0. 서문: AI 협업 개혁의 물결을 타며
우리는 반달 넘게 OpenClaw를 만지작거리며 많은 함정에 빠졌지만, 동시에 흥미로운 것들도 만들어냈습니다.
간단한 아이디어에서 시작됐어요: AI가 나를 위해 일만 하는 것 이상을 할 수 있을까? 나를 기억하고, 이해하고, 나와 협력할 수 있을까? Agent Teams와 OMO를 시도해봤지만, 항상 뭔가 빠진 듯한 느낌이 들었습니다. 그러다 OpenClaw를 발견하고, 이를 이용해 4인 AI 팀—우리의 "Lobster 4 Brothers"를 만들었습니다.
이 글은 우리의 현장 기록입니다: 우리가 겪은 함정, 탐구한 플레이, 그리고 최종 성과. 높은 수준의 이론은 없고, 평범한 사람들이 AI를 만지작거린 실제 경험입니다. 여러분께 가치가 있길 바랍니다.
1. AI 협업 물결의 선구자들
📷
OpenClaw에 뛰어들기 전에, 이 분야에서 다른 사람들이 무엇을 하고 있는지 살펴볼 가치가 있어요. 두 가지 경로가 특히 주목할 만합니다: Agent Teams와 OMO.
1.1 Agent Teams: AI 팀 토론실
Agent Teams는 Claude Code의 실험에서 시작됐어요. 핵심 아이디어는 간단합니다: 하나의 AI가 혼자 작업하는 대신, 여러 AI가 팀을 이루어 다양한 관점에서 생각하고 합의에 도달하는 것입니다.
이 아키텍처는 몇 가지 핵심 역할을 가집니다. 팀 리드는 요구 사항을 이해하고, 작업을 분할하며, 일을 할당합니다. 팀원들은 독립적으로 생각하고, 때로는 토론하며, 최종적으로 통일된 계획을 세웁니다. 관찰자는 가끔 추가 정보나 관점을 제시합니다.
이 접근 방식은 분명한 이점이 있습니다. 첫째는 속도입니다—한 사람이 해결하지 못하는 문제도 10분 안에 세 사람이 논의하면 명확해질 수 있습니다. 둘째는 다양한 관점입니다—동일한 문제를 제품, 기술, 비즈니스 측면에서 접근할 수 있습니다. 셋째는 높은 오류 허용성입니다—한 사람이 실수해도 다른 두 사람이 이를 발견할 수 있습니다.
하지만 시간이 지나면서 문제가 드러납니다. 첫째는 메모리입니다. 새로운 대화가 시작될 때마다 팀 리드와 팀원들은 서로를 다시 알아가야 합니다. 이전 결론은 기억되지 않습니다. 둘째는 역할 경계가 모호해진다는 점입니다. 때로는 팀 리드가 코드를 작성하고 팀원이 전략을 지시하기도 합니다. 마지막으로 지속적인 발전이 부족합니다. 모범 사례가 기록되지 않고 사라집니다.
따라서 Agent Teams는 효율적인 토론실과 같아서, 일회성 문제 해결에는 적합하지만 장기적인 동반자 관계에는 적합하지 않습니다.
1.2 OMO: AI 엔지니어링 파이프라인
또 다른 경로는 OMO, 즉 Oh My OpenCode입니다. 핵심 개념은 AI 워크플로우를 표준화된 파이프라인으로 전환하는 것입니다.
OMO는 사전에 역할과 권한을 정의합니다. 라우팅 레이어가 작업을 여러 Agent에 분배합니다. 각 Agent의 Prompt는 고정되어 있고, 출력 형식은 엄격합니다. 여러 모델이 병렬로 실행될 수 있습니다.
이점으로는 엄격한 프로세스, 좋은 도구 통합, 안정적이고 예측 가능한 출력이 있습니다.
하지만 OMO는 유연성이 부족합니다. 작업이 사전 설정된 흐름에서 약간이라도 벗어나면 OMO는 당황합니다. 구성이 복잡해서 많은 파일과 미들웨어가 필요합니다. 학습 능력이 약하며, 메모리는 수동 설정 업데이트에 의존합니다.
따라서 OMO는 고도로 자동화된 조립 라인과 같아서, 대규모 표준화 생산에는 적합하지만 유연한 시나리오에는 적합하지 않습니다.
