Building Secure and Sovereign Open-Source AI Coding Agents with OpenCode and Local Models

Daniel Oh, a developer at Red Hat and IBM, presents an approach to building sovereign, open-source AI coding agents rather than relying solely on commercial cloud AI services. The session covers the Agent Tech AI foundation ecosystem, local open models and runtimes, security guardrails, and a live OpenCode demo that fixes an input-validation flaw in a Quarkus Java application.

■ Open-source agent ecosystem and local models
- Agent Tech AI projects including MCP, Agent Gateway, Goose, AGENTS.md, and A2A
- Open models such as Qwen 3/Qwen Coder, Granite, Llama, and Mistral
- Local runtimes and deployment options including Ollama, LM Studio, Podman, Container AI Lab, and Kubernetes

■ Secure coding-agent workflow
- CLI assistants such as OpenCode, Cloud Code, OpenAI Codex, Google Anti-Gravity, Microsoft Copilot, Continue, and Cline
- Human-in-the-loop review before commit/push and CICD/GitOps deployment
- Guardrails for credential redaction, command filtering, AST analysis, and prompt/SQL injection risks
- Trade-offs across data sovereignty, latency, and cost for local versus cloud approaches

■ Live demo
- OpenCode configured with a Qwen 27B model on Kubernetes
- A Quarkus Java game app with an input-validation issue
- AI-assisted code changes and test updates, with manual approval before push

Daniel Oh, Red Hat and IBMの開発者であるDaniel Oh氏は、商用クラウドAIサービスだけに依存するのではなく、主権的でオープンソースのAIコーディングエージェントを構築する方法を紹介します。セッションでは、Agent Tech AI foundationのエコシステム、ローカルのオープンモデルとランタイム、セキュリティガードレール、そしてQuarkus Javaアプリケーションの入力検証の欠陥を修正するライブOpenCodeデモを取り上げます。

■ オープンソースのエージェントエコシステムとローカルモデル
- MCP、Agent Gateway、Goose、AGENTS.md、A2AなどのAgent Tech AIプロジェクト
- Qwen 3/Qwen Coder、Granite、Llama、Mistralなどのオープンモデル
- Ollama、LM Studio、Podman、Container AI Lab、Kubernetesなどのローカルランタイムとデプロイオプション

■ 安全なコーディングエージェントのワークフロー
- OpenCode、Cloud Code、OpenAI Codex、Google Anti-Gravity、Microsoft Copilot、Continue、ClineなどのCLIアシスタント
- コミット/プッシュ前のHuman-in-the-loopレビューとCICD/GitOpsデプロイ
- 認証情報の秘匿化、コマンドフィルタリング、AST分析、プロンプト/SQLインジェクションのリスクに対するガードレール
- ローカルとクラウドのアプローチにおけるデータ主権、レイテンシ、コストのトレードオフ

■ ライブデモ
- Kubernetes上でQwen 27Bモデルを設定したOpenCode
- 入力検証の問題があるQuarkus Javaゲームアプリ
- AI支援によるコード変更とテスト更新、プッシュ前の手動承認

このセッションは、プライベートまたはローカルでホストされるAIコーディングアシスタントを評価している開発者、プラットフォームエンジニア、セキュリティまたはコンプライアンスの関係者を対象としています。視聴者は、エージェント型AIツールを採用する際に検討すべきアーキテクチャ、セキュリティ管理、運用上のトレードオフについて構造化された見方を得られ、さらにクローンしてテストできるデモリポジトリも得られます。