OpenClaw로 혼자 일하던 구조를 AI 4인 팀으로 바꾼 이야기
요즘 OpenClaw로 업무 자동화를 한다는 이야기가 여기저기서 들려왔습니다. 저도 한번 써봐야겠다 싶어서 설치하고 바로 Telegram에 연결했어요. AI 하나에 코드 작업, 콘텐츠 제작, 정리, 보고까지 전부 맡겼습니다. 처음엔 정말 편했습니다. 메시지 하나만 보내면 뭐든 해줬으니까요.
그런데 며칠이 지나자 문제가 생겼습니다. 어제 시킨 코드 작업과 오늘 시킨 콘텐츠 작업이 한 대화창 안에서 뒤엉키기 시작했어요. 내가 무슨 지시를 했는지, 지금 뭘 하고 있는지가 점점 흐릿해졌습니다. 메시지는 쌓이고, 흐름은 끊기고, 이게 과연 제대로 된 방식인가 하는 의심이 들기 시작했습니다.
그때 깨달은 게 있습니다. 문제는 AI의 능력이 아니라 구조가 잘못된 것이었습니다. 이 경험을 바탕으로 멀티 에이전트 구조로 업무 자동화를 다시 설계한 과정을 공유합니다.
하나의 봇에 모든 걸 시키면 생기는 문제
실무 조직을 생각해보면 답은 이미 나와 있습니다. 개발자는 개발을 하고, 마케터는 콘텐츠를 만들고, PM은 전체 흐름을 봅니다. 각자 역할이 분리되어 있기 때문에 팀이 돌아가는 거죠.
그런데 저는 AI 에이전트 하나에게 개발, 콘텐츠, 정리, 보고를 전부 시키고 있었습니다. 아무리 뛰어난 AI를 붙여도 이 설계 자체가 한계를 가질 수밖에 없습니다. 역할 구분 없이 모든 것을 한 창에 몰아넣으면, 컨텍스트가 뒤섞이고 작업 품질도 떨어집니다.
- 대화 히스토리가 길어질수록 AI가 앞의 지시를 제대로 반영하지 못함
- 서로 다른 성격의 작업이 한 채널에 뒤섞여 관리가 불가능해짐
- 내가 어떤 작업을 지시했는지 추적하기 어려워짐
- 업무 자동화가 늘어날수록 오히려 혼란이 가중됨
Tip: AI 에이전트에게 일을 시킬 때도 실제 팀을 운영하는 것처럼 역할 분리부터 설계해야 합니다. 도구보다 구조가 먼저입니다.
OpenClaw 멀티 에이전트 구조로 다시 설계하다
그래서 구조를 완전히 바꿨습니다. AI 에이전트 하나가 아니라 역할 기반으로 분리된 네 개의 AI 에이전트로 나눈 겁니다.
OpenClaw는 gateway 하나에 여러 AI 에이전트를 동시에 운영할 수 있는 구조를 지원합니다. 에이전트마다 다른 AI 모델을 붙일 수 있고, 다른 성격과 역할을 설정할 수 있으며, 별도의 Slack 계정으로 연결하는 것도 가능합니다. 설정 파일 하나에 봇 네 개를 선언하고, 각각에 원하는 AI 모델을 붙이면 됩니다.
중요한 점은 특정 회사의 API 모델에 종속될 필요가 없다는 것입니다. Anthropic, OpenAI, Google 등 작업에 맞는 최적의 모델을 자유롭게 선택해 붙일 수 있습니다.
A-팀에서 가져온 아이디어, 4인 AI 에이전트 구성
어릴 때 좋아했던 미드 A-팀(The A-Team)에서 모티브를 얻었습니다. 한니발(Hannibal), BA, 멋쟁이(Faceman), 머독(Murdock). 네 명이 각자의 전문성을 살려 팀을 이루는 구조가 제가 원하는 AI 에이전트 팀과 딱 맞아 떨어졌습니다.
한니발 (Hannibal) – 오케스트레이터
팀의 리더입니다. 판단과 지휘를 맡습니다. Claude Opus 4.6을 붙여줬습니다. 가장 강력한 추론 능력이 필요한 역할이기 때문입니다. 나머지 봇들에게 일을 배분하고 전체 흐름을 조율합니다. 봇끼리 대화할 수 있는 설정을 켜 두었더니, 한니발이 나머지 셋에게 알아서 업무를 지시하는 구조가 자연스럽게 만들어졌습니다.
