한빛미디어

1. 대화형 AI에서 행동형 에이전트로

최근의 거대 언어 모델(LLM)은 단순히 정보를 검색하고 요약하는 단계를 넘어, 사용자의 환경에서 직접 행동하는 '에이전트(Agent)'로 진화하고 있다. 과거의 인공지능이 질문에 답하는 수동적인 챗봇에 머물렀다면, 이제는 브라우저를 조작하고 파일을 관리하며 스스로 업무 프로세스를 수행하는 능동적인 동료의 역할을 요구받고 있다.

본 서적 <오픈클로 with GPT, 제미나이, 클로드>는 이러한 기술적 흐름의 중심에 있는 '오픈클로(OpenClaw)' 프로젝트를 상세히 다룬다. 오픈클로는 클라우드 기반의 강력한 모델들을 로컬 환경과 연결하여, 단순한 인터페이스를 넘어 실제 테스크를 수행하는 에이전틱 시스템을 구축하는 도구다. 본 리뷰에서는 이 책이 제시하는 에이전트의 개념과 실전 구축 과정을 살펴보고, 인공지능과 협업하는 새로운 방식에 대해 고찰해 보고자 한다.

2. 단계별 실습을 통한 에이전트 구축: 설치에서 구동까지

​

이 책의 가장 큰 미덕은 가이드의 '친절함'과 '완결성'이다. 인공지능 에이전트를 구축하는 과정은 API 키 발급, 환경변수 설정, 터미널 명령어 입력 등 비전공자에게는 생소하고 복잡할 수 있는 단계들로 이루어져 있다. 저자는 이러한 기술적 장벽을 고려하여, 제미나이와 클로드 등 각 프로바이더의 키 발급부터 VS Code를 활용한 환경 설정까지 모든 과정을 상세히 안내한다. 독자는 책의 실습 내용을 충실히 따라가는 것만으로도 시행착오 없이 시스템 셋업을 완료할 수 있다.

​

단순히 소프트웨어를 설치하는 것에 그치지 않고, 에이전트에게 명확한 정체성을 부여하는 과정 또한 매우 체계적이다. IDENTITY.md와 SOUL.md를 통해 에이전트의 역할과 행동 원칙을 설정하는 법을 배우고 나면, AI는 범용적인 챗봇을 넘어 사용자의 의도를 정확히 파악하는 전용 비서로 탈바꿈한다. 특히 사용자의 특성을 반영하는 USER.md를 연동하여 개인화된 응답을 끌어내는 설계 방식은 에이전트 활용의 핵심을 잘 보여준다.

에이전트의 실용성은 텔레그램이나 디스코드를 활용한 메신저 연동 단계에서 완성된다. 봇 생성부터 API 토큰 등록, 그리고 페어링 시스템을 통한 보안 승인 절차까지의 전 과정은 실제 서비스를 구축하는 것과 같은 경험을 제공한다. 책이 제시하는 경로를 차근차근 밟아 나가다 보면, 어느새 내 컴퓨터의 자원을 직접 활용하며 익숙한 메신저로 소통하는 인공지능 동료를 만나게 된다. 기술적 난도에 매몰되지 않고 실질적인 결과물에 도달하게 만드는 이 책의 구성은 에이전트 입문자에게 최적의 지침서가 될 것이다.

3. 실전 구축과 운영 최적화: 단순 설치를 넘어선 에이전트 활용의 정석

현재 오픈클로(OpenClaw)는 에이전트 시스템 분야에서 독보적인 인기를 구가하고 있다. 이를 원활하게 구동하기 위해 많은 사용자가 맥미니(Mac Mini) 등 전용 하드웨어를 구매하면서 품절 사태가 빚어질 정도로 에이전트 구축에 대한 열기는 뜨겁다. 이 책은 이러한 흐름 속에서 단순한 소프트웨어 설치 가이드를 넘어, 실제 동작하는 에이전트 시스템을 내 컴퓨터에 완벽히 정착시키기 위한 최적의 시작점을 제공한다.

책의 진가는 다양한 유즈케이스를 통해 실제 업무에 적용 가능한 에이전트를 직접 구축해 보는 과정에서 드러난다. 크론(Cron)을 활용한 업무 자동화, 노션 및 구글 문서와의 연동 등 구체적인 시나리오를 따라가다 보면 독자는 자연스럽게 에이전트 기반의 워크플로를 체득하게 된다. 여기서 습득한 기술들은 비단 오픈클로에만 국한되지 않고, 향후 다른 인공지능 시스템을 설계하거나 운영할 때도 충분히 적용할 수 있는 핵심적인 역량이 된다.

또한, 이 책은 셋업과 활용 단계에 머무르지 않고 실제 운영 단계에서 마주하게 될 현실적인 고민들을 깊이 있게 다룬다. 특히 토큰 사용량에 따른 비용 최적화 전략이나 3계층 보안 모델을 통한 안전한 환경 구성 등은 실무자에게 필수적인 '꿀팁'이라 할 수 있다. 하드웨어 사양 검토부터 세세한 운영 노하우까지 포함된 풍성한 콘텐츠는, 독자가 시행착오를 줄이고 지속 가능한 에이전트 환경을 유지할 수 있도록 돕는다. 요컨대, 이 책은 에이전트 시대의 문턱에서 기술적 토대를 닦고 실질적인 성과를 내고자 하는 이들에게 가장 신뢰할 만한 이정표가 될 것이다.

