Python 학습 · 업무 자동화 — 기본 제공 커리큘럼으로 바로 시작하고, AI와 함께 나만의 커리큘럼까지 만드는 로컬 자동화 스튜디오.
코드가 인터페이스가 되는 개인 자동화 스튜디오. 전부 로컬에서, 더블클릭 한 번으로 시작합니다.
코다로(Codaro) — "코드 아로?" "코드 아로~" 코드와 친해지자는 말장난에서 시작한 이름입니다.
Codaro는 로컬 Python 위에서 노트북 학습, reactive 코드 실행, 개인 데스크톱 자동화를 하나의 문서 모델로 잇는 local-first programmable studio입니다. AST 분석으로 셀 의존성을 자동 추론하고, # %% percent format .py를 그대로 실행/공유하며, 검증된 셀은 스케줄·Webhook 트리거 가능한 태스크로 승격됩니다. AI는 선택적이고, 붙으면 제품 API를 tool_use로 호출해 셀 단위로 가르치고 검증합니다.
한 줄로 — 그냥 Python을 쓰면, 엔진이 셀 격리·의존 추적·재실행을 자동으로 합니다. 같은 셀이 학습 카드가 되고, 같은
.py가 자동화 태스크가 됩니다.
 채팅 — "이걸 배우고 싶어 / 만들어줘"를 자연어로 시작 |
 커리큘럼 — 카테고리 트리에서 레슨 카드로 진입 |
비개발자도 더블클릭이면 끝. 시스템 Python·uv·설정 전부 필요 없습니다 — 런처가 전부 자동으로 처리합니다.
⚠️ 런처는 아직 안정화 작업 중입니다 (초기 베타). 일부 환경에서 설치·실행 중 오류가 날 수 있습니다. 문제가 생기면 이슈로 알려주세요 — 화면에 뜬 메시지나 로그를 함께 남겨주시면 빠르게 고치겠습니다.
- Codaro 런처 다운로드 (Windows 10/11)
- 받은 파일을 더블클릭합니다.
- 첫 실행에서 런처가 자동으로 — 관리형 Python runtime +
codaro본체 + 기본 커리큘럼(463 레슨) 을 내려받아 설치합니다. (네트워크/디스크에 따라 몇 분) - 준비가 끝나면 로컬 에디터(
http://127.0.0.1:8765)로 자동 전환 — 커리큘럼 카드에서 바로 학습을 시작합니다.
시스템에 Python이 없어도 됩니다. 런처가 격리된 관리형 런타임을 따로 설치하므로 기존 환경을 건드리지 않습니다.
AI는 없어도 완전합니다. 463개 커리큘럼 레슨과 업무 자동화는 AI 없이 그대로 동작하고, AI provider(GPT · Claude · Ollama)를 꽂으면 다음에 배울 것·만들 것을 추천하고 셀 단위로 확장해 줍니다.
| 구성 요소 | 역할 |
|---|---|
| 관리형 Python 3.12 runtime | 시스템 Python과 분리된 격리 실행 환경 |
codaro wheel |
에디터(React) · 실행 엔진 · 기본 커리큘럼(463 레슨) 포함 |
release-manifest.json |
정확한 wheel·runtime 버전을 핀. 런처가 같은 경로로 업데이트를 확인 |
- 모두 자동, 자체 업데이트 — 런처는 실행할 때마다 본체 릴리스와 런처 자신의 새 버전을 확인해 갱신합니다.
- PyPI 미사용 — 배포는 오직 GitHub Releases manifest가 핀한 wheel로만 이뤄집니다.
- macOS / Linux — 데스크톱 런처는 Windows 우선입니다. 다른 OS는 아래 개발자 — 저장소에서 바로로 동일 기능을 사용하세요.
