본문으로 건너뛰기

우리 회사 AI 동료를 직접 만든다면? 오픈소스 OpenBot 살펴보기

· 약 9분
Datapopcorn CEO / AI automation educator
이 글과 연결된 글 보기
35편 · 117개 연결
100%
문자로 온 네이버페이 포인트 기프티콘, AI 브라우저 에이전트에게 등록시켜 봤습니다쿠팡에서 갤럭시 Z 폴드8 살 때 확인할 것: 자급제·로켓배송·옵션별 가격, AI 브라우저로 주문서까지해외 출장 가이드북, 메일·캘린더·지도에 흩어진 정보로 15쪽 PDF 만들기 (프롬프트 포함)AI는 똑같은데 결과가 다른 이유, 하네스: 초보자가 내 업무에 바로 붙이는 7단계이제 직원 급여도 AI가 보냅니다: 은행 앱 급여 이체부터 급여명세서 발송까지 AI 에이전트에 맡긴 8단계 (ADB)AI 전화 상담원 만들기: 070 번호 받아 예약 접수까지 하루 만에 붙여 본 후기[AI 게임 리그 EP.1] AI 혼자 식물vs좀비 엔딩까지: Claude는 50판을 깼고 ChatGPT는 24판에서 멈췄습니다회의록이 업무가 되는 AI PM 에이전트 만들기: n8n 포트폴리오 가이드AI가 내 책을 학습하는 대가, 내 몫은 16만 원이었다AI_TOP_100 예선 회고: 관계자 8명 인터뷰부터 카카오톡 CS 에이전트 배포까지 5시간API와 MCP 차이, 날씨 데이터 하나로 직접 확인하기: curl 한 줄에서 AI가 쓰는 도구까지 5단계Aside CLI 사용법: macOS·Linux 설치부터 터미널에서 AI 브라우저에게 일 시키기까지문자로 온 네이버페이 기프티콘, Aside에 한 줄로 등록하기Claude Code 회사 도입 체크리스트: 플랜·로그인·권한·비밀값·공용 설정까지 6단계Claude Code 사용량 한도에 걸려도 작업을 이어가는 법: API 크레딧으로 claude-api 명령 만들기 5단계먼저 연락하는 Claude, Claude Duet 정리: 무엇이 다르고 한국에서 대기자 신청은 어떻게 하나Claude Team 플랜에만 있는 기능과 첫 설정: 개인 Pro·Max 화면 비교부터 월간 API 크레딧(최대 $500) 받기, 슬랙 DM으로 일 시키기까지 14단계AI가 뽑은 "+124% 증가", 믿기 전에 확인할 7단계 — 데이터 분석 함정 체크리스트Daytona란 무엇인가? AI가 만든 코드를 안전하게 실행하는 샌드박스Slack에 AI PM을 넣었더니, 회사 일이 매일 정리되기 시작했습니다Slack에 영수증 올렸더니, 정산서가 채워지기 시작했습니다AI로 코딩은 빨라졌는데 배포는 누가 책임지나: 인포그랩 Next Delivery Stack 2026 후기문자로 쓰는 AI 비서 instinct, 처음엔 무슨 일을 시켜볼까요?LLM에게 글을 쓰게 하지 않고 판단을 시킨다 — TypeSafe Jev 입문메타 뮤즈(Muse) 가입 방법: 미국 VPN·연령 확인(US$1)·초대 코드부터 첫 작업까지 8단계출장이라도 준비할 건 준비합니다 — 베를린 출장 중 AI로 챙긴 것들AI에게 오키나와 여행 계획을 통째로 맡겨봤습니다마이리얼트립 상품 검색, Claude에게 맡기기 — MCP 연결 한 줄이면 됩니다API 키 발급하고 마이리얼트립 마이링크 만들기n8n의 AI 비서 Nod, 무엇을 대신해 주나요? 설치·사용법과 다른 에이전트 비교네이버 스마트플레이스 똑똑하게 채우는 법, AI 에이전트로 관리하기까지OBA.RUN 2nd 해커톤 후기: AI 에이전트 다섯 개로 하루 만에 F&F 트랙 제출까지AI에게 일을 맡기고 팀이 함께 검토한다: OpenAI DevDay 2026 발표 요약OpenAI Dots는 Muse 대항마가 아니라 '클라우드 PC 비서'입니다우리 회사 AI 동료를 직접 만든다면? 오픈소스 OpenBot 살펴보기

드래그로 이동 · 휠/두 손가락으로 확대 · 방향키로 글 선택 · 0으로 맞춤. 실선: 본문 링크, 점선: 시리즈·주제의 대표 연결.

