오픈소스 Perplexity 대안 Vane: Docker 실행 방법 (2026)

Vane(구 Perplexica)은 Perplexity AI의 프라이빗한 대안으로 설계된 오픈소스 자체 호스팅 AI 답변 엔진입니다. 로컬 SearXNG 메타 검색 엔진과 Ollama를 통한 로컬 모델 또는 API 키를 통한 상용 모델을 결합하여, 월 구독료 없이 출처 인용이 포함된 웹 검색 기반 답변을 제공합니다. Docker Compose를 사용하면 약 5분 만에 로컬에 배포할 수 있지만, 성능이 뛰어난 모델을 구동하려면 전용 하드웨어가 필요하며 검색 엔진 스크래핑 엔드포인트를 지속적으로 유지 관리해야 합니다.

Vane이 지금 주목받는 이유

구독 비용 부담과 프라이버시 우려가 커지면서 자체 호스팅 검색에 대한 개발자들의 관심이 급증하고 있습니다. 2026년 11월 기준 Perplexity Pro는 월 20달러(또는 연 200달러)이며, 모든 검색 쿼리는 독자적인 클라우드 서버를 거쳐 처리됩니다. 내부 문서나 독점 데이터를 다루는 개발자, 연구원, 개인정보 보호를 중시하는 사용자에게 모든 쿼리를 상용 플랫폼으로 전송하는 것은 규정 준수(컴플라이언스)상 불가능한 선택지입니다.

개발자 ItzCrazyKns가 만든 이 프로젝트는 원래 Perplexica라는 이름으로 시작되어 GitHub에서 18,000개 이상의 스타를 모은 후 Vane으로 브랜드를 변경했습니다. 이번 명칭 변경은 단순한 기존 제품 복제품을 넘어, 웹 데이터를 탐색하는 맞춤형 내비게이션 도구로 확장된 역할을 반영합니다. 사용자는 자체 모델을 연결하고 검색 백엔드를 커스터마이징하며 검색 기록을 완벽하게 통제할 수 있습니다.

Docker로 Vane을 설정하고 실행하는 방법

Vane을 설정하려면 Git, Docker, Docker Compose가 설치된 컴퓨터가 필요합니다. 또한 로컬 머신에서 실행되는 Ollama 인스턴스나 Anthropic, OpenAI, Google과 같은 제공업체의 API 키 등 추론 제공자도 준비해야 합니다.

1단계: 리포지토리 클론

터미널을 열고 공식 리포지토리를 클론합니다:

git clone https://github.com/ItzCrazyKns/Vane.git
cd Vane

이전에 ItzCrazyKns/Perplexica를 클론했다면, 원격 저장소 URL을 새로운 Vane 리포지토리로 업데이트하여 최신 릴리스를 반영할 수 있습니다.

2단계: 환경 설정

샘플 설정 파일을 실제 설정 파일로 복사합니다:

cp sample.config.toml config.toml

코드 에디터에서 config.toml 파일을 엽니다. 이 파일은 웹 검색 백엔드, 모델 제공자, 포트 매핑을 제어합니다.

Ollama를 사용하는 경우 Ollama 엔드포인트가 호스트 머신을 가리키도록 설정하세요:

[GENERAL]
PORT = 3000
SIMILARITY_MEASURE = "cosine"

[MODELS.OLLAMA]
API_URL = "http://host.docker.internal:11434"

로컬 모델 가중치 대신 상용 API 키를 사용하는 경우, 해당 제공자 블록에 인증 정보를 입력합니다:

[MODELS.OPENAI]
API_KEY = "sk-your-openai-api-key"

[MODELS.ANTHROPIC]
API_KEY = "sk-ant-your-anthropic-api-key"

3단계: Docker 스택 시작

Vane은 웹 사용자 인터페이스, 백엔드 애플리케이션, SearXNG 메타 검색 인스턴스를 하나로 묶어 제공합니다. 백그라운드에서 모든 서비스를 실행합니다:

docker compose up -d

Docker가 필요한 컨테이너 이미지를 다운로드하고 SearXNG를 구성한 뒤 Vane 서버를 시작합니다. 시작 로그는 docker compose logs -f 명령어로 확인할 수 있습니다.

4단계: 인터페이스 접속 및 포커스 모드 선택

컨테이너 초기화가 완료되면 브라우저에서 http://localhost:3000으로 이동합니다.

