1. ZeroClaw는 Rust 기반 3.4MB 바이너리로, OpenClaw 대비 메모리 200배 적게 사용하며 라즈베리 파이에서도 구동된다.
2. OpenClaw에서 원클릭 원격 코드 실행(CVE-2026-25253) 등 심각한 보안 취약점이 연달아 발견되면서 경량 대안에 대한 수요가 폭증했다.
3. 둘은 대체재가 아닌 보완재로, 맥미니에서 동시 실행하면 OpenClaw의 풍부한 기능 + ZeroClaw의 가벼운 자동화를 함께 쓸 수 있다.

결론부터 말하면

ZeroClaw는 OpenClaw의 경량 대안이 아니다. 완전히 다른 설계 철학을 가진 별개의 도구다.

• OpenClaw: 풍부한 기능, 거대한 생태계, 하지만 무겁고 최근 심각한 보안 취약점 노출
• ZeroClaw: 3.4MB 바이너리 하나로 끝. 메모리 5MB, 부팅 10ms. 라즈베리 파이에서도 돌아감

맥미니로 OpenClaw 서버를 구축한 사람이라면, ZeroClaw가 왜 한 달 만에 GitHub 28,000 스타를 찍었는지 이해할 수 있을 것이다.

핵심 스펙 비교

메모리 사용량 차이가 압도적이다. OpenClaw 1GB vs ZeroClaw 5MB, 200배 차이. 맥미니 M4 16GB에서 OpenClaw를 돌리면 시스템 리소스의 6%를 에이전트 런타임이 잡아먹지만, ZeroClaw는 0.03%만 사용한다. 나머지를 전부 LLM 추론에 쓸 수 있다는 뜻이다.

OpenClaw의 보안 위기

2026년 초, OpenClaw에서 연달아 심각한 보안 취약점이 발견됐다.

CVE-2026-25253 (원클릭 원격 코드 실행, CVSS 8.8)

OpenClaw Control UI가 URL 파라미터의 gatewayUrl을 검증 없이 신뢰하고 자동 연결하는 문제. 악성 웹페이지를 한 번 클릭하는 것만으로 공격자가 피해자의 인증 토큰을 탈취하고, 시스템을 완전히 장악할 수 있었다. 2026년 2월 3일 공개 시점에 인터넷에 노출된 OpenClaw 인스턴스가 40,000개 이상, 이 중 63%가 취약한 상태였다.

CVE-2026-26327 (인증 우회)

mDNS/DNS-SD 서비스 디스커버리의 인증되지 않은 TXT 레코드를 신뢰하는 문제. 같은 네트워크에 있는 공격자가 자격증명을 가로챌 수 있다. 카페 와이파이, 코워킹 스페이스 같은 공유 네트워크에서 특히 위험하다.

두 취약점 모두 v2026.1.29에서 패치됐지만, 이 사건은 TypeScript 기반 대형 코드베이스의 공격 표면이 얼마나 넓은지를 보여줬다.

ZeroClaw의 보안 접근: 명시적 허가 기반. 작업 디렉토리 제한, 명령어 허용목록, 암호화된 시크릿, 페어링 인증. 공격 표면 자체를 최소화하는 설계다.

ZeroClaw가 빠른 이유

Rust라서 빠른 게 아니다. 불필요한 것을 전부 뺐기 때문에 빠르다.

OpenClaw는 “할 수 있는 모든 것”을 담았다. 웹 UI, 플러그인 마켓, 다중 에이전트, 메시징 통합, 대시보드. 풍부하지만 무겁다.

ZeroClaw는 반대 방향을 택했다. AI 에이전트가 실제로 필요한 것만 남겼다.

• LLM 호출: OpenAI, Anthropic, Ollama 등 22개 프로바이더 네이티브 지원
• 도구 실행: 셸, 브라우저, 파일 시스템
• 메모리: 자체 벡터 검색 엔진 내장 (Pinecone, Elasticsearch 불필요)
• 채널: CLI, HTTP, WebSocket

이게 전부다. 웹 UI도 없고, 플러그인 마켓도 없다. 대신 3.4MB로 끝난다.

어떤 사람에게 맞는가

OpenClaw가 맞는 경우

• ClawHub 플러그인 생태계가 필요하다
• 웹 UI로 시각적으로 관리하고 싶다
• 여러 명이 사용하는 팀 환경이다
• 이미 OpenClaw에 투자한 시간이 많다

ZeroClaw가 맞는 경우

• 라즈베리 파이, NAS 같은 저전력 기기에서 에이전트를 돌리고 싶다
• 맥미니의 메모리를 LLM에 최대한 할당하고 싶다
• 보안이 최우선이다 (금융, 의료 등)
• SSH로 서버에 바이너리 하나 올리고 끝내고 싶다
• 항상 켜져 있는 백그라운드 에이전트가 필요하다

맥미니 사용자라면

맥미니 M4로 OpenClaw를 구축한 사람이 가장 많이 묻는 질문이 있다.

“ZeroClaw로 갈아타야 하나?”

정답은 “둘 다 쓰면 된다”다.

ZeroClaw는 5MB밖에 안 쓴다. OpenClaw와 동시에 돌려도 부담이 없다. 실제로 이런 조합이 가능하다.

• OpenClaw: 메인 에이전트. 텔레그램/디스코드 연동, ClawHub 플러그인 활용
• ZeroClaw: 보조 에이전트. 파일 모니터링, cron 기반 자동화, 보안이 중요한 작업

16GB 맥미니 기준, OpenClaw(1GB) + ZeroClaw(5MB) + Ollama(10~12GB) = 충분히 돌아간다.

설치 비교

OpenClaw:

# Docker 기반 (권장)
docker pull openclaw/openclaw
docker run -d -p 3100:3100 openclaw/openclaw

의존성: Docker, Node.js 런타임, 수백 MB 이미지

ZeroClaw:

# 바이너리 다운로드 한 줄
curl -fsSL https://get.zeroclaw.net | sh
zeroclaw pair

의존성: 없음. 바이너리 하나가 전부.

