Command Code — coding taste를 학습하는 AI 코딩 에이전트

원문: Command Code · 수집일: 2026-08-17 · 범위: 공식 홈페이지와 공개 문서

핵심 요지

Command Code는 터미널 중심의 AI 코딩 에이전트이자 하네스다. 단순히 모델을 선택해 코드를 생성하는 데서 멈추지 않고, 사용자의 accept·reject·edit 같은 행동을 taste-1 학습 신호로 축적해 프로젝트의 코딩 선호를 다음 세션에 적용한다. CLI를 중심으로 Skills·Memory·Agents·MCP·권한·체크포인트·headless 실행을 묶고, 별도의 Desktop alpha 앱도 제공한다.

핵심 차별점은 “더 좋은 모델”보다 “나에게 맞는 코드를 계속 학습하는 실행면”에 있다. 다만 홈페이지의 10× 속도·2× 리뷰·5× 버그 감소는 공식 마케팅/내부 평가 주장이지, 이번 조사에서 독립적으로 검증한 성능 수치는 아니다.

수집 범위

입력 URL을 https://commandcode.ai/로 정규화하고 홈페이지를 기준으로 공식 Docs, Quickstart, Taste, CLI, Skills, Memory, Agents, MCP, Desktop, Models, Pricing, Security, Telemetry, Privacy, About, Launch, Changelog 페이지를 확인했다.
모든 내용은 로그인 없이 공개된 페이지에서 수집했다. 실제 npm 설치, 로그인, 모델 호출, 결제, CLI 세션, Desktop 실행은 수행하지 않았다.
가격·모델 카탈로그·릴리스 번호·프로모션은 변동 대상이므로 아래 수치는 2026-08-17 확인 시점의 스냅샷이다.

주요 내용

제품 정체성

공식 사이트는 Command Code를 “코딩 취향을 지속적으로 학습하는 frontier coding agent”로 포지셔닝한다. cmd는 빌드·수정·테스트·리팩터링·코드 리뷰·PR 작업을 수행하는 터미널 에이전트이며, 회사 정보 페이지에는 Langbase, Inc. d/b/a Command Code와 Ahmad Awais(Founder & CEO)가 표시된다. Launch 페이지는 $5M seed round을 발표한다.

Taste / taste-1 작동 방식

구성	공식 문서상 의미
입력 신호	accept·reject·edit·prompt·코드 리뷰/병합에서 드러나는 선호
학습 결과	스타일·아키텍처·도구 선택·리뷰 패턴을 표현하는 taste profile
저장 형태	프로젝트의 `.commandcode/taste/taste.md`에 사람이 읽을 수 있는 규칙/선호
적용 범위	현재 프로젝트, 사용자 전체, 여러 프로젝트·팀으로 확장 가능
제어	`/taste`, `cmd taste enable/disable`, `settings.local.json` 우선순위
공유	`npx taste push/pull/list/open`, Command Code Studio 및 팀 공유

공식 설명의 중요한 구분은 Skills와 Taste의 역할 분리다. Skills는 사용자가 작성하고 공유하는 명시적 작업 플레이북인 반면, Taste는 실제 행동에서 계속 추출되는 암묵적 선호다. 따라서 “무엇을 할지”는 Skill이, “어떻게 할지”는 Taste가 보완하는 구조로 읽을 수 있다. taste.md를 직접 검토·수정할 수 있다는 점은 자동 학습이 잘못된 선호를 고착하는 위험을 줄이는 장치다.

