Antigravity의 로컬 AI 지원, 내 코드가 밖으로 나가지 않는다는 뜻일까요?

핵심 요약 (TL;DR)

Google은 9월 23일 Antigravity SDK의 로컬 AI 모델 지원을 발표했습니다. 대표 구성은 LiteRT로 Gemma 4 26B A4B를 실행하는 방식이며, OpenAI 호환 서버를 통한 다른 로컬 추론 경로도 안내합니다. 여기서 중요한 구분은 SDK로 구성하는 에이전트와 평소 사용하는 개발 도구 전체가 같지 않다는 점입니다. 로컬 구성을 선택할 수 있게 됐다는 발표이지, 모든 Antigravity 작업이 자동으로 오프라인이 된다는 뜻은 아닙니다.

‘로컬에서 실행한다’는 말은 어디까지인가요?

코딩 도구가 내 컴퓨터에서 켜져 있어도 답을 만드는 모델은 클라우드에 있을 수 있습니다. 파일을 읽는 장소와 추론하는 장소는 다릅니다. 이번 발표는 모델 추론까지 기기에서 수행하는 구성을 다룬다는 점에서 의미가 있습니다.

공식 안내에는 로컬 모델 파일을 지정하는 예제가 있고, Ollama·LM Studio·vLLM처럼 OpenAI 호환 인터페이스를 제공하는 서버에 연결하는 방식도 나옵니다. 다만 호환 인터페이스라는 말 자체가 로컬을 보장하지는 않습니다. 실제 연결 주소가 내 기기인지, 회사 서버인지, 외부 서비스인지 확인해야 데이터 경로를 설명할 수 있습니다.

클라우드와 섞으면 코드는 어디로 가나요?

Google은 클라우드 모델이 계획을 세우고 로컬 모델이 코드 작업을 하는 하이브리드 예시도 공개했습니다. 보안 취약점을 다루는 시연에서는 클라우드에 파일명과 작업 설명만 전달하고 소스 코드는 기기에 남겼다고 설명합니다. 이는 해당 예시의 구성과 실행 보고이지, 모든 프로젝트의 개인정보 보호를 보장하는 결과는 아닙니다.

파일명과 작업 설명에도 고객명이나 내부 업무가 드러날 수 있습니다. 코드 원문을 보내지 않아도, 계획에 필요한 정보와 비밀값·고객 원문을 분리하는 기준이 필요합니다.

평범한 노트북에서 바로 시작해도 될까요?

공식 글은 소개한 구성을 위해 VRAM 또는 통합 메모리가 24GB를 넘는 기기를 권장합니다. 모든 모델의 최소 사양은 아니지만, 아무 노트북에서나 같은 경험을 기대해서도 안 됩니다. 설치 단계와 준비 후 오프라인 사용도 구분해야 합니다.

클라우드 추론 API 비용을 피하더라도 하드웨어와 전력, 설치·관리 시간까지 없어지는 것은 아닙니다. 같은 작업을 내 기기에서 처리하는 시간과 결과 품질을 확인해야 실용적인 선택이 됩니다. 이 글에서는 모델을 설치하거나 속도·메모리 사용량을 직접 측정하지 않았습니다.

첫 시험은 어떤 작업으로 좁히면 좋을까요?

실제 고객 저장소 대신 샘플 폴더에서 파일 목록을 설명하는 작업부터 시작해 보세요. 다음에는 작은 수정 하나와 확인할 테스트를 정합니다. 이때 모델 연결 주소, 접근 가능한 폴더, 외부 통신을 하는 도구를 각각 적어 두면 좋습니다. 모델이 로컬이어도 에이전트가 호출하는 도구는 인터넷에 접근할 수 있기 때문입니다.

Google의 시스템 자원 모니터 제작 예시는 작업 폴더와 허용 정책을 코드로 지정합니다. 예제의 넓은 허용 설정을 개인 홈 폴더에 그대로 적용하기보다, 시험용 작업 공간과 필요한 행동만 열어 두세요. 로컬 AI의 장점은 권한을 잊어도 안전해지는 데 있지 않고, 데이터가 지나가는 길을 더 세밀하게 선택할 수 있다는 데 있습니다.

FAQ: API 키가 전혀 필요 없나요?

완전 로컬 구성이면 클라우드 추론용 키 없이 실행할 수 있습니다. 클라우드 계획 모델이나 외부 서비스를 연결하는 구성은 해당 인증과 비용을 따로 확인해야 합니다.

FAQ: 오프라인이면 생성된 코드를 믿어도 되나요?

추론 장소와 코드의 정확성은 별개입니다. 실제 실행과 테스트, 중요한 변경의 사람 검토는 그대로 필요합니다.

출처: https://developers.googleblog.com/introducing-support-for-local-ai-models-in-the-antigravity-sdk/
확인: 2026-09-25 KST, 공식 발표 기준.