성능 요약

전망

OpenClaw는 300,000 스타의 거대한 생태계를 가지고 있다. 당장 사라지지 않는다. 하지만 보안 사고가 연이어 터지면서 기업 환경에서의 신뢰가 흔들리고 있다.

ZeroClaw는 출시 한 달 만에 28,000 스타를 찍으며 “작은 것이 아름답다”를 증명했다. Rust의 메모리 안전성과 최소주의 설계가 보안에 민감한 사용자를 빠르게 흡수하고 있다.

로컬 AI 에이전트 시장은 이제 “기능이 많은 것” vs “가볍고 안전한 것”으로 갈라지고 있다. 맥미니 대란으로 시작된 개인 AI 서버 시대가, 이제 소프트웨어 선택의 시대로 넘어가고 있다.

참고 자료

• ZeroClaw 공식 사이트
• ZeroClaw vs OpenClaw 공식 비교
• OpenClaw RCE 취약점 분석 (CVE-2026-25253)
• OpenClaw 인증 우회 취약점 (CVE-2026-26327)
• 2026 AI 에이전트 프레임워크 종합 비교
• ZeroClaw + Ollama 5분 설치 가이드

이 글은 2026년 3월 21일 기준으로 작성되었습니다. 오픈소스 프로젝트 특성상 기능과 스펙은 빠르게 변경될 수 있습니다.

The post ZeroClaw vs OpenClaw 전격 비교 – 3.4MB Rust의 도전장 appeared first on .

3줄 요약

1. OpenAI가 깃허브 스타 18만 개를 기록한 오픈소스 AI 에이전트 오픈클로(OpenClaw)의 창시자 피터 슈타인버거(Peter Steinberger)를 영입하며, 자율형 AI 에이전트 시장 공략을 본격화한다
2. 오픈클로는 사용자의 컴퓨터를 직접 제어해 파일 관리, 이메일 전송, 항공편 체크인까지 자동 수행하는 ‘실제로 일하는 AI’로, 2025년 11월 출시 이후 3개월 만에 폭발적 성장을 이뤘다
3. OpenAI는 2026년 2월 초 엔터프라이즈 에이전트 플랫폼 프런티어(Frontier)를 출시한 데 이어 오픈클로 개발자까지 품으며, 대화형 AI에서 자율형 에이전트로의 전환을 가속하고 있다

사건 타임라인

2025년 11월 – 클로드봇(Clawdbot) 탄생

오스트리아 출신 개발자 피터 슈타인버거가 오픈소스 AI 에이전트 프로젝트 ‘클로드봇(Clawdbot)’을 공개한다. 슈타인버거는 13년간 자신의 회사를 운영한 경험이 있는 제품 중심의 엔지니어로, 이번 프로젝트에 자신의 기술 철학을 집약한다.

클로드봇은 기존 챗봇과 근본적으로 다른 접근 방식을 취한다. 단순히 텍스트를 생성하는 것이 아니라, 사용자의 컴퓨터 운영체제를 직접 제어해 실제 작업을 수행하는 자율형 에이전트다. 파일 조작, 이메일 발송, 캘린더 관리, 항공편 예약까지 사용자가 잠든 사이에도 처리할 수 있다는 점에서 ‘실제로 일하는 AI(AI that actually does things)’라는 슬로건으로 주목받기 시작한다.

기술적으로는 Claude, DeepSeek, GPT 등 외부 대규모 언어 모델과 연동되며, Telegram, Discord, WhatsApp, Signal 등 메신저 앱을 통해 접근하는 구조다. 셸 명령 실행, 브라우저 자동화, 50개 이상의 통합 기능을 제공하고, ‘heartbeat scheduler’라는 자체 스케줄러를 통해 사용자 개입 없이 지속적으로 작동한다.

2026년 1월 – 폭발적 성장과 이름 논란

출시 두 달 만에 클로드봇은 깃허브에서 10만 스타를 돌파하고, 일주일 만에 200만 방문자를 끌어들이는 등 바이럴 성장을 기록한다. 개발자 커뮤니티에서는 클로드봇을 활용해 Claude Code나 Codex 세션을 관리하고, Sentry로 에러를 감지한 뒤 자동으로 깃허브 PR을 생성하는 워크플로우가 공유되며 열풍이 일어난다.

그러나 성장의 이면에는 문제도 있었다. 2026년 1월 27일, 앤스로픽(Anthropic)이 ‘클로드봇(Clawdbot)’이라는 이름이 자사 AI 챗봇 ‘클로드(Claude)’의 상표권을 침해한다며 정중한 법적 통지를 보낸다. 슈타인버거는 이를 즉시 수용하고 프로젝트명을 바닷가재 테마에 맞춰 ‘몰트봇(Moltbot)’으로 변경한다. 하지만 3일 후인 1월 30일, “발음이 매끄럽지 않다”는 이유로 다시 한번 ‘오픈클로(OpenClaw)’로 최종 리브랜딩을 단행한다.

불과 일주일 사이에 세 번 이름이 바뀐 이 사건은 오픈소스 역사상 가장 빠른 트리플 리브랜딩으로 기록된다.

2026년 2월 초 – 보안 논란과 프라이버시 우려

OpenClaw가 대중적 인기를 얻으면서 심각한 보안 문제가 수면 위로 떠오른다. 노스이스턴 대학교 연구진은 OpenClaw를 ‘프라이버시 악몽(privacy nightmare)’이라 규정한다. AI 에이전트가 사용자의 비밀번호, 기밀 정보에 접근하면서 동시에 사용자를 대신해 행동을 취할 수 있기 때문이다.

(금지령 내린 우리나라에 비해, 적극 도입을 검토 중인 중국 바이두. 통제에 대한 자신감인지, 보안 불감증인지 두고봐야 할 것 같다)

보안 연구원 마오르 다얀(Maor Dayan)의 조사에 따르면, 인터넷에 노출된 오픈클로 인스턴스가 42,000개 이상이며, 검증된 인스턴스의 93%가 인증 우회 취약점을 보유하고 있다. CVE-2026-25253으로 등록된 원클릭 원격 코드 실행(RCE) 취약점은 CVSS 8.8점을 기록한다.

