Cursor에서 DeepSeek 모델 사용: 완전 설정 가이드

Cursor DeepSeek Integration

DeepSeek 모델은 경쟁력 있는 가격으로 강력한 추론 기능을 제공합니다. Cursor는 네이티브 API 지원부터 Ollama를 통한 로컬 배포까지 여러 방법으로 DeepSeek 통합을 지원합니다. 이 가이드에서는 Cursor 워크플로우에서 DeepSeek을 작동시키는 모든 접근 방식을 다룹니다.

사용 가능한 DeepSeek 모델

모델	컨텍스트	가장 적합한 용도	Cursor 지원
DeepSeek V3	64K	일반 코딩, 채팅	네이티브
DeepSeek R1	64K	추론, 수학, 논리	네이티브
DeepSeek V4	128K	복잡한 분석	Ollama/프록시 경유
DeepSeek Coder	16K	코드 특정 작업	OpenRouter 경유

방법 1: 네이티브 DeepSeek 지원(권장)

Cursor에는 DeepSeek V3 및 R1에 대한 내장 지원이 있습니다.

1단계: API 키 가져오기

DeepSeek Platform 방문
계정을 만들거나 로그인
"API Keys"로 이동
새 키를 생성하고 복사

2단계: Cursor에서 구성

Cursor 설정 열기 (Cmd/Ctrl + ,)
"Models" 또는 "AI Features"로 이동
"Custom API Key" 또는 "Add Provider" 찾기
공급자로 "DeepSeek" 선택
API 키 붙여넣기
설정 저장

3단계: DeepSeek 모델 선택

모든 채팅 또는 Composer 세션에서:

모델 선택기 클릭(채팅 상단)
"DeepSeek V3" 또는 "DeepSeek R1" 선택
코딩 시작

방법 2: OpenRouter를 통해 DeepSeek 사용

네이티브로 지원되지 않는 모델의 경우 OpenRouter를 브리지로 사용합니다.

설정

OpenRouter API 키 가져오기
Cursor 설정에서 OpenRouter를 공급자로 추가:

{
  "customModels": [
    {
      "name": "deepseek/deepseek-chat",
      "provider": "openrouter",
      "apiKey": "your-openrouter-key"
    }
  ]
}

사용 가능한 OpenRouter DeepSeek 모델

deepseek/deepseek-chat          # DeepSeek V3
deepseek/deepseek-reasoner     # DeepSeek R1
deepseek/deepseek-coder        # DeepSeek Coder

방법 3: Ollama를 사용한 로컬 DeepSeek

개인 정보 보호 및 오프라인 사용을 위해 DeepSeek을 로컬에서 실행합니다.

Ollama 설치

# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows
# https://ollama.com/download에서 다운로드

DeepSeek 모델 가져오기

# DeepSeek Coder(코딩에 권장)
ollama pull deepseek-coder:6.7b

# 더 큰 컨텍스트용(더 많은 RAM 필요)
ollama pull deepseek-coder:33b

Ollama용 Cursor 구성

Ollama가 실행 중인지 확인:

ollama serve

Cursor 설정에서 로컬 모델 추가:

{
  "customModels": [
    {
      "name": "deepseek-coder",
      "provider": "ollama",
      "baseUrl": "http://localhost:11434"
    }
  ]
}

Ollama 연결 문제 해결

Cursor가 Ollama에 연결할 수 없는 경우:

# Ollama가 실행 중인지 확인
curl http://localhost:11434/api/tags

# Ollama 호스트 환경 변수 설정
export OLLAMA_HOST=0.0.0.0

# macOS에서 네트워크 액세스 허용
launchctl setenv OLLAMA_HOST "0.0.0.0"

방법 4: LiteLLM 프록시를 통해 DeepSeek V4

DeepSeek V4 Pro(클라우드)의 경우 LiteLLM을 프록시로 사용합니다.

