Clawdbot와 개인 AI 비서: 기능, 비용, 보안, 활용 아이디어 정리

핵심 요약

Clawdbot은 채팅, 일정, 이메일, 메신저 등과 연동해 계속 돌아가는 개인 AI 비서/에이전트 플랫폼이다.
그러나 토큰 비용과 보안(파일·계정 전체 접근) 이슈가 커서, 어떻게 설계·사용해야 할지에 대한 논쟁과 다양한 대안 아이디어가 함께 나오고 있다.

Clawdbot이란 무엇인가

Clawdbot은 오픈소스 개인 AI 비서 프레임워크로, Claude/OpenAI 등 LLM을 붙여 "항상 켜져 있는 비서"처럼 쓰는 것을 목표로 한다.

사용자는 Slack, Telegram, WhatsApp, 이메일, 캘린더, Jira/Linear 같은 도구들을 Clawdbot에 연결해놓고, 이 봇이 대신 읽고, 정리하고, 답장하고, 일정 잡고, 작업을 생성·수정·완료하도록 맡길 수 있다.

핵심은 '단발성 챗봇'이 아니라, 계속 실행되면서 상태와 기억을 유지하는 에이전트라는 점이다.
이 때문에 "내 Slack에 상주하는 비서", "내 집안/가족용 비서", "회사 운영을 도와주는 비서" 같은 형태로 쓰려는 사람들이 많다.

토큰 비용 문제와 경제성

여러 사용자가 공통으로 지적하는 부분이 바로 토큰 비용이다.

한 사용자는 "이틀 동안 기본적인 작업을 했을 뿐인데 300달러 이상을 썼다"고 말할 정도로, 메터링된 API를 쓰면 비용 폭증 위험이 크다.
에이전트 아키텍처 특성상 대화 히스토리와 맥락을 계속 다시 보내야 해서, 한 번의 작업이 여러 번의 LLM 호출로 쪼개지고, 매번 긴 프롬프트가 재전송되며 토큰이 빠르게 쌓인다.

그래서 일부는 다음과 같은 전략을 고민한다.

로컬 LLM으로 요약·태깅·분류처럼 "대충 맞으면 되는" 작업을 처리하고, 정말 중요한 결정·코딩·글쓰기만 상위 모델(Claude Opus, GPT-4 등)에 맡긴다.

모델 라우팅(간단한 건 저렴한 모델, 복잡한 건 비싼 모델)이나 프롬프트 캐싱으로 반복 비용을 줄인다.

장기적으로 "로컬, 작고 특화된 도구들을 조합하는 유닉스 철학 스타일"이 비용·위험 면에서 현실적이라는 의견도 나온다.

보안과 신뢰: 루트 권한 에이전트의 공포

Clawdbot의 매력 포인트이자 가장 무서운 지점이, 머신에 대해 사용자와 거의 같은 권한을 가질 수 있다는 점이다.

한 사용자는 "내가 할 수 있는 건 이놈도 다 할 수 있다"는 점이 동시에 멋지면서도 공포스럽다고 표현한다.
실제 코드상에서도 일부 확장(extensions)에 하드코딩된 OAuth client secret, 토큰 관리 이슈 등이 발견되어 보안 우려를 키웠다.

오픈소스 앱들에 하드코딩 client secret이 있는 건 흔하지만, 여기서는 다음 이유로 민감하게 느껴진다.

이 봇은 이메일, 캘린더, 메신저, 클라우드 계정 등 매우 민감한 권한을 모아서 갖고 있다.

많은 사용자가 이걸 개인 노트북이나 중요한 계정이 박혀 있는 환경에 그냥 붙이려는 경향이 있다.

그래서 추천되는 "안전한" 사용 패턴은 다음에 가깝다.

중요한 계정과 분리된, 덜 중요한 머신(혹은 VM/컨테이너)에서 돌리고, 거기에 필요한 최소 계정만 연결한다.

가능하면 샌드박스를 두고, 자동 실행 범위를 제한한다(초기에는 '제안만' 하게 하고, 최종 실행은 사람이 누르게).

"완전한 신뢰"를 요구하는 도구라기보다는, 제대로 된 권한 설계가 필수인 위험한 도구로 바라봐야 한다는 분위기다.

사람들이 꿈꾸는 '비서 in a box' 시나리오

HN 댓글에는 모두가 상상하는 개인 비서 상이 꽤 구체적으로 등장한다.

한 사용자는 'Nagatha Christy'(나가타 크리스티) 같은 이름의 비서를 구상한다.
주요 기능은 성인 생활에서 귀찮으면서도 중요한 잡무를 대신 챙겨주는 것이다.