더 큰 문제는 스킬 마켓플레이스에서 발견된다. 보안 연구원 폴 매카시(Paul McCarty)는 마켓플레이스를 분석한 지 2분 만에 악성코드를 발견하고, 단일 공격자가 올린 386개의 악성 패키지를 식별한다.

슈타인버거는 이에 대응해 스킬 업로드 시 깃허브 계정 1주 이상 경과 조건을 추가하고, 악성 스킬 신고 기능을 도입하는 등 보안 강화 조치를 취한다.

2026년 2월 5일 – OpenAI, 프런티어(Frontier) 플랫폼 출시

OpenAI가 엔터프라이즈 AI 에이전트 플랫폼 ‘프런티어(Frontier)’를 공식 출시한다. 기업이 AI 에이전트를 구축, 배포, 관리할 수 있는 엔드투엔드 플랫폼으로, 에이전트에게 공유 컨텍스트, 온보딩, 피드백 기반 학습, 권한 관리 기능을 제공한다.

주목할 점은 프런티어가 오픈 플랫폼이라는 것이다. OpenAI 에이전트뿐 아니라 구글, 마이크로소프트, 앤스로픽 등 서드파티 에이전트도 함께 관리할 수 있다. HP, 인튜이트, 오라클, 스테이트 팜, 우버 등이 초기 고객으로 참여하며, 한 글로벌 금융사는 프런티어 도입 후 고객 대면 팀의 업무 시간을 90% 절감했다고 보고한다.

2026년 2월 15일 – OpenAI, 피터 슈타인버거 영입 발표

샘 올트먼(Sam Altman) OpenAI CEO가 직접 발표한다. OpenClaw 창시자 피터 슈타인버거가 OpenAI에 합류해 ‘차세대 개인 에이전트(next generation of personal agents)’를 이끌게 된다.

올트먼은 “이것이 빠르게 우리의 핵심 제품 라인업이 될 것으로 기대한다”고 밝히며, OpenClaw는 “재단 산하 오픈소스 프로젝트로 유지되며 OpenAI가 계속 지원할 것”이라고 약속한다.

슈타인버거 본인도 자신의 블로그를 통해 입장을 밝힌다. “OpenClaw를 거대한 회사로 키울 수도 있었지만, 내가 원하는 것은 세계를 바꾸는 것이지 대기업을 만드는 것이 아니다. OpenAI와 합류하는 것이 이 기술을 모든 사람에게 가져다주는 가장 빠른 길이다.”

핵심 쟁점 정리

앞으로 어떻게 될까

OpenAI의 움직임은 명확하다. 2월 5일 프런티어로 기업 시장을 잡고, 2월 15일 OpenClaw 개발자 영입으로 개인 사용자 시장까지 공략하는 투 트랙 전략이다.

단기적으로 주목해야 할 지점은 세 가지다. 첫째, OpenClaw의 기술이 ChatGPT에 어떤 형태로 통합될 것인지다. 올트먼이 “핵심 제품 라인업”이라고 표현한 만큼, ChatGPT 에이전트(Operator)와의 결합이 유력하다. 둘째, 오픈소스 재단으로 전환된 OpenClaw가 실질적으로 독립성을 유지할 수 있을지 여부다. 셋째, 보안 문제 해결이다. 자율형 에이전트가 사용자의 컴퓨터를 통째로 제어하는 만큼, 현재 수준의 보안으로는 대중적 확산에 한계가 있다.

거시적으로는 AI 산업의 패러다임이 ‘대화형 AI’에서 ‘행동하는 AI’로 전환되고 있다는 신호다. 텍스트를 생성하는 것을 넘어 실제 업무를 수행하는 에이전트가 AI의 다음 전장이 되었으며, OpenAI는 이 전장에서 가장 공격적으로 움직이고 있다.

참고 자료

• OpenClaw 창시자 피터 슈타인버거, 오픈AI 합류 발표 (TechCrunch)
• 오픈AI, 오픈클로 AI 에이전트 개발자 영입 (Bloomberg)
• 피터 슈타인버거 본인 블로그 – OpenClaw, OpenAI and the future
• 오픈AI 프런티어 플랫폼 출시 (CNBC)
• 오픈클로 프라이버시 논란 (Northeastern University)
• 오픈클로 보안 취약점 분석 (The Register)
• 작성일: 2026-02-16

The post OpenAI, OpenClaw 개발자 영입 – 배경 전망 총정리 appeared first on .

1. 오픈소스 AI 에이전트 플랫폼 OpenClaw의 폭발적 인기로 맥미니가 품귀 현상을 빚고 있으며, 중고 시장에서도 매물이 올라오면 수 시간 내 거래가 완료된다

2. 맥미니가 AI 서버로 선택받는 이유는 대기 전력 4~7W의 초저전력, 89만원부터의 합리적 가격, 그리고 DDR5/SSD 가격 폭등으로 자작PC 대비 가성비가 역전됐기 때문이다

3. OpenClaw를 클라우드 API로 사용한다면 M4 기본형(89만원)이면 충분하고, 로컬 LLM까지 돌리려면 M4 Pro 이상이 필요하다

맥미니, 왜 지금?

2026년 1월, 맥미니 품귀 사태

2026년 초, 개발자 커뮤니티에서 이상한 현상이 발생했다. 번개장터와 중고나라에 올라온 맥미니 매물이 몇 시간 만에 사라지기 시작한 것이다. 애플 공식 스토어에서도 일부 모델의 배송이 지연됐고, 쿠팡과 다나와에서는 가격이 오히려 올라가는 기현상까지 벌어졌다.

원인은 하나다. OpenClaw라는 오픈소스 AI 에이전트 플랫폼이 등장하면서, 사람들이 “개인 AI 서버”를 구축하기 위해 맥미니를 대량으로 구매하기 시작한 것이다.

