본문으로 건너뛰기

개인화 AI 로봇 + IoT, 진짜로 연결하려면? — 스마트홈부터 AI Workspace·Hermes·OpenClaw까지 파봤습니다

김춘식

2026.08.09

개인화 AI 로봇 + IoT, 진짜로 연결하려면? — 스마트홈부터 AI Workspace·Hermes·OpenClaw까지 파봤습니다 본문 이미지

한줄 요약

바쁘시면 이것만 읽어도 됩니다.

  • 지난주에 잡은 "영구기억 + AI Workspace + 스마트홈"이라는 큰 그림을, 이번 주에는 각 부품이 실제로 어떻게 연결·동작하는지 하나씩 뜯어봤습니다.

  • 헤르메스와 오픈클로는 둘 다 텔레그램을 직접 받고, VS Code 없이 워크스페이스 파일을 직접 조작할 수 있다는 걸 알게 됐고, 각자 어디에 쓰면 효율적일지 역할을 다시 나눴습니다.

  • "AI 워크스페이스는 VS Code가 아니다"를 정리하고, 클로드·코덱스·헤르메스·오픈클로가 같이 쓰는 공용 워크스페이스(공통 Harness + Runtime Adapter) 구조를 잡았습니다.

  • 냉장고·옷장·건강·난방을 각각 스마트하게 만드는 것보다, 그 데이터를 한 사람 중심으로 연결하는 게 개인화 AI의 차별점이라는 걸 시장 사례로 확인했습니다.

  • 24시간 켜둘 저전력 코어 서버와, 필요할 때만 Wake-on-LAN으로 깨우는 GPU 워크스테이션을 분리하는 하드웨어 구조를 설계했습니다.

  • 전부 아직 설계 단계이고, 실제로 구축한 건 없습니다.

이런 분들께 도움돼요

  • 개인화 AI 로봇이나 개인 비서 시스템을 구상 중인데, "그래서 실제로 뭘 어떻게 연결해야 하나"가 궁금한 분

  • 헤르메스·오픈클로 같은 에이전트 프레임워크를 도입해볼까 고민 중인 분

  • 클로드로 만든 워크스페이스를 다른 AI 도구와 같이 쓰고 싶은 분

  • 스마트홈 기기(냉장고·보일러·옷장)를 개인 AI와 연결하는 실제 방법이 궁금한 분

  • 집에 24시간 켜둘 서버를 구성하는 현실적인 방법이 궁금한 분


소개: 큰 그림에서 "그래서 어떻게 동작하는데?"로

1주차에는 GPT '엘라'와 오래 대화하다 기억이 끊기는 걸 느끼고, 개인화 AI 로봇을 구상하다가 "로봇 몸체보다 기억과 소프트웨어가 먼저"라는 걸 깨달았습니다. 2주차에는 그 소프트웨어를 "AI 모델은 교체 가능한 엔진, 기억은 별도 서비스(ELLA Memory Service)"라는 구조로 잡고, 전체 시스템 구성도까지 그렸습니다.

큰 그림을 다 그려놓고 나니, 자연스럽게 다음 질문이 따라왔습니다.

"그래서 이 부품들이 실제로 어떻게 연결되고, 진짜로 동작은 하는 거야?"

이번 주는 그 질문 하나로 시작해서, 헤르메스·오픈클로의 실제 기능부터 AI 워크스페이스 공유 방법, 냉장고·옷장 같은 생활 데이터 연결, 24시간 서버 구성까지 부품 단위로 한 단계씩 더 깊게 들어간 이야기입니다.

이번 주 자료에는 로봇 안에 들어갈 부품 구성(라즈베리파이4, 마이크·스피커, 배터리)까지 그려본 참고 이미지가 있었지만, 여전히 구상 단계이고 실제로 만든 건 아닙니다. 이번 주 이야기는 이 로봇의 몸통보다, 그 로봇을 살아 움직이게 할 "뒷단 구조" 쪽입니다.


진행 방법: 부품을 하나씩 뜯어봤습니다

1. 전체 시스템 구성도를 세분화해서 업데이트했습니다

2주차 구성도는 기억(Memory)·오픈클로·헤르메스·워크스페이스·Home Assistant·생활 데이터가 나란히 놓인 형태였습니다. 이번 주에 파악한 내용을 반영해 구성도를 한 단계 더 세분화했습니다.

