---
title: 'OpenCode에서 Ollama 사용하기: 로컬 모델 설정 가이드'
description: >-
  OpenCode를 Ollama에 연결해 로컬 코딩 에이전트를 실행하세요. 설정 예시, 모델 추천, 성능 참고 사항, 흔한 로컬 모델 문제
  해결 방법을 담았습니다.
date: 2026-04-27T00:00:00.000Z
location: 'San Francisco, CA – 2026년 4월 27일'
image: /images/ollama-opencode-setup-hero.jpg
keywords: >-
  ollama opencode, opencode ollama, opencode local model, opencode local llm,
  use ollama with opencode
faq:
  - question: OpenCode에서 Ollama를 사용할 수 있나요?
    answer: >-
      네. OpenCode는 http://localhost:11434/v1.의 주소의 OpenAI 호환 로컬 엔드포인트를 통해
      Ollama를 사용할 수 있습니다. Ollama를 프로바이더로 추가하고, 임시 API 키를 사용한 뒤, 모델 이름은 'ollama
      list'에 표시되는 그대로 설정하세요.
  - question: OpenCode와 함께 사용할 로컬 모델은 무엇이 좋나요?
    answer: >-
      메모리가 16GB에서 32GB라면 Gemma 4나 Qwen3.5로 시작하세요. 더 큰 모델이 더 나을 수 있지만, 도구 호출이 잦은
      코딩 세션에서는 금방 느려집니다.
  - question: OpenCode와 Ollama 조합이 실제 코딩에 충분한가요?
    answer: >-
      설명, 작은 편집, 보일러플레이트, 비공개 코드 리뷰에는 적합합니다. 긴 다중 파일 리팩토링에는 훨씬 약하며, 이럴 때는 클라우드
      폴백이 여전히 유용합니다.
locale: ko-kr
translationKey: ollama-opencode-setup
---
매번 코딩 프롬프트를 클라우드 API로 보내는 게 지겹다면, OpenCode와 Ollama 조합이 바로 찾던 해결책일 것입니다. 작동은 잘 합니다. 다만 데모에서 보는 것보다는 느리고 불안정합니다.

적절한 기대치는 간단합니다. 로컬 OpenCode는 작고 비공개이며 반복적인 작업에 탁월합니다. 복잡한 다중 파일 마이그레이션을 맡기기에는 적합하지 않습니다. 일일이 지켜보며 챙겨줄 마음이 없다면요.

## Ollama 설치

macOS에서는:

```bash
brew install --cask ollama-app
open -a Ollama
```

Linux에서는:

```bash
curl -fsSL https://ollama.com/install.sh | sh
```

그다음 모델을 다운로드합니다:

```bash
ollama pull gemma4
```

사용 가능한지 확인하세요:

```bash
ollama list
```

출력에 표시된 모델 이름 그대로 OpenCode 설정에 사용하세요.

## OpenCode 설정

OpenCode는 OpenAI 호환 프로바이더와 통신할 수 있습니다. Ollama는 다음 주소에서 호환 엔드포인트를 제공합니다:

```text
http://localhost:11434/v1
```

OpenCode 설정에 Ollama 프로바이더를 추가하세요:

```jsonc
{
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "gemma4:latest": {}
      }
    }
  }
}
```

OpenCode가 인증을 요구하면 임시 키를 사용하세요:

```json
{
  "ollama": {
    "type": "api",
    "key": "ollama"
  }
}
```

OpenCode를 재시작한 다음 모델 선택기에서 Ollama 모델로 전환하세요.

## 처음 써볼 만한 모델

#### Gemma 4

좋은 첫 선택입니다. 설명, 간단한 편집, 작은 코딩 작업을 잘 해냅니다. 더 큰 코딩 모델에 비해 낮은 사양의 기기에서도 실행됩니다.

#### Qwen3.5

특히 더 큰 버전을 실행할 수 있다면 코드 작업에서 더 나은 성능을 보여주는 경우가 많습니다. 27B급 모델은 작은 모델보다 훨씬 유용하지만, 그만큼 실질적인 메모리가 필요합니다.

#### Llama 3.3

하드웨어가 받쳐준다면 좋은 범용 모델입니다. 작은 노트북에서는 덜 편리합니다.

## 성능 기대치

최근 로컬 모델 관련 스레드들을 보면 결국 다들 같은 말을 꺼내 놓습니다. 프롬프트도 잘 작동하고 코드도 괜찮게 나오지만, 도구 호출이 쌓이기 시작하면 전체적으로 느려진다는 점이죠.

이건 지극히 정상입니다. 코딩 에이전트는 단순한 채팅 요청이 아닙니다. 파일을 읽고, 계획을 세우고, 수정하고, 결과를 확인한 뒤 다시 반복합니다. 로컬 추론에서는 이 모든 반복이 더 크게 체감됩니다.

견딜 만하게 쓰려면:

- 컨텍스트를 작게 유지하세요
- 간단한 편집에는 더 작은 모델을 사용하세요
- 모델을 웜(warm) 상태로 유지하세요
- 메모리를 많이 차지하는 앱은 닫으세요
- 긴 리팩토링에는 클라우드 폴백을 쓰세요

## Ollama 웜 상태 유지하기

```bash
export OLLAMA_KEEP_ALIVE="-1"
```

설정 후 Ollama를 재시작하세요. 그러면 코딩 세션 중 반복되는 콜드 스타트를 피할 수 있습니다.

## 클라우드 폴백을 써야 할 때

로컬 OpenCode를 사용하기 좋은 경우:

- 낯선 코드 읽기
- 작은 변경 초안 잡기
- 테스트 생성
- 오류 설명
- 비공개 파일 작업

클라우드 모델을 사용하기 좋은 경우:

- 여러 파일 리팩토링
- 어려운 디버깅
- 아키텍처 변경
- 한 줄 한 줄 검토하고 싶지 않은 모든 작업

최고의 설정은 로컬 전용이 아니라 로컬 우선입니다.

## 관련 설정

원하는 모델이 정확히 Gemma 4라면 [Gemma 4 Ollama 설정](/blog/gemma-4-ollama-setup-guide/)을 읽어보세요. OpenCode 대신 OpenClaw를 사용 중이라면 [OpenClaw에서 Gemma 4 사용하기](/blog/gemma-4-ollama-openclaw-setup/) 글을 참고하세요.

<a href="https://app.haimaker.ai/sign-up?utm_source=openclaw_blog&utm_medium=cta&utm_campaign=ollama_opencode" class="cta-button">HAIMAKER로 클라우드 폴백 추가하기</a>