Moltbot (Clawdbot), 우리는 왜 혁신이라고 느끼는가?
Video

Moltbot (Clawdbot), 우리는 왜 혁신이라고 느끼는가?

2026.01.31
·YouTube·by 네루
#AI Agent#Moltbot#LLM#UX#Local AI

핵심 포인트

  • 1몰트봇은 24시간 상시 실행되며 로컬 디스크를 활용한 무제한 기억 능력을 통해 기존 AI와 차별화된 사용자 경험을 제공하는 새로운 AI 에이전트입니다.
  • 2그러나 모델이 잘못된 길로 들어섰을 때 스스로 멈추거나 사람에게 질의하는 능력이 부족하여, 잘못된 초기 가정 하나로 인해 전체 프로젝트가 망가질 수 있는 리팩토링 지옥이라는 한계를 가지고 있습니다.
  • 3현재 개발 툴로 사용하기에는 모델 성숙도가 부족하지만, 미래에 로컬에서 고성능 AI를 구동할 인프라를 구축하려면 최소 64GB 이상의 RAM을 갖춘 하드웨어를 미리 준비하는 것이 좋습니다.

최근 화제가 되고 있는 AI 에이전트인 'Maltbot'은 엔스로픽(Anthropic)과의 상표권 문제로 'Claudebot'에서 이름을 변경한 프로젝트입니다. Maltbot은 24시간 연중무휴로 작동하며, 주식 거래, 메시징, 코드 생성 등 다양한 작업을 수행할 수 있습니다. 한 예시로, 사용자가 Maltbot에 100만 달러의 자금 운용 권한을 맡겨 주식 거래를 시도했지만 결국 모든 자금을 잃었다는 사례가 공유되기도 했습니다.

Maltbot의 설치는 npm 대신 curl 명령어를 통해 권장되며, 설치 시 시스템 제어에 대한 강력한 경고 메시지가 표시됩니다. 온보딩 과정에서는 API 키 과금 위험을 줄이기 위해 Google OAuth 방식이 권장되며, 사용자는 Gemini 1.5 Pro와 같은 LLM 모델을 선택할 수 있습니다. 또한, 연결 채널, skill (package manager를 통해 설치), hooks, gateway 서비스 활성화 여부 등을 설정할 수 있으며, 권장되는 terminal UI 환경에서 실행됩니다. 실행되면 Maltbot은 사용자의 정보를 실시간으로 학습하고 기억합니다.

이 프로젝트가 대중의 폭발적인 관심을 받는 두 가지 핵심적인 이유가 제시됩니다. 첫째는 기술적 본질과 UX의 혁신입니다. Maltbot은 LLM 호출, 상태 저장, 외부 tool 연동 등의 기능이 기존의 Claude Skills, ChatGPT Actions, LangChain, Zapier 등과 기술적으로 완전히 새로운 것은 아니며, 'gateway'는 사실상 webhookscheduler가 결합된 long-running bot에 불과하다고 지적됩니다. 하지만 Maltbot은 ChatGPT와 같이 사용자가 직접 앱을 실행해야 하는 '도구'가 아니라, WhatsApp이나 Telegram 같은 메신저 안에 상주하며 24시간 깨어있고 사용자에게 먼저 말을 걸고 알림을 주는 '비서'와 같은 역할을 수행합니다. 즉, AI의 '위치 질(Positioning)'을 바꾸고 '상시 실행되는 에이전트의 UX'를 선점했다는 점에서 혁신적입니다.

둘째는 하드디스크를 활용한 무제한 기억 능력입니다. 일반적인 cloud AI가 대화가 길어지면 이전 내용을 잊어버리는 것과 달리, Maltbot은 로컬 하드디스크 용량이 허락하는 한 모든 대화와 맥락을 파일로 저장하고 다시 참조하여 사실상 무한대에 가까운 기억 용량을 갖습니다. 이러한 disk-based permanent memory 방식은 Maltbot만의 확실한 기술적 차별점으로 평가됩니다.

그러나 개발자 관점에서는 몇 가지 우려 사항도 제기됩니다. 첫째, 모델의 한계와 리팩토링 지옥입니다. Maltbot의 '기억'이 단순히 파일을 쌓는 방식이며, '단일 진실 공급원(single source of truth)'이나 '헌법(constitution)'과 같은 상위 규칙 없이 과거의 실수나 오염된 정보까지 그대로 답습할 수 있다는 점이 지적됩니다. 가장 큰 문제는 AutoGPT와 유사하게, agent 모델이 일단 목표를 받으면 끝까지 달리는 경향이 있어 초반에 잘못된 가정을 세우면 이를 기반으로 오류를 수정하고 또 수정하여 결국 프로젝트 전체를 망칠 수 있다는 것입니다. 이는 LLM 모델이 스스로 불확실성을 인지하고 멈추거나 사람에게 다시 물어보는 능력이 아직 부족하기 때문이며, 한 번의 실수로 돌이킬 수 없는 '리팩토링 지옥(Refactoring Hell)'을 초래할 수 있습니다. 따라서 현재 단계에서는 Maltbot이 '실험 도구'로서 훌륭하지만, 주력 개발 tool로 사용하기에는 모델의 성숙도가 부족하다고 평가됩니다.

마지막으로, 하드웨어 구매에 대한 조언도 제공됩니다. Maltbot을 구동하기 위해 Mac Mini를 사재기하는 것은 반대하지만, 미래에 Gemini 1.5 Pro 급의 AI를 로컬에서 직접 구동하고자 한다면, CPU 속도보다는 최소 64GB 이상의 RAM을 갖춘 하드웨어를 미리 준비하는 것이 좋다고 권고됩니다. 이는 향후 모델 발전 시 과금 걱정 없이 개인 AI infrastructure를 구축하는 데 도움이 될 것이기 때문입니다.