2026년 2월 21일, Andrej Karpathy가 트위터에 올린 글 하나가 AI 커뮤니티를 뜨겁게 달구고 있다. Mac Mini를 사서 “Claw”를 돌려보겠다는 이야기였는데, 이 짧은 트윗이 AI 스택의 새로운 레이어를 정의하는 순간이 됐다.
“vibe coding”이라는 용어를 만들어 개발 문화를 바꿨고, “agentic engineering”이라는 개념으로 AI 에이전트 패러다임을 정리한 Karpathy. 그가 이번에 주목한 키워드는 Claws 🦞다.
Karpathy는 뭐라고 했나
Karpathy의 원문을 보자:
“LLM agents were a new layer on top of LLMs, Claws are now a new layer on top of LLM agents, taking the orchestration, scheduling, context, tool calls and a kind of persistence to a next level.”
그는 Apple Store에서 Mac Mini를 구매하면서 (직원 말로는 “핫케이크처럼 팔리는데 다들 왜 사는지 모르겠다”고 했다고 😄) Claw를 직접 돌려보려는 계획을 밝혔다. 동시에 OpenClaw에 대해서는 “살짝 의심스럽다(sus’d)”고 하면서도, Claw라는 개념 자체는 AI 스택의 흥미진진한 새 레이어라고 평가했다.
Claw란 무엇인가? — AI 스택의 진화
AI 기술은 레이어 단위로 진화해왔다. 각 레이어는 아래 레이어를 기반으로, 이전에 불가능했던 것을 가능하게 만든다.
LLM → LLM Agent → Claw
| 레이어 | 등장 시기 | 핵심 역할 | 예시 |
|---|---|---|---|
| LLM | 2022~ | 텍스트 생성, 추론 | GPT-4, Claude, Gemini |
| LLM Agent | 2023~ | 도구 호출, 단일 작업 수행 | AutoGPT, Claude Code |
| Claw | 2025~ | 오케스트레이션, 스케줄링, 영속성 | OpenClaw, NanoClaw |
Agent와 Claw, 뭐가 다른가?
LLM Agent는 사용자가 명령하면 도구를 호출해서 작업을 수행한다. 대화가 끝나면 컨텍스트도 사라진다. “시키면 하는” 단발성 작업자다.
Claw는 다르다. Karpathy가 정의한 핵심 특성을 정리하면:
| 특성 | Agent | Claw |
|---|---|---|
| 오케스트레이션 | 단일 작업 | 복수 작업을 조율 |
| 스케줄링 | 없음 (요청 시 실행) | 크론, 타이머, 이벤트 기반 자동 실행 |
| 컨텍스트 영속성 | 대화 종료 시 소멸 | 파일 기반 메모리로 세션 간 유지 |
| 도구 호출 | API 호출 수준 | 브라우저, 파일시스템, 메시징 통합 |
| 메시징 통합 | 없음 | Telegram, Discord, Signal 등 양방향 |
| 실행 환경 | 클라우드 API | 개인 하드웨어 (로컬 우선) |
한 마디로, Claw는 “항상 켜져 있는 AI 비서”다. 잠자는 동안에도 스케줄에 따라 작업하고, 어제 대화한 내용을 기억하며, 필요하면 메신저로 먼저 연락한다.
주요 Claw 프로젝트 비교
Karpathy가 언급한 것처럼, 이미 다양한 Claw 프로젝트들이 등장하고 있다. 주요 프로젝트를 비교해보자.
OpenClaw
가장 먼저 이름을 알린 Claw 프로젝트. Karpathy가 “살짝 의심스럽다”면서도 주목한 이유가 있다.
- 특징: 풀스택 Claw — 메시징, 브라우저 제어, 크론, 파일 메모리, 서브 에이전트
- 모델 지원: Claude, GPT, Gemini 등 멀티 프로바이더
- 메시징: Telegram, Discord, WhatsApp, Signal, Slack 등 다수 지원
- 장점: 가장 풍부한 기능, 활발한 커뮤니티
- 단점: 코드베이스가 크고, 보안 감사가 어려울 수 있음
NanoClaw
Karpathy가 “정말 흥미롭다”고 직접 언급한 프로젝트.
- 특징: 코어 엔진 ~4,000줄 — 사람 머리에도, AI 에이전트 컨텍스트에도 들어가는 크기
- 철학: 감사 가능(auditable), 유연(flexible), 관리 가능(manageable)
- 실행 환경: 모든 것을 컨테이너에서 실행 (보안 격리)
- 장점: 코드를 전부 읽고 이해할 수 있음, 보안에 유리
- 단점: 기능이 제한적
기타 프로젝트들
Karpathy가 “lol @ prefixes”라고 웃으며 나열한 것처럼, 접두사 경쟁이 한창이다:
| 프로젝트 | 특징 |
|---|---|
| nanobot | 경량, 단일 파일 구성 |
| zeroclaw | 제로 설정(zero-config) 지향 |
| ironclaw | 보안 중심, 러스트 기반 |
| picoclaw | 초경량, 임베디드 대응 |
각각의 프로젝트가 서로 다른 철학과 설계 결정을 가지고 있으며, 아직은 시장이 어떤 방향으로 수렴할지 불분명하다.
어떤 Claw를 선택해야 할까?
| 요구사항 | 추천 |
|---|---|
| 풍부한 기능, 빠른 시작 | OpenClaw |
| 코드를 전부 이해하고 싶다 | NanoClaw |
| 보안이 최우선 | NanoClaw (컨테이너) or ironclaw |
| 가볍게 실험만 | picoclaw, nanobot |
왜 지금 Claw인가?
