💡 이번주 뉴스레터에는 이런 내용을 담았어요!

• OpenClaw 동작의 핵심이 되는 PI Agent를 소개합니다.
• OpenClaw에 반영된 철학과 기능의 원리를 정리했습니다.
• 국내 OpenClaw 활용 사례를 정리했습니다.

안녕하세요, 에디터 배니입니다.

민족 대명절 설입니다. 독자 여러분, 새해 복 많이 받으세요🙇‍♂️

출처: OpenClaw 홈페이지

OpenClaw가 세계적인 주목을 받고 있습니다. OpenClaw는 지난 1월 Clawdbot이라는 이름으로 등장한 오픈소스 AI Agent입니다. AI Agent는 말 그대로 내 일을 대신해주는, 대리인 같은 AI 모델이라고 볼 수 있습니다. 일반적인 AI 모델과 다른 점이 있다면, 사용자 요청에 따라 직접 작업 계획을 세우고 실행하는 로직을 설정한다는 것입니다. 또한, 원하는 목표에 도달할 수 있도록 외부 툴을 적절하게 활용하기도 합니다. Clawdbot은 Anthropic의 Claude와 이름이 비슷하다는 이유로 이름을 변경해달라는 요청을 받아, Moltbot이라는 임시 이름을 거쳐 지금의 OpenClaw로 정착하게 됐습니다. 이런 이슈가 오히려 더 큰 관심을 불러오는 계기가 되기도 했습니다.

OpenClaw가 주목받은 이유에는 넓은 확장성과 높은 편의성이 꼽힙니다. 과거 Anthropic의 MCP가 주목 받았던 이유도 Google Drive, Slack, GitHub 등 외부 소스를 쉽게 연동할 수 있기 때문이었는데요. 이번 OpenClaw도 다양한 툴을 연결하여 확장할 수 있다는 특징이 있습니다. 기본적으로 Anthropic에서 제안한 MCP 방식이 아닌 CLI를 통해 직접 명령어를 실행하기 때문에 API 키를 부여하는 것 외에 별도로 할 작업은 없습니다. 그리고 이러한 작업을 번거롭게 직접 입력하는 일이 없도록 편의성을 높였습니다. 사용자는 Discord, Whatsapp, Telegram 등 접근성이 높은 채팅 애플리케이션을 통해 대화하듯 명령을 내릴 수 있습니다.

이런 특성 덕분에 OpenClaw를 활용한 다양한 사례가 활발하게 공유되고 있습니다. 국내에서도 세계적인 흐름에 편승하여 OpenClaw 활용 사례가 속속 등장하고 있는데요. 어떻게 하면 OpenClaw를 더 잘 사용할 수 있을까요? 이번 뉴스레터에서는 OpenClaw 작동 방식과 활용 사례를 소개합니다.

PI Agent는 가능한 한 기능을 내부에 쌓아 두지 않고, 상태(State)와 작업 과정을 파일과 명령으로 처리하는 방식을 택합니다. 작업 목록이나 계획도 에이전트 내부 구조로 관리하지 않고 TODO.md나 PLAN.md 같은 파일에 기록한 뒤 이를 읽고 수정하면서 진행하도록 설계되어 있습니다. 이렇게 하면 세션이 바뀌어도 동일한 상태를 유지할 수 있고, 사람이 직접 내용을 확인하거나 수정할 수 있으며, 변경 이력까지 관리할 수 있어 투명성과 재현성이 높아집니다.

Mario Zechner는 이를 No To-Do, No Plan 원칙이라고 부릅니다. 많은 에이전트가 내부에 계획 모드나 작업 관리 시스템을 두지만, PI Agent는 이러한 구조가 모델이 추적해야 할 상태를 늘리고 복잡성을 높인다고 본 것입니다. PI Agent는 필요할 때만 파일 형태로 계획을 기록하고, 에이전트는 그 파일을 읽어 다음 행동을 결정합니다. 즉, 계획을 기능으로 내장하지 않고 작업의 일부로 취급하는 것입니다.

또 다른 특징은 No MCP입니다. 최근 에이전트 생태계에서 MCP 기반 도구 서버가 널리 사용되고 있지만, PI Agent는 이를 기본 구성으로 포함하지 않습니다. MCP를 도입하면 낭비하는 토큰이 많아지기 때문입니다. 실제로 일부 MCP 서버는 도구 설명만 수만 토큰에 이르는데요. 예를 들어, 브라우저 자동화 계열 MCP의 경우 약 13k~18k 토큰 수준의 설명이 초기 컨텍스트에 포함되기도 합니다. 이는 작업을 시작하기도 전에 컨텍스트 윈도우를 꽤 크게 소모하는 셈입니다. PI Agent는 대신 CLI 도구와 간단한 문서를 필요할 때만 읽도록 하여, 초기 토큰 사용량을 크게 줄이고 필요한 정보만 점진적으로 로드하는 방식을 선택했습니다.