  • 가운데 ELLA Personal AI Core: Memory Service, Task/Project DB, Agent/Workspace Registry, Search/Knowledge Index, Context Builder, Model Router

  • AI Workspace Layer: 공통 Harness·Skills·Handoff·Lock을 갖춘 공용 작업공간

  • 24h Core Server / GPU Worker Desktop: 상시가동과 필요시가동을 나눈 하드웨어 계층

  • 에이전트/런타임 계층: Hermes·OpenClaw·Claude Code·Codex

  • 생활 데이터 레이어: Food·Wardrobe·Health·Calendar·Finance

엘라 퍼스널 아이오스

2주차 구성도에서 한 덩어리였던 부분들을, 이번 주 파악한 내용대로 계층별로 나눠서 새로 좀 더 세분화한 버전으로 업데이트했습니다.

이 중에서도 Agent/Workspace Registry는 조금 더 구체적으로 파봤습니다. 나중에 PC가 여러 대로 늘어날 걸 대비해서, 각각 다른 질문에 답하는 3개 Registry로 나눠뒀습니다.

Registry

답하는 질문

예시

Workspace Registry

자료와 업무가 어디 있는가?

BIZ-WS, DEV-WS, LIFE-WS

Agent Registry

누가 그 일을 할 수 있는가?

ELLA, Hermes-Research, Codex-Worker

Node Registry

어디서 실행할 수 있는가?

메인 PC, 리서치 PC, 24시간 서버

이렇게 나눠두면 "ELLA Home 경쟁사 조사해줘" 같은 요청이 들어왔을 때, 시스템이 알아서 "이 작업은 BIZ-WS 담당이고, Hermes-Research가 할 수 있고, 리서치용 PC에서 돌리면 된다"는 걸 결정할 수 있습니다. 자료가 어느 PC에 있는지 제가 일일이 기억할 필요가 없어지는 구조입니다.

2. 헤르메스와 오픈클로, 실제로 어디에 써야 할지 다시 뜯어봤습니다

2주차에는 이해하기 쉽게 오픈클로를 접수 창구, 헤르메스를 실행부로 그렸는데, 이번 주 실제 기능을 더 들여다보니 둘 다 자체 메시징 게이트웨이를 가지고 있어서 독립적으로 요청을 받을 수 있었습니다. 그래서 역할 구성 자체를 더 효율적인 방향으로 다시 나눴습니다.

헤르메스

  • 텔레그램을 자체 Messaging Gateway로 직접 받음 — 오픈클로를 앞단에 반드시 둘 필요 없음

  • VS Code GUI 없이 파일 읽기·쓰기, Terminal 실행, 프로젝트 작업 직접 가능

  • Profile 단위로 여러 에이전트 운영(예: Hermes-BIZ, Hermes-Research), Profile마다 작업 디렉터리(terminal.cwd) 지정

  • 필요하면 클로드 코드·코덱스를 하위 작업자로 호출

  • Sub-agent, 병렬 작업, 장시간 프로젝트형 업무에 강점

오픈클로

  • 텔레그램 등 외부 채널 직접 수신

  • 자체 Agent Workspace 개념 — AGENTS.md(운영지침)·SOUL.md(성격·행동원칙)·MEMORY.md(기억)·Skills

  • 파일·Terminal 작업 가능, 여러 Agent를 채널에 바인딩

  • Cron 기반 상시 운영·모니터링·게이트웨이 역할 — 스마트홈·반복 자동화에 강점

  • 클로드·코덱스 호출 가능, 기존 코덱스용 Skill 마이그레이션 기능도 있음

여기서 "텔레그램 메시지 하나로 어떻게 컴퓨터 파일까지 고쳐지지?"라는 의문이 남을 것 같아 한 단계만 더 풀어봤습니다.

즉 텔레그램이 PC를 직접 조작하는 게 아니라, PC에서 상주 중인 헤르메스·오픈클로가 메시지를 받아서 자신의 파일·터미널 도구로 실제 워크스페이스를 작업하는 구조입니다.

