Zero Setup AI Coding with OpenHands

Agent Canvas는 OpenHands의 대화와 자동화를 다루는 브라우저 클라이언트이자 제어 중심이다. 세션을 열고, 에이전트가 일하는 모습을 단계별로 보고, 다른 길을 시험하고 싶으면 이전 메시지에서 갈라져 나온다. 로컬, 자체 호스팅, 클라우드, 엔터프라이즈 백엔드에 연결되므로 같은 화면이 어떤 구성에서도 따라온다. 로컬 설치를 피하려는 사람에게 가장 빠른 입구다.

OpenHands Cloud는 샌드박스 작업을 덜어내는 관리형 서비스다. 호스팅 실행, 연동, 접근 제어, 예산 관리는 OpenHands 인프라에서 도므로, 저장소를 연결하면 바로 시작된다. 사용량 보고서와 지출 한도가 팀이 커질수록 비용을 지켜본다. Docker를 깐 뒤가 아니라 오늘 에이전트를 일하게 하려는 사람을 위한 선택이다.

OpenHands SDK는 코드를 다루는 에이전트를 만들기 위한 조합 가능한 Python 라이브러리다. 추론 루프, 도구, 대화, 워크스페이스를 재사용 부품으로 제공하고, 같은 저장소에 Agent Server도 들어 있다. REST와 WebSocket API로 에이전트 실행을 노출한다. 자사 제품을 만드는 팀은 루프를 처음부터 짜지 않고 에이전트형 개발을 넣을 수 있다. 사용자 정의 도구와 파일로 정의한 하위 에이전트로, 다시 쓰지 않고 넓힌다.

스킬은 구조화된 지침으로 에이전트에 전문화된 행동을 준다. 키워드, 파일 경로, 저장소 자체가 방아쇠가 된다. 매 세션 같은 지침을 되풀이하는 대신, 팀이 코드를 어떻게 리뷰하고 라이브러리를 어떻게 올리는지를 한 번 스킬로 써둔다. 사용자 간에 공유하는 전역 스킬과 조직 수준 스킬이 정책을 일관되게 유지한다. 범용 에이전트를 사내 규칙을 따르는 에이전트로 바꾸는 층이다.

자동화는 일정이나 이벤트로 에이전트 작업을 띄우고, OpenHands는 GitHub, Slack, Jira에 연결돼 무슨 일이 생기면 맞는 에이전트가 작동한다. 이슈가 열리면 에이전트가 집어 들고, 일을 끝내고, pull request를 올린다. 전부 기록되고, 수동 세션과 같은 비용과 보안 정책을 따른다. 자동화 QA 테스트는 diff를 읽는 데 그치지 않고 소프트웨어를 실제로 돌린다. 이벤트에서 pull request로 가는 이 길이 반복 작업을 개인에게 떨어지지 않게 하는 지점이다.

OpenHands Enterprise는 에이전트를 대규모로 돌리는 팀을 위한 거버넌스 층을 더한다. Kubernetes로 VPC 안에 직접 설치하고, RBAC, LLM 게이트웨이, 예산, 관측성을 갖추며, 모두 소스를 구할 수 있다. 어떤 모델이 돌고, 어떤 데이터를 건드리고, 누가 작업을 시작할 수 있는지를 직접 쥔다. 규제를 받는 팀에게 이 통제는 시범 도입과 전사 확산의 차이다.

OpenHands는 LiteLLM이 지원하는 모든 모델에 연결한다. OpenAI, Anthropic, Google, AWS Bedrock, Azure, Groq, OpenRouter 등이 포함된다. Ollama, vLLM, LM Studio 같은 로컬 서버로 향하게 하거나, 에이전트형 코딩 모델을 제공하는 OpenHands 프로바이더를 쓸 수도 있다. LLM 프로파일로 대화 도중에 모델을 바꾸거나, 값싼 작업을 더 작은 모델로 보낼 수 있다. 데이터 규칙이나 예산 때문에 단일 벤더에서 벗어나야 할 때 이 폭이 의미를 갖는다.