나는 Kimi K2.5, Gemini 또는 모든 모델과 작동하는 나만의 DeepSite 대안을 만들었다
Source: Dev.to
DeepSite가 지겨워졌어요.
오해하지 마세요, 재미있는 도구예요. 프롬프트를 입력하면 웹사이트가 만들어지죠. 하지만 사용할 때마다 같은 문제에 부딪혔어요:
- 모델을 선택할 수 없어요.
- 직접 호스팅할 수 없어요.
- 생성된 결과에 대한 품질 검사가 없어요 – 나오는 대로 받아들이고 처리해야 해요.
그날그날 사용하고 싶은 모델을 자유롭게 연결할 수 있는 무언가가 필요했어요.
Kimi K2.5가 방금 나왔나요? 한번 써보고 싶어요.
Gemini가 업데이트됐나요? 바꿔서 써요.
Claude가 이번 주에 더 좋은 코드를 짜나요? 멋지죠, 그걸 사용해요.
그래서 AgentSite 를 만들었어요 – 오픈 소스이며, 직접 호스팅할 수 있고, 하나의 모델이 모든 일을 하는 대신 네 개의 AI 에이전트가 실제 팀처럼 함께 작업하도록 설계했습니다.
빠른 데모
Kimi K2.5를 사용해 여행사 웹사이트를 방금 만들었고, 전체 작업이 한 번의 프롬프트만에 완료되었습니다.
하나가 아닌 네 명의 에이전트
Generate 버튼을 클릭하면 AgentSite가 작업을 분할합니다:
Your prompt → PM → Designer → Developer ↔ Reviewer → Done- PM – 사이트 구조를 계획합니다.
- Designer – 색상 팔레트와 타이포그래피 시스템을 만듭니다.
- Developer – 실제 HTML/CSS/JS 코드를 작성합니다.
- Reviewer – 접근성, 코드 품질, 시각적 일관성을 평가합니다. 점수가 7/10 이하이면 Developer에게 피드백이 제공되고 수정됩니다(최대 두 번의 수정 라운드).
그 리뷰어 단계는 제가 다른 곳에서는 본 적이 없는 부분입니다.
실행하기
Railway로 배포하기
가장 빠른 방법은 GitHub에서 바로 하는 것입니다. README에 Deploy on Railway 버튼이 포함되어 있습니다 – 클릭하면 Railway가 모든 것을 처리합니다 (터미널 필요 없음, 로컬 설치 필요 없음).
로컬에서 실행하기
pip install agentsite
agentsite serve원한다면 Docker 이미지로도 실행할 수 있습니다.
설정하기
- API 키 추가 – Settings → Providers 로 이동하여 키를 붙여넣기 (Moonshot AI, OpenAI, Google, Anthropic 등). 여러 제공자를 추가하고 프로젝트별로 혼합해서 사용할 수 있습니다.
- 모델 선택 – Agents 로 이동하여 각 에이전트의 기본 모델을 설정합니다. 저는 네 개의 에이전트를 모두
moonshot/kimi-k2.5로 설정했지만, 예를 들어 코딩에는 Kimi를, 리뷰에는 Claude를 사용할 수도 있습니다.
새로운 모델이 내일 출시되나요? 드롭다운을 바꾸면 끝입니다.
Ukelele Travels 만들기
Ukelele Travels라는 프로젝트를 만들었습니다. 이 여행사는 사람들을 베네수엘라로 보내는 여행사입니다.
프로젝트 안에서는 세부 페이지를 통해 모든 페이지를 관리하고, 브랜드 아이덴티티를 확인하며, 생성된 내용의 개요를 볼 수 있습니다.
홈 페이지를 만들고 프롬프트를 입력한 뒤 네 명의 에이전트에게 작업을 맡겼습니다. 아래는 생성 후의 페이지 빌더 화면으로, 왼쪽에 채팅, 오른쪽에 실시간 미리보기가 표시됩니다.
