OpenClaw 아키텍처 분석 보고서 / 실사용 시나리오 Q&A

╔══════════════════════════════════════════════════════════════════════════╗
║                          OpenClaw System                                 ║
║                                                                          ║
║  ┌─────────────────────────────────────────────────────────────────┐    ║
║  │                    CLI Entry Layer                               │    ║
║  │  entry.ts → run-main.ts → program.ts → Commander.js commands    │    ║
║  │  openclaw onboard / gateway / agent / send / doctor / config    │    ║
║  └───────────────────────┬─────────────────────────────────────────┘    ║
║                          │ start                                         ║
║  ┌───────────────────────▼─────────────────────────────────────────┐    ║
║  │                    Gateway (Control Plane)                       │    ║
║  │   ws://127.0.0.1:18789  +  HTTP                                 │    ║
║  │                                                                  │    ║
║  │  server.impl.ts ──┬── server-http.ts (Express + WS)             │    ║
║  │                   ├── server-chat.ts (ChatRunRegistry)           │    ║
║  │                   ├── server-channels.ts (ChannelManager)        │    ║
║  │                   ├── server-cron.ts (Croner scheduler)          │    ║
║  │                   ├── server-plugins.ts (Plugin registry)        │    ║
║  │                   └── server-methods/ (100+ RPC handlers)        │    ║
║  └──────────┬─────────────────────────────┬───────────────────────┘    ║
║             │ WebSocket frames             │ Channel events              ║
║             ▼                             ▼                              ║
║  ┌──────────────────┐         ┌──────────────────────────────────────┐  ║
║  │   WS Clients     │         │         Channel Manager              │  ║
║  │                  │         │                                      │  ║
║  │ • Control UI     │         │  telegram/ discord/ slack/           │  ║
║  │ • macOS app      │         │  signal/  imessage/ whatsapp/        │  ║
║  │ • iOS/Android    │         │  line/    + 15개 extensions          │  ║
║  │ • WebChat        │         └──────────────┬───────────────────────┘  ║
║  └──────────────────┘                        │ inbound/outbound          ║
║                                              ▼                           ║
║  ┌───────────────────────────────────────────────────────────────────┐  ║
║  │                      Agent Engine                                 │  ║
║  │                                                                   │  ║
║  │  agent-scope.ts ──→ ResolvedAgentConfig                          │  ║
║  │       │              (workspace, model, skills, heartbeat)        │  ║
║  │       ▼                                                           │  ║
║  │  pi-embedded-runner/ ──→ Pi Agent (RPC)                          │  ║
║  │       │                                                           │  ║
║  │       ├── tools/         (browser, canvas, cron, system)         │  ║
║  │       ├── skills/        (notion, github, spotify...)            │  ║
║  │       ├── memory/        (vector search, session files)          │  ║
║  │       └── infra/agent-events.ts (EventBus)                      │  ║
║  └───────────────────────────────────────────────────────────────────┘  ║
║             │                                                            ║
║             ▼                                                            ║
║  ┌──────────────────────────┐                                           ║
║  │   LLM Providers          │                                           ║
║  │  OpenAI / Anthropic /    │                                           ║
║  │  Google / 20+ others     │                                           ║
║  └──────────────────────────┘                                           ║
╚══════════════════════════════════════════════════════════════════════════╝

[사용자 WhatsApp 메시지 수신]
        │
        ▼
src/web/ (WhatsApp Web handler)
  └── 메시지 파싱 & 정규화
        │
        ▼
src/routing/session-key.ts
  └── "agent:main:whatsapp/+1234567890" 세션 키 생성
        │
        ▼
src/channels/allowlists/
  └── dmPolicy 검사
        ├── "pairing" → 페어링 코드 요청
        ├── "open"    → 처리 허용
        └── "block"   → 차단
              │ 허용된 경우
              ▼
src/gateway/server-chat.ts (ChatRunRegistry)
  └── 세션에 runId 할당, 큐 등록
        │
        ▼
src/agents/pi-embedded-runner/
  └── Pi Agent RPC 실행
        ├── LLM API 호출 (스트리밍)
        └── Tool 실행 (필요 시)
              │ 완료
              ▼
src/infra/agent-events.ts (EventBus)
  └── AgentEventPayload 발행
      { stream: "assistant", data: "응답 텍스트" }
        │
        ├── → gateway/server/ws-connection.ts
        │         WebSocket으로 Control UI에 실시간 전달
        │
        └── → src/infra/outbound/
                  └── 원본 채널(WhatsApp)로 응답 전송