1.3 요약: 두 경로 모두 한계가 있다
Agent Teams는 복잡한 문제에 대한 폭발력에 중점을 둡니다. OMO는 표준화된 작업을 위한 프로세스에 중점을 둡니다.
하지만 둘 다 공통된 사각지대가 있습니다: 인간과 AI의 장기적인 협력을 고려하지 않는다는 점입니다. Agent Teams는 AI를 임시 직원으로 취급하고, OMO는 AI를 기계로 취급합니다.
OpenClaw는 다른 길을 갑니다. 폭발력이나 프로세스에서 경쟁하는 대신, 깊이—인간과 AI 간의 깊은 이해, 장기 기억, 지속적인 진화—에서 경쟁합니다.
2. OpenClaw의 독특한 철학
📷
Agent Teams가 토론실이고 OMO가 파이프라인이라면, OpenClaw는 무엇일까요?
OpenClaw의 철학은 우리의 필요에 완벽하게 맞습니다. 네 가지 핵심 기능을 제공합니다: 메모리 시스템, 성격 정의, 휴먼 인 더 루프, 스킬 생태계. 간단히 말해, 메모리는 "금붕어 기억력"을 방지하고, 성격은 Agent에 개성을 부여하며, 휴먼 인 더 루프는 통제력을 유지하게 하고, 스킬은 무한 확장을 가능하게 합니다.
2.1 메모리 시스템
이것이 근본적인 차이점입니다. 대부분의 AI 시스템은 매번 처음부터 시작합니다. OpenClaw는 이를 허용하지 않습니다. 우리는 두 계층 구조를 설계했습니다: MEMORY.md는 장기 기억(결정, 경험, 목표)을, 메모리 폴더는 일상 노트를 담당합니다.
2.2 성격 정의
OpenClaw는 SOUL.md를 사용하여 Agent의 핵심 가치, 행동 규범, 의사소통 방식을 정의합니다. 어떤 것은 기술적이고 간결하며, 다른 것은 창의적이고 활기차게 작성됩니다.
2.3 휴먼 인 더 루프
우리는 인간이 결정 루프에 남아 있어야 한다고 주장합니다. 이는 Discord에서의 실시간 통신, 작업 차단 또는 롤백 기능, 공동 의사 결정을 통해 달성됩니다.
2.4 스킬 생태계
OpenClaw는 Skills 메커니즘을 사용하여 Agent가 자신의 능력을 확장할 수 있게 합니다. Skill은 플러그 가능한 모듈로, 모든 Agent가 호출할 수 있습니다.
2.5 세 프레임워크 비교
차원 | Agent Teams | OMO | OpenClaw |
|---|---|---|---|
협업 모드 | 토론 방식 | 파이프라인 방식 | 협업 공간 |
메모리 용량 | 세션 수준 | 약함 | 장기 기억 |
성격 정의 | 임시 | 고정 | SOUL.md |
휴먼 인 더 루프 | 선택 사항(승인 + 후크) | 약함 | 깊은 통합 |
학습 능력 | ★★★ | ★★★ | ★★★★ |
적용 시나리오 | 빠른 프로토타이핑 | 대규모 생산 | 장기적 동반자 관계 |
부록: OpenClaw의 .md 파일 시스템
SOUL.md는 "Agent가 누구인지" 정의하고, MEMORY.md는 "무엇을 배웠는지" 기록하며, memory/는 "일상 활동"을 저장하고, AGENTS.md는 "행동 방법"을 알려주며, HEARTBEAT.md는 "확인할 사항"을 상기시킵니다.
3. 핵심 기둥: 메모리와 성격
📷
3.1 메모리 시스템: AI의 하드 드라이브
OpenClaw의 메모리는 장기 기억, 일일 로그, 검색 메커니즘으로 구성됩니다. 우리는 memory_search와 memory_get을 사용하여 의미 검색을 수행하며, 전체 로딩에 비해 토큰을 50%-80% 절약합니다.
3.2 성격 정의: SOUL.md의 힘
SOUL.md는 내가 누구인지, 내 가치관, 내 행동 규범을 정의합니다. 우리 팀에는 4명의 Agent가 있습니다: 황지아 1호(조정자), 기술 컨설턴트, 창의적 파트너, 싱크 탱크(전략).
3.3 메모리와 성격의 시너지
메모리는 맥락을 제공하고, 성격은 그것을 사용하는 방법을 결정합니다. 기술 Agent는 기록 속의 데이터에 초점을 맞추는 반면, 창의적 Agent는 감정적 공명에 집중합니다.
