이 글에서 다루는 내용
OpenClaw의 정체, 탄생 배경, 핵심 동작 방식, 그리고 기존 클라우드 AI 챗봇과 어떻게 다른지 한 번에 정리합니다. 2026년 초 기준 GitHub에서 가장 빠르게 성장한 오픈소스 AI 프로젝트 중 하나로 꼽히는 OpenClaw는 "내 기기에서 돌아가는 개인 AI 비서"를 표방합니다. 이 글은 설치 가이드가 아니라 개념과 구조를 먼저 이해하려는 분들을 위한 입문 글입니다.
1. OpenClaw 한 문장 정의
1-1. 핵심 개념
OpenClaw는 사용자의 노트북, 홈랩, VPS 등 사용자가 직접 통제하는 환경에서 실행되는 오픈소스 개인용 AI 어시스턴트입니다. 핵심 아이디어는 두 가지입니다. 첫째, AI 모델과 메신저를 연결해 평소 쓰던 채팅 앱에서 AI와 대화합니다. 둘째, 단순 답변이 아니라 실제 작업(이메일 발송, 파일 조작, 일정 관리, 코드 배포 등)을 자율적으로 수행합니다.
기존 SaaS 기반 AI 비서가 "질문 → 답변"에 머무는 반면, OpenClaw는 에이전트 오케스트레이션과 퍼시스턴트 메모리를 통해 실행까지 처리하는 방향을 택했습니다. 모델 추론 자체는 외부 API를 호출하더라도, 데이터·키·실행 환경은 사용자 인프라에 둡니다.
1-2. 일반 AI 챗봇과의 차이
| 구분 | 일반 AI 챗봇 (SaaS) | OpenClaw |
|---|---|---|
| 실행 위치 | 공급자 서버 | 사용자 기기 · 홈랩 · VPS |
| 주요 인터페이스 | 전용 웹·앱 | 기존 메신저(WhatsApp, Telegram, Slack 등) |
| 데이터 보관 | 공급자 인프라 | 사용자 인프라 |
| 작업 수행 | 답변 중심 | 에이전트 기반 실제 작업 실행 |
| 라이선스 | 상용 | 오픈소스 |
ℹ️ OpenClaw는 모델을 직접 학습·배포하는 프로젝트가 아니라, 기존 LLM을 사용자의 워크플로에 "꽂아 넣어" 실제 작업을 수행하게 만드는 에이전트 계층에 가깝습니다.
2. 탄생 배경과 이름의 여정
2-1. 주말 프로젝트로 시작된 Clawdbot
OpenClaw는 오스트리아 개발자 Peter Steinberger가 2025년 11월 주말 프로젝트로 시작했습니다. "WhatsApp에서 AI와 채팅할 수 있으면 어떨까"라는 단순한 아이디어에서 출발해 하나의 모델 연결 봇으로 공개된 것이 첫 버전이었고, 이때의 이름은 Clawdbot이었습니다. Claude와 claw(발톱)의 말장난이었습니다.
2-2. 상표 이슈로 인한 두 번의 리네이밍
Anthropic 측에서 Claude와 혼동될 수 있다는 상표 이슈를 제기하면서 이름을 바꿔야 했습니다. 커뮤니티에서 "lobster가 탈피(molt)하며 성장한다"는 상징을 살려 Moltbot으로 변경했다가, 최종적으로 프로젝트의 개방성과 브랜드 독립성을 강조하기 위해 OpenClaw로 정착했습니다.
2-3. 2026년 현재 거버넌스
프로젝트는 초기부터 폭발적인 관심을 받으며 2026년 2월 기준 GitHub 스타 20만 개 이상을 기록했고, 같은 시기 Peter Steinberger가 OpenAI에 차세대 개인용 에이전트 개발을 위해 합류하면서 프로젝트 소유권은 독립 오픈소스 재단으로 이관되었습니다. 단일 기업의 로드맵에 묶이지 않고 커뮤니티 기반으로 유지되는 구조입니다.