1. 설정 로드 & 검증 (config/config.ts)
2. 인증 초기화 (auth.ts)
3. 플러그인 로드 (server-plugins.ts)
4. 채널 매니저 생성 (server-channels.ts)
5. HTTP/HTTPS 서버 생성 (server-http.ts)
6. WebSocket 서버 연결
7. RPC 메서드 등록 (server-methods/)
8. 헬스 모니터링 시작
9. Cron 서비스 시작
10. 메인터넌스 타이머 시작

GatewayFrame    // 요청/응답 (메서드 호출)
EventFrame      // 브로드캐스트 이벤트
ChatEvent       // 채팅 스트리밍 업데이트
AgentEvent      // 에이전트 상태 업데이트
HelloOk         // 연결 핸드셰이크

OpenClawConfig.agents.list[n]
  → ResolvedAgentConfig {
      name,
      workspace,    // ~/.openclaw/agents/<id>/
      model,        // LLM 모델 설정
      skills,       // 사용 가능한 스킬 목록
      heartbeat,    // 주기적 실행 설정
      sandbox       // 샌드박스 정책
    }
  → AgentScope
  → Agent 실행 컨텍스트

AgentEventPayload {
  runId: string        // 실행 단위 ID
  seq: number          // 단조증가 시퀀스 번호
  stream:              // 이벤트 스트림 타입
    | "lifecycle"      // 에이전트 시작/종료
    | "tool"           // 툴 실행 이벤트
    | "assistant"      // 응답 텍스트
    | "error"          // 에러 이벤트
  data: Record<string, unknown>
  sessionKey?: string  // 세션 라우팅
}

ChannelEntryMatch {
  entry,           // 직접 매칭 (예: telegram/+1234)
  wildcardEntry,   // 와일드카드 매칭 (*)
  parentEntry,     // 부모 채널 설정 상속
  matchSource      // 매칭 출처 추적
}

# config.yml
channels:
  telegram:
    dmPolicy: "pairing"   # 기본: 페어링 코드 필요
    # dmPolicy: "open"    # 명시적 허용 필요
    # dmPolicy: "block"   # 전체 차단
    allowFrom:
      - "+1234567890"     # 허용된 연락처
      # - "*"             # 전체 허용 (위험)

ChannelRuntimeSnapshot {
  channels: Map<channelId, ChannelPlugin>
  channelAccounts: Map<accountId, ChannelAccountSnapshot>
}

ChannelAccountSnapshot {
  accountId: string
  defaultRuntime: ChannelRuntime
  health: "ok" | "degraded" | "down"
}

~/.openclaw/
  ├── config.yml          # 메인 설정 (JSON5 포맷)
  ├── credentials/        # 인증 정보 (암호화)
  ├── sessions/           # 세션 기록
  │   ├── main.json
  │   └── <agentId>.json
  └── agents/
      └── <agentId>/
          └── sessions/*.jsonl

config.yml 파일 변경 감지 (chokidar)
  → 플러그인 재로드
  → 채널 재시작 (변경된 채널만)
  → 시크릿 업데이트
  → 메모리 인덱스 갱신

extensions/
  ├── 채널 플러그인
  │   ├── discord          # Discord 확장
  │   ├── line             # LINE 메시징
  │   ├── msteams          # Microsoft Teams
  │   ├── matrix           # Matrix 프로토콜
  │   ├── feishu           # Feishu/Lark
  │   ├── googlechat       # Google Chat
  │   ├── irc              # IRC
  │   ├── mattermost       # Mattermost
  │   ├── nostr            # Nostr 프로토콜
  │   ├── zalo / zalouser  # Zalo (베트남)
  │   ├── bluebubbles      # BlueBubbles (iMessage)
  │   └── ...
  ├── 메모리 플러그인
  │   ├── memory-core      # 기본 메모리
  │   └── memory-lancedb   # LanceDB 벡터 검색
  └── 통합 플러그인
      ├── llm-task         # LLM 태스크
      ├── diagnostics-otel # OpenTelemetry
      └── ...

skills/
  ├── 개발
  │   ├── coding-agent     # 코딩 자동화
  │   └── gh-issues        # GitHub 이슈 관리
  ├── 생산성
  │   ├── notion           # Notion 연동
  │   ├── obsidian         # Obsidian 연동
  │   ├── things-mac       # Things 3 (macOS)
  │   └── trello           # Trello 연동
  ├── 콘텐츠
  │   ├── blogwatcher      # 블로그 모니터링
  │   └── summarize        # 콘텐츠 요약
  └── 시스템
      ├── healthcheck      # 시스템 헬스체크
      ├── tmux             # tmux 제어
      └── voice-call       # 음성 통화