표시된 글 35편 목록
전체 글 연결 탐색

OpenBot은 AI 동료를 완제품으로 쓰는 대신, 우리 회사의 모델·도구·에이전트·인프라를 조합해 운영하려는 팀을 위한 업무 공간입니다. 앱 소스는 MIT 라이선스로 공개되어 있지만, 전체 서비스를 운영하는 조건과 비용까지 모두 무료인 것은 아닙니다.

이 글은 이런 분께 필요합니다​

  • AI가 답변하는 데서 그치지 않고 브라우저·파일·업무 도구를 이용해 일하도록 만들고 싶은 분
  • 이미 만든 에이전트를 직원들이 함께 사용하는 화면에 연결하려는 개발자
  • AI 도입에서 데이터 보관 위치, 접근 권한, 승인 절차를 먼저 확인해야 하는 팀 리더

이 글은 공식 사이트와 공개 저장소를 기준으로 작성한 소개·도입 검토 가이드입니다. OpenBot을 설치해 Gmail이나 Slack 업무를 끝낸 사용 후기는 아닙니다. 2026년 11월 12일 확인한 정보를 기준으로, 무엇을 선택할 수 있고 무엇을 따로 확인해야 하는지 순서대로 살펴봅니다.

Step 1. 챗봇이 아니라 ‘일하는 공간’으로 이해하기​

회사에서 AI에게 “이번 주 고객 문의를 정리해 줘”라고 시켜 보면, 답변의 품질만으로 해결되지 않는 질문이 생깁니다. 어느 메일함을 읽어도 되는지, 고객 정보를 외부 모델로 보내도 되는지, 답장까지 보내도 되는지 정해야 합니다. 직원이 쓰는 화면과 관리자가 확인할 기록도 필요합니다.

CopilotKit이 공개한 OpenBot은 이런 업무 공간을 구성하는 프로젝트입니다. 공식 소개에서 강조하는 것은 새 모델의 성능보다 기존 에이전트와 도구를 가져오고, 실행 환경과 통제 방식을 선택할 수 있다는 점입니다.

모듈형·셀프호스팅 AI 업무 공간으로 OpenBot을 소개하는 공식 홈페이지

출처: OpenBot 공식 홈페이지, 2026년 11월 12일 캡처. 제품 소개 화면이며 직접 실행한 업무 결과는 아닙니다.

먼저 네 가지를 나누면 이해하기 쉽습니다.

  • 모델은 내용을 이해하고 답을 만드는 AI입니다. OpenAI·Anthropic·Google의 모델이나 호환되는 오픈 모델 등을 선택합니다.
  • 에이전트는 일을 수행하는 로직입니다. 프롬프트, 도구 사용 순서, 작업 흐름을 포함합니다.
  • 도구와 실행 환경은 실제 행동을 수행하는 수단입니다. 앱 연결, 브라우저, 파일, 명령 실행 등이 여기에 해당합니다.
  • 업무 화면과 관리 기능은 사람이 결과를 보고, 필요한 작업을 승인하고, 기록을 확인하는 부분입니다.

OpenBot은 이 요소들을 하나의 업무 공간으로 묶습니다. 예를 들어 모델을 바꾸기 위해 직원용 화면을 처음부터 다시 만들거나, 기존 에이전트를 버리고 새 제품의 에이전트로 전부 교체하지 않는 방향입니다. 다만 ‘어떤 에이전트든 바로 연결된다’는 뜻은 아닙니다. 공식적으로는 AG-UI와 호환되는 연결점이 필요합니다.

AG-UI는 에이전트와 사용자 화면 사이에서 대화, 진행 상황, 상호작용을 전달하는 규약입니다. MCP가 에이전트와 도구를 연결한다면, AG-UI는 에이전트와 사람의 화면을 연결한다고 구분하면 됩니다. 공식 리소스 페이지도 이 역할을 따로 설명합니다.