DDR5, SSD 가격 폭등의 반사이익

때마침 2025년 하반기부터 DDR5 메모리와 SSD 가격이 급등하면서, 자작 PC 조립 비용이 크게 올랐다. 반면 맥미니 M4는 16GB 통합 메모리에 256GB SSD를 탑재하고도 89만원. 같은 사양의 미니 PC를 직접 조립하면 비슷하거나 오히려 더 비싼 상황이 된 것이다.

결과적으로 맥미니가 “AI 시대의 가성비 끝판왕”이라는 타이틀을 얻게 됐다.

OpenClaw란 무엇인가

개요

OpenClaw(구 Clawdbot, 구 Moltbot)는 오픈소스 AI 에이전트 플랫폼이다. 이름이 두 번이나 바뀐 이유는, 최초 이름인 ‘Clawdbot’이 Anthropic의 Claude와 유사하다는 이유로 명칭 변경을 요구받았기 때문이다.

쉽게 말하면, PC에 상주하면서 사용자 대신 컴퓨터를 조작하는 AI 비서다. WhatsApp, Telegram, Slack, Discord, iMessage 같은 메신저로 명령을 보내면, AI가 알아서 실행한다.

주요 기능

OpenClaw가 할 수 있는 것들:

• 웹 검색 및 정보 수집: “내일 서울 날씨 알려줘” 수준이 아니라, 복잡한 리서치를 알아서 수행
• 이메일 관리: 메일 분류, 답장 초안 작성, 스팸 정리
• 파일 관리: 문서 정리, 변환, 백업
• 터미널 명령어 실행: 개발자라면 서버 관리까지 위임 가능
• 일정 관리: 캘린더 확인, 일정 조율, 리마인더 설정
• 새로운 스킬 학습: 사용자가 가르치면 새로운 작업을 배움

설치 요구사양

OpenClaw 자체는 Node.js 기반으로 매우 가볍다. 하지만 사용 방식에 따라 요구사양이 완전히 달라진다.

중요한 포인트: 대부분의 사용자는 클라우드 API 방식으로 사용한다. 이 경우 맥미니는 24시간 켜두는 중계 서버 역할만 하기 때문에, 기본형으로도 충분하다.

로컬 LLM을 제대로 돌리려면 공식 권고 기준으로 M3 Ultra / 512GB 통합 메모리를 갖춘 맥 스튜디오급 사양이 필요하다. 맥미니로 로컬 LLM을 돌리겠다는 기대는 현실적이지 않다.

맥미니 모델별 스펙 비교

현행 라인업 (Apple Silicon)

전력 소비 비교 (Apple 공식)

이 표가 맥미니가 AI 서버로 선택받는 핵심 이유다.

M4 맥미니의 대기 전력은 4W다. 이건 LED 전구 하나 수준이다. 24시간 365일 켜놔도 전기세가 거의 나오지 않는다.

전기세 비교: 맥미니 vs 일반 PC vs 클라우드

24시간 상시 가동 기준으로 비용을 계산해보면 맥미니의 가성비가 드러난다.

월간 전기세 (24시간 가동)

OpenClaw 같은 AI 에이전트는 대부분의 시간을 대기 상태로 보낸다. 명령이 들어올 때만 잠깐 CPU를 쓰고, 나머지는 idle 상태다. 실사용 평균 전력을 기준으로 계산하면:

클라우드 대비 비용

클라우드 VPS로 같은 일을 하면 어떨까?

2년 차부터 맥미니가 AWS보다 저렴해진다. 3년이면 클라우드 대비 약 7~67만원을 아낄 수 있다. 게다가 맥미니는 3년 후에도 중고로 팔 수 있다.

용도별 추천 모델

OpenClaw (클라우드 API 방식) – 대부분의 사용자

추천: M4 기본형 (16GB / 89만원)

• OpenClaw + 클라우드 API는 RAM 4GB면 충분
• 16GB는 OpenClaw 외에 다른 용도로도 여유 있게 사용 가능
• 대기 전력 4W로 전기세 부담 없음
• 가장 합리적인 선택

홈서버 + 개발 환경

추천: M4 기본형 (16GB) 또는 M4 24GB 옵션

• Docker 컨테이너 여러 개 운영 가능
• 간단한 웹서버, DB 서버로 활용
• Home Assistant, Plex 등 홈 자동화까지

로컬 AI 모델 실험

추천: M4 Pro 24GB (209만원) 이상

• Ollama로 7B급 모델은 M4 기본형에서도 가능하지만 느림
• 13B급 이상은 M4 Pro 48GB 이상 권장
• 본격적인 로컬 LLM은 맥 스튜디오 영역

중고 구매 시

가성비 추천: M2 16GB 중고 (50~60만원대)

• 클라우드 API 방식 OpenClaw용으로 충분
• 대기 전력 7W로 M4(4W)보다 약간 높지만 큰 차이 없음
• 신품 대비 30만원 이상 절약 가능

비추천: M1 8GB

• 8GB RAM은 macOS 자체가 4~5GB를 사용하므로 여유가 없음
• OpenClaw + 브라우저 + 기타 서비스 동시 운영 시 스왑 발생
• 가격이 싸더라도 장기적으로 불만족스러울 가능성 높음

구매 전 알아야 할 것들

OpenClaw의 보안 리스크

OpenClaw는 컴퓨터의 키보드, 마우스, 파일 시스템에 접근 권한을 가진다. 이 말은 곧:

• 이메일, 파일, 개인 데이터에 AI가 접근 가능
• 의도하지 않은 잘못된 동작의 위험
• 악의적 프롬프트 주입(Prompt Injection) 공격 가능성

권장사항: OpenClaw 전용 계정을 만들어 권한을 분리하고, 민감한 데이터가 없는 환경에서 운영하는 것이 안전하다.

“로컬 LLM을 돌리고 싶다”는 환상

SNS에서 “맥미니로 로컬 AI를 돌린다”는 글이 많이 보이지만, 현실은 다르다.