그럼 ELLA 시스템에서는 어디에 쓰는 게 효율적일까요. 지금 실험 중인 유력한 구성입니다 — 절대 규칙은 아니고 써보면서 계속 조정할 생각입니다.

구분

유력한 역할

Hermes

프로젝트형 업무, 조사·기획·복합 작업, 클로드·코덱스 위임, Sub-agent

OpenClaw

24시간 상주, 텔레그램 등 외부 채널, Cron, 상태 점검, 스마트홈, 반복 자동화

여기서 2주차에 남겨뒀던 문제도 다시 짚어봤습니다. 2주차엔 텔레그램 엘라, 슬랙 엘라, 오픈클로 엘라가 마치 서로 다른 엘라처럼 따로 논다는 문제를, identity_map이라는 연결표로 "합치는" 방식으로 풀었습니다. 이번 주 헤르메스·오픈클로 구조를 제대로 파악하고 나니, 접근 자체를 바꾸는 게 더 깔끔하다는 걸 알았습니다.

엘라, 채널, 헤르메스, 공개법이라는 단어가 포함된 한국어 다이어그램

"여러 개의 엘라를 나중에 하나로 합친다"가 아니라, 처음부터 엘라는 하나의 정체성이고 ChatGPT·헤르메스·오픈클로는 그 하나의 엘라가 돌아가는 실행 환경(런타임)일 뿐이며, 텔레그램·슬랙은 그 위에 얹히는 채널일 뿐이라는 겁니다. "에이전트는 채널별로 복제하지 않는다"는 원칙 하나만 세우니, 2주차에 따로 설계했던 identity_map보다 훨씬 단순하게 정리됐습니다.

3. 그럼 클로드 코드와 코덱스는 어디에 들어가나

헤르메스·오픈클로가 직접 파일을 만질 수 있다는 걸 알고 나니, 처음에는 "그럼 클로드나 코덱스는 필요 없어지는 건가?" 싶었는데, 오히려 역할이 더 명확해졌습니다. 실행 방식은 세 가지입니다.

해석학 프로그램의 흐름도

이 관계를 회사 조직에 비유하니 이해가 빨랐습니다.

한국어 도표

이 조직도는 역할을 이해하기 위한 비유이고, 모든 작업이 반드시 ATLAS를 거쳐야 확정된 구조는 아닙니다 — 위에서 본 것처럼 간단한 작업은 텔레그램에서 헤르메스·오픈클로로 바로 전달될 수도 있습니다.

헤르메스 팀장이 간단한 보고서는 직접 쓰지만, 복잡한 개발 작업은 "코덱스, 네가 구현해" 하고 전문 직원에게 넘깁니다. 헤르메스가 있다고 클로드·코덱스가 필요 없어지는 게 아니라, 헤르메스·오픈클로는 접수·판단, 클로드 코드·코덱스는 여전히 전문 작업자입니다.

실행 방식을 정리하다 보니 실용적인 질문도 나왔습니다. "직접 워크스페이스에서 작업하는 것과 텔레그램으로 시키는 것, 뭐가 더 효율적이야?" 답을 정리하니 이렇게 갈렸습니다.

업무 성격

권장 방식

중요한 기획·설계, 복잡한 코드 수정

직접 워크스페이스 (VS Code)

반복 조사, 자료 정리, 파일 검색·요약

원격 위임 (Hermes·OpenClaw)

테스트 실행, 밤새/장시간 작업

원격 위임

이동 중 지시, 긴급 상태 확인

텔레그램

정리하면 "사람은 판단·설계·검토를 하고, AI에게는 실행·반복·수집을 맡긴다"는 기준이었습니다. 텔레그램만이 유일한 창구도 아니었습니다. 헤르메스·오픈클로 둘 다 디스코드·슬랙·Web 등 다양한 채널을 지원하는데, 지금 상황에서는 텔레그램(이동 중 빠른 지시) + Web UI(작업 전체 관리) + VS Code(정밀 작업) 세 가지 조합이 제일 현실적이라는 결론을 냈습니다. 디스코드는 여러 에이전트를 채널별로 운영하기엔 좋아 보였지만, 지금은 에이전트 개수 자체가 많지 않아서 굳이 옮길 이유가 없다고 판단해 보류했습니다.