// plugins/registry.ts
// npm 패키지 또는 로컬 경로로 동적 로드
import { loadPlugin } from 'openclaw/plugin-sdk'

// 플러그인 인터페이스
interface OpenClawPlugin {
  id: string
  channels?: ChannelPlugin[]
  skills?: SkillPlugin[]
  memory?: MemoryPlugin
  cli?: CLIPlugin
}

"agent:main:telegram/+1234567890"
   │     │    └── channel/account
   │     └── agentId ("main" or custom)
   └── prefix

특수 케이스:
  "agent:main:__default"  # 기본 계정
  "cron:<jobId>"          # 크론 잡 세션
  "acp:<id>"              # Agent Control Protocol

ChannelId
  → Agent
    → SessionKey
      → ChatRunEntry { sessionKey, clientRunId }
        → AgentEventPayload (stream: lifecycle|tool|assistant)
          → ChatEvent (WS frame)
            → WebSocket Client (Control UI / 채널 응답)

AgentRunContext {
  sessionKey: string
  verboseLevel: "low" | "medium" | "high"
  isHeartbeat: boolean
  runId: string
}

entry.ts
  └── cli/run-main.ts
        └── cli/program.ts (Commander.js)
              └── commands/ (284개 커맨드 핸들러)
                    └── gateway/server.impl.ts  ← 핵심 허브
                          ├── config/config.ts         (설정)
                          ├── channels/plugins/        (채널)
                          ├── agents/agent-scope.ts    (에이전트)
                          ├── infra/agent-events.ts    (EventBus)
                          ├── gateway/server-http.ts   (WS 서버)
                          └── gateway/server-methods/  (RPC API)

의존 방향:
  CLI → Gateway → {Channels, Agents, Config, Infra}
  Agents → {LLM Providers, Tools, Memory}
  Channels → {Channel SDKs, Gateway EventBus}
  Config → {File System, Migration, Zod Schemas}

openclaw/
├── src/                      # TypeScript 소스
│   ├── entry.ts              # CLI 진입점
│   ├── index.ts              # Public API 익스포트
│   ├── cli/                  # CLI 레이어 (168 files)
│   │   ├── program/
│   │   ├── daemon-cli/
│   │   ├── gateway-cli/
│   │   ├── run-main.ts
│   │   └── argv.ts
│   ├── gateway/              # Gateway 서버 (236 files)
│   │   ├── server.impl.ts    # 메인 서버
│   │   ├── server-http.ts    # HTTP/WS
│   │   ├── server-chat.ts    # 채팅 이벤트
│   │   ├── server-channels.ts
│   │   ├── protocol/         # WS 프레임 스키마
│   │   └── server-methods/   # RPC 핸들러 (65 files)
│   ├── agents/               # 에이전트 엔진 (530 files)
│   │   ├── agent-scope.ts
│   │   ├── pi-embedded-runner/
│   │   ├── auth-profiles/
│   │   ├── skills/
│   │   └── tools/
│   ├── channels/             # 채널 추상화 (65 files)
│   │   ├── plugins/
│   │   ├── allowlists/
│   │   └── dock.ts
│   ├── config/               # 설정 관리 (207 files)
│   │   ├── config.ts
│   │   ├── sessions/
│   │   └── zod-schema.*.ts
│   ├── infra/                # 인프라 유틸 (297 files)
│   │   ├── agent-events.ts   # EventBus
│   │   ├── outbound/
│   │   └── heartbeat-runner.ts
│   ├── memory/               # 메모리 시스템 (97 files)
│   ├── browser/              # 브라우저 자동화 (127 files)
│   ├── media/                # 미디어 파이프라인
│   ├── routing/              # 메시지 라우팅
│   ├── secrets/              # 자격증명 관리
│   ├── security/             # 보안
│   ├── commands/             # 커맨드 핸들러 (284 files)
│   ├── telegram/             # Telegram 구현
│   ├── discord/              # Discord 구현
│   ├── slack/                # Slack 구현
│   ├── signal/               # Signal 구현
│   ├── imessage/             # iMessage 구현
│   └── web/                  # WhatsApp Web 구현
├── extensions/               # 42개 플러그인
├── skills/                   # 50개+ 스킬
├── apps/                     # 네이티브 앱
│   ├── macos/                # SwiftUI 메뉴바 앱
│   ├── ios/                  # Swift/SwiftUI iOS
│   ├── android/              # Kotlin Android
│   └── shared/               # 크로스플랫폼 공통
├── ui/                       # 웹 UI (Lit + Vite)
├── docs/                     # 문서 (Mintlify)
├── scripts/                  # 자동화 스크립트 (100+)
├── packages/                 # 내부 패키지
├── package.json
├── pnpm-workspace.yaml
└── tsconfig.json