4. 깊은 협업: 원활한 인간-AI 연결
📷
4.1 휴먼 인 더 루프: 통제력 유지
OpenClaw의 아키텍처는 실시간 개입, 작업 승인, 공동 의사 결정을 지원합니다.
4.2 sessions_send: 에이전트 간 통신
Agent는 sessions_send를 통해 통신합니다. 이 과정은 비차단적이며 비동기적입니다. 예를 들어, 조정자는 기술 컨설턴트에게 스크립트를 준비하라고 말할 수 있고, 기술 컨설턴트는 창의적 파트너에게 데이터가 준비되었다고 알릴 수 있습니다.
4.3 스킬 생태계: 무한 확장
스킬은 독립적인 모듈입니다. 커뮤니티에는 5,000개 이상의 스킬이 있습니다. 우리는 트윗 분석, 일러스트 생성, 팟캐스트 제작을 위한 자체 스킬을 작성했습니다.
4.4 협업을 통한 창발
여러 Agent가 sessions_send를 통해 연결되고 전문화된 스킬을 사용할 때, "창발"이 발생합니다—전체가 부분의 합보다 더 커집니다.
4.5 나만의 에이전트 팀 구축
각 Agent는 고유한 작업 공간 폴더가 있는 독립적인 Gateway 인스턴스를 실행합니다. 우리는 Lobster 4 Brothers에 맞는 느낌을 얻기 위해 SOUL.md 파일을 미세 조정하는 데 일주일을 보냈습니다.
5. OpenClaw 실제 사례
📷
5.1 사례 1: 트윗 스타일 분석기
📷
우리는 twitter-crawler 스킬을 사용하여 높은 참여율의 트윗을 분석했습니다. 싱크 탱크가 표본 크기에 의문을 제기했고, 더 강력한 결론에 도달했습니다: 성과가 좋은 트윗은 "구체적인 결과 + 실용적 가치 + 수치적 증거"를 결합합니다.
5.2 사례 2: 자동 일일 보고서 시스템
📷
우리는 MEMORY.md와 HEARTBEAT.md를 확인하여 오후 10시에 정제된 일일 보고서를 보내는 크론 기반 시스템을 만들어, 어떤 작업도 잊히지 않도록 했습니다.
5.3 사례 3: 세션 충돌 자동 복구
📷
세션 파일 오류로 Gateway가 충돌했을 때, 로그를 모니터링하고 오류가 임계값을 초과하면 자동으로 Gateway를 재시작하는 헬스 체크 스킬을 구축했습니다.
5.4 사례 4: QMD 메모리 최적화
📷
전체 MEMORY.md(1500 토큰)를 읽는 대신, 의미 검색을 사용한 "요청 시 검색" 방식을 구현하여 비용과 지연 시간을 대폭 줄였습니다.
6. 디지털 트윈: OpenClaw의 궁극적 비전
📷
6.1 디지털 트윈이란?
디지털 트윈은 대체물이 아닙니다. 여러분의 선호도를 이해하고, 사고 방식을 모방하며, 작업을 자율적으로 처리하는 디지털 버전의 여러분입니다.
6.2 진화 경로
📷
- 1단계: 당신을 보기(모니터링 + 메모리) — 달성됨
- 2단계: 당신을 이해하기(학습 + 분석) — 진행 중
- 3단계: 당신을 돕기(지원 + 예측) — 중기
- 4단계: 당신을 대체하기(자율 실행) — 장기
6.3 OpenClaw는 현재 어디에 있나?
1단계가 검증되었으며, ActivityWatch를 사용하여 작업 패턴을 추적하며 2단계로 넘어가고 있습니다.
6.4 길 위의 도전 과제
프라이버시 대 편의성, 자율성 대 통제의 경계, 진화와 안정성 사이의 균형.
6.5 마무리 말
📷
OpenClaw는 실험입니다. 우리는 AI의 미래는 공동 창작이지, 대체가 아니라고 믿습니다.
부록: OpenClaw 빠른 시작
- OpenClaw 설치 GitHub를 통해.
- 첫 번째 Agent 정의 SOUL.md로.
- 메모리 시스템 구축 MEMORY.md로.
- 스킬 선택 커뮤니티에서.
- 대화 시작 Discord에서.
Website: https://docs.openclaw.ai