Step 2. ‘오픈소스’와 ‘전체 서비스 무료’를 구분하기​

GitHub 저장소에서 먼저 확인할 것은 별 개수보다 LICENSE와 서비스 구성입니다. OpenBot 앱의 MIT 라이선스는 조건을 지키면 소스를 수정·배포하거나 상업적으로 활용할 수 있도록 허용합니다.

여기서 앱 소스와 전체 제품을 구분해야 합니다. 공식 문서는 OpenBot이 CopilotKit Intelligence를 필수 서비스로 사용하며, 이 서비스에는 별도 약관과 라이선스가 적용된다고 명시합니다. Intelligence는 대화의 영속 저장, 메모리, 학습 등과 관련된 서비스를 제공합니다. 직접 호스팅하는 경우에도 유효한 라이선스가 필요합니다.

따라서 ‘MIT이므로 회사에서 모든 기능을 비용 없이 운영할 수 있다’고 결론 내리면 안 됩니다. 반대로 ‘기업용 요금제가 있으니 MIT 소스를 상업적으로 쓸 수 없다’고 해석하는 것도 맞지 않습니다. 앱 코드의 이용 권리와, 함께 사용하는 서비스의 이용 조건이 서로 다른 층에 있는 것입니다.

공식 요금 페이지를 읽을 때는 다음 항목을 따로 확인합니다.

  • 개인 개발·실험: 무료 개인용으로 안내합니다. 모델 사용료는 별도입니다. 저장소는 로컬 Intelligence에도 무료 라이선스가 필요하며 데스크톱 설정 과정에서 처리한다고 설명합니다.
  • 기업용 월별 결제: 활성 사용자 1명당 월 최대 29달러로 안내하며, 규모에 따라 단가가 낮아집니다. 확인 당시 신청 버튼은 Early access였습니다.
  • 연간 계약: 별도 견적입니다. 요금 페이지는 SSO, 역할 기반 접근 제어, 오프라인·망분리 배포 등을 이 항목에 표시합니다.
  • 추가 비용: 모델 제공자에게 직접 내는 비용과 자체 인프라 비용을 계산해야 합니다. 기업용 월별·연간 플랜에는 조직의 월 모델 지출 5,000달러 초과분에 대한 5% 요금도 명시되어 있습니다.

가령 월 모델 지출이 10,000달러라면, 공식 계산 예시의 추가 요금은 초과분 5,000달러의 5%인 250달러입니다. 모델 이용료 전체를 OpenBot에 대신 내는 구조는 아닙니다.

개인용 무료, 기업용 월별 결제, 연간 계약을 구분한 OpenBot 공식 요금 페이지

출처: OpenBot Pricing, 2026년 11월 12일 캡처. 가격과 기능 포함 범위는 도입 시점에 다시 확인해야 합니다.

Google·Microsoft·Okta 로그인 지원은 저장소에서 확인할 수 있지만, 이것만 보고 모든 플랜에 기업용 SSO 운영 권한이 포함된다고 해석하지는 마세요. 필요한 인증 방식과 역할 관리 기능이 계약에 포함되는지는 따로 확인해야 합니다.

Step 3. 저장 위치와 데이터가 나가는 경로를 따로 확인하기​

셀프호스팅은 회사가 선택한 서버에 서비스를 운영한다는 뜻입니다. 하지만 서버가 내부에 있다는 사실만으로 데이터가 외부로 나가지 않는 것은 아닙니다.

예를 들어 내부 서버에 저장된 고객 문의를 외부 모델 API에 보내 요약한다면, 그 요청에 담긴 내용은 모델 제공자에게 전달됩니다. Slack에 결과를 게시하면 그 결과는 Slack으로 이동합니다. 외부 MCP 서버를 연결하는 경우에도 도구가 어떤 정보를 받는지 확인해야 합니다.