사람이 하는 일                    Playwright가 하는 일
────────────────────────────────────────────────────
Chrome 창을 연다              →   chromium.launch()
주소창에 URL 입력              →   page.goto(url)
페이지 구조를 눈으로 파악       →   page.ariaSnapshot()
링크를 클릭한다               →   locator.click()
검색창에 타이핑한다            →   locator.fill("검색어")
JS 콘솔에서 코드 실행          →   page.evaluate(fn)
스크린샷 찍기                 →   page.screenshot()

LLM (판단)
  │
  │  "이 버튼을 클릭해야겠다"
  ▼
Browser Tool (src/agents/tools/browser-tool.ts)
  │
  │  { action: "act", request: { kind: "click", ref: "e5" } }
  ▼
Playwright API (src/browser/pw-tools-core.interactions.ts)
  │
  │  locator.click({ timeout: 8000 })
  ▼
Chrome DevTools Protocol (CDP) via WebSocket
  │
  ▼
실제 Chrome 브라우저

// src/agents/tools/browser-tool.ts 예시
{
  name: "browser",                    // LLM이 호출할 이름
  description: "Control a browser",  // LLM이 언제 쓸지 판단하는 설명
  inputSchema: {                      // LLM이 넘겨야 하는 파라미터 정의
    action: "navigate | snapshot | act | screenshot ...",
    url: "string",
    ref: "string",
  },
  execute: async (toolCallId, args) => {  // 실제 실행 코드
    return result
  }
}

LLM → tool_use 블록 생성
  │
  ▼
src/agents/pi-embedded-subscribe.handlers.ts
  case "tool_execution_start" → 툴 실행 시작 이벤트 발행
  │
  ▼
src/agents/tools/<tool>.ts
  execute(toolCallId, args) 호출
  │
  ▼
src/infra/agent-events.ts (EventBus)
  tool_execution_end → 결과 반환
  │
  ▼
LLM → 결과를 읽고 다음 판단

[단일 턴 - 일반 LLM]
사용자: "네이버 뉴스 크롤링해줘"
LLM:   "저는 인터넷에 접근할 수 없어서 직접 크롤링은 어렵습니다."
끝.

[멀티 턴 - OpenClaw]
사용자: "네이버 뉴스 크롤링해줘"

턴 1: LLM → browser.open("sports.naver.com")
      결과: { url: "https://sports.naver.com", ok: true }

턴 2: LLM → browser.snapshot()
      결과: { refs: { e1: "해외축구", e5: "기사1"... } }

턴 3: LLM → browser.act({ kind: "click", ref: "e1" })
      결과: { ok: true }

턴 4: LLM → browser.act({ kind: "evaluate", fn: "..." })
      결과: { articles: [...] }

턴 5: LLM → 최종 응답 생성 (더 이상 툴 없음)
사용자: "뉴스 3건입니다: ..."

src/agents/pi-embedded-runner/run.ts

while (true) {
  response = await llm.send(messages + toolResults)

  if (response.stopReason === "end_turn") break  // 완료

  if (response.stopReason === "tool_use") {
    result = await executeTool(response.toolCall)
    messages.push({ role: "tool", content: result })
    // 다음 턴으로 계속
  }
}

// 브라우저 관리
"status"     → 브라우저 실행 상태 확인
"start"      → 브라우저 시작
"stop"       → 브라우저 종료

// 탭 관리
"open"       → 새 탭 열기 (URL 지정 가능)
"tabs"       → 열린 탭 목록 조회
"focus"      → 특정 탭으로 포커스 이동
"close"      → 탭 닫기

// 페이지 파악
"navigate"   → URL로 이동
"snapshot"   → 페이지 구조 추출 (ARIA 트리, refs 생성)
"screenshot" → 화면 캡처 (PNG 저장)
"pdf"        → 페이지를 PDF로 저장

// 상호작용 (act)
"act" + kind:
  "click"          → 요소 클릭
  "dblclick"       → 더블 클릭
  "hover"          → 마우스 오버
  "type"           → 키보드 입력
  "fill"           → 폼 필드 채우기
  "press"          → 특정 키 누르기 (Enter, Tab 등)
  "select"         → 드롭다운 선택
  "drag"           → 드래그 앤 드롭
  "scrollIntoView" → 요소가 보이도록 스크롤
  "wait"           → 조건 대기
  "evaluate"       → 임의 JavaScript 실행
  "resize"         → 뷰포트 크기 변경