💡 저장소 이력을 보면 이름이 세 번 바뀐 흔적이 그대로 남아 있습니다. 오래된 튜토리얼에서 Clawdbot이나 Moltbot이라는 표기를 만나면 모두 동일한 프로젝트의 이전 이름이라고 이해하면 됩니다.
3. OpenClaw의 주요 특징
OpenClaw 동작 구조 사용자 평소 쓰는 메신저 Telegram·Slack 등 자연어 명령 OpenClaw 인스턴스 사용자 PC·홈랩·VPS 에이전트 오케스트레이션 퍼시스턴트 메모리 LLM 모델 API 로컬 도구·파일 데이터·키·실행은 사용자 인프라에, 모델 추론만 외부 API에 위임3-1. 메신저 중심 인터페이스
OpenClaw는 별도의 전용 앱을 강제하지 않습니다. 대신 사용자가 이미 쓰고 있는 메신저를 프런트엔드로 삼습니다. 공식적으로 언급된 연동 대상은 다음과 같습니다.
- WhatsApp, Telegram, Signal, iMessage
- Slack, Discord, Microsoft Teams, Google Chat
- Matrix, Zalo
따로 새로운 앱을 설치·학습할 필요 없이, 평소에 쓰던 방에 OpenClaw를 초대해 메시지를 보내는 방식으로 사용할 수 있다는 점이 설계상 가장 큰 특징입니다.
3-2. 로컬 실행과 데이터 주권
OpenClaw의 정체성은 "인프라·키·데이터를 내가 들고 있는다"는 점에 있습니다. 모델 호출은 외부 API(예: 클라우드 LLM)를 쓸 수도 있지만, 에이전트 실행 환경과 대화 컨텍스트, 파일 접근 범위는 사용자가 직접 관리하는 머신 위에 존재합니다. 홈랩 서버, 개인 VPS, 혹은 평소 쓰는 노트북 어느 쪽에서든 돌릴 수 있게 설계되어 있습니다.
3-3. 에이전트 오케스트레이션과 퍼시스턴트 메모리
OpenClaw는 단발성 질의응답을 넘어, 여러 도구를 조합해 "작업의 흐름"을 수행하도록 설계되어 있습니다. 이메일을 읽어 요약한 뒤 캘린더에 일정을 추가하고, 결과를 메신저로 알려주는 식의 복합 작업이 에이전트 단위로 구성됩니다. 또 퍼시스턴트 메모리를 지원하기 때문에 이전 대화와 작업 맥락이 세션을 넘어 유지됩니다.
4. 사용 전 반드시 알아야 할 권한 이슈
4-1. 요구하는 접근 권한의 범위
OpenClaw가 "실제 작업"을 수행하려면 그만큼 넓은 권한을 부여받아야 합니다. 공개된 문서와 커뮤니티 설명에 따르면 일반적으로 아래 수준의 접근이 요구됩니다.
- 로컬 파일 시스템 읽기·쓰기
- 브라우저 히스토리 및 일부 브라우징 자동화
- 이메일 계정(IMAP/SMTP 등)
- 비밀번호 관리자 또는 시크릿 스토어
- 셸 명령 실행 권한
이는 클라우드 챗봇이 "텍스트만 보는" 것과는 질적으로 다른 범위이며, 잘못 설정하면 한 번의 프롬프트로 시스템 상태가 바뀔 수 있다는 뜻이기도 합니다.
4-2. 실전 운영에서의 주의점
⚠️ OpenClaw를 처음 도입할 때는 메인 개발 장비에 바로 설치하기보다 VM이나 전용 리눅스 계정에서 돌리는 편을 권장합니다. 권한 범위가 넓어서, 프롬프트 인젝션이나 예상치 못한 자동화 경로가 실제 시스템 변경으로 이어질 수 있습니다.
