fak 설치 및 시작하기 (한국어 입문)

이 문서는 로컬라이즈된 진입점(entry point) 이며, 전체 문서의 번역이 아닙니다. 완전한 문서는 영어로 제공됩니다 — 이 페이지는 설치와 실행의 첫 관문만 담고 곧바로 영어 원문 문서로 안내합니다. 참고: 이 번역은 기계가 작성했으며 아직 원어민 검수를 받지 않았습니다 — 오류를 발견하면 issue/PR을 열어 주세요. 다른 언어 입구: i18n hub.

한눈에

이 페이지는 fak을 설치하고 실행하는 첫 관문입니다. 밀도 높은 소개는 README에 있습니다.

fak은 AI 에이전트와 그 에이전트가 호출하는 도구 사이에 놓이는 하나의 정적 Go 바이너리 입니다. 모든 tool call을 실행되기 전에 심사하고, 긴 세션에서 반복되는 공유 작업을 재사용합니다. 결과: 같은 에이전트 loop가 재작성 없이 더 안전하고, 더 저렴하고, 더 빠르게 바뀝니다. 에이전트를 다시 쓰지 않고, base URL 하나를 fak serve로 돌리거나 기존 에이전트를 한 명령으로 감싸면 됩니다.

fak guard -- claude    # 기존 에이전트를 한 명령으로 감쌉니다

한국 팀에게 왜 중요한가

0. 사전 준비 (Prerequisites)

티어 한눈에

설정 비용이 낮은 순서이며, 티어 사이에서 새로 설치되는 것은 없습니다.

티어 무엇을 얻는가 설정 다운로드
0 — 커널 체험 심사 경계를 오프라인으로 실행·측정 go build 없음
1 — 실제 모델 앞에 세우기 다른 곳에서 서빙하는 모델(Ollama / vLLM / llama.cpp / 클라우드) 앞에 커널을 둠 + OpenAI 호환 서버 실행 채팅 모델 하나
1b — 한 명령으로 로컬 모델 기존 에이전트로 로컬 GGUF 모델을 커널 내부에서 실행 — key·네트워크·두 번째 터미널 불필요 fak guard --gguf qwen2.5:7b -- claude ~5 GB GGUF (캐시됨)
2 — 융합된 커널 내부 모델 커널이 소유하는 순수 Go SmolLM2 forward pass + (실제 가중치) Python export ~135M 파라미터

실용적으로 쓸모 있는 모델을 fak 뒤에 세우고 싶다면 Tier 1 입니다. Tier 2의 커널 내부 모델은 HuggingFace와 비트 단위로 검증된 레퍼런스 forward pass이지 채팅 품질의 서빙 엔진이 아닙니다.

바이너리 받기 (설치)

git clone 후 빌드하거나, Go로 바로 설치하면 됩니다 — 그게 전부입니다.

# 클론에서 빌드 (contributor)
git clone https://github.com/anthony-chaudhary/fak.git
cd fak
go build -o fak ./cmd/fak          # -> ./fak   (Windows: go build -o fak.exe ./cmd/fak)
./fak help

# 또는 Go로 직접 설치 — 모듈 경로가 곧 저장소 루트이므로 그대로 설치됩니다
go install github.com/anthony-chaudhary/fak/cmd/fak@latest

카드도, 국경 간 청구서도, 법인도 필요 없습니다: fak은 Apache-2.0, 무료, self-host입니다.

60초 증명 (key 없음, model 없음, GPU 없음)

go build -o fak ./cmd/fak
./fak preflight --policy examples/customer-support-readonly-policy.json --tool refund_payment --args "{}"   # -> DENY (POLICY_BLOCK)
./fak preflight --policy examples/customer-support-readonly-policy.json --tool search_kb     --args "{}"   # -> ALLOW
./fak agent --offline                                                                                       # injection blocked, task still completes

allow-list에 없는 동작은 kernel 안, 같은 call path에서 fail-closed로 막힙니다(분류기가 아니라 구조). 라이브 테스트에서 prompt injection은 보호되지 않은 baseline을 5/5로 뚫었고, fak은 이를 5/5로 차단했습니다.

여러분의 모델과 함께

fak은 여러분의 모델을 대체하지 않고, govern하고 cache합니다. Qwen2/Qwen3와 GLM-MoE는 in-kernel 레퍼런스 엔진에서 bit-exact로 검증되었고, 그 밖의 모든 것(DeepSeek, Mistral, 임의의 open-weights 모델)은 OpenAI 호환 wire로 접속합니다 — Ollama / vLLM / SGLang / llama.cpp / LM Studio 또는 임의의 OpenAI 호환 API를 통해.

다음 단계로

License: Apache-2.0.