// 파일/다이얼로그
"upload"     → 파일 업로드
"dialog"     → 브라우저 다이얼로그 처리
"console"    → 개발자 콘솔 JavaScript 실행

snapshot() 호출
  → 페이지의 모든 요소를 ARIA 트리로 변환
  → 각 요소에 짧은 ref ID 부여: e1, e2, e3 ...
  → LLM에게 반환

LLM이 스냅샷 읽음:
  "link '해외축구' <e1>"
  "article '손흥민 골' <e5>"

act(click, ref: "e5") 호출
  → ref "e5"를 실제 DOM 요소로 역참조
  → Playwright locator로 변환 → 클릭 실행

┌─────────────────────────────────────────────────────────────┐
│                    멀티 턴 루프                               │
│                                                             │
│  ┌──────────┐    tool_use     ┌──────────────────────────┐  │
│  │          │ ─────────────→  │         Tool             │  │
│  │   LLM    │                 │  (browser / read / exec) │  │
│  │          │ ←─────────────  │                          │  │
│  └──────────┘   tool_result   └────────────┬─────────────┘  │
│       │                                    │                │
│       │ (다음 턴)                           │ Action 실행    │
│       └────────────────────────────────────┘                │
└─────────────────────────────────────────────────────────────┘
                                │
                    Action (navigate, snapshot, act ...)
                                │
                                ▼
                    ┌───────────────────────┐
                    │      Playwright       │
                    │  page.goto()          │
                    │  page.ariaSnapshot()  │
                    │  locator.click()      │
                    │  page.evaluate()      │
                    └───────────┬───────────┘
                                │
                                ▼
                         실제 Chrome 브라우저

2022 ──────────────────────────────────────────────────── 2026

  [1세대: 자율 실험]   [2세대: 프레임워크]  [3세대: 표준화]  [4세대: 개인비서]
         │                    │                  │                 │
  2023.3 AutoGPT       2023   LangChain    2024.11 MCP      2025   OpenClaw
  2023.4 BabyAGI       2023.6 Function    (Anthropic)       2026.1 NanoClaw
  2023   AgentGPT            Calling                         2026   MicroClaw
  2024   CrewAI        2024   AutoGen
         SuperAGI

AutoGPT (2023.3, 10만+ GitHub Stars 폭발)
  - "목표만 주면 LLM이 스스로 계획·실행·반복"
  - 웹 검색, 파일 쓰기, 코드 실행 등 툴 연동
  - 구조: LLM → 태스크 분해 → 실행 → 결과 반영 → 반복

BabyAGI / AgentGPT (2023.4~)
  - Task queue + LLM 루프를 단순화한 파생 프로젝트들
  - BabyAGI: 태스크 생성 → 실행 → 우선순위 재정렬

ReAct = Reasoning + Acting

LLM 판단: "날씨를 알아야 한다"
    │
    ▼
Tool 호출: weather_api("Seoul")
    │
    ▼
결과 관찰: "22°C, 맑음"
    │
    ▼
LLM 재판단: "충분한 정보가 있다, 응답 생성"
    │
    ▼
최종 응답

이전: LLM이 텍스트로 "웹 검색이 필요합니다" → 개발자가 파싱
이후: LLM이 { "tool": "search", "query": "..." } 구조 반환
     → 툴 연동 표준화의 시작

MCP 이전:
  Claude ──자체방식──→ 툴A
  GPT-4  ──자체방식──→ 툴B  (각자 다른 연동 방식)
  Gemini ──자체방식──→ 툴C

MCP 이후:
  Claude ─┐
  GPT-4  ─┼──[MCP]──→ 툴A / 툴B / 툴C
  Gemini ─┘           (공통 표준 인터페이스)

① 상시 실행 (Always-on)
   → 데몬으로 등록, 부팅 시 자동 시작

② 메신저 퍼스트 (Messenger-first)
   → 22개+ 메신저에서 직접 대화

③ 보안 기본값 (Secure defaults)
   → DM 페어링, exec-approval로 위험 명령 차단

④ 일반 사용자 대상 (Consumer-grade UX)
   → openclaw onboard 마법사로 설치, 코딩 지식 불필요

⑤ 로컬 퍼스트 (Local-first)
   → Gateway가 내 기기에서 실행, 데이터가 OpenClaw 서버를 통하지 않음

OpenClaw 방식 (앱 레벨 격리):
  개인 에이전트 ─┐
                 ├─ 단일 Node 프로세스 (메모리 공유)
  업무 에이전트 ─┘