- 다운로드 & 빠른 시작
- Codaro는 무엇이 다른가
- Codaro vs Jupyter · marimo · Streamlit · ipynb
- 어떤 사람에게 맞는가 — Use cases
- 제품 표면 네 가지
- 실행 메커니즘
- 11 사상
- 학습 시스템 — 3기둥
- AI 통합 — tool_use 기반
- AI 감각계 — 눈·귀·손
- 자동화 + 태스크
- 마운팅과 통합
- 설치 & 시작
- 기술 스택
- 저장소 구조
- FAQ
- 문서 · 라이선스 · 신뢰 문서
- 로컬 우선 (local-first) — 브라우저 샌드박스도, WebAssembly 우회도 아닙니다. 사용자의 Python 환경이 SSOT이며 패키지는
uv로 lazy preflight. - 투명 스코프 격리 — 사용자는 평범한 Python을 씁니다. 함수 래핑·return·boilerplate 없음. 엔진이 AST로
defines/uses를 추론해 셀별 네임스페이스를 격리합니다. - 리액티브 실행 — 한 셀 변수에 의존하는 하위 셀이 자동 재실행됩니다. 의존 선언 불필요, 에러 발생 시 전파 중단.
- Percent Format이 SSOT —
# %% [code]/# %% [markdown]경계의.py가 기본 저장 포맷.python file.py로 그대로 실행되고, VS Code / Spyder / Jupytext가 같은 포맷을 인식합니다..ipynb변환은 양방향. - 같은 셀, 네 표면 — 채팅의 응답, 에디터의 노트북, 커리큘럼의 학습 카드, 자동화의 태스크가 모두 같은 문서 모델 위에서 움직입니다.
- AI는 선택적, 그러나 1급 — AI 없이도 학습·실행·자동화가 완전 동작합니다. AI가 붙으면 제품 API를
tool_use로 호출해 셀을 만들고 실행/검증합니다. Provider 교체 가능: GPT · Claude · Ollama · 없음. - AI 감각계 — Vision(화면 캡처·OCR), Voice(Whisper), Input(PyAutoGUI + InputGuard)을 tool로 노출해 "보고-판단-행동하는" 데스크톱 에이전트로 동작. 녹화 → Python 코드 변환 포함.
- 자동화 승격 경로 — 검증된 셀 조합이 태스크가 됩니다. 스케줄(
@every_5m,@daily) · Webhook · 수동 트리거 + 워크플로우 DAG + 감사 로그(JSONL) + E-Stop. - 외부 채널 — Slack / Discord / Webhook MessageBridge로 데스크톱 앞에 없을 때도 트리거·결과 수신.
- 마운팅 가능 —
createServerApp()을 FastAPI / Django / Flask 어디든 마운트. GUI에서 되는 것은 모두 API로 됩니다.
| 기준 | Codaro | Jupyter | marimo | Streamlit |
|---|---|---|---|---|
| 저장 포맷 | .py (percent format) |
.ipynb (JSON) |
.py |
.py |
| 외부 IDE 호환 | ✅ VS Code / Spyder / Jupytext 모두 | ⚠ .ipynb 차이로 diff 노이즈 |
✅ | ✅ |
| 셀 격리 모델 | 투명 격리 (AST 자동) | 글로벌 네임스페이스 | reactive cell graph | 스크립트 재실행 |
| 리액티브 재실행 | ✅ AST 기반 | ❌ 수동 실행 순서 | ✅ | ✅ (전체 재실행) |
| 사용자가 쓰는 코드 | 평범한 Python (no return) | 평범한 Python | 함수 래핑 + return |
UI 함수 호출 |
| 로컬 우선 | ✅ | ✅ | ✅ | ✅ |
| AI 셀 단위 tool_use | ✅ 기본 | ⚠ 확장 | ❌ | ❌ |
| 자동화 태스크 승격 | ✅ 스케줄·Webhook·DAG·E-Stop | ❌ | ❌ | ❌ |
| 데스크톱 자동화 | ✅ Vision/Voice/Input | ❌ | ❌ | ❌ |
| 학습 커리큘럼 1급 | ✅ 460+ YAML 레슨 | ❌ | ❌ | ❌ |
| 외부 서버 마운트 | ✅ FastAPI/Django/Flask | ⚠ | ⚠ | ⚠ |
| 라이선스 | Non-Commercial Source 1.0 | BSD | Apache 2.0 | Apache 2.0 |
요약하면 — Jupyter의 편리함 + marimo의 reactive 안전성 + IDE percent format 호환 + 자동화/감각계까지 한 제품으로.