Vane은 SearXNG가 정보를 수집하는 방식과 언어 모델이 답변을 구성하는 방식을 조정할 수 있는 전문 포커스 모드를 제공합니다:

웹 검색(Web Search): SearXNG에 구성된 검색 엔진을 사용하는 일반 웹 검색입니다.
학술 검색(Academic Search): 학술 논문 및 사전 인쇄본(preprint) 서버를 집중 검색합니다.
작성 도우미(Writing Assistant): 웹 검색을 비활성화하고 모델에서 직접 텍스트를 생성합니다.
YouTube 검색(YouTube Search): 동영상 스크립트를 검색하여 특정 순간과 인용구를 추출합니다.
Reddit 검색(Reddit Search): 공개 커뮤니티 토론을 스크래핑하여 실제 사용자 의견을 확인합니다.

Vane 자체 호스팅 시 마주치는 현실적인 한계

프라이빗 검색 엔진을 직접 운영하는 것은 이상적으로 들리지만, Vane을 자체 호스팅할 때는 호스팅 도구 사용자가 예상치 못한 현실적인 트레이드오프가 존재합니다.

1. SearXNG 요청 속도 제한 및 IP 차단

Vane은 Google, Bing, DuckDuckGo와 같은 주요 검색 엔진을 스크래핑하여 최신 결과를 가져오는 SearXNG에 의존합니다. 그러나 대형 검색 엔진은 데이터 센터 IP 주소나 동일 주거지 IP의 빈번한 쿼리를 적극적으로 감지하고 차단합니다.

순환 주거용 프록시(Residential Proxy)를 구성하지 않으면 SearXNG 인스턴스는 CAPTCHA, 봇 방지 화면, 비공개 속도 제한에 자주 직면합니다. SearXNG가 웹 스니펫을 가져오지 못하면 Vane은 실시간 출처 인용 없이 환각(할루시네이션) 답변을 내놓게 됩니다.

2. 로컬 모델 구동을 위한 하드웨어 제약

Vane을 완전히 오프라인으로 실행하려면 Ollama를 통해 로컬 언어 모델을 호스팅해야 합니다. Llama 3.1 8B나 Qwen 2.5 7B와 같은 소형 모델은 8 GB에서 16 GB RAM을 갖춘 일반 노트북에서도 원활히 실행되지만, 여러 개의 긴 웹페이지에서 정보를 정확히 종합하는 데 어려움을 겪습니다. 출처 인용 표기를 빠뜨리거나 사실 관계를 잘못 연결하는 경우가 빈번합니다.

Perplexity Pro 수준에 필적하는 70B 매개변수 모델 등 최첨단 추론 모델을 구동하려면 Apple Silicon 기준 최소 48 GB의 통합 메모리나 고급 전용 GPU가 필요합니다.

3. 토큰당 과금되는 API 비용의 빠른 누적

로컬 하드웨어 한계를 극복하기 위해 Vane에 Anthropic이나 OpenAI API 키를 연결하는 사용자가 많습니다. 그러나 검색 엔진은 단일 요청마다 방대한 분량의 컨텍스트를 주입합니다.

검색 쿼리마다 스크래핑된 웹페이지 여러 건의 텍스트가 전달됩니다. 다중 턴 대화에서는 매 후속 메시지마다 전체 검색 컨텍스트가 다시 전송되므로 왕복 한 번에 수천 개의 입력 토큰이 소모될 수 있습니다. 상용 API 키로 하루 20~~30회의 심층 검색을 수행하는 연구자라면 월 25~~50달러를 쉽게 넘길 수 있어, 고정 구독 요금제 대비 비용적 이점이 사라집니다.

4. 단일 패스 검색 vs 다단계 심층 조사

Vane은 단일 패스(Single-pass) 검색을 수행합니다. 즉 질문을 받아 SearXNG를 통해 한 세트의 검색어를 실행하고, 상위 결과를 파싱하여 답변을 생성합니다.

자율적인 심층 조사는 수행하지 못합니다. 여러 갈래의 조사를 탐색하거나, 20개 이상의 웹페이지에 걸친 상충된 주장을 교차 검증하거나, 몇 분 동안 링크를 파고들어야 하는 복잡한 연구 과제의 경우 Vane은 초기 검색 결과만 처리하고 작업을 마칩니다.

다중 모델 리서치에 Zemith를 고려해야 하는 경우

프론티어 모델 기반의 심층 웹 검색이 필요하지만, Docker 컨테이너 유지 관리, SearXNG 프록시 디버깅, 개별 API 비용 관리를 원치 않는 연구자, 창업가, 전문가에게 Zemith는 설정이 필요 없는 최적의 대안입니다.