LiteLLM 설정

pip install litellm

litellm_config.yaml 생성:

model_list:
  - model_name: deepseek-v4
    litellm_params:
      model: deepseek/deepseek-chat-v4
      api_key: os.environ/DEEPSEEK_API_KEY

프록시 실행:

litellm --config litellm_config.yaml --port 8000

Cursor 구성

{
  "customModels": [
    {
      "name": "deepseek-v4",
      "provider": "openai-compatible",
      "apiKey": "sk-any",
      "baseUrl": "http://localhost:8000"
    }
  ]
}

추론 콘텐츠 처리

DeepSeek R1은 특별한 처리가 필요한 추론 콘텐츠를 출력합니다.

문제

R1은 추론과 최종 답변을 모두 반환합니다:

{
  "choices": [{
    "message": {
      "content": "최종 답변은 여기...",
      "reasoning_content": "생각해 보겠습니다... 1단계... 2단계..."
    }
  }]
}

해결책: 프록시로 필터링

추론 콘텐츠를 제거하는 간단한 프록시를 사용합니다:

# deepseek_proxy.py
from flask import Flask, request, Response
import requests

app = Flask(__name__)

@app.route('/v1/chat/completions', methods=['POST'])
def proxy():
    resp = requests.post(
        'https://api.deepseek.com/v1/chat/completions',
        headers={'Authorization': f'Bearer {API_KEY}'},
        json=request.get_json()
    )
    data = resp.json()
    # reasoning_content 제거
    for choice in data.get('choices', []):
        msg = choice.get('message', {})
        msg.pop('reasoning_content', None)
    return Response(
        json.dumps(data),
        mimetype='application/json'
    )

코딩용 DeepSeek 최적화

시스템 프롬프트

더 나은 DeepSeek 성능을 위해 Cursor 규칙에 이것을 추가하세요:

DeepSeek 모델을 사용할 때:
- 파일 경로와 줄 번호를 명확히 지정하세요
- 복잡한 작업에는 단계별 추론을 요청하세요
- 구조화된 출력 형식(JSON, 마크다운 테이블)을 사용하세요
- 예상되는 응답 길이를 지정하세요

온도 설정

작업	권장 온도
코드 생성	0.1 - 0.3
디버깅	0.2 - 0.4
창의적 탐색	0.5 - 0.7
코드 검토	0.1 - 0.2

비용 비교

모델	입력/1M 토큰	출력/1M 토큰
DeepSeek V3	$0.14	$0.28
DeepSeek R1	$0.55	$2.19
GPT-4o	$5.00	$15.00
Claude 3.5 Sonnet	$3.00	$15.00

2026년 기준 가격. DeepSeek은 훨씬 더 비용 효율적입니다.

문제 해결

문제	해결책
"모델을 사용할 수 없음"	API 키가 유효하고 크레딧이 있는지 확인
느린 응답	더 작은 모델을 사용하거나 스트리밍을 활성화
추론 콘텐츠 표시	프록시 또는 필터 사용(위 참조)
Ollama 연결 거부	Ollama가 실행 중이고 포트에 접근 가능한지 확인
중국어 출력	프롬프트에 "Respond in English" 추가

빠른 참조

# DeepSeek API 테스트
curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-chat",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

# Ollama 모델 목록
ollama list

# Ollama 상태 확인
curl http://localhost:11434/api/tags

사용 가능한 DeepSeek 모델​

방법 1: 네이티브 DeepSeek 지원(권장)​

1단계: API 키 가져오기​

2단계: Cursor에서 구성​

3단계: DeepSeek 모델 선택​

방법 2: OpenRouter를 통해 DeepSeek 사용​

설정​

사용 가능한 OpenRouter DeepSeek 모델​

방법 3: Ollama를 사용한 로컬 DeepSeek​

Ollama 설치​

DeepSeek 모델 가져오기​

Ollama용 Cursor 구성​

Ollama 연결 문제 해결​

방법 4: LiteLLM 프록시를 통해 DeepSeek V4​

LiteLLM 설정​

Cursor 구성​

추론 콘텐츠 처리​

문제​

해결책: 프록시로 필터링​

코딩용 DeepSeek 최적화​

시스템 프롬프트​

온도 설정​

비용 비교​

문제 해결​

빠른 참조​

관련 리소스​