한 보안 중심 환경

이는 모든 기업, 그리고 실제 소프트웨어를 개발하는 개발자들의 핵심 관심사이기도 하죠. 지난 밋업 행사에서 모인 분들도 각자 기여하고 싶은 부분을 이야기해주셨고, 그 과정에서 정말 많은 영감을 얻었습니다.

​

글로벌 AI 개발, 별거 아닙니다

이번 프로젝트를 개발하면서 확실히 느낀 건, 글로벌 AI 개발이라고 해서 별거 없더라는 것입니다. 우리가 돈이 없지, 실력이 없는 게 아닙니다. 클라인에게는 좋은 오픈소스를 공개해줘서 정말 감사하고, 동시에, 아직 개선할 점이 많다는 것도 느꼈습니다. 한국 개발자들의 수준은 전혀 뒤처지지 않습니다.

다만, 실리콘밸리는 초봉 3억이고, 메타의 AI 인재 전쟁은 1,000억을 이야기하고 있죠. 저희는 2억만 받아도 황송한데 말입니다.

바이브 코딩의 본질은 ‘토큰 네트워크’입니다

바이브 코딩의 본질은 결국 LLM의 신경망과 소프트웨어 개발 활동을 어떻게 연결할 것인가의 문제(Problem Solving)입니다. LLM은 결국 심볼, 즉 토큰 간 연관성을 학습하는 신경망입니다. 개발이라는 활동에 적합한 토큰 네트워크를 적시에 뽑아내는 것이 핵심이죠. PRD, CLI, IDE 플러그인 등은 모두 이 과정을 정제하려는 시도일 뿐입니다. 결국 LLM의 훈련부터 실제 개발 적용까지의 전 과정을 이해해야 진짜 효율적인 도구를 만들 수 있다고 믿습니다.

​

왜 소버린 AI고, 왜 국산이어야 하나요?

“그냥 외산 쓰면 되잖아요?” 그렇다면 컴공과, AI학과는 왜 존재하죠? 인재는 수입할 수 없습니다. 직접 해봐야 압니다. 그래서 우리는 해볼 겁니다. 꼭 글로벌 TOP1이 돼야 하냐고요? 1등 못하면 공부도 하면 안 되는 건가요?

그래서, 같이 해봅시다. 캐럿

웹의 초창기처럼 해외에서 주도하고 가져다 쓰기만 했던 시대는 지났습니다. 이제 한국도, 이미 글로벌 AI 오픈소스 생태계에 팔 걷고 들어와 있습니다. 꿀릴 것, 없습니다.

이런 패배주의는 집어치웁시다.

돈 많으면 훨씬 좋겠죠. 하지만 돈 얘기만 하고, 아무것도 안 하고 있기에는 너무 부끄럽지 않나요?

​

캐럿은 지금, 함께할 사람들을 기다리고 있습니다

국산 AI 바이브 코딩툴, Caret – 커서의 유연함에 클라인의 투명함을 더하다.

​

🔗 Caret GitHub 바로가기

함께 만들고 싶은 분, 직접 해보고 싶은 분, AI를 도구가 아니라 함께하는 동료로 만들고 싶은 분. 지금 참여해 주세요.