4. 클로드로 만든 AI 워크스페이스, 여러 AI가 같이 쓸 수 있을까

이번 주 가장 중요했던 정리입니다. AI 워크스페이스는 VS Code가 아닙니다. VS Code는 워크스페이스를 눈으로 보는 화면일 뿐이고, 실제 워크스페이스는 파일·문서·공통 규칙·Harness·Skills·Task 상태·Handoff·Git이 결합된 업무공간입니다.

지금 워크스페이스는 클로드 중심(CLAUDE.md)으로 시작해서 코덱스용 AGENTS.md를 추가한 상태입니다. 여기에 헤르메스·오픈클로까지 들어오게 하려면 "AI-neutral Workspace"로 발전시켜야 합니다.

오픈클로도 헤르메스도 자기만의 워크스페이스를 따로 만들 수는 있지만(오픈클로 ~/.openclaw/workspace, 헤르메스 Profile별 terminal.cwd), "만들 수 있다"와 "따로 만들어야 한다"는 다른 문제였습니다. AI마다 같은 업무 워크스페이스를 복제하면 자료와 상태가 찢어집니다.

애플리케이션의 구조를 보여주는 다이어그램

헤르메스와 오픈클로는 같은 워크스페이스 아래 나란히 붙는 병렬 런타임이지, 한쪽이 다른 쪽에 딸린 하위 구조가 아닙니다. 업무 워크스페이스는 하나로 유지하고, 각 런타임은 자기만의 Agent Home(정체성·기억·전용 Skill)만 따로 갖습니다. 이러면 아침에 클로드 코드로 작업하다가, 오후에 밖에서 텔레그램으로 오픈클로에게 "아침 작업 이어서 해줘"라고 해도 같은 워크스페이스 안에서 이어집니다.

5. Harness와 Skill은 어떻게 공유할까

앞으로는 "여러 AI가 같은 회사 규정을 읽고 같은 사무실에서 일하는" 구조로 가야 한다는 게 이번 주 결론입니다. 이를 위해 두 개념을 구분했습니다.

Harness = 일을 굴리는 규칙과 실행체계
Skill = 특정 일을 잘하는 표준 업무방법

한국어로 된 프로세스 다이어그램

지금은 클로드·코덱스규칙이 각각 CLAUDE.md, AGENTS.md에 따로 있는데, 헤르메스·오픈클로까지 들어오면 공통 규칙 하나 + 각 AI별 얇은 어댑터 구조가 낫습니다. 여기서도 헤르메스와 오픈클로는 같은 층에 나란히 붙는 어댑터입니다.

네 가지 유형의 커넥터가 있는 네트워크 다이어그램

Skill은 "다 재사용 가능하다"고 하기엔 무리가 있어서 세 종류로 나눴습니다.

구분

예시

재사용성

① 공용 Skill

시장조사, 문서검토, PRD, 경쟁사분석, 인수인계, 품질검증

거의 그대로 사용 가능

② Adapter 필요 Skill

파일검색, Git, 테스트, Sub-agent 호출, 웹검색

절차는 같고 도구 호출만 런타임별로 다름

③ Runtime 전용 Skill

클로드 Plugin, 코덱스 전용 기능, 헤르메스 delegation, 오픈클로 heartbeat·channel routing

공용화할 이유 없음

장기적으로는 common/·domain/·runtime/ 세 폴더로 나눈 Skill Library 구조를 검토 중입니다. 다만 이 부분은 아직 실제 워크스페이스 구조를 바꾼 건 아니고, 방향만 잡은 상태입니다.

6. ELLA가 24시간 살아 있으려면

여기부터는 하드웨어입니다. 24시간 항상 켜둘 필요는 없고, 계층을 나누는 게 낫다는 결론이었습니다. 다만 이걸 한 번에 다 갖추는 게 아니라 단계적으로 늘려가는 순서를 잡아뒀습니다.

지금        기존 Desktop 한 대로 PoC 검증
↓
1단계      저전력 Mini PC(24h Core) + 기존 Desktop(GPU Worker)
↓
2단계      데이터가 쌓이면 NAS 추가
서버의 로컬 uac 코드 다이어그램
  • 24h Core Server: 저전력 미니PC. Memory·Task·Registry·헤르메스 게이트웨이·오픈클로·Home Assistant·자동화·텔레그램을 여기에 둡니다.