| 사용자 | 무엇을 얻나 |
|---|---|
| Python 학습자 | YAML 460+ 레슨을 카테고리 트리로 탐색. 예측 → 실행 → 오류 → 검증 → 변주 흐름이 한 카드 안에서 끊기지 않음. |
| 데이터 분석가 | pandas/polars/duckdb 셀이 reactive로 묶여 입력 바꾸면 하위 계산이 자동 재실행. 검증된 분석은 매일 돌아가는 태스크로 승격. |
| 반복 업무가 많은 직장인 | "매주 CSV 정리 → 리포트 → Slack 알림"을 셀 조합으로 만들고 @every_5m 스케줄로 등록. E-Stop으로 즉시 중단. |
| 데스크톱 자동화 개발자 | Vision(OCR/템플릿 매칭) + Input(PyAutoGUI + InputGuard)으로 GUI 자동화 스크립트를 녹화 → Python으로 변환. |
| AI 코드 교사 제작자 | GPT/Claude/Ollama provider를 꽂아 read-cells, write-cell, cell-call, check-exercise tool로 셀 단위 교육 루프 구성. |
| 사내 도구 빌더 | createServerApp()을 FastAPI/Django 앱에 마운트해 노트북 UI를 내부 도구로 임베드. |
| 교육자 / 강사 | 커리큘럼 YAML로 강의 자산을 작성하고 share pack으로 배포. 학습자는 manifest URL 한 줄로 설치. |
| 개인 자동화 매니아 | Slack/Discord 한 마디로 로컬 태스크를 트리거하고, 폰에서 결과를 받는 개인 자동화 허브로 운영. |
Codaro의 제품 폴더는 editor/이고, 사용자에게 보이는 1급 표면은 네 개입니다.
| 표면 | 진입 의도 | 핵심 동작 |
|---|---|---|
| 채팅 | "이걸 배우고 싶어 / 만들어줘"를 자연어로 시작 | AI가 curriculum YAML 작성 → write-curriculum-yaml → 학습 셀 전개 |
| 에디터 | 빈 노트북에서 직접 Python·Markdown 셀 작성 | percent format 저장, reactive 재실행, 변수 인스펙터 |
| 커리큘럼 | 카테고리 트리에서 학습 카드로 진입 | curricula/ YAML을 같은 yamlToDocument로 학습 셀화 |
| 자동화 | 셀 조합·스크립트를 태스크로 등록 | 스케줄/Webhook/수동 트리거, DAG 워크플로우, 감사 로그, E-Stop |
리포트는 1급 표면이 아닙니다. 자동화/태스크 실행 결과(stdout, 변수 스냅샷, 에러)를 읽기 좋게 보여주는 산출물로만 다룹니다.
사용자가 작성한 .py (Percent Format)
│
▼
┌──────────────────────────────────────────────┐
│ Document Model — 셀 경계 + 메타데이터 │
│ (role, displayKind, executionKind, payload) │
└──────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────┐
│ Execution Engine — AST 분석으로 │
│ defines/uses 추론 → 셀별 네임스페이스 격리 │
│ → 의존 그래프 → 리액티브 재실행 → 출력 캡처 │
└──────────────────────────────────────────────┘
│
▼
┌──────────────────────────────────────────────┐
│ 네 표면이 같은 셀을 다르게 표현 │
│ 채팅 · 에디터 · 커리큘럼 · 자동화 │
└──────────────────────────────────────────────┘
5층 경계(core → engine → domain → transport → entry)는 아키텍처 개요와 SSOT 맵.
핵심 식별성은 docs/skills/identity/ 11개 문서에 있습니다.
- 투명 스코프 격리 — 사용자는 그냥 Python을 쓰고, 엔진이 셀 격리한다.
- 리액티브 실행 — AST 의존 분석으로 하위 셀 자동 재실행.
- Percent Format —
# %%경계,python file.py실행, ipynb 양방향. - 로컬 우선 런타임 — 로컬 Python이 기본 플랫폼, 패키지는 lazy uv preflight.
- 학습 3기둥 — 노트북 + 뼈대 커리큘럼 + 학습 사상.