NanoClaw 방식 (OS 레벨 격리):
  개인 에이전트 → Linux 컨테이너 A (독립 파일시스템)
  업무 에이전트 → Linux 컨테이너 B (독립 파일시스템)
  → Apple Container (macOS) / Docker 지원
  → 컨테이너는 매 실행마다 새로 생성 후 폐기 (ephemeral)

기존: 사용자 → 에이전트 1개 → 응답

Swarms:
  사용자 → 매니저 에이전트
               ├─ 리서치 에이전트 (컨테이너 A)
               ├─ 코딩 에이전트   (컨테이너 B)
               └─ 검토 에이전트   (컨테이너 C)
            → 결과 취합 → 응답

1세대 교훈: LLM은 자율 실행이 가능하지만, 안정성이 문제
2세대 교훈: 툴 연동 표준화 없이는 생태계 파편화
3세대 교훈: 공통 프로토콜(MCP)이 생태계를 폭발적으로 성장
4세대 교훈: 기술보다 UX가 먼저 (개발자 → 일반인 전환)
5세대 교훈: 보안은 앱 레벨이 아닌 OS 레벨에서 해결해야 함
             (OpenClaw → NanoClaw의 컨테이너 격리)

사용자 메시지
    │
    ▼
Pi Agent (pi-embedded-runner/run.ts)
→ LLM이 "browser 툴 필요" 판단
    │
    ▼
Browser Tool 등록 (src/agents/openclaw-tools.ts:125)
    │
    ▼
Chrome 실행 (src/browser/chrome.ts)
→ --remote-debugging-port 플래그로 실행
→ CDP WebSocket 연결 대기
    │
    ▼
Playwright 세션 연결 (src/browser/pw-session.ts)
    │
    ▼
멀티턴 실행 루프

📱 사용자 (WhatsApp)
        │
        ▼
1. WhatsApp 채널 수신 (src/web/, @whiskeysockets/baileys)
        │
        ▼
2. 보안 검사 (dmPolicy = "pairing")
   ├─ 등록된 번호 → 처리 허용 ✅
   └─ 미등록 번호 → 페어링 코드 요청 🔒
        │
        ▼
3. 세션 키 생성: "agent:main:whatsapp/+1234567890"
        │
        ▼
4. Pi Agent → LLM 판단: "브라우저 툴 필요"
        │
        ▼
5. 브라우저 자동화 루프

LLM API 호출 1회 = 아래 모든 것의 합산
──────────────────────────────────────────────────────
① 시스템 프롬프트          약 5,000~15,000 토큰
   - 에이전트 지시문
   - 워크스페이스 파일 (bootstrap)
   - 스킬 설명

② 툴 스키마                약 2,000~5,000 토큰
   - browser, read, edit, exec, memory...
   - 매 호출마다 전체 전송

③ 세션 히스토리            가변 (누적될수록 폭증)
   - 과거 대화 전체
   - 일기 항목들
   - 크론 잡 실행 결과들

④ 메모리 검색 결과          약 1,000~3,000 토큰

총합 → 작은 질문에도 10,000~20,000 토큰 소모

runEmbeddedAttempt()
  → buildEmbeddedSystemPrompt()   ← ① 매번 재빌드
  → SessionManager.open()         ← ③ 전체 세션 파일 로드
  → limitHistoryTurns()           ← DM 설정 있을 때만 제한

세션 파일: ~/.openclaw/agents/{agentId}/sessions/{sessionId}.jsonl

일기 1건 기록
  → 세션에 메시지로 추가 (user + assistant + tool results)
  → 다음 질문 시 이 일기 내용이 히스토리에 포함

일기 30건 누적
  → 매 질문마다 30개 대화 히스토리 전부 포함
  → 단순 "오늘 날씨?" 질문도 과거 일기 전체가 컨텍스트에 포함

src/agents/pi-embedded-runner/compact.ts

compactEmbeddedPiSession()
  → sessionId.jsonl 파일 로드 (전체 대화 기록)
  → contextEngine.assemble() 로 요약/압축
  → 압축된 내용으로 파일 교체 (기존 내용 삭제)
  → sessions.json에 compactionCount++ 기록

케이스 A: config.yml에 명시적으로 정의된 크론 잡
  → 지시문이 config.yml에 있으므로 컴팩션 후에도 유지 ✅
  → BUT: 크론 잡 실행 결과의 축적 내용은 사라짐 ⚠️

케이스 B: 대화로 지시한 크론 잡 ("매일 아침 일기 써줘")
  → 에이전트가 세션 히스토리 안에서만 "기억"
  → 컴팩션 후 해당 지시문이 히스토리에서 삭제됨 ❌
  → 에이전트가 지시를 "잊어버림" → 크론 잡 오작동