  • GPU Worker Desktop: 평소엔 꺼둬도 되는 작업용 데스크탑. Local LLM·클로드 코드·코덱스·Vision처럼 무거운 작업이 필요할 때만 켭니다.

  • NAS: 대용량 백업용. 데이터가 쌓이는 나중 단계에 붙입니다.

"데스크탑엔 로그인 비밀번호도 걸어뒀는데, 엘라가 켜고 끌 수 있나?"도 확인했습니다. PC 전원과 Windows 로그인은 분리해서 볼 수 있어서, 비밀번호는 그대로 유지하고 로그인 전에 자동 실행되는 Node Agent·백그라운드 서비스로 원격 작업을 처리하는 구조를 검토했습니다. 개인 문서·세무·법률·재정 정보가 쌓일 PC라서 자동로그인 대신 보안을 유지하는 쪽을 택했습니다. 이 부분의 세부 구성(Wake-on-LAN 설정, 서비스 분리 등)은 나중에 "ELLA 서버·하드웨어 구축" 편에서 따로 다뤄볼 계획입니다. 지금은 방향만 잡은 상태이고, 실제로는 기존 데스크탑 한 대로 먼저 검증해볼 계획입니다.

7. 로봇이 실제 생활을 이해하려면

2주차 구성도 아래쪽 냉장고·옷장·건강·일정 부분을, 이번 주엔 실제 시장이 어떻게 하고 있는지부터 파악해봤습니다.

시장은 이미 상당히 발전해 있었습니다. 삼성·LG 냉장고는 내부 카메라로 식재료를 인식해 레시피를 추천하고, 국내 보일러 업체(경동나비엔·귀뚜라미·린나이)는 스마트폰 원격 난방 제어를 오래전부터 제공하고, 옷장 관리 앱(Whering, Stylebook)도 수백만 다운로드 규모이며, 건강 데이터는 삼성 헬스·Oura 같은 웨어러블이 이미 잘하고 있습니다. 문제는 이게 각자 따로 논다는 점이었습니다. 냉장고 앱, 보일러 앱, 건강 앱, 캘린더 앱이 서로 연결되지 않습니다. 개인화 AI가 노릴 지점은 이 데이터를 한 사람 중심으로 연결하는 상위 계층입니다.

영역

시장이 잘하는 것

한계

냉장고(삼성·LG)

식재료 인식, 레시피 추천

제조사 생태계 안에서만

보일러(경동나비엔 등)

원격 난방 제어

보일러 단독 기능

옷장(Whering 등)

착용 기록, 코디 추천

생활 전체 맥락 없음

건강(삼성헬스·Oura)

수면·활동 측정

업무·집·재정과 분리

일정(Motion·Reclaim)

Task 우선순위 기반 재계획

실제 집·생활 제어는 안 함

이번 파악에서 가장 크게 바뀐 생각 중 하나는 "스마트 냉장고가 필요하다"가 아니라 "냉장고 안 상태를 최신 데이터로 유지할 방법이 필요하다"는 점이었습니다.

영수증/구매내역 + 음성 기록 + 스마트폰 사진
              ↓
           Food DB
              ↓  (나중 단계)
     카메라 → 무게센서 → RFID

옷장도 카메라·RFID부터 설치할 필요 없이, 영수증 입력·음성 기록("이 옷 세탁 맡겼어")·스마트폰 사진 등록으로 시작해서 하드웨어를 단계적으로 붙이는 게 현실적입니다.

한국어의 구조를 보여주는 다이어그램

AI가 옷장 전체를 "기억"하는 게 아니라, DB에서 필요한 사실만 검색해 판단에 넘기는 구조라는 점이 핵심입니다. 이 차이가 가장 잘 드러나는 예가 쇼핑 판단입니다. 일반 옷장 앱은 코디만 추천하지만, ELLA는 구매 여부까지 같이 판단합니다.

한국어의 구조를 보여주는 다이어그램

보일러·난방은 Home Assistant가 이미 온도조절기를 표준 방식으로 다루고, 헤르메스도 Home Assistant를 직접 조회·제어하는 기능을 공식적으로 갖고 있어서, "엘라, 집이 추워"에서 실제 보일러 조정까지는 브랜드마다 새로 개발하지 않아도 됩니다. 건강 데이터는 센서를 직접 만들기보다 기존 웨어러블 데이터를 연결하되, 의료 진단과는 구분해야 합니다.

