안 쓰는 노트북에 AI 에이전트를 올렸다. 생각보다 쓸 만했다.
시작은 비용 문제였다
회사에서 Claude를 쓰다 보니, 개인 시간에도 AI 에이전트를 돌리고 싶어졌다.
클라우드에 올리면 월 몇만 원은 나간다.
그때 안 쓰는 Windows 노트북이 눈에 들어왔다.
OpenClaw라는 오픈소스 AI 에이전트 프레임워크가 있었다.
Docker Compose로 올리고, OpenRouter로 LLM을 연결하고, Telegram 봇으로 대화하는 구조다.
노트북에 올리면 되겠다 싶었다.
구성
최종 구조는 단순하다.
Windows 노트북을 집에 상시 전원으로 두고, Tailscale로 어디서든 접속한다.
그 위에 OpenClaw가 Docker로 돌아가고, OpenRouter를 통해 여러 LLM을 쓸 수 있다.
인터페이스는 Telegram 봇이다. 밖에서 Telegram을 열면 집 노트북이 응답한다.
Tailscale 연결
공유기 포트포워딩 없이 원격 접속하고 싶었다.
Tailscale을 깔았다. 설치는 5분이면 끝났다.
회사 맥에서 바로 SSH가 붙었다.
문제는 다음 날 아침이었다.
밤새 노트북이 꺼져 있었다.
원인은 Windows의 최대절전 타이머였다. 절전을 꺼도, 최대절전은 따로 꺼야 한다.
Claude한테 물어보니까 바로 알려줬다.
해결 방안
- 전원 설정 → 절전: “안 함”
- 고급 전원 → 최대절전: “사용 안 함”
- 네트워크 어댑터 → 절전 모드 해제
powercfg /h off실행
OpenClaw 세팅
Tailscale이 안정되고 나서 OpenClaw를 올렸다.
Docker Desktop 설치하고, docker-compose up -d 하면 에이전트가 뜬다.
OpenRouter API 키를 연결하면 Claude, GPT, Gemini 등을 하나의 엔드포인트로 쓸 수 있다.
모델별 비용이 다르니까, 용도에 따라 바꿔가며 쓸 수 있다.
Telegram 봇 토큰을 발급받아 연결했다.
이때부터 지하철에서도 집 서버한테 질문할 수 있게 됐다.
TickTick 연동
서버가 돌아가니까 다른 것도 붙여봤다.
TickTick API를 연동해서 할일 데이터를 가져오게 했다.
단순히 리스트만 뿌리는 게 아니라, 에이전트가 우선순위를 판단하고 오늘 뭘 먼저 하면 좋을지 제안까지 해준다.
마감이 겹칠 때 어떤 걸 밀어도 되는지, 이번 주에 놓치면 안 되는 게 뭔지.
사람이 매번 정리하던 걸 에이전트가 대신 생각해주는 셈이다.
매일 아침 Telegram에 정리된 리포트가 와 있다.
이건 꽤 유용했다.
인프라 비용
이 구성의 가장 큰 장점이다.
노트북 전기세는 월 몇천 원 수준이다.
OpenRouter는 사용량 기반이라 적게 쓰면 월 $5 이하다.
Tailscale 무료.
클라우드 VM을 쓰면 월 2~3만 원은 고정으로 나간다.
노트북은 이미 있으니까 추가 비용이 없다.
대신 정전되면 꺼진다. 노트북이 고장 나면 끝이다.
개인용으로는 충분하다.
비용의 다른 면
여기까지는 인프라 비용 이야기다.
진짜 비용은 따로 있다. 토큰이다.
OpenClaw는 에이전틱하게 작동한다.
하나의 작업에 LLM 호출이 3~8번 일어난다.
생각하고, 도구를 고르고, 실행하고, 결과를 평가하고, 다시 고르는 과정을 반복한다.
거기에 대화 히스토리가 매 요청마다 전부 다시 전송된다.
가벼운 자동화만 돌려도 월 $10~$30은 나간다.
에이전트를 본격적으로 개발하고 테스트하면 그보다 훨씬 나간다.
지금은 에이전트 스킬을 만들고 테스트하는 단계에 있다.
모델 라우팅으로 단순 작업은 저가 모델로 보내고, 복잡한 추론만 비싼 모델을 쓰는 식으로 최적화 중이다.
세션 관리도 중요하다. 히스토리가 쌓이면 토큰이 기하급수적으로 불어나니까.
인프라는 거의 공짜에 가깝지만, 에이전트를 똑똑하게 쓰려면 토큰 비용 설계가 필수다.
이 부분은 아직 답을 못 찾았다. 계속 실험 중이다.
정리
Tailscale이 네트워크를, Docker가 환경을, OpenRouter가 모델을, Telegram이 인터페이스를 맡았다.
다 이미 있는 도구들이다. 조합하는 것만으로 됐다. 안 쓰는 노트북 하나면 충분했다.
다만, 서버가 있다는 것과 에이전트가 잘 작동한다는 건 다른 문제다.
진짜 과제는 세팅이 아니라 그 위에서 무엇을, 얼마나 효율적으로 돌리느냐에 있었다.
Carrot Seeds 
댓글 남기기