퀵스타트

몇 분 만에 Muse Code를 실행해 보세요.

Muse Code는 macOS, Linux, Windows용으로 정식 출시되었습니다. 대규모 저장소에서 복잡한 소프트웨어 엔지니어링 작업을 맡아 변경 계획, 코드 작성, 결과 검증까지 전부 터미널 안에서 처리합니다.

1. 설치

명령어 하나로 CLI를 설치합니다.

$curl -fsSL https://dev.meta.ai/install.sh | bash

스크립트가 muse 바이너리를 PATH에 배치합니다 — muse --version으로 확인하세요. 스크립트를 먼저 검토하고 싶다면 -o install.sh로 내려받아 살펴본 뒤 실행하면 됩니다.

Windows

Windows에는 전용 네이티브 설치 프로그램이 있습니다. PowerShell에서 irm https://dev.meta.ai/install.ps1 | iex를 실행한 뒤 muse --version으로 확인하세요. Windows에서는 에이전트가 Bash 대신 PowerShell로 명령을 실행하고, 샌드박스를 처음 시작할 때 UAC 프롬프트가 뜰 수 있으며, 음성 입력과 세션 간 메시징은 지원되지 않습니다. 이 기능들이나 Bash 툴체인이 필요하다면 WSL2를 쓰세요. 관리자 권한 PowerShell에서 wsl --install을 실행한 다음, Linux 셸 안에서 macOS/Linux용 설치 명령을 실행하면 됩니다. 이때 저장소는 /mnt/c 아래가 아니라 Linux 파일 시스템(예: ~/code)에 두세요. 경계를 넘나드는 파일 접근은 훨씬 느립니다.

2. 인증

처음 실행하면 브라우저가 열리고 dev.meta.ai에서 Meta 개발자 계정으로 인증합니다. 인증 정보는 로컬에 캐시되므로 세션마다 다시 인증할 필요가 없습니다. 사용량은 월간 요금제로 청구되며, 종량제라면 Meta Model API로 청구됩니다.

비대화형 실행. CI, 스크립트, 헤드리스 머신에서는 브라우저 인증 대신 API key를 사용하세요. Model API 대시보드(API keys → Create API key)에서 키를 만든 뒤 환경 변수 META_API_KEY로 내보내거나 muse auth set으로 저장합니다. 키는 LLM_으로 시작합니다. Muse Code는 META_API_KEY를 가장 먼저 확인하고, 그다음 저장된 키, 마지막으로 브라우저 세션을 확인합니다. /login을 입력하면 로그인 옵션이 다시 열리고, muse logout을 실행하면 저장된 인증 정보가 삭제됩니다.

3. 첫 번째 태스크 실행

인증이 끝나면 어느 프로젝트 디렉터리에서든 바로 시작할 수 있습니다.

$ cd my-repo$ muse

원하는 결과를 자연스러운 문장으로 설명하세요. 첫 태스크는 작고 검증하기 쉬운 것이 좋습니다 — "parseDate에 빠진 테스트를 추가하고 통과하는지 확인해 줘" — 워커가 변경안을 작성하고, 리뷰어가 지적하고, 테스트가 실행되는 과정을 볼 수 있습니다.

첫날부터 알아 두면 좋은 비용 조절 포인트가 두 가지 있습니다. Muse Spark는 추론 모델이라 답하기 전에 생각하며, 그 사고 토큰은 출력으로 과금됩니다 — /effort로 태스크마다 사고량을 올리거나 낮출 수 있습니다. 또 말투나 형식 같은 상시 규칙은 시스템 메시지에 넣어 두면 프롬프트마다 반복할 필요가 없습니다.

업데이트와 제거

Muse Code는 스스로 업데이트합니다. 설치 프로그램이 바이너리를 최신 상태로 유지하는 런처를 설정하며, CLI 1.4.11부터는 자동 업데이트 중에 실행되고 있던 세션도 기록을 그대로 유지한 채 재개됩니다. 현재 버전은 muse --version으로 확인하고 변경 내역과 비교해 보세요. 설치 명령을 다시 실행해도 최신 빌드를 받을 수 있습니다. 제거 명령은 Meta 문서에 나와 있지 않습니다. macOS와 Linux에서는 설치 프로그램이 런처를 ~/.local/bin에 두고(muse와 버전별 muse-bin-* 파일) 이 디렉터리를 셸 프로필에 추가하므로, 해당 파일을 지우면 제거됩니다. 설정은 ~/.config/muse/에 있습니다. Windows에서는 Get-Command muse로 바이너리 위치를 확인할 수 있습니다. 구독은 Accounts Center에서 따로 해지해야 합니다. CLI를 삭제해도 결제는 멈추지 않습니다.