전부를 한 번에 만들 수는 없어서, 처음 검증할 시나리오를 두 개로 좁혀뒀습니다 — "엘라, 오늘 하루 어떻게 보내면 좋을까?"와 "엘라, 나 집으로 가". 아직 구현한 건 아니고, 다음 단계 검증 후보로 잡아둔 상태입니다.

8. 구글 캘린더를 넘어서

Reclaim, Motion 같은 AI 일정관리 서비스는 이미 단순 캘린더를 넘어 Task의 우선순위·마감일을 보고 일정을 재배치하는 수준입니다. 요즘 일정관리는 "캘린더"가 아니라 "캘린더+할일+프로젝트+우선순위+가용시간+AI"입니다.

여기가 이번 프로젝트 전체에서 가장 차별점을 잘 보여주는 부분이라고 생각합니다.

Calendar만 보는 AI ≠ Calendar + Workspace + Task + Agent 상태를 같이 보는 ELLA

실제로 이런 대화를 그려볼 수 있습니다.

저: "엘라, 오늘 뭐부터 해야 해?"

ELLA: "10시 일정 전까지 1시간 20분 남아 있어요. BIZ-WS 조사는 헤르메스가 진행 중이고, DEV-WS는 코덱스 테스트 중이라 기다리면 됩니다. LEGAL-WS 문서는 제 검토가 필요하니 지금 먼저 보는 게 좋겠습니다."

일반 캘린더 비서는 "10시 미팅, 3시 병원"에서 끝나지만, ELLA는 구글 캘린더뿐 아니라 여러 워크스페이스의 진행 상태, 헤르메스·오픈클로가 처리 중인 작업, 클로드·코덱스의 Handoff까지 같이 봅니다.

"AI 워크스페이스 전체를 DB로 옮겨야 하나?"라는 의문엔 절반만 맞았습니다. 파일(문서·코드·보고서)은 그대로 두고, 빠르게 판단해야 하는 상태 정보(Task 상태·진행률·Owner·대기항목)만 DB로 관리하며, 문서 내용 자체는 별도 검색 인덱스를 쓰는 3층 구조가 맞습니다.

작업공간 파일을 생성하는 과정을 보여주는 다이어그램

여기서 중요한 건 헤르메스·오픈클로·로봇이 이 DB를 각자 복사해서 갖는 게 아니라는 점입니다. 모두 공통 API로 같은 정본(Source of Truth)을 조회합니다.

이 전부가 "자동으로" 갱신돼야 의미가 있는데, 자동 갱신 부분은 아직 설계만 해둔 상태이고 실제로 만든 건 아닙니다.

인상적이었던 순간

2주차엔 큰 그림 하나를 다 잡았다고 생각했는데, 부품 하나하나를 실제 기능 기준으로 다시 캐물어보니 많은 부분이 "이렇게 동작하겠지"라는 제 추측이었다는 걸 깨달았습니다. 특히 헤르메스와 오픈클로가 둘 다 텔레그램을 직접 받을 수 있다는 걸 알게 됐을 때, 지난주 그림을 필요 이상으로 단순화해서 그렸다는 걸 알았습니다.

막혔던 순간과 해결

이번 주는 다뤄야 할 주제가 계속 늘었습니다. 헤르메스·오픈클로 실행방식을 정리하다 워크스페이스 공유 문제가, 그다음 Harness·Skill 구조가, 그러다 하드웨어와 생활 데이터까지 이어지면서 "이게 지난주 그림 어디랑 연결되지" 헷갈리는 순간이 여러 번 있었습니다. 그럴 때마다 시스템구성도로 돌아가서, 새 개념이 그림의 어느 계층을 채우는지 하나씩 대응시키며 정리했습니다.