4. 결론: AI와 동행하는 미래를 위한 준비

과거의 AI가 질문에 답을 내놓는 보조 도구에 불과했다면, 이제는 사용자의 의도를 이해하고 작업 환경을 직접 통제하는 '동료'로 진화했다. 이 책은 그 변화의 최전선에 있는 에이전트 시스템을 누구나 자신의 환경에서 구현할 수 있도록 돕는 실무 지침서다. 친절한 단계별 가이드를 통해 기술적 진입 장벽을 낮추고, 즉시 적용 가능한 유즈케이스와 운영 노하우를 제공함으로써 독자가 실질적인 결과를 낼 수 있는 토대를 마련해 준다.

단순히 도구의 사용법을 익히는 것을 넘어, AI와 어떻게 협업하고 보안과 비용을 어떻게 관리해야 하는지에 대한 통찰력을 제공한다는 점이 이 책의 가장 큰 가치다. 2026년 현재 인공지능과 함께 일하는 새로운 워크플로를 구축하고 싶은 이들에게, 이 책은 효율적인 길을 안내하는 이정표가 될 것이다. 에이전트 시대를 대비하며 자신만의 에이전틱 시스템 구축에 열정이 있지만, 어디서부터 시작해야 하나 막막한 모든 이들에게 추천한다.

5. [Bonus] 리뷰어의 팁: 비용 걱정 없는 로컬 에이전트 환경 한 번에 구축하기

책에서 다루는 클라우드 기반 LLM(GPT, 제미나이 등)은 강력하지만, 입문자에게는 API 구독료나 사용량에 따른 비용이 심리적 장벽이 될 수 있다. 이에 본 리뷰어는 책의 내용을 기반으로, 데이터 유출 걱정 없고 비용도 안드는 로컬 LLM 에이전트 환경을 Docker로 간단히 구축하는 방법을 공유하고자 한다.

이 설정은 2026년 현재 가장 각광받는 로컬 엔진 Ollama, 챗 UI를 제공하는 Open WebUI, 그리고 LLM백엔드 모델들을 행동하는 에이전트로 탈바꿈시킬 OpenClaw를 하나의 워크플로로 묶은 것이다.

[docker-compose.yml 설정]

services:
 # 1. LLM Engine (Backend): 로컬 모델 구동의 심장부
 ollama:
   image: ollama/ollama:latest
   container_name: ollama
   restart: always
   volumes:
     - ollama_data:/root/.ollama
   deploy:
     resources:
       reservations:
         devices:
           - driver: nvidia
             count: all
             capabilities: [gpu]
 # 2. Chat UI (Frontend): 대화형 인터페이스 제공
 open-webui:
   image: ghcr.io/open-webui/open-webui:main
   container_name: open-webui
   restart: always
   ports:
     - "3000:8080"
   environment:
     - OLLAMA_BASE_URL=http://ollama:11434
   volumes:
     - open_webui_data:/app/backend/data
   depends_on:
     - ollama
 # 3. Agent Gateway (Orchestrator): OpenClaw 에이전트 실행
 openclaw:
   image: ghcr.io/openclaw/openclaw:latest
   container_name: openclaw
   user: "root"
   restart: always
   ports:
     - "18789:18789"
   environment:
     - OPENCLAW_GATEWAY_BIND=lan
     - OPENCLAW_HOME_VOLUME=true
   volumes:
     - openclaw_config:/home/node/.openclaw
     - openclaw_workspace:/home/node/.openclaw/workspace
     - /var/run/docker.sock:/var/run/docker.sock 
   depends_on:
     - ollama
volumes:
 ollama_data:
 open_webui_data:
 openclaw_config:
 openclaw_workspace:

docker compose up 으로 컨테이너를 실행한 후, 터미널에서 아래 명령어를 입력하여 최신 로컬 모델들을 내려받는 것으로 준비는 끝난다.

docker exec ollama ollama pull qwen3.6:27b
docker exec ollama ollama pull gemma4:e2b
docker exec ollama ollama pull gemma4:e4b

이제 브라우저에서 localhost:3000에 접속하면 Open WebUI를 통해 로컬 LLM과 대화할 수 있고, localhost:18789의 OpenClaw 대시보드에서는 이 모델들을 백엔드로 연결해 실제 파일 조작이나 브라우징 업무를 수행하는 에이전트를 가동할 수 있다.

이 방식은 책에서 배운 에이전트 설계 원리를 비용 부담 없이 마음껏 테스트해 볼 수 있는 학습용 샌드박스가 되어줄 것이다. 기술적 호기심이 많은 독자라면, 클라우드 API를 넘어서는 로컬 에이전트만의 독립적인 매력을 경험해 보길 권한다.

​

*한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.