공식 배포 설명도 이 경계를 분명히 구분합니다. 직접 호스팅한 서비스의 데이터는 해당 배포 환경에 저장되지만, 외부 모델·앱에 대한 요청은 연결한 제공자로 전송됩니다. 완전한 로컬 구성을 원한다면 OpenBot뿐 아니라 Intelligence와 호환 모델까지 어디에서 실행할지 함께 정해야 합니다.

팀 도입을 검토할 때는 아래 질문에 먼저 답해 보세요.

  1. 대화 기록, 업로드한 파일, 감사 로그는 어디에 저장되는가?
  2. 모델에 전달하는 입력에 개인정보나 고객 원문이 포함되는가?
  3. 각 도구와 커넥터 제공자는 어떤 데이터를 받는가?
  4. 퇴사자의 접근 차단과 기록 보관·삭제는 누가 담당하는가?

또 하나 주의할 점은 컴퓨터 격리 단위입니다. 소개 문구의 ‘Bot마다 자기 컴퓨터’라는 표현만 보면 모든 Bot에 별도 컨테이너가 기본 제공된다고 생각하기 쉽습니다. 하지만 확인한 README의 Features는 사용자별 컴퓨터 컨테이너에 Bot별 폴더·브라우저 프로필을 두고, Isolated Bot은 별도 컨테이너를 받는 구조라고 설명합니다. 이 글에서는 해당 설명을 기준으로 구분하며, 실제 배포 설정과 격리 수준은 추가 검증 대상입니다.

Step 4. 목적에 맞는 시작 경로 선택하기​

처음부터 사내 인프라 전체를 연결할 필요는 없습니다. 공식 시작 페이지와 저장소에서 자신의 목적에 맞는 경로를 고릅니다.

개인적으로 제품을 살펴보려면 데스크톱 앱부터 확인합니다. 저장소는 Apple silicon Mac, Intel Mac, Windows x64용 다운로드를 제공합니다. 프런트엔드와 Docker 기반 백엔드를 묶은 방식으로 소개하지만, 설치 파일이 있다는 사실이 자신의 PC에서 바로 실행된다는 보장은 아닙니다. 운영체제·가상화 환경·자원 요구 사항을 먼저 확인하세요.

화면과 동작을 수정하려면 소스 실행 문서를 봅니다. 공식 Builders 페이지의 로컬 미리보기 안내는 macOS, Docker Desktop, Docker에 할당할 CPU 4개 이상·메모리 12GiB·저장 공간 40GiB 이상, Node.js 22 이상, Git, 저장소가 지정한 Bun 버전, CopilotKit 계정을 요구합니다. 이 수치는 해당 로컬 설정 경로의 요구 사항이며 모든 데스크톱 배포의 공통 사양으로 일반화하지 않습니다.

회사 공용 서비스가 목적이라면 배포 문서와 라이선스부터 확인합니다. 공식 저장소는 AWS EKS, Azure AKS, Google GKE와 자체 Kubernetes 클러스터용 Helm 배포를 안내합니다. 데이터베이스, 영속 저장소, 네트워크, 인증 제공자와 운영 담당자가 필요하므로 ‘원클릭 배포’라는 문구만으로 운영 준비가 끝나는 것은 아닙니다.

기존 에이전트가 있다면 AG-UI 호환 여부를 확인한 뒤 공식 연결 안내를 봅니다. 내부 로직을 그대로 유지할 수 있는지, 도구 실행이 OpenBot의 승인·감사 경로를 거치는지까지 검증해야 합니다. 외부 에이전트가 자기 서버에서 별도로 실행하는 모든 행동을 OpenBot이 자동 통제한다고 가정하면 안 됩니다.

이 글에는 설치 명령을 복사해 넣지 않았습니다. 직접 실행하지 않은 설치 과정을 성공한 튜토리얼처럼 소개하는 대신, 현재 공식 문서의 진입 경로와 확인할 조건을 제시합니다.

Step 5. 첫 Bot은 ‘읽고 정리하는 업무’ 하나로 검증하기​

첫 실험의 목표는 AI 직원을 여러 명 만드는 것이 아니라 한 가지 업무를 검토 가능한 결과로 끝내는 것입니다. 예를 들어 공개 문서나 테스트용 회의록에서 결정 사항과 담당자를 정리하는 작업부터 시작할 수 있습니다. 실제 고객 계정이나 운영 메일함을 처음부터 연결할 필요는 없습니다.