• 기본형 16GB로는 7B급 모델이 겨우 돌아가는 수준
• 체감 성능은 Claude나 GPT API를 쓰는 것에 비해 한참 떨어짐
• 공식 권고: 로컬 LLM을 제대로 돌리려면 맥 스튜디오 M3 Ultra 512GB급 사양 필요

맥미니를 산다면 클라우드 API 중계 서버로 쓴다는 생각이 현실적이다.

M5를 기다려야 할까? [3월 업데이트]

2026년 3월, 애플이 M5 칩을 공식 발표했다. MacBook Air와 MacBook Pro에 먼저 탑재되어 3월 11일부터 판매가 시작됐다. 맥미니 M5는 2026년 상반기~WWDC(6월) 전후 출시가 예상된다.

결론부터 말하면, 지금 당장 필요하면 M4를 사라. OpenClaw를 클라우드 API 방식으로 쓰는 용도라면 M4와 M5의 차이가 체감되지 않는다. 맥미니는 대부분의 시간을 idle 상태로 보내기 때문이다. AI 작업 성능 향상은 로컬 LLM을 돌릴 때나 의미가 있고, 클라우드 API 중계 서버에는 과분한 성능이다.

다만 로컬 AI 모델을 돌리려는 사용자라면 M5 맥미니를 기다리는 것이 합리적이다. M5의 메모리 대역폭 향상(153GB/s)과 AI 성능 개선은 로컬 추론 속도에 직접적인 영향을 미친다. M5 출시 예고로 리셀러 채널에서 M4 재고를 할인 판매하는 경우도 늘고 있으므로, 급하지 않다면 이 시점을 활용하는 것도 방법이다 (Apple 공식가는 변동 없음).

중고 구매 체크리스트

맥미니 중고를 구매할 때 확인해야 할 항목:

2026년 3월 업데이트

OpenClaw v2026.3.13 보안 강화

2026년 3월 13일 릴리즈된 OpenClaw v2026.3.13에서 보안 구조가 크게 개선됐다. 기존에는 /pair 설정이나 QR 코드 방식이 자격증명을 그대로 노출하는 문제가 있었는데, 이번 업데이트로 단기 부트스트랩 토큰 방식으로 전환됐다. 한 번 사용하면 만료되는 토큰을 써서 초기 설정 과정에서의 노출 위험을 차단한 것이다.

이외에도 Chrome DevTools MCP 연동이 추가됐고, Docker 컨테이너의 타임존 고정 문제가 해결됐으며, Dashboard UI 안정성이 개선됐다. 홈서버로 장기 운영하는 사용자라면 업데이트를 권장한다.

지원 플랫폼 확대

OpenClaw의 공식 지원 플랫폼이 대폭 확대됐다. 맥미니 없이도 OpenClaw를 운영할 수 있는 선택지가 늘어난 것이다.

• QNAP NAS: 기존 NAS를 AI 에이전트 서버로 전환 가능
• Synology NAS: DSM 환경에서 Docker 컨테이너로 운영
• Raspberry Pi 5: 저전력 ARM 환경 공식 지원
• Intel AI PC: NPU 가속을 활용한 로컬 추론 지원

맥미니가 여전히 가성비 우위를 점하고 있지만, 이미 NAS를 보유한 사용자라면 별도 하드웨어 없이 OpenClaw를 시작해볼 수 있게 됐다.

ZeroClaw: 경쟁자 등장

2026년 2월, Rust 기반의 오픈소스 AI 에이전트 플랫폼 ZeroClaw가 등장해 빠르게 주목받고 있다. GitHub 스타가 출시 한 달 만에 19,000개를 돌파했다.

ZeroClaw는 리소스가 제한된 환경에서 강점을 가진다. 단, 생태계 성숙도와 플러그인 수는 아직 OpenClaw에 비해 부족한 편이다.

MLX 프레임워크로 추론 속도 높이기

맥미니에서 로컬 LLM을 돌린다면 MLX 프레임워크를 고려할 만하다. Apple Silicon의 통합 메모리 구조에 최적화된 MLX는 같은 하드웨어에서 Ollama 대비 추론 속도를 20~30% 높여준다.

• Apple에서 직접 개발한 머신러닝 프레임워크
• CPU와 GPU를 동시에 활용하는 통합 메모리 최적화
• mlx-lm 패키지로 Hugging Face 모델 바로 실행 가능
• Ollama와 병행 사용 가능 (용도별 선택)

M4 Pro 이상 맥미니에서 13B급 모델을 돌린다면, Ollama 대신 MLX를 써보는 것이 체감 성능 차이를 만들어준다.

정리: 이 돈이면 이거 사라

가장 많이 팔리는 조합: M4 16GB 신품(89만원)으로 OpenClaw를 클라우드 API 방식으로 운영. 이게 현재 가장 현실적인 “개인 AI 서버” 구성이다.

참고 자료

• Apple 공식 Mac mini 스펙
• Apple Mac mini 전력 소비 정보
• OpenClaw 공식 사이트
• 바이라인네트워크 – 맥미니 품귀 일으킨 클로드봇
• Scientific American – OpenClaw AI Agent
• GeekNews – OpenClaw는 Apple Intelligence가 되었어야 할 모습
• Apple Newsroom – M5 MacBook Air 발표 (2026.03.03)
• 정보 기준일: 2026-02-08 (업데이트: 2026-03-21)

The post 맥미니 대란 – OpenClaw가 만든 AI 서버 시대, 모델별 구매 가이드 appeared first on .

“AI에게 서버 관리를 맡길 수 있을까?”

최근 AI 에이전트 기술이 빠르게 발전하면서, 단순한 챗봇을 넘어 실제 인프라를 관리하는 AI에 대한 관심이 높아지고 있습니다. 이번 글에서는 오픈소스 AI 자동화 프레임워크인 OpenClaw을 Kubernetes 클러스터에 설치하고, 코드 작성 → GitHub 푸시 → Jenkins 빌드 → K8s 배포까지 자율적으로 수행하는 DevOps 에이전트를 구축한 과정을 공유합니다.