💡 MCP(Model Context Protocol)

MCP는 하나의 공통 규격으로 다양한 시스템에 연결할 수 있도록 만든 AI 툴용 표준 연결 방식입니다. 기존 방식은 새로운 데이터 소스나 서비스가 추가될 때마다 각각 다른 API를 따로 구현해야 했고, 이 때문에 시스템이 점점 복잡해지고 확장도 어려워졌습니다.

이를 해결하기 위해 MCP는 도구와 데이터 소스가 자신의 기능과 사용 방법을 구조화된 형식으로 노출하고, AI 애플리케이션은 이 표준 인터페이스를 통해 동일한 방식으로 다양한 시스템을 호출할 수 있도록 설계되었습니다. 즉 서비스마다 서로 다른 API를 개별적으로 연동하는 대신, MCP라는 공통 규격만 지원하면 같은 방식으로 연결할 수 있는 구조입니다.

결국 PI Agent의 철학은 거대한 에이전트 프레임워크를 구축하기보다, 단순한 루프와 최소한의 도구 위에서 파일과 명령을 통해 문제를 해결하는 구조를 유지하는 것에 가깝습니다. 이는 동작을 이해하기 쉽고 제어 가능한 에이전트를 만드는 방향이라고 볼 수 있습니다.

OpenClaw의 작동 원리 © deep daiv.
Inspired by <OpenClaw Workflow and Automation - The Developer Guide> (Aravind Putrevu)

OpenClaw는 Workspace의 기본적인 설정들이 Memory, Tools & Skills, 그리고 LLM Models와 서로 연결된 구조입니다. Workspace는 에이전트의 행동을 실행시키는 지시 사항이 담겨 있어, 실행 시 이러한 정보를 불러옵니다. Agents.md에는 기본적인 Instruction이 담겨 있고, Soul.md에는 Persona를 비롯해 어떤 톤으로 응답할지와 같은 성격 특성이 담겨져 있습니다. 또한 Identity.md에는 에이전트의 명칭과 성격 등이 저장됩니다. 만약 우리가 대화를 통해 에이전트의 성격이나 이름을 부여했다면, 에이전트는 스스로 해당 정보를 업데이트합니다. 이렇게 반복적으로 원하는 정보를 요청하면, 사용자에 대한 정보가 누적되고 지시 사항에 대해서도 더욱 정교하게 다듬어 나갈 수 있습니다. 즉, 나만의 봇으로 길들이게 되는 것이죠. 이런 기본 사항에 더해서, OpenClaw는 2가지 핵심 특성이 더 있는데요. 바로 Memory와 Tools & Skills입니다.

Memory도 PI Agent의 철학을 따라 복잡한 파일이나 벡터 형식 등이 아니라 단순한 텍스트 설명이 담긴 Markdown 파일로 구성되어 있습니다. (다만, 작은 벡터 메모리는 검색할 수 있는 기능이 있습니다.) 이 Memory는 단순히 대화를 길게 보존하기 위한 로그가 아니라, 에이전트가 이후 행동을 결정할 때 참고하는 장기 기억의 저장소로 사용됩니다.

OpenClaw에서는 메모리를 사람이 읽고 수정할 수 있는 Markdown 문서 형태로 유지하고, 에이전트는 필요할 때 이 파일들을 검색하거나 읽어 현재 상황을 이해합니다. 예를 들어 사용자의 선호 설정, 반복적으로 수행하는 작업, 최근 진행한 프로젝트 상태 같은 정보가 기록되며, 에이전트는 작업을 시작할 때 관련된 메모리를 불러와 맥락을 이어갑니다. 이렇게 하면 세션이 종료되더라도 기억이 유지되고, 잘못된 정보가 저장되었을 때도 파일을 직접 수정해 바로 교정할 수 있습니다.

Memory files의 형태

출처: OpenClaw 공식 개발 문서

또한 OpenClaw의 Memory는 단순히 하나의 파일에 모든 내용을 누적하는 방식이 아니라, 작업이나 날짜 단위로 나누어 기록하고 필요할 때 검색하는 구조를 취합니다. 이는 장기적으로 메모리가 많아지더라도 필요한 정보만 빠르게 찾을 수 있도록 하기 위한 설계입니다. 실제로 에이전트는 모든 메모리를 한 번에 읽는 것이 아니라, 현재 작업과 관련된 메모리만 선택적으로 불러와 사용합니다. 이 방식은 토큰 사용량을 줄이면서도 장기 기억을 유지할 수 있도록 설계된 구조입니다.

이러한 Memory 구조는 실제 자동화 봇을 만들 때 특히 유용합니다. 예를 들어, 일정 관리 봇이라면 Memory에 사용자의 근무 시간, 자주 사용하는 회의 링크, 선호하는 일정 배치 방식 등을 기록해 두고, 다음 예약을 생성할 때 이를 참고할 수 있습니다. 트레이딩 매매봇의 경우에는 최근 전략, 리스크 기준, 현재 보유 자산 상태 등을 기록해 두고 다음 의사결정에 반영할 수 있습니다. 이처럼 Memory는 단순한 기록을 넘어, 에이전트가 시간이 지나면서 사용자와 환경을 이해하고 점점 더 개인화된 행동을 하도록 만드는 기반이 됩니다.

