카테고리 없음

🦞 OpenClaw과 NanoClaw, AI를 '비서'로 만드는 메모리와 스킬의 비밀

블로글러 2026. 2. 7. 18:53 
    ╔══════════════════════════════════════╗
    ║     🧠 MEMORY    ⚡ SKILLS          ║
    ║   ┌─────────┐   ┌─────────┐        ║
    ║   │MEMORY.md│   │SKILL.md │        ║
    ║   │ 2026-02 │   │ Tools   │        ║
    ║   │ context │   │ Actions │        ║
    ║   └────┬────┘   └────┬────┘        ║
    ║        │             │              ║
    ║   ┌────┴─────────────┴────┐        ║
    ║   │    AI AGENT CORE      │        ║
    ║   │  OpenClaw / NanoClaw  │        ║
    ║   └───────────┬───────────┘        ║
    ║         ┌─────┴─────┐              ║
    ║    WhatsApp  Telegram  Slack       ║
    ╚══════════════════════════════════════╝

 

ChatGPT에게 어제 나눈 대화를 물어보면 어떤 답이 돌아올까요? 대부분 "이전 대화 내용은 기억하지 못합니다"입니다.

Claude도 제한적인 메모리만 제공합니다. 매번 같은 맥락을 반복 설명해야 하는 경험, 한 번쯤 해보셨을 겁니다.

이 글을 읽으면 AI가 나를 기억하고, 스킬을 통해 실제 업무를 처리하는 에이전트 아키텍처의 핵심을 이해할 수 있습니다.

AI를 도구에서 비서로 바꾸는 열쇠는 메모리 시스템과 스킬 아키텍처에 있습니다.

한줄요약: 결론부터 말하면, OpenClaw과 NanoClaw은 AI에게 '장기 기억'과 '행동 능력(스킬)'을 부여해 기존 챗봇을 진짜 개인 비서로 탈바꿈시키는 오픈소스 에이전트 프레임워크입니다.

배경

2026년 1월, OpenClaw(구 Clawdbot, Moltbot)이라는 프로젝트가 GitHub 스타 16만 개를 돌파하며 화제가 되었습니다.

오스트리아 개발자 Peter Steinberger가 만든 이 프로젝트는 "AI가 실제로 일을 하게 만든다(AI that actually does things)"는 슬로건으로 등장했습니다.

기존 AI 도구들의 한계는 명확합니다. 세션이 끝나면 대화 맥락이 사라지고, 사용자가 먼저 프롬프트를 입력해야만 작동하며, 외부 서비스와의 연동이 제한적입니다.

AI 에이전트란, 사용자의 맥락을 기억하고 외부 도구를 활용해 자율적으로 작업을 수행하는 AI 시스템을 말합니다.

 

OpenClaw과 그 경량 대안인 NanoClaw은 이 문제를 메모리와 스킬이라는 두 축으로 해결합니다.

다만 접근 방식이 근본적으로 다릅니다. OpenClaw은 풍부한 기능과 생태계를, NanoClaw은 보안과 단순함을 우선합니다.

메모리 시스템: AI가 나를 기억하는 방법

기존 챗봇이 금붕어라면, OpenClaw의 메모리 시스템은 비서가 업무 일지를 쓰는 것에 가깝습니다. 핵심은 놀랍도록 단순합니다. 메모리의 원본은 마크다운 파일입니다.

OpenClaw의 워크스페이스 구조를 보면 이 철학이 선명하게 드러납니다.

~/.openclaw/workspace/
├── SOUL.md          # 에이전트의 성격과 말투 정의
├── USER.md          # 사용자 정보 (이름, 관심사, 타임존)
├── MEMORY.md        # 장기 기억 (핵심 정체성, 선호도)
├── AGENTS.md        # 행동 규칙과 워크플로우
├── memory/          # 일별 메모리 로그
│   ├── 2026-02-06.md
│   └── 2026-02-07.md
└── skills/          # 커스텀 스킬 폴더

 

벡터 데이터베이스에 기억을 숨기는 방식이 아니라, 사람이 직접 읽고 편집할 수 있는 마크다운 파일이 진실의 원본(source of truth)입니다. 이 설계가 가져오는 이점은 세 가지입니다.