전체 구현 과정은 Claude Code(Anthropic의 CLI 기반 AI 코딩 도구)와 함께 진행했으며, 설정 파일 작성부터 트러블슈팅까지 실시간으로 협업하며 완성했습니다.

핵심요약

• 쿠버네티스 클러스터 내에 pod 로 실행중
• 슬랙과 연동해서 대화형으로 구성
• GLM-4.7 (영균매니저님이 소개해준 Z.AI)을 main model 로 사용
• pod 에서 상위 레벨인 node 상태와 클러스터 제어를 위해 권한 부여(service account의 RBAC 설정)
• GLM 모델 특성(원래 느림)도 있겠지만 상호작용이 개느림, 답답

OpenClaw ?

OpenClaw은 2026년 초 등장한 오픈소스 AI 자동화 프레임워크입니다. 주요 특징은 다음과 같습니다:

• 다양한 LLM 지원: Anthropic Claude, OpenAI GPT, Google Gemini, Z.AI GLM 등
• 멀티 채널: 웹 UI, Slack, Discord, WhatsApp 등으로 대화 가능
• 도구 실행: 셸 명령어, 파일 조작, 웹 브라우저 자동화 기능 내장
• Helm Chart 제공: Kubernetes 배포를 위한 공식 Helm 차트 지원

핵심은 AI가 단순히 텍스트를 생성하는 것을 넘어, 실제 명령어를 실행하고 시스템을 제어할 수 있다는 점입니다.

최종 아키텍처

구축 완료 후의 전체 아키텍처는 다음과 같습니다:

┌─────────────────────────────────────────────────────────┐
│  Kubernetes Cluster (v1.30.4, 6 nodes)                  │
│                                                         │
│  ┌─────────── openclaw namespace ──────────┐            │
│  │  ┌──────────────────────────────────┐   │            │
│  │  │  OpenClaw Pod (2 containers)     │   │            │
│  │  │  ├─ main: OpenClaw Agent         │   │            │
│  │  │  │   ├─ kubectl (RBAC)    ──────────────→ K8s API │
│  │  │  │   ├─ helm              ──────────────→ K8s API │
│  │  │  │   ├─ git               ──────────────→ GitHub  │
│  │  │  │   └─ curl              ──────────────→ Jenkins │
│  │  │  └─ chromium: Browser Sidecar    │   │            │
│  │  └──────────────────────────────────┘   │            │
│  │  ServiceAccount: openclaw-sa            │            │
│  │  ClusterRole: Full K8s Access           │            │
│  └─────────────────────────────────────────┘            │
│                                                         │
│  ┌─── corpbreak-com-ingress ns ───┐                     │
│  │  ExternalName Svc + Ingress    │                     │
│  │  → openclaw.corpbreak.com      │                     │
│  └────────────────────────────────┘                     │
└─────────────────────────────────────────────────────────┘
         ↕                    ↕                ↕
    [Slack Bot]         [Web UI HTTPS]    [Jenkins API]

주요 구성 요소

구현 과정

Step 1: Helm으로 기본 설치

먼저 OpenClaw의 공식 Helm 차트를 이용하여 기본 설치를 진행했습니다.

# Helm 레포지토리 추가
helm repo add openclaw https://serhanekicii.github.io/openclaw-helm
helm repo update

# 네임스페이스 생성 및 설치
kubectl create namespace openclaw
helm install openclaw openclaw/openclaw -n openclaw -f values.yaml

LLM은 Z.AI의 GLM 4.7 모델을 선택했습니다. OpenClaw은 zai를 빌트인 프로바이더로 지원하기 때문에, API 키만 환경변수로 설정하면 됩니다.

Step 2: 첫 번째 장애 – Gateway Token

설치 직후 Pod가 CrashLoopBackOff 상태에 빠졌습니다.

Config invalid
Problem: Gateway auth is set to token, but no token is configured

OpenClaw의 Gateway는 인증 토큰이 필수입니다. openssl rand -hex 32로 토큰을 생성하고 Secret에 추가한 후, 설정 파일에서 환경변수로 참조하도록 수정했습니다.

"gateway": {
  "auth": {
    "token": "${GATEWAY_TOKEN}"
  }
}

Step 3: HTTPS Ingress 구성

기존 인프라의 패턴에 맞춰 ExternalName Service + Ingress 조합으로 외부 접근을 구성했습니다.

# ExternalName Service (cross-namespace routing)
apiVersion: v1
kind: Service
metadata:
  name: openclaw-external
  namespace: corpbreak-com-ingress
spec:
  type: ExternalName
  externalName: openclaw.openclaw.svc.cluster.local

OpenClaw의 WebUI는 WebSocket을 사용하므로, Ingress에 다음 annotation이 필수입니다:

nginx.ingress.kubernetes.io/proxy-http-version: "1.1"
nginx.ingress.kubernetes.io/proxy-read-timeout: "3600"
nginx.ingress.kubernetes.io/proxy-send-timeout: "3600"

Step 4: WebSocket 연결 오류 해결

접속 시도 시 여러 WebSocket 에러가 연이어 발생했습니다:

각 오류를 하나씩 해결한 끝에 웹 UI 접속에 성공했습니다.

Step 5: Slack 연동

OpenClaw은 Slack Socket Mode를 지원합니다. Slack App을 생성하고 다음 두 토큰을 Secret에 추가하면 됩니다:

• App-Level Token (xapp-): Socket Mode 연결용
• Bot Token (xoxb-): 메시지 송수신용

"channels": {
  "slack": {
    "enabled": true,
    "appToken": "${SLACK_APP_TOKEN}",
    "botToken": "${SLACK_BOT_TOKEN}"
  }
}

설정 후 OpenClaw 로그에서 socket mode connected 메시지를 확인할 수 있습니다.

