2026년 4월 Warp 팀은 5년간 비공개로 운영해온 터미널 클라이언트 Warp를 AGPL 라이선스로 공개했습니다. 공식 블로그 발표에 따르면 이번 전환의 핵심은 단순한 코드 공개가 아니라 Oz 기반 agent-first 워크플로우를 통한 협업 모델 자체의 전환입니다.
본 가이드는 한국 개발자 관점에서 Warp 오픈소스 전환의 변경 사항과 실제 도입 시 점검할 항목을 정리합니다. 작성 시점은 2026년 4월 30일이며 macOS·Linux·Windows 데스크톱을 모두 다룹니다. GeekNews 토픽과 Hacker News 토론도 함께 참고했습니다.
1. 한 줄 요약과 핵심 변경 사항
- 라이선스 공개: Warp 공식 GitHub 저장소 github.com/warpdotdev/warp 기준 AGPL로 클라이언트 소스가 공개됐습니다.
- 신규 오픈 모델 지원: 공식 블로그 발표에 따르면 Kimi, MiniMax, Qwen 모델이 새로 추가됐습니다.
- 새 라우팅 모드: 작업에 적합한 오픈 모델을 자동 선택하는 auto (open) 모드가 도입됐습니다.
- settings file 추가: 프로그래밍 방식 설정과 기기 간 이식성을 위한 설정 파일이 새로 들어왔습니다.
- 창립 스폰서: 공식 발표 기준 OpenAI가 새 저장소의 창립 스폰서로 참여했고, 새 에이전트 관리 워크플로우는 GPT 모델로 구동됩니다.
2. AGPL 라이선스가 의미하는 것
Warp 저장소는 AGPL 계열 라이선스로 공개됐습니다. AGPL은 GPL과 같이 파생물에 대한 소스 공개 의무를 요구하지만, 네트워크를 통해 사용자에게 서비스를 제공하는 경우에도 소스 공개 의무가 발생한다는 점이 다릅니다.
실무 영향은 두 갈래로 나뉩니다. 첫째, 사내에서 Warp를 fork해 내부 도구로만 사용하는 경우는 일반적으로 외부 배포가 일어나지 않으므로 의무가 발생하지 않습니다. 둘째, Warp 코드를 변형해 SaaS 형태로 외부 사용자에게 제공한다면 AGPL 조건에 따라 변경된 소스를 공개해야 합니다. 사내 정책이 GPL 계열을 통째로 금지하는 조직이라면 도입 전 법무·컴플라이언스 검토가 필요합니다.
3. 신규 오픈 모델 지원과 auto (open) 라우팅
Warp 공식 발표 기준 Kimi, MiniMax, Qwen이 신규 지원 모델로 추가됐습니다. 기존의 Claude·GPT 계열과 함께 사용할 수 있으며, auto (open) 라우팅은 작업 성격에 따라 가장 적합한 오픈 모델을 자동으로 선택합니다.
한국 환경에서의 의의는 데이터 주권과 비용 측면에서 분명합니다. 폐쇄형 모델 의존도를 낮추면서 코드 보조, 터미널 명령 제안, 문서 검색 같은 일상 작업을 자체 평가한 오픈 모델로 대체할 수 있습니다. 다만 한국어 응답 품질은 모델별 편차가 크므로, 도입 전에 본인 코드베이스와 실제 업무 프롬프트로 Kimi·Qwen 응답을 직접 비교하는 평가 단계를 두는 것을 권장합니다.
4. settings file과 ADE 커스터마이징
이번 릴리스에서 그동안 미뤄졌던 settings file이 추가됐습니다. 공식 블로그에 따르면 사용자와 에이전트가 설정을 프로그래밍 방식으로 제어할 수 있고, 기기 간 이식성도 확보됩니다. dotfiles 저장소에 함께 포함하면 새 노트북에서도 동일한 환경을 재현하기 쉬워집니다.
Warp는 사용 형태를 세 단계로 구분합니다. 첫째, 평범한 터미널 모드. 둘째, diff view와 file tree만 활성화한 가벼운 agentic 모드. 셋째, 내장 에이전트를 갖춘 완전한 ADE(Agentic Development Environment) 모드입니다. 기존에 AI 기능 강제가 부담스러웠던 사용자도 첫 모드로 시작해 단계적으로 확장하는 운영이 가능해졌습니다.