1. 로컬 AI의 성능이 충분해졌다
Mac Mini 하나로 쓸만한 AI를 돌릴 수 있는 시대가 됐다. Karpathy가 Mac Mini를 산 이유이기도 하다.
공교롭게도 오늘(2월 21일), GGML(llama.cpp 창시 조직)이 Hugging Face에 합류한다는 뉴스가 나왔다. GGML은 로컬 AI 추론의 핵심 엔진이다. llama.cpp가 없었다면 개인 컴퓨터에서 LLM을 돌리는 건 아직도 꿈이었을 것이다.
이 합류는 로컬 AI 생태계가 더 빠르게 성숙할 것이라는 신호다. 로컬에서 강력한 LLM을 돌릴 수 있다면, 그 위에 Claw를 올리는 것은 자연스러운 다음 단계다.
2. 개인정보 통제 욕구
클라우드 AI 서비스에 모든 대화를 맡기는 것에 대한 불안감이 커지고 있다. Claw는 개인 하드웨어에서 돌아가기 때문에, 데이터가 내 손을 떠나지 않는다.
Karpathy조차 OpenClaw에 대해 “sus’d”하다고 한 이유도 여기에 있다. 자기 컴퓨터에서 돌아가는 소프트웨어인 만큼, 코드를 읽고 신뢰할 수 있어야 한다. NanoClaw의 4,000줄이 매력적인 이유다.
3. AI 에이전트의 한계가 보이기 시작했다
Agent는 “시키면 하는” 수준에 머물러 있다. 하지만 실제로 필요한 건:
- 매일 아침 뉴스를 요약해서 보내주는 AI
- 서버 보안을 주기적으로 점검하는 AI
- 일정을 관리하고 먼저 알림을 보내는 AI
이건 Agent로는 불가능하다. “항상 켜져 있고, 스스로 스케줄을 관리하며, 맥락을 기억하는” 시스템이 필요하다. 그게 Claw다.
전망과 과제
🔒 보안 리스크
Claw는 파일시스템, 브라우저, 메시징에 접근한다. 강력한 만큼 위험하다. Karpathy가 “sus’d”라고 한 건 당연하다. 해결 방향:
- 코드 감사: 작은 코드베이스일수록 유리 (NanoClaw 접근)
- 컨테이너 격리: 모든 작업을 샌드박스에서 실행
- 권한 최소화: 필요한 만큼만 접근 허용
- 오픈소스: 커뮤니티 감사가 가능한 구조
🧩 생태계 파편화
OpenClaw, NanoClaw, zeroclaw, ironclaw, picoclaw… 너무 많다. 초기 시장의 전형적인 양상이다. 결국 2~3개로 수렴하거나, 공통 프로토콜이 등장할 것이다.
MCP(Model Context Protocol)가 도구 호출의 표준을 만들었듯이, Claw 레이어에서도 비슷한 표준화가 필요하다. 예를 들면:
- 메모리 포맷의 표준화
- 스케줄링 인터페이스 통일
- 에이전트 간 통신 프로토콜
- 스킬/플러그인 호환성
🚀 Claw가 바꿀 것들
단기적으로 Claw는 개발자와 파워 유저의 도구다. 하지만 장기적으로는:
- 개인 비서의 민주화: 비서를 고용할 수 없는 사람도 AI 비서를 가질 수 있다
- 자동화의 대중화: 코딩 없이도 반복 작업을 자동화할 수 있다
- 디지털 자아의 확장: 내 취향, 습관, 업무 방식을 학습한 AI가 대리 작업
Claw 시작하기
Claw에 관심이 생겼다면, 시작하는 방법은 간단하다.
빠른 시작 (5단계)
- 하드웨어 준비 — 개인 서버, Mac Mini, 라즈베리 파이 등
- Claw 프로젝트 선택 — 풀스택이면 OpenClaw, 경량이면 NanoClaw
- 설치 — 대부분
npm install또는 Docker 한 줄로 설치 - 메시징 연결 — Telegram Bot 등 원하는 메신저 연동
- 첫 자동화 설정 — 크론 작업으로 주기적 작업 등록
참고 자료
더 자세한 설치 가이드는 아래 포스트를 참고:
👉 OpenClaw로 나만의 AI 에이전트 만들기 — 설치부터 자동화까지 완전 가이드
마무리
Karpathy의 한 마디가 AI 업계에 새로운 용어를 정착시키고 있다. LLM → Agent → Claw. 이 진화는 단순한 기능 추가가 아니라, AI를 사용하는 방식 자체의 변화다.
Agent가 “시키면 하는 AI”였다면, Claw는 “알아서 하는 AI”다. 스케줄링, 메모리 영속성, 메시징 통합이 합쳐져서, 비로소 AI가 진짜 “비서”가 될 수 있게 됐다.
아직 초기 단계인 만큼 보안과 표준화 과제가 남아있지만, 방향은 분명하다. 개인 하드웨어 위에서 돌아가는, 나만의 AI 비서. 그게 Claw의 약속이다.
“Claws are an awesome, exciting new layer of the AI stack.” — Andrej Karpathy
🦞
참고 링크
- Andrej Karpathy 트윗 원문
- Simon Willison의 분석
- GGML이 Hugging Face에 합류
- OpenClaw 공식 사이트
- NanoClaw GitHub
- MCP(Model Context Protocol) 소개