Step 6: 브라우저 자동화 설정

OpenClaw의 브라우저 기능을 활성화하려면 두 가지가 필요합니다:

1. Chromium Sidecar Container: CDP(Chrome DevTools Protocol) 서버 제공
2. Playwright 브라우저 바이너리: Main 컨테이너에서 직접 브라우저 실행

Chromium Sidecar는 Helm Chart에서 자동 생성되지만, Playwright 바이너리는 Init Container로 별도 설치가 필요했습니다.

initContainers:
  install-browser:
    image:
      repository: ghcr.io/openclaw/openclaw
      tag: "2026.2.3"
    command:
      - sh
      - -c
      - |
        PLAYWRIGHT_BROWSERS_PATH=/home/node/.openclaw/browsers \
        node /app/node_modules/playwright-core/cli.js install chromium

Step 7: DevOps 도구 설치 (kubectl, helm)

OpenClaw Pod 안에서 클러스터를 관리하려면 kubectl과 helm이 필요합니다. 이들도 Init Container로 설치했습니다.

initContainers:
  install-tools:
    image:
      repository: alpine
      tag: "3.21"
    command:
      - sh
      - -c
      - |
        # kubectl 설치
        wget -q "https://dl.k8s.io/release/v1.30.4/bin/linux/amd64/kubectl" \
          -O /home/node/.openclaw/bin/kubectl
        chmod +x /home/node/.openclaw/bin/kubectl

        # helm 설치
        wget -q "https://get.helm.sh/helm-v3.17.1-linux-amd64.tar.gz" \
          -O /tmp/helm.tar.gz
        tar -xzf /tmp/helm.tar.gz -C /tmp
        mv /tmp/linux-amd64/helm /home/node/.openclaw/bin/helm

이 바이너리들은 PVC에 저장되므로, Pod가 재시작되어도 다시 다운로드할 필요가 없습니다.

Step 8: RBAC 설정 – Pod에서 클러스터 제어하기

Kubernetes에서 Pod가 클러스터 API에 접근하려면 ServiceAccount + ClusterRole + ClusterRoleBinding이 필요합니다.

apiVersion: rbac.authorization.k8s.io/v1
kind: ClusterRole
metadata:
  name: openclaw-cluster-role
rules:
  - apiGroups: [""]
    resources: ["nodes", "pods", "pods/log", "services",
                "configmaps", "secrets", "namespaces"]
    verbs: ["get", "list", "watch", "create", "update", "patch", "delete"]
  - apiGroups: ["apps"]
    resources: ["deployments", "replicasets", "statefulsets"]
    verbs: ["get", "list", "watch", "create", "update", "patch", "delete"]
  - apiGroups: ["networking.k8s.io"]
    resources: ["ingresses"]
    verbs: ["get", "list", "watch", "create", "update", "patch", "delete"]

이렇게 설정하면 OpenClaw이 Pod 내부에서 kubectl get nodes, kubectl get pods -A 등을 자유롭게 실행할 수 있습니다.

Step 9: 시스템 프롬프트 주입 (Bootstrap File)

OpenClaw이 DevOps 작업을 정확히 수행하려면, 프로젝트 구조와 CI/CD 파이프라인에 대한 지식이 필요합니다.

처음에는 에이전트 설정에 systemPrompt 필드를 직접 추가했으나, “Unrecognized key” 오류로 Pod가 크래시했습니다. OpenClaw은 시스템 프롬프트를 설정 파일이 아닌 Bootstrap 파일로 주입하는 방식을 사용합니다.

Workspace 디렉토리에 AGENTS.md 파일을 생성하면, OpenClaw이 자동으로 이를 감지하여 시스템 프롬프트에 포함시킵니다.

/home/node/.openclaw/workspace/AGENTS.md

이 파일에 다음 정보를 포함했습니다:

• 도구 경로 (kubectl, helm, git)
• 클러스터 정보 (노드 구성, StorageClass, Registry)
• GitHub 인증 방법
• 전체 서비스 목록과 도메인 매핑
• Jenkins API 사용법 (빌드 트리거, 상태 확인, Job 생성)
• Blue-Green 배포 파이프라인 구조
• deploy-config YAML 템플릿

주요 설정 파일 구조

values.yaml (Helm Values)

최종 values.yaml의 핵심 구조는 다음과 같습니다:

configMode: overwrite

app-template:
  controllers:
    main:
      serviceAccount:
        name: openclaw-sa          # RBAC 연결
      containers:
        main:
          envFrom:
            - secretRef:
                name: openclaw-env-secret  # API 키, 토큰
          env:
            PATH: /home/node/.openclaw/bin:...  # kubectl, helm 경로

      initContainers:
        install-browser: ...       # Playwright Chromium
        install-tools: ...         # kubectl, helm + AGENTS.md

  configMaps:
    config:
      data:
        openclaw.json: |
          {
            "gateway": { ... },
            "browser": { ... },
            "agents": {
              "defaults": {
                "workspace": "/home/node/.openclaw/workspace",
                "model": { "primary": "zai/glm-4.7" }
              }
            },
            "channels": {
              "slack": { "enabled": true, ... }
            }
          }

  persistence:
    data:
      type: persistentVolumeClaim
      size: 5Gi
      storageClass: longhorn

Secret 구성

# openclaw-env-secret에 포함된 키들
ZAI_API_KEY: ...          # GLM 4.7 API 키
GATEWAY_TOKEN: ...        # Gateway 인증 토큰
SLACK_APP_TOKEN: ...      # Slack Socket Mode
SLACK_BOT_TOKEN: ...      # Slack Bot
GITHUB_TOKEN: ...         # GitHub PAT (코드 push)
JENKINS_URL: ...          # Jenkins API URL
JENKINS_USER: ...         # Jenkins 사용자
JENKINS_TOKEN: ...        # Jenkins API 토큰

OpenClaw이 할 수 있는 일

구축이 완료된 후, OpenClaw은 Slack 메시지 하나로 다음 작업들을 수행할 수 있습니다:

1. 클러스터 모니터링

사용자: "현재 corpbreak-dev 네임스페이스 Pod 상태 확인해줘"
OpenClaw: kubectl get pods -n corpbreak-dev 실행 → 결과 보고

