# GitHub Copilot 앱에 LLM 모델 추가하기
로컬 또는 클라우드에서 호스트되는 선택한 외부 공급자의 모델을 연결합니다.
> [!NOTE]
> GitHub Copilot app에서 자체 모델 공급자를 사용할 수 있도록 지원하는 기능은 공개 미리 보기 상태이며, 변경될 수 있습니다.
GitHub Copilot app를 구성하여 GitHub에서 제공하는 모델 외에도 BYOK(Bring Your Own Key)를 사용해 원하는 LLM 공급자의 모델을 포함할 수 있습니다. 앱 설정에서 앱을 처음 열 때 또는 나중에 모델 공급자를 설정할 수 있습니다.
NVIDIA GPU 및 충분한 메모리가 있는 Windows 사용자는 Flint NVFP4 내에서 직접 자신의 디바이스에 GitHub Copilot app 및 MAI Code 1.1 Flash 모델을 로컬로 설치할 수 있습니다.
앱을 사용하려면 계정으로 GitHub 로그인해야 하지만 사용자 고유의 모델 공급자를 Copilot 사용하는 경우에는 계획이 필요하지 않습니다.
Copilot 요금제가 있는 경우 고유한 모델 공급자의 모델과 GitHub에서 제공하는 모델을 동일한 앱에서 사용할 수 있습니다.
> [!NOTE]
> 이 문서에서는 사용자 지정 모델을 사용자 고유의 용도로 구성하는 방법을 설명합니다. 조직 또는 엔터프라이즈의 사용자에 대한 사용자 지정 모델을 설정하려면 [AUTOTITLE 및 AUTOTITLE](/ko/copilot/how-tos/administer-copilot/manage-for-organization/enable-custom-models) 을 참조 [하세요](/ko/copilot/how-tos/administer-copilot/manage-for-enterprise/enable-custom-models).
## BYOK를 사용하여 모델 추가
BYOK 메서드를 사용하여 모델을 GitHub Copilot app에 추가할 수 있습니다.
### 지원되는 공급자
GitHub Copilot app는 이러한 BYOK 모델 공급자를 지원합니다.
* OpenAI
* Azure OpenAI
* Microsoft 파운드리
* Anthropic
* Ollama
* 파운드리 로컬
* LM Studio
* OpenAI와 호환되는 모든 HTTP 엔드포인트
### 전제 조건
인증이 필요한 모델 공급자를 추가하려면 API 키가 있어야 합니다.
### 모델 공급자 설정
처음으로 앱을 설정하고 Copilot 요금제가 없는 경우, 온보딩 중에 자체 모델 제공업체를 설정하도록 선택할 수 있습니다.
나중에 모델 공급자를 추가하거나 업데이트하려면 다음을 수행합니다.
1. 설정 대화 상자를 열려면 클릭합니다 .
2. 사이드바에서 **모델 제공업체**를 클릭합니다.
3. **공급자 추가**를 클릭합니다.
4. 공급자를 선택합니다.
5. 공급자 세부 정보를 입력합니다. 공급자에 따라 다르지만 표시 이름, 기본 URL 및 API 키가 포함될 수 있습니다.
6. **공급자 추가**를 클릭하여 공급자를 저장합니다.
공급자를 추가하면 해당 공급자의 모델이 GitHub에서 호스팅되는 모델과 함께 모델 선택기에 표시됩니다. 모델을 선택하고 세션에서 사용할 수 있습니다. 자세한 내용은 [GitHub Copilot 앱에서 에이전트 세션 사용하기](/ko/copilot/how-tos/github-copilot-app/agent-sessions)을(를) 참조하세요.
공급자 자격 증명은 시스템 자격 증명 저장소에 저장되며 UI에 표시되지 않습니다.
## 모델 선택기에서 로컬 모델 설치
> [!NOTE]
> 이 기능은 공개 미리 보기에 있으며 변경될 수 있습니다.앱 설정의 "실험적" 섹션으로 이동하여 "에이전트"에서 **Windows ML 로컬 모델** 옵션을 해제하여 이 기능을 사용하지 않도록 설정할 수 있습니다.