실행면과 확장성

표면	문서화된 기능
CLI	대화형 세션, `-p` headless, `/model`, `/plan`, `/review`, `/resume`, `/mcp`, `/skills`, `/taste` 등
권한/안전	기본 승인, plan, auto-accept, dont-ask, bypass(`--yolo`), 프로젝트 trust, 파일 변경 checkpoint
도구	파일 읽기/쓰기, 검색, shell, 웹, 백그라운드 작업, 스케줄링, 서브에이전트, worktree 등 40+ 내장 도구
Memory/Agents	`AGENTS.md` 프로젝트 지침과 `.commandcode/agents/` 커스텀 서브에이전트
Skills/MCP	재사용 Skills·slash commands와 HTTP/stdio MCP 서버, local/project/user scope
Desktop	프로젝트 채팅, 실시간 도구 활동, Files·Changes·Terminal·Plan·Browser·Design mode를 한 앱에 통합한 alpha

MCP는 Notion·GitHub·데이터베이스·이슈 트래커 같은 외부 시스템을 연결하는 확장 경계다. 원격 HTTP와 로컬 stdio를 모두 지원하고, project scope의 .mcp.json은 팀과 공유할 수 있지만 OAuth token은 별도 로컬 저장소에 둔다. 즉, Command Code 자체의 내장 도구와 사용자가 연결한 외부 권한을 분리해 운영할 수 있다.

모델과 가격 스냅샷

Provider와 model 카탈로그

2026-08-17에 GET https://api.commandcode.ai/provider/v1/models를 호출한 결과와 Available Models 문서에는 17개 모델 제작사 그룹, 55개 모델이 있었다. 여기서 문서의 그룹명은 모델을 만든 회사 기준이며, Command Code가 매 요청에 사용하는 실제 upstream provider와는 구분해야 한다. 모델은 /model, cmd --model <ID>, cmd --list-models에서 선택할 수 있고, 현재 기본 모델은 deepseek/deepseek-v4-flash다.

카탈로그 그룹(모델 제작사)	Provider API model ID
Alibaba (Qwen)	`Qwen/Qwen3.8-Max`, `Qwen/Qwen3.7-Max`, `Qwen/Qwen3.7-Plus`, `Qwen/Qwen3.7-Flash`, `Qwen/Qwen3.6-Max-Preview`, `Qwen/Qwen3.6-Plus`
Anthropic	`claude-sonnet-5`, `claude-sonnet-4-6`, `claude-fable-5`, `claude-opus-5`, `claude-opus-4-8`, `claude-opus-4-7`, `claude-haiku-4-5-20251001`
DeepSeek	`deepseek/deepseek-v4-pro`, `deepseek/deepseek-v4-flash`
Google	`google/gemini-3.7-flash`, `google/gemini-3.6-flash`, `google/gemini-3.5-flash`, `google/gemini-3.5-flash-lite`, `google/gemini-3.1-flash-lite`
Meta	`meta/muse-spark-1.1`, `meta/muse-spark-1.2`, `meta/muse-spark-1.2-contributor`
MiniMax	`MiniMaxAI/MiniMax-M3`, `MiniMaxAI/MiniMax-M2.7`, `MiniMaxAI/MiniMax-M2.5`
Moonshot AI (Kimi)	`moonshotai/Kimi-K3`, `moonshotai/Kimi-K2.7-Code`, `moonshotai/Kimi-K2.7-Code-Highspeed`, `moonshotai/Kimi-K2.6`, `moonshotai/Kimi-K2.5`
NVIDIA	`nvidia/nemotron-3-ultra-550b-a55b`
OpenAI	`gpt-5.6-sol`, `gpt-5.6-terra`, `gpt-5.6-luna`, `gpt-5.5`, `gpt-5.4`, `gpt-5.3-codex`, `gpt-5.4-mini`
Poolside	`poolside/laguna-s-2.1-free`
Sakana AI	`sakana/fugu-ultra`
StepFun	`stepfun/Step-3.7-Flash`, `stepfun/Step-3.5-Flash`
Tencent	`tencent/hy3-paid`
Thinking Machines	`thinkingmachines/inkling`, `thinkingmachines/inkling-small`
xAI	`xai/grok-4.5`, `xai/grok-4.6`
Xiaomi	`xiaomi/mimo-v2.5-pro`, `xiaomi/mimo-v2.5`
Z AI	`zai-org/GLM-5.3`, `zai-org/GLM-5.2`, `zai-org/GLM-5.2-Fast`, `zai-org/GLM-5.1`, `zai-org/GLM-5`

API의 Claude 모델 ID는 claude-haiku-4-5-20251001처럼 날짜 suffix가 붙을 수 있다. CLI는 전체 ID뿐 아니라 / 뒤 이름을 대소문자 무관하게 받으므로 문서에 표시된 short name과 함께 사용할 수 있지만, Provider API 호출에는 실행 시점의 /provider/v1/models 응답에 나온 ID를 그대로 쓰는 편이 안전하다.

