Container Diet

Container Diet는 한 AI 업체에 묶어 두지 않는다. OpenAI, Anthropic, OpenRouter, Groq, DeepSeek, Mistral, xAI, Perplexity, Moonshot, Hugging Face를 포함해 12개 이상의 제공자용 어댑터를 갖추고 있다. 커스텀 엔드포인트를 지정하거나 Ollama를 통해 완전히 오프라인으로 돌릴 수도 있다. 전환은 플래그 하나로 끝나며, 다시 짤 필요가 없다. 한 단어면 끝이다.

--auto-fix 플래그는 조언에서 멈추지 않는다. 원본 옆에 Dockerfile.diet 파일을 만들어 제안된 변경을 이미 적용해 둔다. 차이를 확인하고 쓸 만한 것은 남기고 나머지는 버리면 된다. 불평 목록을 실제로 실행할 수 있는 무언가로 바꿔 준다. 코드 조각을 손으로 복사해 붙일 필요가 없다.

Dockerfile을 넘어 실제 이미지도 검사한다. 로컬 데몬에서 읽거나, --remote 로 레지스트리에서 가져오거나, 빠진 이미지를 자동으로 받아올 수 있다. 각 레이어가 얼마나 무거운지에 대한 내역을 얻는다. 직접 만들지 않은 컨테이너에서 살을 찾는 가장 빠른 방법이다. 어느 레이어가 범인인가? 보고서가 바로 알려 준다.

Container Diet는 Model Context Protocol 서버 역할도 하므로 Claude Desktop, Cursor, Claude Code, Codex 같은 어시스턴트가 직접 호출할 수 있다. 네 가지 도구를 노출하며, 그중 하나는 AI 토큰을 쓰지 않고 빠른 이미지 지표를 돌려준다. MCP 설정에 API 키를 넣을 필요는 없다. 서버가 기존 설정 파일에서 읽어 오기 때문이다.

--format json 을 붙이면 분석이 조언 텍스트와 생성된 수정을 담은 구조화 데이터로 돌아온다. 파이프라인이 결과를 해석해 빌드를 통과시킬지 실패시킬지 결정해야 할 때 원하는 형식이다. 수다스러운 터미널 출력 덩어리를 해석할 필요도, 정규식으로 씨름하며 쓸모 있는 부분을 뽑아낼 필요도 없다.

설정은 우선순위 순으로 세 곳에서 읽어 온다. --config 플래그, 프로젝트 수준의 .container-diet/config.yaml, 그리고 ~/.config/container-diet/config.yaml 의 전역 파일이다. 뒤에 오는 항목이 앞의 것을 덮어쓰므로, 리포지토리가 자체적인 제공자와 모델 선택을 담으면서도 전역 기본값으로 되돌아갈 수 있다. 사소한 일이지만, 어느 설정이 이기는지를 두고 팀이 다투는 일을 막아 준다.