비동기 백그라운드 에이전트

Muse Code는 단순한 에이전트 루프에, 메인 에이전트의 능력을 보강하는 비동기 백그라운드 에이전트들을 더해 동작합니다. 이 전문 에이전트들은 태스크마다 새로 생성되는 대신 세션 내내 활성 상태를 유지하므로 정보 수집이 중복되지 않습니다. 다음 단계를 스스로 진행하고 메인 에이전트에 보고할 시점도 직접 판단합니다 — 이런 상주성 덕분에 지연이 줄고, 어려운 다단계 작업에서도 일일이 방향을 잡아 줄 필요가 적어집니다.

에이전트 팬아웃과 git worktree

작업이 여러 태스크로 나뉘면 각 태스크는 자동으로 별도의 에이전트에 팬아웃됩니다. 부모 에이전트가 태스크마다 쓰기 가능한 자식 에이전트를 만들고, 자식마다 전용 git worktree를 받습니다 — 병렬로 도는 자식 에이전트끼리 같은 파일에서 충돌할 일이 없고, 작업 사본은 항상 깨끗하게 유지됩니다.

워크플로(Workflows)

Muse Code가 베타를 벗어나면서 추가된 Workflows는 전문 에이전트 팀을 조율해 더 큰 작업을 처리합니다. 각 단계가 중간 결과물을 다음 단계로 넘기고, 마지막에 하나의 결과를 받게 됩니다. Muse Code에 "워크플로를 사용해 줘"라고 요청하면 시작되고, effort를 ultra로 설정하면 자동으로 실행되기도 합니다. /workflows에서 모든 실행을 실시간으로 볼 수 있고 거기서 중지·재시작·취소할 수 있으며, 저장한 워크플로는 재사용할 수 있습니다.

세션 간 메시징

같은 머신에서 실행 중인 세션끼리는 로컬 Unix 소켓으로 서로 메시지를 주고받을 수 있습니다. 한 세션의 변경이 다른 세션에서 만들고 있는 것에 영향을 주면 경고를 전달하고, 다른 세션이 막혀 있던 질문을 한 세션이 해결하면 그 답을 보내 줍니다 — 터미널 사이에서 다시 입력할 필요가 없습니다. 에이전트는 두 가지 기본 제공 도구로 다른 세션을 찾고 메시지를 보냅니다.

이벤트 로그와 되감기

Muse Code는 로컬 이벤트 로그를 사용해 모든 모델 호출, 도구 실행, 승인, 편집을 차례로 기록합니다. 이 단일 진실 공급원 덕분에 런타임은 정확한 리플레이와 안전한 재시작이 가능합니다. 크래시가 나도 에이전트는 멈춘 지점에서 정확히 이어서 진행하므로, 장시간 작업이 장애 때문에 무너지지 않습니다. 서브에이전트의 생성·조정·취소는 모두 관찰 가능합니다 — muse replay로 세션을 단계별로 따라갈 수 있고, 전체 트레이스는 인수인계나 감사용으로 내보낼 수 있습니다. Esc를 두 번 누르면 대화를 이전 시점으로 되감을 수 있습니다. Muse Code는 이벤트 로그가 안전하다고 표시한 되감기 지점만 제공합니다.

기본 제공 스킬과 명령어

Muse Code에는 여러 기본 스킬이 함께 제공됩니다 — 거친 아이디어를 넣으면, 꼼꼼히 다듬고 검증을 거친 기능이 나옵니다.