실제 라우팅 provider와 API 표면

Provider API는 OpenAI 호환 https://api.commandcode.ai/provider/v1/chat/completions, Anthropic 호환 https://api.commandcode.ai/provider/v1/messages, 모델 조회용 GET /provider/v1/models를 제공한다. /chat/completions에는 Claude 이외의 모델과 open-weight 모델을, /messages에는 Anthropic 모델을 보낸다.
상용 모델은 공식 문서상 Anthropic·OpenAI·Google·Azure의 미국 기반 인프라(필요 시 EU)에서 호스팅되고, open-weight 모델은 가용성을 위해 여러 upstream provider로 라우팅된다. 따라서 표의 모델 제작사와 실제 요청을 처리한 provider는 항상 같다고 볼 수 없다. Open-source 모델의 표시 가격도 provider별 평균이며 요청별 실제 비용은 달라질 수 있다.
CLI는 CMD_ZDR=1 cmd로, Provider API는 x-cmd-zdr: 1 헤더로 ZDR 가능한 upstream만 강제할 수 있다. 해당 모델에 ZDR upstream이 없으면 요청이 실패할 수 있고, ZDR 활성화에 따라 라우팅 provider와 비용이 바뀔 수 있다.

최신 실행 가능 목록은 웹 페이지의 정적 표보다 cmd --list-models 또는 curl https://api.commandcode.ai/provider/v1/models로 확인한다. 모델·가격·프로모션은 빠르게 바뀌며, 아래 목록은 이 노트를 작성한 시점의 스냅샷이다.

플랜	월 요금	월 credit	공식 문서의 대략적 요청량
Go	$1	$10	약 15K requests
GOAT	$10	$70	약 75K requests
Pro	$20	$80	약 100K requests
Provider	$15/월 + 카드 처리 수수료	$15 API credit으로 시작, pay-as-you-go	Provider API 전체 모델 접근
Max 10×	$100	$150	약 230K requests
Max 20×	$200	$300	약 370K requests
Team Pro	$40/seat	$40	약 35K requests

Go 플랜은 Provider API가 없고, GOAT 이상·Team·Provider 플랜은 API를 사용할 수 있다. 다만 개별 모델의 접근 가능 여부와 per-model allowance는 플랜별로 다르다. 월별 credit에는 5시간·주간 rolling limit이 적용되지만, top-up/pay-as-you-go credit은 한도를 우회하고 만료되지 않는다고 문서에 적혀 있다. poolside/laguna-s-2.1-free는 무료 모델이고, google/gemini-3.7-flash, MiniMax M3, MiMo V2.5/Pro에는 확인 시점의 별도 할인·usage deal이 표시되어 있었다. 구매 전 Pricing & Limits와 Models를 다시 확인해야 한다.

보안·개인정보 경계

“코드로 학습하지 않는다”는 설명은 Command Code가 자체 모델 학습용으로 소스 코드를 사용하지 않는다는 의미로 읽어야 한다. 개인정보처리방침에는 프롬프트·첨부 파일·코드 조각·모델 출력이 선택된 제3자 모델 제공자에게 전송될 수 있고, AI request content가 기본적으로 최대 30일 보존될 수 있다고 명시되어 있다. CMD_ZDR=1은 ZDR 가능한 제공자만 사용하고 그렇지 않으면 요청을 실패시키는 옵션이다.

