내가 OpenClaw/Hermes를 사용하는 사람들이 모여서 여러 이야기는 나누는 채널에 들어가 있다. 9월 한 달의 대화는 “무엇을 자동화할 수 있는가”에서 “업데이트·권한·비용·상태·복구를 어떻게 통제할 것인가”로 관심이 이동한 기록이라고 할 수 있겠다.
왜 이 주제가 중요한가
OpenClaw는 콘텐츠 자동화와 문서 작성만을 위한 도구로 소비되지 않았다. 대화방에서는 개발, 교육, 병원 업무, IoT 제어, 원격 운영까지 활용 범위가 넓어졌다. 그러나 에이전트가 실제 업무와 외부 시스템에 연결될수록 성능보다 운영 경계가 먼저 문제가 된다.
이번 기록에서 반복된 질문은 다음과 같다.
- 업데이트 뒤 Gateway와 기억·스킬이 정상적으로 남아 있는가?
- 구독 OAuth와 API는 무엇이 다르고, 비용과 계정 제재 위험은 누가 부담하는가?
- 여러 에이전트를 어떻게 병렬 협업시키되 중복 응답과 상태 충돌을 막는가?
- Slack·Discord·Telegram·KakaoTalk 중 어디에 어떤 업무를 배치할 것인가?
- 에이전트에게 파일 쓰기·브라우저·외부 발송 권한을 어디까지 줄 것인가?
1. 활용 범위는 빠르게 넓어졌다
대화에서 확인되는 활용 사례는 다음과 같다.
- SNS·유튜브·홈페이지·상품화 콘텐츠 자동화
- 문서 작성, Markdown-to-Word 변환, 메일 처리
- 코드 작성·리뷰·업데이트·장애 복구
여기까지는 기존의 사용성으로 보인다. 흥미로운 것은 다음의 것들이다.
- 교육 자료·웨비나 녹취·Q&A 정리
- 병원·연구 업무 보조
- IoT 조명·커튼 등 물리 환경 제어
- 여러 모델과 여러 봇을 이용한 역할 분담
캐릭터와 반려동물 세계관은 기술 진입장벽을 낮추는 장치로 작동했다. 사용자는 봇을 단순한 명령 인터페이스가 아니라 “키우는 작업 파트너”로 받아들였고, 그 결과 비개발자도 세팅·권한·스킬·메모리 개념을 학습하기 시작했다.
다만 활용 범위가 넓어질수록 실패의 외부 영향도 커진다. 게시·삭제·결제·IoT 제어 같은 작업은 자동 실행보다 승인 게이트가 필요하다.
2. 업데이트는 기능 추가가 아니라 복구 훈련이었다
9월 초 업데이트 경험담에서 다음 문제가 연속적으로 등장했다.
- Gateway가 멈추거나 봇이 응답하지 않음
- 초기화 뒤 이전 기억과 memory 경로가 달라짐
- SQLite 전환 과정에서 일부 봇과 OAuth 목록이 끊김
- 사용자 스킬과 대시보드 설정이 사라짐
- 롤백과 재시작만으로 해결되지 않아 다른 에이전트로 복구를 시도함
- API 모델을 복구 작업에 장시간 사용해 비용이 커짐
일부 사용자는 openclaw doctor --fix를 여러 번 실행해야 했고, Hermes도 정식 버전 배포와 업데이트 안정성에 의문이 남아 있다고 보고했다. 이 문장은 이승범님의 운영 경험과 커뮤니티 사례를 분리해 다뤄야 한다. 현재 후보 단계에서 “OpenClaw 전체의 일반적 결함”으로 확대 해석하지 않는다.
업데이트 전 최소 백업 대상
memory/와 장기 메모리- skills와 사용자 정의 설정
- OAuth·provider 목록
- Gateway·cron·자동화 설정
- 채널 연결과 권한 설정
업데이트 후에는 기본 봇 하나로 Gateway, 인증, 파일 읽기·쓰기, 채널 응답, 예약 작업을 순서대로 확인하는 smoke test가 필요하다. 실패하면 추가 변경보다 로그 확인과 롤백이 먼저다.