/plan코드를 고치기 전에 태스크를 승인 게이트가 있는 계획으로 변환

/grill계획이 버틸 때까지 스트레스 테스트를 반복

/goal지정한 목표가 완수될 때까지 작업을 추진 — 처음 원했던 것이 그대로 머지됨

/workflows워크플로 실행을 실시간으로 나열 — 어느 것이든 중지·재시작·취소 가능

/model백엔드 모델 전환 — 예: muse-wonder-1.0으로. 선택 화면에서 추론 수준도 함께 정합니다

/effort추론량 조절 — 사고 토큰은 출력으로 과금되므로 깊은 추론은 어려운 태스크에 아껴 두기

Esc Esc이벤트 로그의 안전한 지점으로 대화를 되감기

muse replay세션의 이벤트 로그를 단계별로 재생. 전체 트레이스는 인수인계나 감사용으로 내보내기 가능

권한과 승인 모드

Muse Code는 승인 기능과 OS 샌드박스(macOS는 Seatbelt, Linux는 bubblewrap, Windows는 Windows 샌드박스)를 켠 상태로 시작합니다. 쓰기는 워크스페이스와 임시 디렉터리로 제한되고, .git, .muse, .agents는 읽기 전용으로 유지됩니다. 새 세션은 Auto-review 프로필로 시작하는데, 이 프로필에서는 내장 판정기가 일상적인 승인 요청을 처리하고 나머지는 사용자에게 넘깁니다. 다른 프로필로는 Ask me, Read-only, Unrestricted가 있습니다. 기본 프로필은 ~/.config/muse/settings.json의 permissions.default_profile로 지정합니다. 알아 둘 플래그는 다음과 같습니다.

--approval-mode on-request기본값입니다. 안전한 셸 단계는 그대로 실행되고, rm -rf 같은 위험한 단계는 검토를 위해 멈춥니다

--approval-mode untrusted더 엄격합니다. 일치하는 허용 규칙이 없는 셸 단계는 모두 검토를 위해 멈춥니다

--approval-mode never승인 때문에 멈추는 일이 없습니다. 실행되는 작업은 샌드박스만으로 격리됩니다

--disable-approval승인 프롬프트는 건너뛰지만 샌드박스는 계속 켜 둡니다

--yolo승인도 샌드박스도 없이 워크스페이스를 신뢰합니다. Meta는 일회용 격리 컨테이너에서만 쓰라고 안내합니다

--sandbox-networkproxy-only(기본값, 접속 대상마다 승인), restricted, unrestricted 중 하나

명령이 보류되면 이번 한 번만 허용, 이 워크스페이스에서 항상 허용, 거부 중 하나를 고를 수 있습니다. MCP 도구와 훅은 샌드박스 밖에서 실행되므로 신뢰하는 서버만 연결하세요.

Muse Spark 1.3

Muse Spark 1.3은 2026년 9월 2일에 출시된, Muse Code를 구동하는 모델입니다. 1.2를 돋보이게 한 학습 레시피 — Muse Code 하네스와의 공동 학습, 집중적인 롱 호라이즌 작업, 자기 개선 루프 — 를 그대로 유지하면서 실사용 편의성에 초점을 맞췄습니다. 가격은 1.2와 같습니다. 다음 세 가지가 돋보입니다.

더 긴 스레드

하나의 스레드 안에서 여러 워크플로에 걸친 장기 작업을 이어 가며, 단계에서 단계로 컨텍스트를 넘겨줍니다.

추측 대신 질문

더 적극적으로 협업합니다. 명확히 하기 위한 질문을 던지고, 막히면 막혔다고 알리며, 자신의 한계를 더 정확히 가늠해 도달하지 못한 결과를 보고하지 않습니다.

더 가벼운 실행

Meta 엔지니어들의 비교에서 같은 코딩 작업을 1.2보다 도구 호출은 약 20%, 토큰은 25% 적게 쓰고 끝냈습니다 — 토큰당 가격이 같으니 청구액도 그만큼 줄어듭니다.

벤치마크(최대 추론 구성, Meta 발표 기준): DeepSWE 1.1 · 75.4% — Terminal-Bench 2.1 · 88.8% — SWEAtlas CodeBase QnA · 59.4%. 출시 시점에 최대 구성은 아직 안전성 테스트 중이었으며, 대부분의 개발자가 쓰는 구성의 점수는 이보다 낮습니다. 방법론은 research.meta.ai를 참고하세요.