# ~/.openclaw/config.yml
cron:
  jobs:
    # ✅ 올바른 방법
    - id: "daily-diary"
      name: "매일 일기 기록"
      schedule:
        kind: "cron"
        expr: "0 22 * * *"
      payload:
        kind: "agentTurn"
        message: "오늘 하루를 요약해서 ~/diary/YYYY-MM-DD.md 파일로 저장해줘"
      sessionKey: "cron:daily-diary"   # ← 독립 세션 사용

    # ❌ 잘못된 방법: 대화로 지시 → 컴팩션 후 잊어버림

agents:
  list:
    - id: "quick"                              # 일상 Q&A용
      model: { name: "claude-haiku-4-5" }
      session:
        dmHistoryLimit: 5                      # 최근 5턴만 유지

    - id: "main"                               # 코딩/긴 작업용
      model: { name: "claude-sonnet-4-6" }
      session:
        dmHistoryLimit: 20

agents:
  defaults:
    session:
      pruning:
        maxEntries: 50        # 최대 메시지 수 제한
        pruneAfter: "7d"      # 7일 지난 메시지 자동 삭제
      dmHistoryLimit: 10      # DM 세션: 최근 10턴만 LLM에 전달

사용자: "이 지시사항을 메모리에 저장해줘:
        '매일 밤 10시에 오늘 배운 것을 요약해서 diary 폴더에 저장'"

저장 위치: ~/.openclaw/agents/{agentId}/memory/instructions.md
→ 컴팩션 대상이 아님 (별도 파일)
→ memory_search 툴로 다시 로드 가능

[개선 전]
단순 질문 1회:
  시스템 프롬프트:   8,000 토큰
  툴 스키마:         3,000 토큰
  세션 히스토리:    12,000 토큰 (일기 30건 + 크론 결과 누적)
  메모리 결과:       2,000 토큰
  합계:             25,000 토큰

[개선 후] (quick 에이전트, haiku 모델, dmHistoryLimit=3)
  시스템 프롬프트:   5,000 토큰
  툴 스키마:         2,000 토큰
  세션 히스토리:       800 토큰 (최근 3턴만)
  메모리 결과:           0 토큰
  합계:              7,800 토큰  ← 약 70% 절감

---
name: skill-name
version: "1.0"
description: "이 스킬이 하는 일"

# 스킬 활성화 조건 (게이팅)
requires:
  bins: ["gh", "git"]          # 이 바이너리가 있어야 활성화
  env: ["GITHUB_TOKEN"]        # 이 환경변수가 있어야 활성화
  config:                      # config.yml 값 조건
    - path: "features.github"
      value: true
  platform: ["darwin", "linux"] # macOS/Linux에서만 활성화
---

# Skill 본문 (마크다운 지침)

이 스킬이 활성화되면 다음과 같이 행동하세요:

## 언제 이 스킬을 사용하나요?
- 사용자가 ~를 요청할 때

## 단계별 절차
1. 먼저 X를 확인합니다
2. 그 다음 Y 툴을 사용합니다
3. 결과를 Z 형식으로 반환합니다

agents/skills/workspace.ts
  → skills/ 디렉토리 스캔 (bundled 54개)
  → ~/.openclaw/skills/ 스캔 (workspace/managed)
  → 플러그인 스킬 스캔
  → 각 SKILL.md의 프론트매터 파싱
  → 게이팅 조건 검사 (bins/env/config/platform)
  → 통과한 스킬만 필터링

pi-embedded-runner/run/attempt.ts
  → assembleContext() 호출
  → 활성화된 스킬 내용을 시스템 프롬프트에 주입
  → LLM API 호출 시 전달

workspace > managed > plugin > bundled

Phase 1: 이슈 이해
  → gh issue view <number> 로 이슈 본문 읽기
  → 관련 코드 파일 탐색 (grep, find)
  → 재현 조건 파악

Phase 2: 환경 검증
  → 브랜치 생성: git checkout -b fix/issue-<number>
  → 의존성 설치, 빌드 가능 여부 확인

Phase 3: 근본 원인 분석
  → 관련 테스트 실행 → 실패 확인
  → 스택 트레이스 분석
  → 5 Whys 방법론으로 원인 추적

Phase 4: 수정 구현
  → 최소 범위 수정 (관련 없는 리팩토링 금지)
  → 수정 후 테스트 재실행 → 통과 확인

Phase 5: PR 제출
  → 커밋 메시지 작성 (Conventional Commit 형식)
  → gh pr create 로 PR 생성
  → 이슈 번호 자동 링크

Phase 6: 검증
  → CI 통과 여부 확인
  → 리뷰어 지정 (CODEOWNERS 참조)

사용자: "GitHub 이슈 #1234 수정해줘"

LLM이 gh-issues 스킬 지침에 따라:
1. exec 툴 → gh issue view 1234
2. read_file 툴 → 관련 파일 읽기
3. exec 툴 → git checkout -b fix/issue-1234
4. write_file 툴 → 코드 수정
5. exec 툴 → pnpm test
6. exec 툴 → gh pr create ...