BA – 코딩 전문가
코드 작성과 스크립트 구현을 전담합니다. GPT o3를 붙여줬습니다. 코딩 작업에서의 정확성과 실행력이 필요했습니다. BA한테 코드 요청을 보내면 BA 에이전트가 받아서 처리하고 결과를 돌려줍니다.
멋쟁이 (Faceman) – 마케팅 담당
콘텐츠 제작과 마케팅 전략을 맡습니다. Gemini 2.5 Pro를 붙여줬습니다. 썸네일 아이디어, 블로그 초안, SNS 카피 등 창의적인 작업이 주 업무입니다.
머독 (Murdock) – 자동화 및 업무 보조
자동화 실행, 로그 작성, 일정 관리, 업무 보조를 담당합니다. Gemini 2.5 Flash를 붙여줬습니다. 반복적이고 패턴이 명확한 작업을 빠르게 처리하는 역할입니다.
| 에이전트 | 역할 | AI 모델 |
|---|---|---|
| 한니발 (Hannibal) | 오케스트레이터, 판단 및 지휘 | Claude Opus 4.6 |
| BA | 코딩, 스크립트 작성 | GPT o3 |
| 멋쟁이 (Faceman) | 마케팅, 콘텐츠 제작 | Gemini 2.5 Pro |
| 머독 (Murdock) | 자동화, 로그, 업무 보조 | Gemini 2.5 Flash |
Slack AI 봇 연결로 실제 팀처럼 소통하기
구조를 설계한 다음에는 소통 채널이 필요했습니다. 선택한 건 Slack이었습니다. 봇 네 개에 각각 별도의 Slack 앱을 만들어서 연결했습니다. 에이전트 ID와 Slack 계정을 일대일로 묶어주니까 구조가 명확해졌습니다.
Slack에서 BA에게 메시지를 보내면 BA 에이전트가 받고, 한니발에게 보내면 한니발 에이전트가 받습니다. 역할 혼선이 사라졌습니다.
채널 구성
- 개별 DM 채널: 각 봇과 1:1로 직접 대화 가능
- 역할별 전용 채널: 코딩 채널, 콘텐츠 채널, 자동화 채널 등으로 분리
- 지휘방 (단체방): 저 포함 다섯 명이 모두 들어있는 채널. 여기서 지시를 내리면 한니발이 반응하고 업무를 배분함
- 로그 채널: 머독이 자동으로 작업 보고를 쌓는 채널
실제로 이렇게 흘러갑니다. 지휘방에서 오늘 할 일을 올리면 한니발이 반응하고, BA 채널에서 코드가 돌아가고, 멋쟁이 채널에서 썸네일 아이디어가 올라오고, 로그 채널에 자동으로 보고가 쌓입니다. 혼자서 AI 하나 데리고 일하던 구조가, 저 포함 5인 AI 팀으로 바뀐 겁니다.
Tip: Slack AI 봇 연결은 OpenClaw의 설정 파일에서 각 에이전트에 별도 Slack 앱 토큰을 지정하는 방식으로 구현할 수 있습니다. 에이전트별로 독립적인 Slack 앱을 만들어두면 관리가 훨씬 깔끔해집니다.
비용 관리를 위한 대시보드 구축
네 개의 AI 에이전트를 동시에 운영하다 보니 자연스럽게 토큰 사용량과 비용 관리가 중요해졌습니다. 어느 에이전트가 얼마나 쓰고 있는지 파악이 안 되면 비용이 통제 불능이 될 수 있으니까요.
그래서 Next.js (App Router), Tailwind CSS v4, TypeScript로 간단한 대시보드를 만들었습니다. 기능은 이렇습니다.
- 에이전트별 토큰 사용량 실시간 확인
- 각 에이전트의 활동 내역 조회
- 작업 흐름(워크플로우) 시각화
- 누적 비용 추적
대시보드가 생기니까 어느 에이전트에서 비용이 많이 나오는지 한눈에 보입니다. 덕분에 반복적인 작업은 미리 만들어둔 스크립트로 처리해서 토큰 소모를 최소화하는 방향으로 운영하게 됐습니다.
멀티 에이전트 운영에서 얻은 핵심 교훈
몇 주 동안 이 구조로 일해보면서 가장 크게 느낀 점을 정리하면 이렇습니다.
1. 구조가 먼저, 도구는 그 다음입니다.
아무리 좋은 AI 모델을 써도 역할 구분 없이 한 창에 몰아넣으면 한계가 옵니다. 실제 팀을 운영한다고 생각하고 역할을 먼저 나누세요.