Muse Wonder

Muse Wonder와 Muse Wonder Full은 2026년 10월 12일에 출시된 Meta의 첫 프런티어 모델입니다. Muse Spark보다 규모가 크며, 코딩은 물론 법률·금융 같은 분야의 길고 어려운 작업을 겨냥합니다. Meta가 내세우는 기능은 대화가 바뀌어도 관련 컨텍스트를 이어 가는 Active Memory, 그리고 에이전트가 목표를 향해 계속 작업하면서 중요한 작업 전에는 먼저 확인을 구하는 Active Focus입니다. /model muse-wonder-1.0으로 Wonder로 전환할 수 있습니다. API 요금은 입력 / 캐시 / 출력 100만 토큰당 $4 / $0.20 / $20이며, Contributor 버전은 없습니다. Muse Wonder Full은 Power와 Maximum 플랜에서만 제공됩니다.

Muse Spark Open

Muse Spark Open은 2026년 10월 15일에 출시된 오픈 웨이트 Muse 모델입니다. 전체 파라미터 816B, 토큰당 활성 파라미터 42B, 100만 토큰 컨텍스트를 갖추고 텍스트·이미지·동영상·오디오 입력을 받습니다. 라이선스는 Meta의 자체 라이선스인 Muse Model License이며, 가중치는 Hugging Face의 meta-models/Muse-Spark-Open-816B-A42B에 공개되어 있습니다. 노트북에서 돌릴 모델은 아닙니다. NVFP4 기준으로도 약 700GB의 가속기 메모리가 필요합니다. Meta는 Mac Studio 두 대에서 이 모델로 Muse Code를 구동하는 모습을 시연했지만, 로컬 환경 설정 방법은 문서화하지 않았습니다. 소비자용 GPU 한 장에 들어가는 모델을 찾는다면 Muse Glimmer를 참고하세요.

사례 연구: 커널 최적화

Meta는 1,000회 이상의 도구 호출 — 최대 24시간 — 에 걸쳐 GPU 커널을 반복적으로 최적화하는 Muse Spark 1.2의 능력을 테스트했습니다. Muse Code의 에이전트 환경 안에서 모델은 커널을 작성·컴파일·프로파일링하며 베이스라인 대비 성능을 점진적으로 끌어올립니다. 벤치마크 대상은 NVIDIA Hopper GPU용 KDA·MLA 커널입니다. 서드파티 커널 라이브러리 래핑이 금지된 조건에서 모델은 알고리즘을 Triton으로 직접 구현했고, 베이스라인을 크게 웃도는 개선을 계속 찾아냈습니다.

Meta Model API

Muse Code를 움직이는 모델은 직접 사용할 수도 있습니다 — Model API에서는 `muse-spark-1.3`과 `muse-wonder-1.0`을 쓸 수 있고, Muse Spark 1.3은 Muse Code, Meta Model API, OpenRouter, Cursor에서도 제공됩니다. API는 OpenAI SDK, Anthropic SDK, 그리고 OpenCode·Claude Code 같은 에이전트 CLI와 드롭인 호환됩니다. 클라이언트의 base URL만 바꾸면 나머지 코드는 그대로 쓸 수 있습니다. 컨텍스트 윈도는 1,048,576 토큰입니다.

# export MODEL_API_KEY="LLM_..."client = OpenAI( base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"], ) response = client.chat.completions.create( model="muse-spark-1.3", messages=[{"role": "user", "content": "Hello, world!"}], )

헤드리스 실행과 CI

muse exec "<prompt>"는 작업 하나를 끝까지 실행하고 종료합니다. 스크립트와 CI에서는 이 형태를 쓰면 됩니다. --json을 붙이면 stdout으로 JSONL 이벤트를 출력하고, --prompt-file은 파일에서 프롬프트를 읽으며, --max-model-steps는 작업량에 상한을 두고, --session-id는 이전 세션을 이어 갑니다. 인증에는 CI 시크릿 저장소에 넣어 둔 META_API_KEY를 사용하세요. 종료 코드 0은 턴이 끝났다는 뜻일 뿐 작업이 올바르다는 뜻은 아니므로, 머지 여부는 직접 작성한 테스트로 판단하세요. Linux 러너에서 샌드박스를 쓰려면 bubblewrap과 musl이 아닌 빌드가 필요합니다.