아래는 실행 결과가 아니라, 도입 테스트를 설계할 때 사용할 수 있는 요청 예시입니다.

테스트용 회의록에서 결정 사항과 담당자, 기한을 정리해 주세요. 각 항목에는 근거가 된 문장을 함께 보여 주세요. 담당자나 기한이 없으면 추측하지 말고 ‘확인 필요’라고 표시하세요. 외부 메시지 전송과 원본 수정은 하지 마세요.

요청문에 금지 사항을 적는 것으로 보안 설정을 대신하지는 마세요. 도구 권한도 읽기 전용으로 제한하고, 쓰기 동작은 차단하거나 별도 승인을 요구하도록 구성해야 합니다. 공식 문서는 행동 정책과 감사 기록을 제공한다고 설명하지만, 도입 판단은 실제 차단·승인·기록 동작을 확인한 뒤 내려야 합니다.

테스트에서는 다음 네 가지를 봅니다.

  • 결과: 근거 문장과 정리한 내용이 일치하며, 없는 내용을 만들지 않는가?
  • 권한: 허용하지 않은 파일·앱에 접근하거나 쓰기 동작을 수행하지 않는가?
  • 승인: 테스트용 쓰기 동작을 허용한 별도 단계에서, 승인 전에는 멈추고 거절하면 실행하지 않는가?
  • 운영: 실패한 이유와 실행 기록을 확인할 수 있으며, 비용이 정한 범위를 넘지 않는가?

읽기 작업을 통과하면 다음 단계로 ‘초안 생성’을 시험합니다. 그 다음에야 테스트 계정에서 승인 후 전송을 검증하는 편이 안전합니다. 브라우저와 도구를 다룰 수 있다는 기능 설명과, 우리 회사 업무를 안정적으로 끝낼 수 있다는 증거는 다릅니다.

헷갈리기 쉬운 지점과 확인 방법​

헷갈리는 설명확인할 내용
오픈소스니까 전부 무료다앱 MIT 라이선스와 Intelligence·기업용 서비스 조건을 분리합니다.
셀프호스팅이면 데이터가 외부로 안 나간다외부 모델, 앱, 커넥터로 전송하는 요청을 따로 확인합니다.
모든 Bot에 독립 컨테이너가 기본이다사용자별 컨테이너와 Isolated Bot의 차이를 확인합니다.
기존 에이전트는 아무 수정 없이 연결된다AG-UI 호환성, 인증, 도구 실행 경로를 검증합니다.
SSO 지원 코드가 있으니 모든 플랜에서 동일하다요금표와 계약의 기능 포함 범위를 확인합니다.
웹·모바일·Slack에서 지금 모두 쓸 수 있다확인 당시 웹은 Coming soon, 모바일·Slack·Teams는 Early access였습니다. 앱 연결 기능과 해당 서비스 안에서 사용하는 접속 채널도 구분합니다.

OpenBot을 볼 때 남겨둘 질문​

OpenBot의 흥미로운 지점은 ‘다른 AI보다 더 똑똑하다’가 아닙니다. 이미 만든 에이전트와 선택한 모델을, 우리 업무 화면과 승인 체계 안에서 운영할 수 있는가라는 질문에 있습니다. 이 선택권이 필요한 팀이라면 살펴볼 이유가 있습니다.

반대로 개발·운영 담당자 없이 바로 쓰는 개인 비서가 목적이라면, 구성 요소를 직접 선택하는 일이 장점보다 부담이 될 수도 있습니다. 중요한 것은 모델이나 Bot의 수가 아니라, 검증 가능한 업무 하나와 그 업무에 필요한 권한·비용·운영 조건입니다.

오픈소스 여부는 출발점입니다. 도입 결정은 데이터 경로와 서비스 조건을 확인하고, 작은 업무의 결과와 승인 동작까지 검증한 다음 내려야 합니다.

참고 자료​

확인일: 2026년 11월 12일. 공식 문서의 기능 설명을 검토한 글이며, 설치·성능·보안 통제를 직접 시험한 결과는 포함하지 않습니다.

전체 연결 보기