또한 공식 Telemetry 문서는 세션 시간, 실행한 명령 종류(인자 제외), 오류 범주, 성능 지표를 익명 수집한다고 설명한다. ~/.commandcode/config.json에 {"telemetry": false}를 두거나 DO_NOT_TRACK=1을 설정해 끌 수 있고, 텔레메트리 보존 기간은 30일이다. 따라서 민감한 저장소에서는 모델 provider·ZDR·telemetry·MCP scope를 함께 검토해야 한다.

권한 측면에서는 기본 모드가 파일 변경과 shell 실행에 승인을 요구하고, headless 실행의 쓰기는 기본 차단된다. 반대로 --yolo는 파일 수정과 명령 실행을 자동 승인하므로 신뢰된 일회성 환경에서만 사용해야 한다. Desktop 문서도 alpha 상태와 작업·비용을 사용자가 직접 검토해야 한다고 경고한다.

해석과 적용 메모

어떤 사용자에게 맞는가

터미널 기반 작업 흐름을 선호하고, 매번 반복하는 코드 스타일·도구 선택·리뷰 습관을 에이전트에 누적하고 싶은 개발자
Claude·GPT·오픈 모델 등 여러 모델을 같은 하네스에서 바꾸어 쓰고, 모델 선택보다 컨텍스트·권한·도구·메모리 운영을 중시하는 팀
Skills를 직접 유지하는 부담을 줄이되, 학습 결과를 taste.md와 Git diff로 검토하고 팀과 공유하고 싶은 조직

도입 전에 확인할 것

학습 품질: 잘못된 accept/edit 패턴도 taste로 승격될 수 있으므로 taste.md를 정기적으로 리뷰하고, 프로젝트별 학습을 끄거나 초기화할 수 있는 절차를 마련한다.
데이터 경로: “로컬 저장”과 “모델 provider로 전송되지 않음”은 다르다. 실제 모델·gateway·ZDR·보존기간을 플랜과 provider별로 확인한다.
권한 경계: MCP project scope, --add-dir, headless, --yolo는 에이전트가 닿는 외부 시스템과 파일 범위를 넓힌다. 최소 권한으로 시작한다.
비용: 낮은 월 구독료와 모델별 credit/rolling limit/프로모션이 결합되어 실제 비용 예측이 어렵다. /usage와 Studio Usage를 운영 지표로 삼는다.
성숙도: Desktop은 alpha이며, 홈페이지의 성능 수치는 독립적으로 재현한 수치가 아니다. CLI부터 작은 비중요 저장소에서 평가하는 편이 안전하다.

최소 시작 명령

npm i -g command-code@latest
cmd --version
cmd login
cd your-project && cmd

첫 프로젝트에서는 trust 확인과 taste learning onboarding이 진행된다. CI/자동화는 cmd -p로 시작하고 권한을 명시하며, Windows 기본 별칭은 cmdc이고 전체 명령 command-code는 모든 플랫폼에서 사용할 수 있다고 문서에 안내되어 있다.

누락·접근 제한

공개 페이지 범위만 조사했으며 계정 내부 Studio 화면, 실제 provider routing, 모델 응답 품질, 과금 계산, ZDR 적용 성공 여부를 재현하지 않았다.
Provider API의 공개 모델 목록 endpoint는 호출해 55개 ID를 보존했지만, 인증된 채팅 요청을 실제로 보내거나 특정 요청의 upstream provider를 추적하지는 않았다.
공식 문서의 보안·성능·가격·요청량 수치는 공급자 설명 또는 당시 동적 스냅샷이다. 독립 보안 감사나 제3자 성능 벤치마크로 검증하지 않았다.
사이트의 모델 목록·프로모션·changelog는 빠르게 바뀌므로 이 노트의 가격과 릴리스 정보는 최신 상태를 보장하지 않는다.

description	Command Code는 사용자 코딩 취향을 학습하는 CLI·Desktop 에이전트로 다중 모델, Skills, Memory, MCP를 하나의 하네스에 묶는다.
tags	ai-coding, dev-tools, cli, harness, research
aliases	Command Code, 커맨드 코드

LLM Wiki

탐색기