# CI: key from your secret store, JSONL events on stdout$ META_API_KEY="$MUSE_KEY" muse exec --json "fix the failing test in tests/date.test.ts"

다른 에이전트에서 Muse 모델 쓰기

Meta는 OpenCode, Codex, Claude Code에서 Model API를 쓰는 설정 방법을 문서로 제공합니다. OpenCode와 Codex에는 OpenAI 호환 base URL https://api.meta.ai/v1을, Claude Code에는 /v1을 붙이지 않은 Anthropic 형식 base URL https://api.meta.ai를 지정하고, 여기에 MODEL_API_KEY와 muse-spark-1.3, muse-wonder-1.0 같은 모델 ID를 설정합니다. Claude Code에서는 ANTHROPIC_API_KEY가 아니라 ANTHROPIC_AUTH_TOKEN을 설정하고, 모든 모델 별칭을 Muse 모델로 지정해 Claude로 되돌아가는 일이 없게 하세요. Codex에서는 wire_api = "responses"를 써야 추론이 턴 사이에 이어집니다. 이 사용량은 Model API에서 토큰 단위로 과금되며 Muse Code 요금제에는 포함되지 않습니다.

# Claude Code on Meta's Model APIexport ANTHROPIC_BASE_URL="https://api.meta.ai"export ANTHROPIC_AUTH_TOKEN="$MODEL_API_KEY"export ANTHROPIC_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_OPUS_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_SONNET_MODEL="muse-spark-1.3"export ANTHROPIC_DEFAULT_HAIKU_MODEL="muse-spark-1.3"export CLAUDE_CODE_SUBAGENT_MODEL="muse-spark-1.3"

Muse Code SDK

Muse Code가 베타를 벗어난 뒤로 개발자 프리뷰로 제공되는 SDK를 사용하면, 팀이 Muse Session Protocol (MSP) 위에서 자체 에이전트를 만들 수 있습니다. MSP는 표준 입출력을 통해 동작하는 개방형 프로토콜로, 서버도 네트워크도 필요 없어 모든 것이 내 머신 안에 머뭅니다. TypeScript 라이브러리는 세션, 도구, 권한 제어를 다루며, MSP의 기계 판독 가능한 스키마로 다른 언어용 클라이언트를 생성할 수 있습니다. 소스: github.com/meta-models/muse-code-sdk.

쿡북

복사하자마자 바로 도는 레시피 모음입니다 — 각 레시피는 하나의 명확한 문제를 해결하고, 동작하는 코드를 보여 주며, 다음 단계를 안내합니다. 세 개 섹션에 더해 Muse Code 핵심 패턴을 다루는 레시피도 준비되어 있습니다.레시피 28개 전체 보기 →

API 기초 · 레시피 10개

각 프리미티브의 동작 확인: 챗 컴플리션, 스트리밍, 도구 호출, 구조화 출력, 프롬프트 캐싱, 추론 토큰, 비전 입력, 롱 컨텍스트, 오류 처리, 인라인 인용이 붙은 검색 그라운딩.

에이전트 패턴 · 레시피 5개

모델을 에이전트로 바꾸는 루프들: 지각-결정-행동 루프, 추론과 도구 사용의 인터리브, 멀티턴 컨텍스트 관리, 검증을 거치는 제자리 편집.

유스케이스 · 레시피 13개

엔드투엔드 사례: 브라우저로 검증하는 웹 디자인과 게임 개발, 공유 칸반 보드로 협업하는 4인 구성 멀티 에이전트 프로덕트 스튜디오, OpenCode 기반의 자율 GitHub Actions 봇, Linux와 macOS에서의 컴퓨터 사용 등.

Muse Code 레시피

에이전트 팬아웃 — 큰 작업을 격리된 워크트리의 서브에이전트들에게 분할. 기본 제공 스킬 — 거친 아이디어를 넣으면 검증된 기능이 나옴. 목표 추적 — 원했던 것이 머지될 때까지 에이전트를 태스크에 집중시키기.