Memory가 에이전트의 장기적인 상태를 다루는 구조라면, Tools와 Skills는 실제 행동을 수행하기 위한 수단이라고 볼 수 있습니다. OpenClaw에서 Tools는 에이전트가 직접 실행할 수 있는 명령이나 프로그램을 의미합니다. 예를 들어 파일을 읽거나 수정하는 도구, 쉘 명령을 실행하는 도구, 웹에서 정보를 가져오는 도구 등이 여기에 해당합니다. 도구는 가능한 한 단순하게 유지되며 필요할 때만 호출됩니다. 에이전트가 모든 기능을 내부에 구현하려고 하지 않고, 외부 명령과 프로그램을 활용해 문제를 해결하도록 설계된 것입니다.

Skills는 이러한 도구를 조합해 특정 목적을 수행하는 작은 작업 단위라고 볼 수 있습니다. 하나의 Skill은 보통 몇 개의 명령이나 파일 처리 과정을 묶어 반복적으로 사용할 수 있도록 만든 것입니다. 예를 들어, 프로젝트 상태를 정리하는 Skill이라면, 관련 로그를 읽고 요약을 생성한 뒤 REPORT.md에 기록하는 일련의 과정을 하나의 작업으로 정의할 수 있습니다. 이렇게 만들어 둔 Skill은 이후 다른 작업에서도 재사용할 수 있습니다.

이 구조는 에이전트를 점점 더 유용하게 만드는 데 중요한 역할을 합니다. 단순한 명령 실행만 가능할 때는 매번 같은 절차를 다시 설명해야 하지만, 자주 사용하는 작업을 Skill로 만들어 두면 에이전트는 훨씬 적은 지시만으로도 원하는 결과를 만들어낼 수 있습니다. 즉, Tools가 개별적인 행동의 단위라면, Skills는 경험을 통해 만들어진 행동의 패턴에 가깝습니다.

현재 OpenClaw가 지원하는 Skill들. 이외에도 다양한 Skill을 추가할 수 있다.

출처: <OpenClaw Tutorial: Installation to First Chat Setup> (Code Academy Teams)

실제 활용 사례를 보면, 프로젝트를 진행하면서 반복적으로 수행하는 작업을 Skill 형태로 정리해 두고 있습니다. 매일 작업 로그를 정리하고 TODO를 갱신하는 과정, 새로운 데이터셋을 다운로드하고 전처리한 뒤 결과를 특정 폴더에 저장하는 과정 등을 하나의 Skill로 만들어 사용하면, 본인에게 필요한 과정을 반복적으로 입력할 필요 없이 에이전트가 알아서 하게 됩니다. 에이전트는 작업의 맥락을 이해한 상태에서 일관된 방식으로 결과를 생성할 수 있고, 작업 과정 역시 파일로 남기 때문에 사람이 직접 확인하거나 수정하기도 쉽습니다.

OpenClaw는 개념적으로 아는 데 그쳐서는 도움이 되지 않습니다. 직접 실행해봐야 그 진가를 알 수 있는데요. 세계적으로 이미 많은 활용 사례들이 소개되고 있습니다. 결국 본인의 목적에 맞게 사용하는 것이 중요한데, 개인적으로 활용법을 찾아보면서 소개하고 싶었던 국내 개발 사례를 몇 가지 소개합니다.

1. 주식 및 코인 매매

이런 설명만 들어도 ‘나만의 AI 비서’를 얼른 가지고 싶다는 생각이 들죠. 서버가 꺼지지만 않는다면 이런 나만의 AI 비서를 24시간 하루 종일 동작시킬 수 있습니다. Mac Mini M4가 품귀 현상이 나타난 이유도 바로 여기에 있습니다. 사실 어떤 컴퓨터라도 꺼지지만 않으면 되지만, 전력 소모가 낮으면서 로컬 LLM까지 구동할 수 있는 Mac Mini가 OpenClaw를 24시간 실행시키기에 최적의 PC로 꼽힌 것입니다. 서버가 아닌 로컬에서 구현하면 민감한 정보 유출에 대한 우려도 줄어들고요. 참고로 LLM API를 사용한다면 비용 지출이 과도하게 될 수도 있으니 유의하셔야 합니다.

하지만 여전히 보안에 대한 우려는 존재합니다. 실제로 해외에서는 이미 연락처에 접근하여 무단으로 메시지를 발송하거나, API 키, 메일 주소와 같은 민감 데이터에 접근한 사건이 발생하여 큰 이슈가 됐습니다. 하지만 미래는 분명히 오고 있습니다. OpenClaw에게 많은 권한을 준다면 분명히 그만큼 편한 삶을 영위할 수 있겠지만, 또 그만큼 위험을 감수해야 할 것입니다. 우리가 꿈꾸던 아이언 맨의 ‘자비스’를 만들려면 실제로 ‘나’에 대해서 많이 알고 있어야 하니, 어쩌면 당연한 일인 듯싶습니다. OpenClaw는 가능성을 보여준 것일 뿐입니다. 음성 툴을 붙이는 것은 이제 시간 문제고, 모두가 개인 AI봇을 두고 살아갈 날이 머지 않은 듯합니다.