개인적으로 에이전트형 도구를 세팅할 때는 "이 에이전트가 내 git 저장소에 커밋을 푸시할 권한이 있는가?", "내 메일 보관함에 read-only인가 아니면 답장까지 보낼 수 있는가?"를 명시적으로 적어두고 시작합니다. OpenClaw도 같은 관점에서 역할과 권한을 분리해 두는 편이 안전합니다.
5. 어떤 사람에게 맞는 도구인가
| 사용 성향 | OpenClaw 적합도 |
|---|---|
| 클라우드에 데이터 맡기기를 꺼리고 홈랩·VPS를 직접 운영 | 매우 적합 |
| 메신저 기반으로 모든 것을 처리하는 워크플로 선호 | 매우 적합 |
| 단순 Q&A 용도, 장문 글쓰기 보조만 필요 | 과한 선택 |
| 서버·셸·권한 관리에 익숙하지 않음 | 학습 곡선 부담 |
요약하면 OpenClaw는 "내 환경과 내 권한 안에서 에이전트를 돌리고 싶다"는 수요를 정면으로 겨냥한 도구입니다. 반대로 AI와의 단순 대화나 글 교정 수준만 필요하다면 일반 챗봇 쪽이 훨씬 가볍고 빠릅니다.
트러블슈팅 · 자주 헷갈리는 지점
문제 1: Clawdbot, Moltbot, OpenClaw가 다른 프로젝트인가?
같은 프로젝트입니다. 이름 변경만 있었을 뿐 저장소·코어 기능은 연속입니다. 구 버전 블로그 글이나 영상에서 Clawdbot·Moltbot이라는 명칭을 만나면 현재의 OpenClaw로 치환해 읽으면 됩니다.
문제 2: 로컬 실행이면 LLM 모델도 로컬에서 돌리는 건가?
꼭 그렇지는 않습니다. OpenClaw가 "로컬"이라고 말하는 지점은 에이전트 실행 환경과 데이터 보관을 뜻합니다. 모델 추론은 외부 클라우드 API를 호출하도록 구성할 수도 있고, Ollama 같은 로컬 추론 서버를 연결해 완전 오프라인 구성도 할 수 있습니다. 추론 백엔드는 선택지에 가깝습니다.
문제 3: Claude Code, MCP 서버와는 어떻게 다른가?
Claude Code는 터미널에서 코드 저장소를 다루는 데 특화된 CLI이고, MCP는 AI와 외부 도구를 연결하는 프로토콜 표준입니다. OpenClaw는 이들과 직접 경쟁한다기보다는, "메신저를 인터페이스로 삼아 여러 도구를 오케스트레이션하는 개인용 에이전트 호스트"에 가깝습니다. 구조적으로는 MCP 서버를 붙여 쓰는 방식이 충분히 가능한 설계입니다.
마무리
OpenClaw는 "AI는 답을 주는 존재"에서 "AI는 내 환경에서 실제로 일을 처리하는 에이전트"로 넘어가는 흐름을 가장 공격적으로 구현한 오픈소스 프로젝트 중 하나입니다. 클라우드 SaaS에 넘기던 데이터·키·실행 권한을 사용자 측으로 다시 가져오려는 시도이기도 합니다. 다음 글에서는 실제로 OpenClaw를 자기 서버에 설치하고 첫 메신저 연동까지 세팅하는 과정을 다루겠습니다.
'AI & LLM' 카테고리의 다른 글
| 클로드 플러그인 활용하기 - 설치부터 직접 만들기까지 (0) | 2026.04.24 |
|---|---|
| WSL2에 Ollama와 CUDA 설치해서 로컬 LLM GPU 가속 돌리기 (0) | 2026.04.23 |
| 하네스 엔지니어링이란? (1) | 2026.04.22 |
| 클로드 토큰 절약 방법 - 비용 레버 8가지 실전 정리 (1) | 2026.04.21 |
| MCP 서버 연동으로 Claude Code 확장하기 (1) | 2026.04.21 |