- AI 통합 — AI는 선택적 확장, 제품 API를 tool_use로 사용.
- 마운팅과 통합 —
createServerApp()+ "GUI=API". - 자동화 + 태스크 — .py가 곧 태스크, DAG, 감사 로그, E-Stop.
- 제품 표면 모드 — 채팅·에디터·커리큘럼·자동화.
- AI 감각계 — 눈(Vision) · 귀(Voice) · 손(Input).
- 외부 채널 + 모바일 — Slack/Discord/Webhook + 향후 PWA.
- 기둥 1 — 노트북 기능: 셀 편집/실행/리액티브 그대로가 학습 환경.
- 기둥 2 — 뼈대 커리큘럼:
curricula/YAML 460+ 레슨, 카테고리 트리로 진입. - 기둥 3 — 학습 사상: 코드로 정의된 교육 철학. AI도 사람도 따른다.
- 최소 설명·최대 실행 · 빈칸부터 시작 · 예측 → 검증 · 오류로 배우기 · 점진적 빌드
- 수정 실험 · 3단계 힌트 · 즉시 피드백 · 반복 변주 · 실제 맥락
curricula/python/
├── basics/ # 30days · builtins · advancedPython
├── dataAnalysis/ # numpy · pandas · polars · duckdb · pydantic
├── visualization/ # matplotlib · seaborn · plotly · altair · folium
├── imageVision/ # pillow · opencv · visionBasics · visionFeatures · deepVision · visionApps
├── mathStatsMl/ # scipy · statsmodels · sklearn · sympy · networkx
└── automation/ # os · text · office · browser · test
레슨 YAML은 meta.id / meta.category / meta.packages / tags를 가진 학습 자산이며, 패키지는 레슨을 열 때 packages-check → packages-install(누락 시) → cell-call 순서로 lazy preflight됩니다.
AI는 응답 텍스트가 아니라 셀 조작 로그로 가르칩니다.
| 그룹 | 도구 | 의미 |
|---|---|---|
| curriculum | write-curriculum-yaml |
YAML 학습 명세 → 학습 셀 materialize |
| read | read-cells, get-blocks, get-variables |
셀/런타임/화면 상태 읽기 |
| write | write-cell |
단일 셀 삽입/수정/삭제 |
| dependency | packages-check, packages-install |
uv 기반 lazy 의존성 |
| execute | cell-call, execute-reactive, check-exercise |
셀 단위 실행/검증 |
| progress | track-achievement |
학습 완료/숙련도 |
AI는 GET /api/curriculum/learning-spec에서 학습 사상을 읽고 동일 철학으로 셀을 만듭니다. Provider는 교체 가능 — GPT(OAuth) · Claude · Ollama(로컬) · 없음.
데스크톱 자동화를 위한 별도 축. 모든 감각이 tool_use로 노출됩니다.
- 눈 — OpenCV + dxcam/mss 캡처, PaddleOCR/EasyOCR, 템플릿 매칭/윤곽선 분석
- 귀 — Whisper 음성 인식 → CommandParser 구조화 명령
- 손 — PyAutoGUI/DirectInput/Accessibility API, InputGuard가 속도·영역 제한
- 녹화 → 코드 — 사용자 동작을 percent format
.py로 자동 생성 - 자동화 루프 — 다단계 액션 + 화면 검증 + 재시도 + 상태 머신
xlwings 같은 도메인 라이브러리도 같은 구조에 탑재 가능합니다.
검증된 셀이 곧 실행 가능한 태스크입니다.
- 트리거 — 스케줄(
@every_5m,@daily) · Webhook · 수동 - 워크플로우 DAG — 태스크 의존성으로 묶음
- 감사 로그 — 모든 액션을 JSONL에 기록
- E-Stop — 비상 정지로 즉시 전체 중단
- 결과 산출물 — 변수 스냅샷·stdout·에러를 리포트로 조회
Codaro 자동화(기본 제공 템플릿)와 나만의 자동화(사용자 작성) 두 영역으로 표면이 정리됩니다.