결과와 배운 점

Before vs After

항목

Before (2주차 v8)

After (3주차)

원격 실행 경로

Telegram→OpenClaw→ELLA Core→Hermes 고정 파이프라인

Hermes·OpenClaw가 텔레그램을 각자 직접 수신하는 병렬 게이트웨이

여러 채널의 엘라 정체성

identity_map으로 "합치는" 접근

애초에 Agent Identity 하나 + Runtime·Channel 구분으로 재정의

작업 배분 기준

없음

직접작업(집중·설계) vs 원격위임(반복·이동중) 기준표 + 채널 전략

워크스페이스 정의

암묵적으로 VS Code와 동일시

파일+공통규칙+Harness+Skills+Task상태로 명확히 정의

여러 AI의 워크스페이스 공유

없음

업무 워크스페이스는 하나, 각 런타임은 Agent Home만 별도

공통 규칙 구조

CLAUDE.md·AGENTS.md에 개별 존재

Common Harness + Runtime Adapter로 재편 방향 확정

Skill 관리

Runtime별 Skill 활용 가능성만 있음

공용/Adapter필요/Runtime전용 3종으로 분류

하드웨어 계획

PC 확장 개념만 있음

24h Core + On-demand GPU Worker로 역할 구체화

생활 데이터 연결

개념만 언급

냉장고·옷장·건강 시장 사례 + Food/Wardrobe DB 설계 방향

일정 관리

Google Calendar 언급 수준

Calendar+Task+Workspace+Handoff 통합 구조 설계

결과물

  • Workspace·Agent·Node 3개 Registry 정의

  • 헤르메스·오픈클로 실제 기능 정리 + 역할 분담표(실험 중인 유력안), 텔레그램-워크스페이스 연결 메커니즘 도식

  • 정정된 원격실행 구조, 3가지 실행모드, 조직 비유 — 도식 3종

  • ELLA Agent Identity·Runtime·Channel 개념도 (identity_map보다 단순화된 재정의)

  • 직접작업 vs 원격위임 기준표, 채널 전략(텔레그램+Web+VS Code)

  • "AI Workspace ≠ VS Code" 정리, 워크스페이스 공유 구조(잘못된 방향/권장 방향을 병렬 관계로 정정한 비교 도식)

  • Harness 처리 흐름 도식, Common Harness/Runtime Adapter 구조 도식(병렬 관계로 정정), Skill 3종 분류표

  • 24시간 Core Server + GPU Worker Desktop 하드웨어 로드맵(단계별 도입 순서 포함)

  • 냉장고·보일러·옷장·건강 시장 비교표, Food DB·Wardrobe DB 단계별 설계, 코디 추천·쇼핑 판단 도식 2종

  • Calendar+Workspace+Task 통합 구조 도식, 실제 대화 예시, 공통 API 구조 도식, 3층 데이터 구조 도식

  • 업데이트된 통합 시스템구성도

  • 참고한 공식 문서·시장 사례 출처 목록


참고한 사례

공식 문서

생활 데이터 시장 사례

2

함께 이야기해요 2

로그인하고 댓글을 남겨 주세요

뽀짝이 프로필 이미지
뽀짝이2026.08.09

3주차에 접어들면서 "큰 그림에서 부품으로" 자연스럽게 방향을 바꾼 흐름이 인상적이에요.

헤르메스와 오픈클로가 둘 다 텔레그램을 직접 받고 VS Code 없이 워크스페이스 파일을 조작할 수 있다는 걸 직접 확인해서 역할을 다시 나눈 부분, 그냥 "이런 게 있더라"가 아니라 실제로 켜보고 확인한 거잖아요. 설계 단계라고 솔직하게 명시하면서도 24시간 저전력 코어 서버와 필요할 때만 Wake-on-LAN으로 깨우는 GPU 워크스테이션을 분리하는 구조까지 나온 글이라, 다음 주에 실제 구축 단계로 넘어갈 때 어떤 부분에서 예상과 달랐는지가 벌써 궁금해져요.

냉장고·옷장·건강 데이터를 기기별로 스마트하게 만드는 게 아니라 한 사람 중심으로 연결하는 게 차별점이라는 결론, 시장 사례로 확인했다고 하셨는데 어떤 사례가 가장 설득력 있었는지도 다음 글에서 보고 싶네요. 🐈‍⬛

박승현 프로필 이미지
박승현2026.08.09

잘읽었습니다. 나중에 비슷한 프로젝트를 도전할 때 참고하겠습니다.

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기