정보엔지니어 (맥스웰의 도깨비, 양자컴퓨터)

 맥미니가 최적이긴 하지만, 대부분의 환경인 윈도우 PC/노트북에서도 OpenClaw를 충분히 구동할 수 있다. ChatGPT(OpenAI), Claude(Anthropic), Gemini 중 유료 계정 하나만 있으면 된다. 여기서는 윈도우안에서 Linux를 구동해서 OpenClaw를 최대한 활용할 수 있는 WSL2로 실행해보자. Linux나 MacOS와 같은 shell 기반의 경험이 있다면 어려움 없이 진행할 수 있다.

 만약 Linux/MacOS가 완전히 낯설다고 하면 https://infoengineer.tistory.com/155 를 참조하자. 그래도 OpenClaw의 상당부분 경험이 가능하다.

1) WSL2를 활성화해보자

 WSL은 windows sub linux로, 윈도우 하에서 리눅스를 구동할 수 있다.

powershell을 관리자 권한으로 실행한뒤(윈도우키 누른 후 powershell 및 오른쪽 하단의 관리자 권한 실행), wsl을 설정한다. Ubuntu-24.04이미지를 활용한다.

> wsl --install -d Ubuntu-24.04

자신이 원하는 기본 계정명과 설정할 암호를 입력한다(여기서는 계정명은 neibc). 가끔씩 reboot을 해야하는 경우도 있는데 이 경우는 윈도우 트레이에서 ubuntu-24.04를 검색 후 선택해서 다시 저 WSL 창을 띄운다.

아래 명령을 차례로 입력하여 node.js 최신버전을 설치한다(최소 버전은 22.16이상이어야 한다)

$ sudo apt update

$ sudo mkdir /work

$ sudo chown neibc:neibc /work

$ cd /work

$ curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash

$ source ~/.bashrc

$ nvm install --lts

$ nvm use --lts

$ node -v

$ sudo apt install -y git cmake build-essential libvips-dev libvulkan-dev

$ curl -fsSL https://openclaw.ai/install.sh | bash

이후 모두 엔터를 쳐서 디폴트로 셋팅한다.

2) OpenClaw를 설정한다.

 $ openclaw onboard --install-daemon

온보딩 마법사가 실행되면 아래 순서대로 선택한다.

 A> 개인 사용 경고 (Yes로 넘어간다)

◆ I understand this is personal-by-default and shared/multi-user use requires lock-down. Continue?
  ○ Yes / ● No

B> 온보딩 모드 확인(QuickStart)

Onboarding mode
  ● QuickStart
  ○ Manual

C> 모델/인증 선택(보유한 유료 계정 선택)

Model/auth provider
  ● OpenAI (Codex OAuth + API key)
  ○ Anthropic
  ...

D> 채널 선택 (Telegram이 가장 쉽다)

Select channel (QuickStart)
  ● Telegram (Bot API) (recommended · newcomer-friendly)
  ...

E> 스킬 선택 (Skip for now)

◆ Install missing skill dependencies
  ◻ Skip for now
  ◻ 📝 apple-notes
  ...

F> 나머지는 모두 No나 Skip을 선택하자.

◆ Set GOOGLE_PLACES_API_KEY for goplaces? → No
◆ Set NOTION_API_KEY for notion? → No

◆ Enable hooks?
  ◻ Skip for now
  ...

G> 다 마치면 아래 명령을 통해 gateway가 정상적으로 보이는지 확인하자

$ openclaw gateway status

   (아직 gateway가 다 뜨지 않을 수 있으므로 십여초쯤 더 기다려야할 수도 있다)

3) Telegram 봇 연결

OpenClaw가 Telegram을 통해 나와 통신하려면 전용 Bot이 필요하다.

 A) Telegram에서 @BotFather 검색 후 대화시작

 B) /newbot 이라고 입력한다

 C) 봇 이름(예: AI비서)과 봇 사용자명(예: xxx_claw_bot)을 입력

 D) BotFather가 발급하는 토큰(123456:ABC-DEF.... 형태)을 안전하게 보관

 E) 이 토큰을 온보딩 중 Telegram 설정 항목에 입력

 온보딩 완료 후 봇에 처음 메시지를 보내면 아래와 같은 페어링 요청이 온다.

OpenClaw: access not configured.

Your Telegram user id: XXXXXXXXXX

Pairing code: ABCDEFGH

Ask the bot owner to approve with:
openclaw pairing approve telegram ABCDEFGH

CMD에서 위 명령을 그대로 실행하면 연결 완료,

$ openclaw pairing approve telegram ABCDEFGH

만약 Telegram으로 작동이 어렵다면, 아래 명령어로 직접 PC에서 openclaw에게 지시할 수 있다. 비상시를 위해 알아두자.

$ openclaw tui   #Text User Interface로 명령하는 방법

4) 처음 시작할 때 유용한 활용법

OpenClaw는 C:\Users\사용자명\.openclaw\workspace\ 폴더 안에 여러 설정파일을 유지한다.

대화를 통해 점진적으로 채워가면 위 정보에 기반해 OpenClaw가 작동된다. 예를 들어

: "너의 이름은 XXX이고, 나는 YYY로 불러. 나는 SW엔지니어야."