이 모든 것이 하나의 프롬프트에서 시작되었습니다. Kimi K2.5는 네 명의 에이전트를 통해 작업을 진행합니다:
- PM – 구조를 계획했습니다.
- 디자이너 – 색상과 타이포그래피를 선택했습니다.
- 개발자 – 깔끔한 HTML, CSS, JavaScript 코드를 작성했습니다.
- 리뷰어 – 검토하고 피드백을 보내며 통과될 때까지 작업했습니다.
템플릿도, 프레임워크도 없습니다 – 순수한 코드만 사용했습니다.
모든 것을 추적하기
The Analytics page shows token usage, cost breakdown, and a step‑by‑step log of each generation.
API 호출에 비용을 지불하고 있다면, 토큰이 어디에 사용되는지 아는 것이 좋습니다. Reviewer 에이전트는 Developer보다 훨씬 적은 토큰을 사용합니다. 이는 Reviewer가 전체 코드를 작성하기보다 읽고 점수를 매기는 작업을 수행하기 때문에 당연합니다.
Why This Approach Is Better
When you ask one model to do everything, you get a compromise:
- Planning is only “okay”.
- Design is generic.
- Code works but can be messy.
- Nobody checks the output.
By splitting the work across specialized agents, each step gets the attention it deserves, resulting in higher‑quality sites with built‑in review and the flexibility to swap models whenever you like.
Give AgentSite a try – the code is open source, you can self‑host, and you get a true “team” of AI assistants at your fingertips.
멀티‑에이전트 워크플로우
각 에이전트는 자신의 작업에만 집중하면 됩니다:
- 프로덕트 매니저 – CSS를 작성할 필요 없음.
- 개발자 – 색상을 고르지 않음.
- 리뷰어 – 단순히 검토만 함.
각 에이전트가 이전 에이전트의 출력을 컨텍스트로 받기 때문에 전체 프로세스가 일관성을 유지합니다.
저는 이 파이프라인을 여러 모델에 적용해 보았고, 멀티‑에이전트 출력이 제가 시도한 어떤 단일 프롬프트 방식보다 일관되게 더 좋았습니다. 약간이 아니라 눈에 띄게 더 좋았습니다.
Kimi K2.5에 대하여
이번 데모 전체에 사용했으므로 간단히 정리하면:
- 일관성: Kimi K2.5는 AgentSite에서 실행해 본 모델 중 가장 신뢰할 수 있는 모델 중 하나입니다. 대부분의 모델은 최소 하나의 역할에서 부족함을 보입니다(예: 코딩은 뛰어나지만 디자인이 밋밋하거나, 기획은 좋지만 코드가 엉성함).
- 전반적인 성능: Kimi는 네 가지 에이전트 모두에서 고르게 좋은 성능을 보여줬습니다.
- 속도: 네 개의 순차 에이전트와 수정 루프를 연결할 때 빠른 실행이 중요합니다.
- 스키마 충실도: 에이전트가 데이터를 전달하기 위해 사용하는 구조화된 JSON 스키마를 절대 깨뜨리지 않았습니다. 일부 모델은 추가 키를 만들어 내거나 중첩 구조를 망가뜨리지만, Kimi는 그런 일이 없었습니다.
그렇다고 해서 AgentSite의 핵심은 특정 모델에 얽매이는 것이 아니라는 점을 강조하고 싶습니다. 오늘은 Kimi K2.5로 Ukelele Travels를 만들었지만, 내일은 Gemini나 Claude로 다음 프로젝트를 진행할 수도 있습니다—드롭다운만 바꾸면 됩니다.
직접 사용해 보기
GitHub:
- README에 Railway, Render, Heroku용 원클릭 배포 버튼이 포함되어 있습니다.
- 혹은 로컬에 설치:
pip install agentsite이 프로젝트는 MIT 라이선스로 무료이며, API 키만 직접 제공하면 됩니다.
시도해 보시고 어떤 모델을 사용했는지, 무엇을 만들었는지 알려 주세요—사람들이 어떤 결과물을 만들어 내는지 정말 궁금합니다!