Zemith는 다양한 프론티어 모델 선택권과 자율 리서치 및 문서 내보내기 기능을 결합했습니다:

플래그십 모델 기본 포함: Plus 플랜(월 15.99달러 또는 연 179.88달러)에서는 동일한 대화 안에서 Claude 5.5 Sonnet, GPT 6.1 Sol, Gemini 4 Argon, Perplexity Sonar를 자유롭게 전환할 수 있습니다.
자율 심층 리서치: 단순 1회 검색과 달리, Zemith의 딥 리서치 에이전트는 명시적인 조사 계획을 수립하고 승인을 받은 뒤 백그라운드에서 최대 10분 동안 약 24개 소스를 분석합니다. 브라우저나 모바일 앱을 닫아도 백그라운드에서 계속 실행되며, 1회 실행당 100,000 크레딧으로 상세한 각주가 포함된 완성형 보고서를 작성합니다.
완성형 Office 파일 내보내기: 일반 마크다운 표를 복사할 필요 없이 연구 대화에서 네이티브 Word 문서(.docx), Excel 모델(.xlsx), 프레젠테이션 슬라이드(.pptx)를 바로 생성하여 다운로드할 수 있습니다.
라이브러리 통합: 학술 논문, 인터뷰 녹취록, 웹 소스를 최대 50개까지 저장할 수 있는 라이브러리 프로젝트에 보관하고 능동 회상 인용을 통해 복잡한 자료를 교차 검증할 수 있습니다.

자체 호스팅 Vane vs Perplexity Pro vs Zemith

최선의 선택은 완전한 네트워크 격리가 최우선인지, 완성도 높은 턴키 검색 엔진이 필요한지, 아니면 실무용 완성 파일을 제작할 수 있는 다중 모델 연구 환경이 필요한지에 따라 달라집니다.

기능	자체 호스팅 Vane (Ollama)	자체 호스팅 Vane (API 키)	Perplexity Pro	Zemith Plus
월 요금	무료 (소프트웨어 비용 $0)	토큰당 과금 (사용량에 따라 $15~$40 이상)	월 $20 (연 $200)	월 $15.99 (연 $179.88)
설정 난이도	Docker, 설정 파일, Ollama	Docker, 설정 파일, API 키	없음 (즉시 가입 후 사용)	없음 (즉시 가입 후 사용)
검색 백엔드	내장 SearXNG	내장 SearXNG	독자적 웹 크롤러	다중 엔진 실시간 웹 검색
제공 모델	로컬 모델 가중치 (8B~70B)	최신 API 모델	Claude, GPT-4o, Sonar	Claude 5.5 Sonnet, GPT 6.1 Sol, Gemini 4 Argon, Sonar
심층 리서치 모드	지원 안 함 (단일 패스만 지원)	지원 안 함 (단일 패스만 지원)	지원 (내장 딥 서치)	지원 (~24개 소스, 백그라운드 실행)
내보내기 형식	원시 마크다운 복사	원시 마크다운 복사	마크다운, PDF	네이티브 .docx, .xlsx, .pptx
유지 관리 부담	높음 (스크래핑 IP 차단 대응)	높음 (스크래핑 IP 차단 대응)	없음	없음

Perplexica가 Vane으로 이름을 바꾼 이유는?

개발자 ItzCrazyKns가 Perplexica를 Vane으로 바꾼 이유는 Perplexity AI의 아류 복제품으로 비춰지는 대신 고유한 오픈소스 정체성을 확립하기 위해서였습니다. 풍향계(Wind Vane)가 바람 속에서 방향을 가리키듯, 이 이름은 복잡한 웹 데이터 속에서 사용자를 정확한 답변으로 안내하는 나침반 도구를 의미합니다.

github.com/ItzCrazyKns/Vane 리포지토리는 동일한 코드베이스, 라이선스, Docker 배포 구조를 유지하며, 포커스 모드와 검색 추출기에 대한 적극적인 업데이트를 지속하고 있습니다.

Ollama로 Vane을 실행하려면 어떤 하드웨어가 필요한가요?

