[OpenClaw + Claude Code] 남이 만든 대시보드에 AI를 연결하기 — 디스코드 자동화 후기

📝 한줄 요약

커뮤니티 디스코드 채널의 대화를 AI가 읽고, 다른 멤버가 만든 대시보드에 프로젝트 진행 상황을 자동으로 채워주는 서비스를 만들었습니다.

🎯 이런 분들께 도움돼요

• OpenClaw로 디스코드 봇을 처음 만들어보려는 분

• 커뮤니티/팀 운영에 AI 자동화를 도입하고 싶은 분

• 다른 사람이 만든 도구의 API에 AI를 연결해보고 싶은 분

😫 문제 상황 (Before)

다오랩이라는 DAO 연구 커뮤니티에 7기로 조인했습니다. 6개 조가 각자 연구 주제를 잡고 디스코드 채널에서 활동하고 있어요.

한 멤버(사이먼)가 프로젝트 진행을 추적할 수 있는 대시보드 "DAOboard"를 만들어놨습니다. 할일, 마일스톤, 활동 로그를 기록하면 예쁘게 보여주는 도구예요.

다만 아직 활용도가 낮았습니다. /daoboard start "연구 주제 확정" 같은 명령어를 일일이 쳐야 하는데, 채팅하면서 그걸 기억하고 치기가 쉽지 않거든요.

아직 저희 조(4조) ... 말고는 아직 아무도 시작 안한 슬픈 현실

처음에는 다오랩 7기에 조금이라도 생기를 불어넣고 싶었습니다. 커뮤니티에 AI 봇을 하나 심어서 멤버들이 편하게 질문하고, 자료를 찾고, 새로운 멤버를 환영하는 — 그런 봇을 만들고 싶었어요. 특히 우리 4조의 연구 주제가 "AI가 팀원이 되는 조직은 어떻게 운영되는가"였기 때문에, 연구만 하지 말고 직접 우리 조에 AI를 넣어보자는 생각이 들었습니다.

그러다 DAOboard의 활용도를 높일 수 있겠다는 아이디어가 떠올랐어요. 채팅만 하면 AI가 알아서 대시보드를 채워주면 좋겠다고요.

실제로 각 조별 채널을 돌아서 현황을 잘 가져오는 걸 확인

🛠️ 사용한 도구

• OpenClaw: 디스코드 봇 플랫폼 (코드 없이 마크다운 파일로 봇 성격/기능 정의)

• Claude Code: AI 코딩 에이전트 (봇 세팅, 순찰 서비스 구현, 타인 레포 분석까지 전부)

• 모델: Claude Opus (봇 두뇌), Claude Haiku (순찰 분석)

🔧 작업 과정

1. 디스코드 봇 "다오랑" 탄생 — MD 파일만으로 봇을 만들다

먼저 커뮤니티에 AI 봇부터 심어야 했습니다. OpenClaw라는 플랫폼을 썼는데, 이게 독특한 게 코드를 안 짭니다. 마크다운 파일에 봇의 성격, 지식, 규칙을 적으면 그게 곧 봇이 돼요.

다오랩 원본 문서 18개를 가공해서 봇에 넣어줘

Claude Code에게 다오랩의 역사, 멤버 정보, 연구 기록 등 18개 문서를 주니까 6개 지식파일로 정리해서 봇 workspace에 넣어줬습니다. SOUL.md(성격), AGENTS.md(지식 매핑), knowledge/(지식 폴더) — 이런 파일들이 봇의 전부예요.

이렇게 만든 봇 "다오랑"은 다오랩 서버에서 멤버들의 질문에 답하고, 연구 자료를 안내하고, 새 멤버를 환영하는 역할을 맡았습니다.

2. 다른 사람 레포를 AI가 분석하다 — DAOboard webhook 발견

봇이 안정되고 나서, 본 목적인 DAOboard 연동에 착수했습니다. 사이먼님께 DAOboard의 GitHub 레포에 초대를 정중히 부탁드리고 - 이것을 Claude Code에게 분석시켰어요.