예를 들어 이런 대화를 상상한다.

주말에 아이 생일파티 두 개와 축구 경기가 있다면, "간식 담당인데 장볼 리스트 업데이트해 줄까?"라고 먼저 말해주기를 바란다.

치과에서 온 메일을 보고 "목요일에 치과 예약이 있는데 캘린더에 없고, 스탠드업이랑 겹친다. 해결하는 할 일을 만들어줄까?"라고 제안해준다.

또 다른 사용자는 '내 맥 안의 비서'를 상상한다.

여러 개의 캘린더(개인, 커플, 회사)를 모두 읽어와 "오늘 하루"를 잘 보이게 정리해 주는 데몬.

Apple Notes의 TODO와 자신의 LLM 사용 이력을 분석해, "너 이건 시작도 안 했는데, 목요일 3시에 시작해볼까?" 같은 코칭을 해주는 멘탈·커리어 코치.

새로운 아이디어를 떠올리면 "비서에게 던져두고", 이 비서가 그 아이디어를 구조화하고 파일로 정리해두는 '스파게티 벽' 역할.

핵심은 "그냥 알림을 때리는 수준"을 넘어, 사용자의 장기 목표, 성향, 과거 대화까지 반영해서 실제로 다음 행동을 제안하거나, 일부는 자체적으로 진행해주는 것이다.

실제 활용 사례들: 개인, 가족, 회사

이미 Clawdbot 또는 유사 도구를 활용해 작은 성공을 맛본 사용자 사례도 많다.

어떤 사람은 아파트 임대 과정에서 Facebook Messenger와 캘린더를 Clawdbot에 연결해, 문의 응답과 1차 스크리닝, 방문 시간 조율까지 대부분 봇에게 맡겼다.
본인은 봇이 만든 초안을 승인하거나 몇 가지 자동 응답 규칙만 설정했는데, '9/10' 정도의 만족스러운 결과를 얻었다고 한다.

다른 사용자는 이 프로젝트의 이전 버전(이름이 달랐던 시기)을 포크해, 자신과 가족을 위한 커스텀 에이전트로 크게 변형했다.

각 가족 구성원에게 권한을 차등 부여해, 공유 정보와 개인 정보에 따라 사용할 수 있는 기능이 다르도록 만들었다.

WhatsApp 같은 메신저를 통해 일상 대화를 나누면서, 집안 일 관리, 일정 조율, 정보 조회 등을 맡기고 있다.

또 어떤 사람은 느리지만 안정적인 텔레그램 봇을 만들어, 부부의 쇼핑 리스트, 리마인더, 캘린더, 날씨 브리핑을 제공하고, 장기적으로는 API 비용을 없애기 위해 CPU 전용 VPS용 소형 모델을 직접 학습 중이다.

"회사 운영용 에이전트"를 만들어, 타임시트, 인력 관리, 발주 처리 등을 MCP로 노출하고, Claude/Clawdbot에서 모두 제어하는 사람도 있다.
이런 사용자들은 냉정하게 말하면 Clawdbot이 아니라 "Claude + MCP + 본인 코드" 조합으로 이미 상당한 '비서 경험'을 만드는 중이다.

로컬 vs 클라우드: 프라이버시와 플랫폼 기회

개인 비서가 잘 동작하려면, 사실상 삶 전체의 맥락(메일, 캘린더, 메신저, 노트, 검색 기록 등)을 알아야 한다.
이 때문에 "이 정도로 나를 아는 AI를 클라우드에 두고 싶지 않다"는 목소리가 크게 나온다.

한 사용자는 "이건 너무 개인적이라, 느려도 반드시 로컬 모델이어야 한다"고 말한다.
이 지점에서 특히 Apple 같은 회사가 크게 기회를 가질 수 있다는 의견이 있다.

애플은 이미 로컬 실행·프라이버시를 강하게 미는 브랜드이고, iOS/macOS 수준에서 메일, 캘린더, 메시지, 사진, 파일 등에 대한 권한 제어를 OS 차원에서 잘 통합하고 있다.

만약 이 위에 신뢰할 수 있는 로컬 LLM 기반 비서를 올리면, 다른 SaaS들보다 훨씬 설득력 있는 "진짜 개인 비서"를 제공할 수 있다는 이야기다.

반대로, 일부 스타트업은 Cloudflare Workers, D1, Vectorize, Gemini 등으로 완전 클라우드 기반 비서를 만들고 있다.
이 경우 프라이버시 대신 "언제 어디서나 접근 가능, 인프라 관리 필요 없음"을 내세운다.