from fastapi import FastAPI
from codaro import createServerApp
app = FastAPI()
app.mount("/codaro", createServerApp())- FastAPI:
app.mount("/codaro", createServerApp()) - Django: ASGI 라우팅 분기
- Flask: WSGIMiddleware 래핑
- 프론트엔드는
<meta name="codaro-base">로 root_path 자동 감지
릴리즈 manifest가 지정한 Python runtime + 정확한 codaro wheel 조합만 설치하고, 같은 manifest 경로로 업데이트를 확인합니다.
| 항목 | 링크 |
|---|---|
| Codaro Launcher | Codaro.exe |
| 체크섬 | Codaro.exe.sha256 |
| 릴리즈 manifest | release-manifest.json |
| 관리형 Python runtime | python-runtime-win-x64.zip |
| SBOM | codaro.spdx.json |
| 전체 릴리즈 | GitHub Releases |
# 의존성 설치
uv sync
# 에디터 열기 (기본 채팅 표면)
uv run codaro
# 노트북 열기
uv run codaro notebook.py
# 앱 모드
uv run codaro app notebook.py
# .py ↔ ipynb 변환
uv run codaro export notebook.py --format ipynb
# 자동화 태스크 실행
uv run codaro task run notebook.py
uv run codaro task list
# 학습/배포용 share pack
uv run codaro pack inspect ./my-pack
uv run codaro pack install ./my-packuv run python -X utf8 demos/publicLaunch/expenseSummaryDemo.py
uv run python -X utf8 demos/publicLaunch/fileOrganizerDemo.py전체 흐름: Five Minute Quickstart · Video Storyboard
| 영역 | 도구 |
|---|---|
| Backend | Python 3.12+, FastAPI, uvicorn, Pydantic 2, PyYAML |
| Runtime | uv (실행/설치/락 관리), AST 기반 reactive engine, percent format parser |
| Frontend | React 19, Vite 7, TypeScript 5, CodeMirror 6, Tailwind 4, Radix UI |
| Vision / Voice / Input | OpenCV, dxcam/mss, PaddleOCR/EasyOCR, Whisper, PyAutoGUI |
| Browser automation | Playwright |
| Packaging / Distribution | uv_build, GitHub Release manifest + SBOM, Windows 런처 |
codaro/
├── src/codaro/ # Python 패키지 (engine / kernel / runtime / curriculum / ai / automation / api ...)
├── editor/ # 제품 UI (React 19 + Vite + CodeMirror + Tailwind)
├── curricula/ # 기본 학습 자산 YAML (460+ 레슨)
├── notebooks/ # curricula에서 파생된 배포용 노트북
├── demos/ # 공개 데모 + 5분 quickstart
├── launcher/ # 데스크톱 런처 + 업데이터
├── landing/ # GitHub Pages + 문서/블로그 표면
├── docs/skills/ # 제품 사상 / 아키텍처 / 운영 SSOT (사람과 AI가 같이 읽는다)
├── assets/ # 브랜드 자산
└── tests/ # pytest + gate runner + verifier
상세 배치 규칙: Repository Structure
Codaro는 Jupyter 대안인가요?
부분적으로 그렇습니다. Codaro는 Jupyter의 셀 단위 실행 편의성을 유지하면서 다음을 더합니다 — (1) .ipynb JSON 대신 percent format .py로 저장해 IDE diff와 git history가 깨끗하고, (2) AST 기반 reactive 재실행으로 셀 실행 순서 문제를 없애며, (3) 학습 커리큘럼·데스크톱 자동화·태스크 스케줄링이 같은 문서 모델 위에 1급으로 존재합니다. ipynb 양방향 변환은 그대로 지원합니다.
marimo와는 어떻게 다른가요?
marimo는 reactive 모델을 사용하지만 셀 함수 래핑과 명시적 return을 요구합니다. Codaro는 사용자가 평범한 모듈 레벨 Python을 쓰고 엔진이 AST로 격리/의존성을 투명하게 처리합니다. 또한 marimo는 분석/대시보드에 가깝지만, Codaro는 학습 커리큘럼·AI tool_use·데스크톱 자동화(Vision/Voice/Input)·태스크 스케줄링까지 같은 표면에 포함합니다.
AI 없이도 쓸 수 있나요?