>
> Copilot Fusion를 로컬 모델을 사용하도록 설정하려면 앱 설정의 "실험적" 섹션에서 **로컬 모델 자동 라우팅** 옵션을 설정해야 합니다.
Windows를 사용하고 컴퓨터가 다음 필수 조건을 충족하는 경우 앱 설정 내에서 디바이스에 로컬로 다음 모델을 다운로드하여 설치할 수 있습니다.
* MAI Code 1.1 Flash
* Flint NVFP4
### Prerequisites
필요한 것은 다음과 같습니다.
* Windows PC 한 대
* NVIDIA GPU(AMD는 지원되지 않음)
* 모델당 사용 가능한 최소 결합 RAM:
* **MAI Code 1.1 Flash:** 96GB
* **Flint NVFP4:** 48GB
* 모델당 사용 가능한 최소 스토리지:
* **MAI Code 1.1 Flash:** 60GB
* **Flint NVFP4:** 23GB
* llama.cpp v0.7.0 이상이 설치되어 있고 `LLAMACPP_SERVER_PATH`가 해당 경로로 설정되어 있어야 합니다. 필수 빌드 버전:
* **MAI Code 1.1 Flash:** [b11669](https://github.com/ggml-org/llama.cpp/releases/tag/b11669?utm_source=local-model-prereq-mai-code\&utm_medium=docs\&utm_campaign=universe-2026) 이상
* **Flint NVFP4:** [b11803](https://github.com/ggml-org/llama.cpp/releases?q=flint\&expanded=true\&utm_source=local-model-prerequisite-flint\&utm_medium=docs\&utm_campaign=universe-2026#release-b11803) 이상
[Windows llama.cpp 설치를](#installing-llamacpp-for-windows) 참조하세요.
### 로컬 사용 MAI Code 1.1 Flash 의 이점
MAI Code 1.1 Flash는 Windows PC에서 로컬로 실행할 수 있는 코딩 최적화 모델입니다. 로컬로 실행되는 모델을 사용하면 Copilot를 오프라인으로 사용할 수 있고 GitHub AI Credits를 소비하지 않을 수 있습니다.
MAI Code 1.1 Flash를 설치한 후 다른 모델과 마찬가지로 모델 선택기에서 선택할 수 있습니다. 모델도 Fusion Standard의 Copilot Fusion 노력 수준에서 사용할 수 있게 됩니다. 모델 선택을 Fusion Standard와 함께 **Copilot Fusion**(으)로 설정하면, 적절한 작업을 처리하도록 MAI Code 1.1 Flash가 자동으로 선택되며, 더 많은 리소스 또는 더 높은 성능이 필요한 작업은 클라우드 기반 모델에 맡기게 됩니다.
### Windows llama.cpp 설치
CUDA 빌드를 사용하여 Windows llama.cpp 설치하려면 다음을 수행합니다.
1. 브라우저에서 llama.cpp 리포지토리의 릴리스 페이지로 이동하세요: [https://github.com/ggml-org/llama.cpp/releases](https://github.com/ggml-org/llama.cpp/releases?utm_source=llama-windows-install-cta\&utm_medium=docs\&utm_campaign=universe-2026).
2. 설치하려는 릴리스(예: [b11803](https://github.com/ggml-org/llama.cpp/releases?q=flint\&expanded=true\&utm_source=local-model-prerequisite-flint\&utm_medium=docs\&utm_campaign=universe-2026#release-b11803))를 선택합니다.
3. 링크를 클릭하여 Windows CUDA 13.4 ARM64 빌드에 대한 두 파일을 모두 다운로드합니다.
* Windows arm64(CUDA 13)
* CUDA 13.4 DLL들
4. 명령 프롬프트를 열고 설치 폴더를 만듭니다.
```shell copy
mkdir "%LOCALAPPDATA%\Programs\llama.cpp\BUILD-cuda-13.4-arm64"
```
빌드 번호를를 교체하는 것 `BUILD`—예를 들어, `b11803`.