인간과 AI 협업 방식의 변화

흥미로운 사례 중 하나는, 개발자가 아닌 사람이 Clawdbot을 계기로 처음으로 오픈소스 프로젝트에 PR을 보낸 이야기다.

이 사용자는 자신이 만들어둔 Clawdbot 인스턴스(이름을 'rei'라고 설정)가 슬랙의 일부 채널에서 응답을 안 하는 버그를 겪었다.
그래서 바로 그 'rei'에게 문제 해결을 요청했고, 함께 코드를 클론하고, 문제 지점을 찾아 수정하고, 테스트를 추가하고, PR을 작성했다.

형식적으로 보면 GitHub의 AI 도우미나 기존 LLM 기반 코딩 보조와 크게 다르지 않다.
하지만 본인은 "나와 현재 상황에 대한 컨텍스트를 공유한, 상시 동료와 함께 일하는 느낌"이 분명히 다르다고 말한다.

이 방식이 주는 핵심 감각은 다음과 같다.

AI가 단순 답변자가 아니라, 내 워크플로우 전체의 일부로 존재한다.

문제 발견 → 원인 분석 → 코드 수정 → 테스트 → PR까지 전체 과정을 한 맥락 안에서 함께 밟는다.

이 경험은 단순히 "모델이 좋아졌다" 이상의, 협업 패턴의 변화로 받아들여진다.

에이전트, 과연 어디까지 맡길 것인가

토론 전반을 관통하는 질문은 "얼마나 많은 일을 에이전트에게 자동으로 맡길 것인가?"이다.

한 사람은 "계속 나를 재촉하는 비서"보다는 "실제 일을 앞으로 밀어붙이는 비서"가 필요하다고 말한다.
예를 들어 "아이들 생일이 다가온다, 레고를 주문해줄까?"처럼, 단순 알림보다 '구체적 실행 제안'을 선호한다.

다른 사람은 Jira, Linear, Slack, Reminders 등 여러 곳에 흩어진 할 일을 Claude Code로 모으고, 태그를 붙이고, 프로그래밍 업무는 바로 에이전트에게 넘길 수 있도록 정리하고 있다.
여기서 에이전트의 역할은 "정리 + 자동 분류 + 일부 자동 실행" 정도다.

반면 어떤 사람은 메시지 발송이나 사람과의 대화까지 자동화하는 것에는 거부감이 크다.
"사람에게 직접 메시지 보내는 건, LLM이 직접 보내기보다는 LLM이 코드를 짜고, 그 코드를 내가 검토한 뒤 실행하는 게 낫다"는 식이다.

즉 에이전트의 범위를 다음 단계들 안에서 어디까지 허용할지가 핵심이다.

정보 수집·요약만
할 일/이벤트 생성·수정까지
초안 작성(메일, 메시지, 코드 등)까지만
완전 자동 실행(주문, 예약, 메시지 발송, 파일 수정 등)까지

지금은 많은 사람들이 "초안 + 반자동 실행" 정도에서 머무르며 탐색하는 단계로 보인다.

인사이트

Clawdbot과 그 주변 논의는 한 가지 사실을 보여준다.
"개인 AI 비서"에 대한 수요는 이미 엄청나게 크지만, 비용·보안·신뢰·자동화 범위 설계라는 네 가지 난제를 아직 제대로 풀지 못했다는 점이다.

실용적인 조언을 정리하면 다음과 같다.

일단은 "작게, 로컬하게" 시작하는 편이 좋다.
처음부터 모든 계정과 디바이스를 연결하기보다는, 제한된 환경(별도 머신/계정, 일부 캘린더·메일)에서 가치를 느껴본 뒤 확장하라.

자동 실행은 최대한 늦게 열고, 초안 생성 + 사람이 승인하는 구조를 유지하라.
특히 메시지 발송, 파일 삭제·수정, 결제·주문 같은 건 리뷰 단계를 반드시 두는 습관이 필요하다.

비용 구조를 항상 염두에 두고, 가능한 한 저렴한 모델·로컬 모델을 전처리 용도로 끼워 넣어라.
단순 분류·요약·태깅 작업은 굳이 최고급 모델이 할 필요가 없고, 이 지점이 장기 비용을 좌우한다.

마지막으로, "내 삶 전체를 아는 에이전트"는 곧 "내 OS 수준의 기능"과 거의 같은 말이다.
그래서 장기적으로는 OS 벤더(애플 등)와 로컬 LLM이 이 시장의 중요한 플레이어가 될 가능성이 크다.
지금의 Clawdbot류 실험들은 그 미래를 미리 체험해보는 프로토타입이라 볼 수 있다.

출처 및 참고 : Clawdbot - open source personal AI assistant | Hacker News