3. 구독 OAuth와 API를 둘러싼 비용·정책 혼동
대화에서 Claude, GPT, Gemini의 구독 플랜과 API, OAuth 연결을 둘러싼 질문이 반복됐다. 참여자들은 다음을 서로 다른 방식으로 설명했다.
- 구독 사용량과 API 토큰 비용은 별도라는 설명
- 구독 OAuth를 OpenClaw에 연결하면 편하지만 약관·제재 리스크가 있다는 우려
- Gemini OAuth 연결 뒤 계정이 차단됐다는 개인 경험
- 모델 사용량 리셋, 5시간 한도, 플랜별 소모량에 대한 체감 보고
- 비용을 줄이기 위한 fallback과 로컬 모델 라우팅
이 대목은 커뮤니티 경험의 가치와 한계를 동시에 보여준다. 실제 사용량과 차단 경험은 중요한 운영 신호지만, 특정 provider의 약관 위반 여부나 가격·리셋 정책을 증명하지는 않는다.
글에서는 provider마다 다음 다섯 항목을 별도 표로 제시하는 것이 좋다.
- 공식 지원되는 인증 방식
- 과금 주체와 비용 단위
- 사용량·리셋·동시성 한도
- 계정 제재 또는 서비스 차단 가능성
- 장애 시 대체 provider와 중단 조건
4. 에이전트 협업의 핵심은 ‘대화’가 아니라 ‘공유 상태’다
여러 에이전트를 같은 채널에 넣는 것만으로 협업이 만들어지지는 않았다. 실제 사례에서는 다음 문제가 발생했다.
- 두 봇이 서로 대화하지 못함
- 같은 메시지를 모두 읽고 모두 답함
- 공유 DB를 붙인 뒤 둘 다 반응하는 듀얼 모드가 됨
sessions_send나 Allow 설정을 몰라 에이전트 간 통신이 막힘- 어디서 어떤 작업을 시켰는지 사용자가 잊어버림
따라서 협업 구조는 다음처럼 설계해야 한다.
사람 요청
→ 역할이 정해진 coordinator
→ 작업 큐와 공유 상태
→ 전문 agent 실행
→ 결과·로그·실패 사유 기록
→ 외부 발송/변경 전 사람 승인
역할, 트리거, 입력 채널, 출력 채널, 공유 상태, 권한, owner를 먼저 정하지 않으면 에이전트 수를 늘릴수록 통제 비용이 커진다.
5. 채널 선택은 기능보다 기록성과 책임 추적의 문제다
커뮤니티에서는 채널별 장단점이 다음처럼 논의됐다.
- Slack: 채널·스레드 단위 병렬 업무에 유리하다는 평가
- Discord: 스레드와 커뮤니티 접근성이 좋지만 숨김·파일 제한이 문제
- Telegram: 토픽으로 분리할 수 있지만 Slack식 구조와는 다름
- KakaoTalk: 진입장벽이 낮고 참여가 활발하지만 지식 관리와 백업이 별도 필요
선택 기준은 “어디가 더 편한가”보다 다음 질문이어야 한다.
- 검색이 가능한가?
- 보존 기간과 export 정책은 무엇인가?
- 봇 대화와 사람 대화를 어떻게 백업하는가?
- 스레드·토픽별 권한을 나눌 수 있는가?
- 파일과 링크의 감사 기록이 남는가?
- 외부 발송·삭제·게시 전 승인을 넣을 수 있는가?
채널은 대화 UI가 아니라 에이전트 운영의 관찰·기록 계층으로 봐야 한다.
잠정 결론
9월의 OpenClaw 반려봇 대화는 에이전트의 대중화가 모델 성능만으로 일어나지 않는다는 사실을 보여준다. 실제 병목은 다음 네 가지다.
- 업데이트 가능한 상태를 안전하게 보존하는 것
- 인증·비용·약관 경계를 이해하는 것
- 여러 에이전트의 역할과 공유 상태를 설계하는 것
- 채널에서 작업과 책임의 기록을 남기는 것
OpenClaw를 잘 쓰는 사람은 봇을 많이 만든 사람이 아니라, 실패해도 복구할 수 있고 어떤 권한으로 어떤 채널에서 무슨 일을 했는지 설명할 수 있는 사람에 가깝다.