 

투명성. 내 AI가 나에 대해 무엇을 기억하는지 텍스트 에디터로 바로 확인하고 수정할 수 있습니다. 벡터 DB에 저장된 임베딩 값을 들여다보는 것과는 차원이 다른 경험입니다.

 

영속성. 세션이 종료되어도 파일은 남습니다. OpenClaw은 컨텍스트 윈도우가 한계에 도달하면 자동으로 메모리 플러시(memory flush)를 실행합니다. 대화가 압축(compaction)되기 직전, AI에게 "지금 중요한 내용을 memory/YYYY-MM-DD.md에 저장하라"는 조용한 지시를 내립니다. 사용자는 이 과정을 인지하지 못하지만, 중요한 맥락은 디스크에 기록됩니다.

 

검색 가능성. 단순히 저장만 하는 게 아닙니다. OpenClaw은 BM25 키워드 검색과 벡터 유사도 검색을 결합한 하이브리드 서치를 구현합니다. "지난주 프로젝트 회의에서 결정한 내용"처럼 의미적으로 유사한 질문에도 관련 기억을 찾아냅니다.

NanoClaw도 메모리를 지원하지만 접근이 다릅니다. 각 WhatsApp 그룹마다 독립된 CLAUDE.md 파일을 유지하고, 이 파일이 해당 그룹의 격리된 컨테이너 안에서만 접근 가능합니다.

OpenClaw처럼 정교한 벡터 검색은 없지만, 그룹 간 메모리가 완전히 격리되어 보안 측면에서 우위에 있습니다.

스킬 시스템: AI에게 손과 발을 달아주는 방법

메모리가 AI의 두뇌라면, 스킬은 AI의 손과 발입니다. OpenClaw의 스킬 시스템은 SKILL.md라는 마크다운 파일 하나로 AI에게 새로운 능력을 가르치는 구조입니다.

스킬의 작동 원리를 간단히 설명하면 이렇습니다. 시스템 프롬프트에 "이런 스킬이 있다"는 메타데이터(이름, 설명, 위치)만 주입합니다.

AI가 해당 스킬이 필요하다고 판단하면 그때 SKILL.md 파일을 읽어 구체적인 사용법을 학습합니다.

컨텍스트 윈도우를 절약하면서도 수백 개의 스킬을 사용할 수 있는 영리한 설계입니다.

ClawHub이라는 공개 스킬 저장소에는 현재 700개 이상의 커뮤니티 스킬이 등록되어 있습니다. 실제 활용 사례를 몇 가지 들면 다음과 같습니다.

일정 관리 분야에서는 Google Calendar 연동 스킬로 "내일 오후 3시 미팅 잡아줘"라고 메시지를 보내면 캘린더에 일정이 추가됩니다.

개발 업무에서는 GitHub Integration 스킬로 이슈 생성, PR 관리, 코드 리뷰를 메신저에서 직접 처리합니다.

생활 자동화에서는 Obsidian 연동으로 대화 내용을 자동으로 노트에 저장하거나, Apple Reminders와 연결해 할 일을 관리하기도 합니다.

NanoClaw은 스킬에 대해 완전히 다른 철학을 취합니다. 기능을 코드베이스에 추가하는 대신, Claude Code 스킬 파일로 기여하는 방식입니다. 예를 들어 텔레그램 지원을 추가하려면 PR을 보내는 게 아니라, /add-telegram이라는 스킬 파일을 만듭니다.

사용자가 자신의 포크에서 이 스킬을 실행하면, Claude Code가 코드를 직접 변환합니다.