2. 상상력이 설계의 출발점입니다.
A-팀이라는 미드에서 아이디어를 얻었습니다. 기술적인 지식보다 “이 사람(봇)이 어떤 성격으로 어떤 일을 해줬으면 좋겠다”는 상상이 훨씬 중요했습니다.
3. 반복 작업은 스크립트로 처리해야 비용이 잡힙니다.
AI 에이전트에게 매번 동일한 지시를 내리면 토큰이 낭비됩니다. 패턴이 예측되는 작업은 잘 짜인 스크립트로 자동화하고, 에이전트는 판단이 필요한 작업에 집중시키는 게 비용 효율적입니다.
4. 특정 AI 모델에 종속되지 않아야 합니다.
OpenClaw의 멀티 에이전트 구조는 각 봇에 다른 모델을 붙일 수 있습니다. 코딩은 o3, 창의 작업은 Gemini, 판단은 Claude처럼 작업 특성에 맞는 모델을 고르세요.
마치며
이 글에서 제가 하고 싶었던 이야기는 특별히 어려운 기술이 아닙니다. 실제 사람들과 팀을 꾸린다고 상상하면서 AI 에이전트에게 역할을 나눠보자는 것입니다.
OpenClaw로 멀티 에이전트를 운영하기 시작하면서 업무 자동화의 질이 달라졌습니다. 혼자 AI 하나 붙들고 씨름하던 때와는 완전히 다른 경험입니다. 각자 역할이 있고, 각자 채널이 있고, 각자 책임지는 영역이 있으니까 일이 훨씬 명확하게 흘러갑니다.
AI 자동화를 처음 시작하는 분이라면, 일단 역할부터 정의해보세요. 어떤 일을 맡길 에이전트가 필요한지 목록을 만들고, 각각에 어울리는 AI 모델을 붙이는 것부터 시작하면 됩니다. 생각보다 어렵지 않습니다.
이 구조를 실제로 구현하는 방법이나 설정 파일 작성 방법이 궁금한 분들은 댓글로 남겨주세요. 다음 글에서 OpenClaw 설정 파일 상세 작성법과 Slack 앱 연동 방법을 다루겠습니다.
자주 묻는 질문 (FAQ)
Q1. OpenClaw가 무료로 사용 가능한가요?
OpenClaw 자체는 오픈소스로 무료로 설치해서 사용할 수 있습니다. 다만 각 AI 에이전트에 연결하는 모델(Claude, GPT, Gemini 등)은 해당 API 사용 비용이 발생합니다. 에이전트 수와 사용량에 따라 월 비용이 달라지므로 대시보드로 토큰 사용량을 모니터링하는 것이 중요합니다.
Q2. Slack 말고 다른 메신저와도 연결할 수 있나요?
네, OpenClaw는 Slack 외에도 Telegram, Discord 등 다양한 메신저와 연동을 지원합니다. 다만 에이전트별로 역할을 분리해서 운영하려면 채널 구조를 유연하게 설정할 수 있는 Slack이 현재로서는 가장 편리한 선택입니다.
Q3. 기술적인 배경이 없어도 멀티 에이전트를 구성할 수 있나요?
기본적인 설정 파일 작성(JSON 또는 YAML)을 이해하면 충분합니다. 각 에이전트에 어떤 역할을 줄지, 어떤 모델을 붙일지를 먼저 기획하는 것이 오히려 더 중요합니다. 기술보다 구조 설계가 먼저입니다.
Q4. 에이전트가 많아질수록 비용이 크게 올라가지 않나요?
에이전트 수보다 각 에이전트에 얼마나 많은 작업을 시키느냐가 비용을 결정합니다. 반복적인 작업은 미리 짜둔 스크립트로 처리하고, AI 에이전트는 판단이 필요한 작업에만 투입하는 운영 방식이 핵심입니다. 대시보드로 에이전트별 토큰 사용량을 정기적으로 확인하는 습관도 필요합니다.
Q5. 한니발(오케스트레이터) 없이 각 에이전트를 직접 관리하면 안 되나요?
물론 가능합니다. 처음에는 각 에이전트에게 직접 지시하는 방식으로 시작해도 충분합니다. 다만 에이전트 수가 늘어나거나 작업이 복잡해지면 오케스트레이터 역할이 있는 게 훨씬 효율적입니다. 저의 경우 한니발이 나머지 셋에게 업무를 배분하도록 설정하니 제가 직접 관리해야 할 부분이 크게 줄었습니다.