5. Oz 기반 agent-first 워크플로우
오픈소스 전환에서 가장 핵심적인 변화는 라이선스가 아니라 개발 모델입니다. 공식 블로그에 따르면 새 저장소의 기여 절차는 Oz라는 오케스트레이션 플랫폼 위에서 운영되며, 코딩·계획·테스트 같은 구현 작업을 에이전트가 맡고 사람은 명세 수립과 검증에 집중합니다.
실제 기여 흐름은 공개된 GitHub 이슈와 로드맵을 기준으로 진행됩니다. CONTRIBUTING.md에 명시된 바와 같이 Oz가 기본 도구로 자리 잡지만, 다른 코딩 에이전트로 기여하는 것도 허용됩니다. agentic engineering의 오케스트레이션·메모리·핸드오프·검증 요소를 실제 운영 환경에서 어떻게 다듬는지 관찰할 수 있는 좋은 사례가 됩니다.
6. 도입 전 점검할 telemetry와 프라이버시 이슈
오픈소스 공개 직후 가장 주목된 운영 이슈는 telemetry 처리였습니다. Hacker News 토론의 사용자 보고에 따르면 Warp 실행 직후 버전 확인, LLM 모델 목록 조회, telemetry 이벤트 등 외부 HTTP 요청이 다수 발생했고, 설정에서 telemetry를 끈 뒤에도 재시작 시 다시 켜지는 동작이 관찰됐습니다.
Warp 측 공식 응답 기준으로 이 동작은 신규 사용자에게만 영향을 주는 P0 버그였으며, PR #9438로 수정이 진행됐습니다. Sentry 기반 크래시 리포팅과 telemetry 이벤트 코드는 저장소에서 직접 확인할 수 있으며, OSS 빌드를 직접 컴파일하면 telemetry와 크래시 리포팅이 포함되지 않는다고 공식 답변에서 밝혔습니다. 사내 보안 정책이 엄격한 환경이라면 OSS 빌드 자체 컴파일 또는 telemetry 비활성 상태 검증이 도입 조건이 됩니다.
7. 도입 판단 가이드
7-1. 지금 도입하면 좋은 경우
- 이미 Warp를 사용 중이며 telemetry P0 버그 수정 이후 버전을 받은 환경.
- Kimi·MiniMax·Qwen을 포함한 멀티 모델 라우팅을 실험하려는 팀.
- dotfiles 기반 환경 동기화가 중요한 1인 개발자나 컨설턴트.
- agentic 워크플로우의 Oz 운영 방식을 직접 관찰하려는 기술 리더.
7-2. 지금은 보류가 안전한 경우
- 사내 보안 정책이 AGPL 계열 라이선스나 외부 telemetry 자체를 금지하는 조직.
- Ghostty, Alacritty 같은 가벼운 터미널 에뮬레이터로 이미 만족하는 사용자(Warp는 ADE 지향이라 무게가 다름).
- 한국어 응답 품질이 결정적인 업무 — 도입 전 모델별 자체 평가 결과가 우선입니다.
관련 글
이번 Warp 변화와 함께 보면 도움이 될 LindaRex Career Insight 글을 정리합니다. 멀티 모델 전략, 비용 비교, 도구 청구 모델 변화 흐름을 단계별로 짚어볼 수 있습니다.
- Warp가 채택한 멀티 모델 전략과 직접 연결되는 분석은 LLM 비전형 활용 7가지, 한국 개발자 실무 즉시 적용 가이드에서 확인할 수 있습니다.
- 오픈 모델로 라우팅을 옮길 때 비용 비교의 기준이 되는 사례로는 DeepSeek v4 API 공개, flash·pro 모델과 thinking mode 정리가 참고가 됩니다.
- 에이전트 기반 도구의 청구 모델 변화 흐름을 함께 이해하려면 GitHub Copilot 청구 전환 — AI Credits 시행 한국 개발자 점검표를 권합니다.
📌 함께 보시면 좋은 글
※ 본 글은 AI(Claude)의 초안을 기반으로 편집자 검수를 거쳐 발행되었습니다. (한국 AI기본법 대응 고지)
이직·퇴사, 지금 움직여도 될지 헷갈리시나요?
막연히 불안한 건지, 정말 시점이 온 건지 판단이 어려울 때가 있습니다.
5분 체크리스트로 지금 상태를 먼저 정리해보세요.
결론을 대신 내리기보다, 스스로 판단할 기준을 잡는 데 도움을 드립니다.
아직 확신이 없다면, 지금이 ‘고민 단계’인지부터 먼저 점검해보세요