## 코딩 에이전트 위임 지침

복잡한 코딩 작업(수백 줄 이상 변경, 아키텍처 리팩토링)은
직접 처리하지 말고 전문 코딩 에이전트에 위임하세요.

### Claude Code 위임
exec 툴을 사용하여:
  claude --dangerously-skip-permissions \
    -p "작업 지시문" \
    /path/to/project

### 위임 전 체크리스트
- [ ] 현재 git 상태 확인 (커밋되지 않은 변경 없음)
- [ ] 대상 디렉토리 명확히 지정
- [ ] 성공 기준 문서화 (테스트, 빌드 통과 등)

### 위임 후 검증
- 변경된 파일 목록 확인
- 테스트 실행 결과 확인
- 의도하지 않은 변경 없는지 git diff 검토

Step 1: 실행 중인 프로세스 확인
  exec → ps aux | grep openclaw
  → 예상치 못한 프로세스 탐지

Step 2: 네트워크 연결 상태
  exec → ss -ltnp | grep 18789
  → 게이트웨이 포트 바인딩 확인 (loopback only?)

Step 3: 설정 파일 권한
  exec → ls -la ~/.openclaw/config.yml
  → 0600 이어야 함 (owner read/write only)

Step 4: 자격증명 파일 검사
  exec → ls -la ~/.openclaw/credentials/
  → 각 파일 0600 권한 확인

Step 5: exec-approval 정책 검토
  read_file → ~/.openclaw/config.yml
  → execApproval.mode가 "always"인지 확인

Step 6: 플러그인 무결성
  → 설치된 플러그인 목록 확인
  → 알 수 없는 출처 플러그인 경고

Step 7: 세션 파일 크기 경고
  → 비정상적으로 큰 세션 파일 탐지 (토큰 폭증 징후)

Step 8: 보안 보고서 생성
  write_file → ~/.openclaw/health-report.md
  → 발견된 문제, 권장 조치 정리

사용자: "보안 점검해줘"

LLM이 healthcheck 스킬 지침 읽음
→ exec 툴로 8단계 순서대로 실행
→ 각 단계 결과를 분석
→ 최종 보고서 파일로 저장

- pomodoro-timer: 뽀모도로 타이머 + 작업 기록
- stock-monitor: 주식 가격 모니터링 + 알림
- recipe-assistant: 냉장고 재료로 레시피 추천
- meeting-notes: 회의 내용 자동 요약 + Notion 저장
- github-reviewer: PR 자동 코드 리뷰 코멘트

사용자 메시지: "GitHub 이슈 #1234 수정해줘"
         │
         ▼
┌─────────────────────────────────────────────┐
│              LLM (Claude)                   │
│                                             │
│  시스템 프롬프트에 주입된 내용:                    │
│  ┌─────────────────────────────────────┐    │
│  │ [gh-issues SKILL.md 내용]            │   │
│  │ Phase 1: gh issue view 로 읽기        │   │
│  │ Phase 2: 브랜치 생성                   │   │
│  │ Phase 3: 원인 분석                    │   │
│  │ Phase 4: 코드 수정                    │   │
│  │ Phase 5: PR 제출                     │   │
│  │ Phase 6: 검증                        │   │
│  └─────────────────────────────────────┘   │
│                                             │
│  LLM이 스킬 지침을 읽고 판단:                    │
│  → "exec 툴로 gh issue view 1234 실행해야겠다"  │
│  → "read_file 툴로 관련 파일 읽어야겠다"          │
│  → "exec 툴로 git checkout -b 해야겠다"        │
└─────────────────────────────────────────────┘
         │
         ▼ tool_use 요청
┌─────────────────────────────────────────────┐
│              Tool 실행 레이어                  │
│  exec → 실제 gh/git 명령어 실행                 │
│  read_file → 실제 파일 읽기                    │
│  write_file → 실제 파일 쓰기                   │
│  browser → 실제 웹페이지 열기                   │
└─────────────────────────────────────────────┘
         │
         ▼ tool_result 반환
  LLM이 결과를 받아 다음 단계 실행 반복...