사람들이 채팅만 하면 다오랑이 다오보드를 정리해주는 서비스를 만들자

Claude Code가 레포 구조를 훑더니 webhook API를 찾아냈습니다. POST /api/webhook에 정해진 형식으로 데이터를 보내면 대시보드에 자동으로 기록되는 구조였어요. 시크릿 키 인증 방식, 이벤트 타입(할일, 마일스톤, 로그), Supabase 저장 구조까지 전부 파악해줬습니다.

남이 만든 코드를 한 줄도 안 고치고, webhook이라는 "정문"을 통해 데이터를 넣을 수 있다는 게 핵심이었어요.

3. AI 순찰 서비스 구현 — 89개 메시지에서 18건 추출

이제 "순찰 서비스"를 만들었습니다. 6개 조 디스코드 채널을 주기적으로 읽고, AI가 대화에서 프로젝트 활동만 뽑아서 DAOboard에 보내는 파이프라인이에요.

4조 채널로 실전 테스트하자

4조 채널의 89개 메시지를 AI에게 넘겼더니 18건의 이벤트로 정리해줬습니다. 할일 7건, 마일스톤 2건, 자료 공유 9건. 이게 DAOboard에 올라가니까 텅 비어있던 대시보드에 처음으로 데이터가 채워졌어요.

5. "모임통장 개설"이 마일스톤? — AI 판단 기준 튜닝

실전 테스트를 하니 문제가 보였습니다. AI가 "모임통장 개설"이나 "정기모임 일정 확정" 같은 걸 마일스톤으로 잡은 거예요. 대시보드의 마일스톤 탭에 이런 게 뜨면 무게감이 떨어지죠.

마일스톤 기준이 너무 아쉬워

Claude Code와 기준을 토론하면서 마일스톤을 7가지로 엄격하게 좁혔습니다: 조 결성, 리더 선정, 연구 주제 확정, 발표 완료, 최종 산출물 제출, 연구 방향 전환, 외부 협업 확정. 나머지는 전부 할일로 강등시켰어요.

또 하나 — 할일에 담당자 이름을 넣는 규칙도 추가했습니다. "설문조사 구체화하기" 대신 "누리 - 설문조사 구체화하기"로. 누가 뭘 해야 하는지 대시보드에서 바로 보여요.

기준 강화 후 다시 돌려보니 4조 마일스톤이 "3/24 발표 완료" 딱 하나만 깔끔하게 남았습니다.

✅ 결과 (After)

Before vs After

결과물

• 다오랑 봇: 다오랩 디스코드 서버에서 24시간 운영 중 (v8, OpenClaw 네이티브)

• Patrol 순찰 서비스: 주 2회 자동 순찰, PM2로 상시 배포 (테스트 단계)

• 4조 실전 테스트 완료, 전체 6개 조 확대 예정

💬 이 과정에서 배운 AI 활용 팁

효과적이었던 것

1. 남의 코드를 AI에게 분석시키기: "이 레포의 webhook API 구조를 파악해줘"라고 하면 인증 방식, 데이터 형식, 저장 구조까지 정리해줍니다. 코드를 직접 읽는 것보다 훨씬 빨라요.

2. AI와 기준을 토론하기: 마일스톤 기준처럼 애매한 판단이 필요한 건, AI에게 "이건 마일스톤이야?"라고 물어보면서 같이 기준을 좁혀가는 게 효과적이었습니다.

3. 프롬프트는 짧게, 기준은 명확하게: 봇이 반말한 건 프롬프트가 너무 길어서였어요. 시스템 프롬프트는 짧되, "7가지만 마일스톤"처럼 구체적인 기준을 넣는 게 훨씬 낫습니다.

🚀 앞으로의 계획

• 6개 조 전체 순찰 확대 후 결과 검증

• 주간 요약 보고서를 디스코드 채널에 자동 게시

• 멤버가 "@다오랑 기록해줘: ..."로 직접 기록하는 기능 추가

• 이 과정 자체가 4조 연구("AI ops in DAO") 데이터로 활용