결과적으로 모든 사용자의 코드베이스가 자신에게 필요한 기능만 가진 깔끔한 상태를 유지합니다.

실습: 메모리와 스킬이 결합되면 벌어지는 일

메모리와 스킬이 합쳐지면 단순한 질의응답을 넘어선 워크플로우가 가능해집니다. 단계별로 살펴보겠습니다.

 

① 맥락 축적 단계
사용자가 며칠간 프로젝트에 대해 대화하면, OpenClaw은 매일 memory/ 폴더에 핵심 내용을 기록합니다. "2026-02-05: 프로젝트 X의 데드라인이 2월 말로 확정됨" 같은 요약이 자동으로 남습니다.

 

② 선제적 행동 단계
Heartbeat 기능을 통해 AI가 주기적으로 깨어납니다. 메모리를 참고해 "프로젝트 X 데드라인까지 3주 남았습니다.

이번 주 할 일을 정리해 드릴까요?"처럼 먼저 메시지를 보낼 수 있습니다.

 

③ 스킬 연계 실행 단계
사용자가 "좋아, 이번 주 할 일 정리해서 노션에 올려줘"라고 응답하면, Notion 스킬을 호출해 실제로 페이지를 생성합니다.

과거 대화에서 축적된 프로젝트 맥락이 반영된 구체적인 할 일 목록이 만들어집니다.

이 전체 흐름에서 사용자가 프롬프트를 정교하게 작성할 필요가 없습니다. AI가 이미 맥락을 알고 있기 때문입니다.

모범사례/패턴 비교

항목 OpenClaw NanoClaw
코드 규모 43만 줄, 52개 이상 모듈 500줄 핵심 코드
메모리 방식 마크다운 파일 + 하이브리드 벡터 검색 그룹별 격리된 CLAUDE.md
스킬 생태계 ClawHub 700개 이상 커뮤니티 스킬 Claude Code 스킬 변환 방식
보안 모델 애플리케이션 레벨 (허용 목록, 페어링 코드) OS 레벨 컨테이너 격리
지원 플랫폼 WhatsApp, Telegram, Slack, Discord 등 12개 WhatsApp (기본), 스킬로 확장
적합한 사용자 풍부한 기능과 생태계를 원하는 사용자 보안과 코드 감사 가능성을 중시하는 사용자
주의점 호스트 머신에 무제한 접근 가능, 보안 감사 필수 플러그인 원클릭 설치 불가, 직접 빌드 필요

 

보안에 대해 한 가지 짚어야 할 부분이 있습니다. Cisco의 Talos 팀은 OpenClaw의 보안 구조에 우려를 표명했고,

ClawHub에 업로드된 악성 스킬이 발견된 사례도 보고되었습니다.

AI에게 이메일, 캘린더, 파일 시스템 접근 권한을 부여하는 만큼, 신뢰할 수 없는 스킬은 반드시 코드를 검토한 후 설치해야 합니다.

마치며

  • OpenClaw과 NanoClaw은 AI에게 "기억"과 "행동 능력"을 부여하는 에이전트 프레임워크이며, 기존 챗봇과의 가장 큰 차이는 세션을 넘어서는 영속적 메모리에 있습니다.
  • 마크다운 기반 메모리와 SKILL.md 기반 스킬이라는 단순하지만 강력한 설계가, 700개 이상의 스킬 생태계와 투명한 기억 관리를 가능하게 합니다.
  • 실전 팁: 처음 시작한다면 NanoClaw으로 개념을 익힌 뒤, 필요에 따라 OpenClaw으로 확장하는 단계적 접근을 추천합니다. 어떤 도구를 선택하든 보안 감사는 첫 번째로 수행하세요.

참고자료

728x90
반응형
저작자표시 비영리 변경금지 (새창열림)

'카테고리 없음'의 다른글

  • 현재글🦞 OpenClaw과 NanoClaw, AI를 '비서'로 만드는 메모리와 스킬의 비밀

티스토리툴바