네. AI는 선택적 확장이며 모든 학습·실행·자동화는 AI 없이 완전 동작합니다. AI provider는 GPT / Claude / Ollama(로컬) 중 선택하거나 사용하지 않을 수 있습니다. AI가 붙으면 제품 API를 tool_use로 호출해 셀 단위로 가르치고 검증합니다 — "AI 응답 텍스트"가 아니라 "어떤 셀이 만들어지고 실행됐는지"가 학습 상태를 만듭니다.
로컬에서만 동작하나요? 클라우드는요?
Codaro의 기본 실행 플랫폼은 사용자의 로컬 Python 환경입니다 (local-first). 그러나 createServerApp()을 FastAPI / Django / Flask에 마운트하면 사내 서버나 클라우드에서도 동작할 수 있습니다. 외부 트리거는 Slack / Discord / Webhook MessageBridge로 받습니다.
윈도우 외 OS에서도 쓸 수 있나요?
핵심 노트북/실행/AI/자동화 기능은 macOS, Linux에서도 동작합니다 (Python 3.12+, uv). 다만 데스크톱 GUI 자동화(Input/Vision의 일부 백엔드)와 공식 배포 런처는 현재 Windows를 1차 타겟으로 합니다. 비-Windows에서는 저장소 클론 + uv sync 흐름을 사용하세요.
커리큘럼 YAML을 직접 작성해 공유할 수 있나요?
네. curricula/ 아래 YAML 한 파일이 하나의 학습 자산입니다. meta.id, meta.category, meta.packages, tags만 갖추면 같은 카테고리 트리에 자동 노출됩니다. 다른 사용자에게는 codaroPack.yaml로 묶어 share pack manifest URL로 배포할 수 있습니다.
상업적으로 사용할 수 있나요?
기본적으로 불가합니다. Codaro는 공개 학습/검토를 허용하지만 상업적 재사용을 허용하는 오픈소스 배포가 아닙니다. 상업적 사용·재판매·유료 강의 편입·호스팅 서비스 제공·브랜드 자산 재사용은 사전 서면 허가가 필요합니다. 자세한 내용은 LICENSE / LICENSE-CONTENT.md / TRADEMARKS.md.
데이터는 어디로 가나요? 프라이버시는요?
로컬 우선 원칙상 코드·노트북·자동화 산출물은 모두 사용자 로컬에 남습니다. AI provider를 사용할 경우에만 해당 provider(GPT/Claude/Ollama)의 정책이 추가로 적용됩니다. credential과 diagnostic export 처리 기준은 PRIVACY.md를 참고하세요.
| 영역 | 입구 |
|---|---|
| 제품 식별성 (11 사상) | docs/skills/identity/ |
| 아키텍처 SSOT | docs/skills/architecture/ |
| 운영 규칙 (환경·품질·릴리즈) | docs/skills/ops/ |
| Python 30일 완성 안내 | notebooks/python30DaysComplete/readme.md |
| Day 01 Colab | 열기 |
| 코스 가이드 | courseGuide.md |
Codaro는 공개 학습과 검토를 허용하지만, 상업적 재사용을 허용하는 오픈소스 배포는 아닙니다.
| 영역 | 라이선스 |
|---|---|
| 코드, 런타임, 프론트, 도구 | Codaro Non-Commercial Source License 1.0 |
| 노트북, 커리큘럼, 문서, 학습 콘텐츠 | CC BY-NC-SA 4.0 기준 |
| 이름, 로고, 아바타, 마스코트, 브랜드 자산 | All rights reserved |
상업적 사용·재판매·유료 강의 편입·호스팅 서비스 제공·브랜드 자산 재사용은 사전 서면 허가가 필요합니다.
| 문서 | 용도 |
|---|---|
| Security Policy | 취약점 신고, supported version, safe harbor, response target |
| Privacy Policy | local-first 데이터 경계, provider credential, diagnostic export redaction |
| Support | bug/support/security 경로 분리와 diagnostic 공유 기준 |
| Contributing | 개발 환경, gate, secret 금지, 공개 준비 기준 |
| Code of Conduct | 커뮤니티 행동 기준과 enforcement |
| Changelog | 릴리즈 노트 |