클라우드 API 키 없이 로컬 하드웨어에서 Vane을 효율적으로 실행하기 위한 시스템 요구사항은 선택하는 모델 크기에 따라 결정됩니다:

최소 사양 (Llama 3.1 8B 등 8B 모델): 8코어 CPU, 16 GB 시스템 RAM(또는 8 GB VRAM 탑재 NVIDIA GPU), 20 GB 여유 저장 공간. 답변 속도는 빠르지만 복잡한 다중 소스 종합 시 세부 정보를 자주 놓칩니다.
권장 사양 (Qwen 2.5 32B 등 14B~32B 모델): 32 GB 통합 메모리를 탑재한 Apple Silicon 또는 16 GB 이상의 VRAM을 갖춘 전용 GPU.
프론티어급 사양 (70B 모델): 64 GB 이상의 통합 메모리를 갖춘 Apple Silicon 또는 총 48 GB VRAM의 듀얼 GPU 구성.

컴퓨터 사양이 이에 미치지 못하면 로컬 모델 구동 시 토큰 생성 속도가 매우 느려지고 검색 요약 도중 메모리 부족 오류가 발생할 수 있습니다.

연구용 목적으로 Vane과 Perplexity Pro를 비교하면?

복잡한 탐색적 연구에서는 Perplexity Pro가 표준 Vane 설치 환경보다 여전히 훨씬 뛰어납니다. Perplexity는 대규모 웹 인덱스와 스크래핑 인프라를 직접 유지하므로 SearXNG 인스턴스를 자주 괴롭히는 CAPTCHA나 봇 감지를 우회합니다.

또한 Perplexity Pro에는 모호한 답변을 보완하기 위해 웹을 재귀적으로 쿼리하는 자동화된 딥 리서치가 포함되어 있습니다. 반면 Vane은 단일 프롬프트 및 검색 주기만 실행합니다. 커스텀 오케스트레이션을 별도로 작성하지 않는 한, Vane은 수십 개 웹사이트에 걸쳐 자율적으로 계획을 세우고 가지를 뻗으며 종합 보고서를 작성하지 못합니다.

Perplexity Pro 대안을 검토 중인 연구자라면 연구용 Perplexity vs ChatGPT 비교에서 주요 플랫폼 간 인용 정확도와 다단계 추론 차이를 확인해 보세요.

호스팅 도구 대신 Vane을 자체 호스팅해야 하는 경우는?

다음 두 가지 경우에 해당한다면 Vane을 자체 호스팅하는 것이 가장 적합합니다:

엄격한 에어갭 또는 보안 격리 환경: 환자 진료 기록, 법적 증거, 기밀 소스 코드 등 외부 네트워크로 전송이 금지된 데이터를 다룬다면, Vane과 로컬 Ollama 인스턴스 조합을 통해 어떤 패킷도 로컬 네트워크 외부로 나가지 않도록 완벽히 보장할 수 있습니다.
홈랩(Homelab) 취미 개발자: 자체 호스팅 서비스 유지 관리, SearXNG 설정, 프록시 풀 튜닝, Docker 컨테이너 관리를 즐기는 분이라면 Vane은 흥미롭고 완성도 높은 오픈소스 프로젝트입니다.

하지만 Docker 네트워크 브리지 문제 해결, 차단된 검색 쿼리 대응, 캐시되지 않는 API 토큰 비용 소모 없이 인용이 포함된 철저한 연구 결과를 신속히 도출하는 것이 핵심 목표라면, 완전 관리형 다중 모델 서비스를 활용하는 것이 훨씬 생산적입니다.

마치며

Vane은 일반 소비자용 하드웨어에서도 출처 인용이 포함된 자체 호스팅 AI 검색이 가능함을 입증한 훌륭한 오픈소스 성과입니다. 개인정보 보호를 중시하는 사용자와 홈랩 개발자에게는 프라이빗 답변 엔진 구축을 위한 탄탄한 토대를 제공합니다.

그러나 일상적인 학술, 시장, 기술 연구를 진행할 때 SearXNG 스크래핑 엔드포인트를 지속적으로 유지 관리해야 하는 번거로움과 로컬 고성능 추론 모델에 요구되는 높은 하드웨어 진입 장벽은 상당한 부담이 됩니다.

인프라 관리 부담 없이 Claude 5.5 Sonnet, Gemini 4 Argon과 같은 최신 프론티어 모델, 자동화된 딥 리서치, 네이티브 Office 문서 다운로드를 활용하고 싶다면 월 15.99달러의 Zemith Plus가 최적의 연구 환경을 제공합니다. 독립형 검색 엔진과 Zemith의 차이점에 대한 자세한 내용은 Zemith vs Perplexity 비교에서 확인하실 수 있습니다.