5. 두 ZIP 파일의 모든 파일을 이 폴더로 직접 추출하십시오. 파일 탐색기에서 **모두 추출**을 사용하는 경우 기본적으로 파일 탐색기에서 각 ZIP 파일에 대해 별도의 하위 폴더를 만들기 때문에 대상을 이 폴더로 변경하세요. 완료되면 폴더에는 하위 폴더 없이 `cudart64_13.dll`, `cublas64_13.dll`, `cublasLt64_13.dll` 및 `llama-server.exe`를 포함한 많은 수의 파일이 들어 있어야 합니다.
6. 환경 변수를 `LLAMACPP_SERVER_PATH` 설정합니다.
```shell copy
setx LLAMACPP_SERVER_PATH "%LOCALAPPDATA%\Programs\llama.cpp\BUILD-cuda-13.4-arm64\llama-server.exe"
```
`BUILD` 그 그 빌드 번호를 바꾸기.
1. 명령 프롬프트를 닫고 새 명령 프롬프트 창을 엽니다.
Copilot app 또는 VS Code이 이미 열려 있으면 다시 시작합니다.
Copilot CLI가 실행 중이면 종료하고 새 터미널 창에서 다시 시작합니다.
2. 설치 상태를 확인하려면 다음을 실행하세요:
```shell copy
"%LLAMACPP_SERVER_PATH%" --list-devices
```
### Copilot app 내에서 로컬 모델 설치
1. 설정 대화 상자를 열려면 클릭합니다 .
2. 사이드바에서 **모델 공급자를** 클릭합니다.
3. **공급자 추가**를 클릭합니다.
4. **Windows ML을** 선택합니다.
로컬 컴퓨터가 필수 조건을 충족하는 경우 지원되는 로컬 모델이 "사용 가능한 모델" 아래에 나열됩니다.
5. 설치하려는 모델에 대한 **다운로드** 를 클릭합니다.
6. **사용할 최대 시스템 메모리 %** 슬라이더를 사용하여 Windows ML 모델에서 사용할 수 있는 시스템 메모리의 양을 제한합니다.
7. 앱이 Copilot app
다시 시작될 때 다운로드한 Windows ML 모델을 자동으로 다시 시작하려면 **앱 다시 시작 시 모델 다시 시작**을 켭니다.
8. 필요에 따라 모델별 설정을 변경합니다.
### 다운로드한 로컬 모델 사용
다운로드가 완료되면 로컬 모델을 세션에서 사용할 수 있습니다.
다음 중 하나를 수행할 수 있습니다.
* 다른 사용 가능한 모델과 마찬가지로 모델 선택기에서 선택합니다.
[Copilot app에서 모델 선택하기](/ko/copilot/how-tos/github-copilot-app/choose-a-model)을(를) 참조하세요.
* \*\*MAI Code 1.1 Flash only:\*\***Fusion Standard, then Copilot Fusion** 노력 수준을 모델 선택기에서 선택한 다음, Copilot 적절한 경우 이 모델을 자동으로 사용합니다.
* 집중 작업을 위해 custom agent에 할당합니다. 그런 다음, 기본 세션을 클라우드의 다른 모델에 유지하면서 작업의 일부에 해당 사용자 지정 에이전트를 사용하라고 Copilot에 프롬프트할 수 있습니다.
[사용자 지정 에이전트 만들기 및 사용 GitHub Copilot CLI](/ko/copilot/how-tos/copilot-cli/customize-copilot/create-custom-agents-for-cli#delegating-focused-tasks-to-a-specific-model)을(를) 참조하세요.
> [!IMPORTANT]
> 모델 선택기에서 로컬 모델을 다운로드한 후에는 직접 선택하거나 Copilot Fusion를 통해 서로 다른 Copilot 환경, 즉 (Copilot CLI, VS Code, Copilot app)의 세션에서 동시에 사용하지 마세요. 각 표면은 모델의 자체 인스턴스를 메모리에 로드하므로 로컬 컴퓨터의 RAM이 부족해질 수 있습니다.