2. 코드 작성 및 GitHub Push

사용자: "exchange-service에 새 API 엔드포인트 추가해줘"
OpenClaw: git clone → 코드 수정 → git commit → git push

3. Jenkins 빌드 트리거

사용자: "checklist 서비스 dev 환경에 배포해줘"
OpenClaw: Jenkins API 호출 → 빌드 트리거 → 상태 모니터링

4. 새 서비스 생성 (E2E)

사용자: "새로운 survey-service를 만들어줘"
OpenClaw:
  1. 스켈레톤 프로젝트 클론
  2. 패키지명/설정 변경
  3. deploy-config YAML 작성
  4. GitHub에 Push
  5. Jenkins Job 생성
  6. 빌드 트리거 및 배포 확인

Claude Code와 함께한 구현 과정

이번 구축의 특별한 점은, 전체 과정을 Claude Code와 실시간으로 협업하며 진행했다는 것입니다.

Claude Code는 Anthropic이 만든 CLI 기반 AI 코딩 도구로, 터미널에서 직접 파일을 읽고, 수정하고, 명령어를 실행할 수 있습니다. 이번 작업에서 Claude Code가 수행한 역할:

• 리서치: OpenClaw 설치 방법 웹 검색 및 문서 분석
• 설정 파일 작성: values.yaml, RBAC, Ingress 등 모든 K8s 매니페스트 생성
• Helm 명령 실행: helm install, helm upgrade 직접 실행
• 트러블슈팅: Pod 로그 분석, 에러 원인 파악, 설정 수정
• 검증: kubectl exec로 Pod 내부 확인, API 테스트

사실상 Claude Code가 모든 것을 만들었다..!

총 10번의 Helm revision을 거치며, 각 단계에서 발생한 오류를 Claude Code가 실시간으로 진단하고 수정했습니다. 특히 “systemPrompt 필드가 인식되지 않는 문제”처럼 공식 문서에도 명확히 나와있지 않은 이슈를 웹 검색과 문서 분석을 통해 해결한 과정이 인상적이었습니다.

삽질 기록: 이것만은 알고 시작하세요

구축 과정에서 겪은 주요 실수들을 정리합니다:

1. bjw-s app-template의 ServiceAccount 설정

OpenClaw Helm 차트는 내부적으로 bjw-s app-template 차트를 사용합니다. ServiceAccount를 연결할 때 일반적인 spec.serviceAccountName이 아닌, 차트 고유의 경로를 사용해야 합니다.

# 틀린 방법들
defaultPodOptions:
  serviceAccountName: openclaw-sa  # Error: additional properties not allowed

serviceAccount:
  name: openclaw-sa  # Error: got string, want object

# 정답
controllers:
  main:
    serviceAccount:
      name: openclaw-sa

2. OpenClaw 에이전트 설정

에이전트 설정을 위해서는 workspace의 Bootstrap 파일(AGENTS.md, SOUL.md 등)을 사용해야 합니다.

3. nginx-ingress의 configuration-snippet 차단

nginx-ingress v1.11.2부터 보안상 configuration-snippet annotation이 기본 차단됩니다. WebSocket 지원은 proxy-http-version: "1.1" annotation만으로 충분합니다.

4. Alpine에서 git 바이너리 복사 불가

Alpine Linux에서 설치한 git은 공유 라이브러리에 의존하므로, 바이너리만 복사하면 동작하지 않습니다. 다행히 OpenClaw 이미지에는 /usr/bin/git이 이미 포함되어 있었습니다.

보안 고려사항

AI 에이전트에게 클러스터 접근 권한을 부여할 때는 보안에 특별히 주의해야 합니다:

• 최소 권한 원칙: 필요한 리소스와 동작만 RBAC으로 허용
• 프로덕션 보호: 시스템 프롬프트에 “prod 배포는 반드시 사용자 확인 후 진행” 명시
• Secret 관리: API 키와 토큰은 모두 Kubernetes Secret으로 관리
• 감사 추적: OpenClaw의 로깅 설정으로 모든 도구 실행 기록 보관
• 네트워크 격리: OpenClaw이 접근할 수 있는 외부 엔드포인트 제한 고려

마치며

AI 에이전트가 실제 인프라를 관리하는 시대가 이미 시작되었습니다. OpenClaw은 아직 초기 단계의 프로젝트이지만, Kubernetes 클러스터 위에서 실제 DevOps 작업을 수행할 수 있다는 가능성을 보여주었습니다.

물론 아직 개선할 점이 있습니다. 브라우저 스크린샷 기능이 완벽하지 않고, 복잡한 멀티스텝 작업에서 간혹 컨텍스트를 놓치기도 합니다. 하지만 “Slack으로 메시지 하나 보내면 서비스가 배포된다”는 경험은 충분히 인상적입니다.

단, 이미 충분히 지식이 있고, Claude Code 를 이용한 자동화를 구축해둔 상황이라면, 굳이 OpenClaw 를 설치해서 사용할 필요가 있나? 싶은 생각도 들었습니다. (아직 사용을 제대로 해보지 못해서 그런 것인지.. 맥미니가 다시 중고로 쏟아지지 않을까.!?)

이번 구축 과정에서 Claude Code의 역할도 매우 컸습니다. Helm 차트 분석, YAML 설정 작성, 실시간 트러블슈팅까지 – AI와 함께 AI를 설치하는 재미있는 경험이었습니다.

혹시 비슷한 환경을 구축해보고 싶으신 분이 계시다면, 이 글이 시행착오를 줄이는 데 도움이 되길 바랍니다.

참고 링크

• OpenClaw GitHub: https://github.com/openclaw/openclaw
• OpenClaw Helm Chart: https://github.com/serhanekicii/openclaw-helm
• OpenClaw 공식 문서: https://docs.openclaw.ai
• Claude Code: https://claude.com/claude-code

The post OpenClaw – Kubernetes 클러스터에 구축기 with Claude Code appeared first on .