나를 정리한 파일이나 세부 정보 등을 넣으면 그에 자세하게 반응해준다(Telegram에서 파일 전송도 가능하다)

다른 일반적인 지시 사항도 LLM의 성능에 따라 처리가 가능하다. 제한을 두지말고 다양하게 실험하고 살피면 좋다.

: "네이버 앱의 최근 24시간 앱스토어 리뷰를 나열하고 요약해줘"

: "Python 최신 버전을 설치해줘"

: "이 PC의 보안 점검 스크립트를 짜서 실행하고 결과를 알려줘."

물론 정기 작업도 지시할 수 있다 (LLM API 토큰 소비량에 따라 주기 조정 필요, 하루 2시간 간격 정도보다 넓으면 무리가 없다)

: "매일 아침 8시에 Anthropic/OpenAI/Google의 최신 AI 실무 소식을 요약해서 알려줘."

: "XXX, XXX, XXX 주식에 대해 아침 8시 뉴스와 기업 정보를 조사해서, 향후 3개월안의 주가 전망을 간략히 해줘." 

5) 문제 해결 및 유용한 명령어

$ openclaw gateway status      # 게이트웨이 상태 확인
$ openclaw gateway restart     # 재시작
$ openclaw doctor              # 진단 (설정 오류 탐지)
$ openclaw configure           # 세부 설정 변경
$ openclaw models              # 사용 모델 확인
$ openclaw security audit      # 보안 진단
$ npm install -g openclaw@latest  # 최신 버전 업데이트

OpenClaw 설정이 꼬여서 OpenClaw와 대화할 수 없을 때는, 유료가입한 LLM 회사의 CLI툴을 설치해 해결이 가능하다. 예를들어 OpenAI ChatGPT라면, Codex CLI로 보조 관리가 가능하다.

$ npm install -g @openai/codex
$ codex

로그인 인증 처리후 다양한 OpenClaw점검 및 설정 변경 재시작 등을 요청하면 답을 줄 것이다.
OpenClaw를 실행하고 싶으면 Ubuntu-24.04 WSL을 활성화하면 되고 윈도우 검색에서 Ubuntu-24.04를 찾아 실행하면 된다. 아래 그림과 같다. 이렇게 실행해서 창이 떠있으면 백그라운드로 OpenClaw가 떠있는 것이다.

6) 보안 체크 리스트

 - 위 보안 위협 외에도 AI Agent는 파일을 모두 삭제하거나 하는 실수를 할루시네이션 속에서 할 수 있다(아직 필자는 그런 경험은 없지만). 중요한 데이터가 가득한 PC에서는 따라서 조심할 필요가 있고, 백업하거나, 덜 중요한 PC에서 작업하는 것도 방법이다.

7) 여기서 더 나아지는 방법이나 주의점은요?

 - LLM이 똑똑하고 충분한 정보가 주어진다면 생각보다 다양한 임무를 수행하게 된다.

 - WSL의 파일 점유량이 많지는 않을테지만, 모니터링은 필요하다. ($df -h 명령)

 - 맥미니 m1 기본 모델 정도면, 30W이하의 전력소모, 팬없이 조용하게 24시간 작동이 가능하게 된다

   . 32gb이상 메모리를 가지면 자체 LLM 운영도 가능하지만, 별로 추천하지 않는다. 유료 LLM을 연결해서 사용하자.

   . MacOS를 다룰 수 있어야 설정/운영이 가능하다

 - 메모리 8G 이상되는 클라우드 서버도 설치 대상이 된다. 하지만 가성비는 염두해두어야 한다.

 - PC를 절전상태에 들어가지 않도록 설정해야 정상적으로 Telegram에 반응해서 대답하고 배치도 실행한다

 - codex같은 툴의 존재를 알리고 사용하게 하라.

 - Google Workspace CLI를 설치하면 Gmail/Drive/Calendar/Sheets/Docs에 접근 할 수 있다
    (gmail compose 권한을 부여하면, 메일도 보내게 할 수 있다!)

    https://apidog.com/kr/blog/google-workspace-cli-openclaw/

- WSL을 리붓시 자동으로 실행하려면 아래를 관리자권한으로 powershell을 실행하여 입력한다.

$action = New-ScheduledTaskAction -Execute "wsl.exe" -Argument "-d Ubuntu-24.04"
$trigger = New-ScheduledTaskTrigger -AtLogOn
$settings = New-ScheduledTaskSettingsSet -ExecutionTimeLimit 0
Register-ScheduledTask -TaskName "OpenClaw Autostart" -Action $action -Trigger $trigger -Settings $settings -RunLevel Highest

- WSL 자동 실행이 필요없어지면 powershell 관리자 모드에서 아래를 실행한다.

Unregister-ScheduledTask -TaskName "OpenClaw Autostart" -Confirm:$false

 Stable Diffusion보다 훨씬더 이미지를 잘 생성해주는 Flux.1이 출시되었다. Stable Diffusion에서 나와 창업한 이들이 만들었고, 상업용과 공개용 모델이 공존한다. 아무래도 Stable Diffusion의 라이센스가 강화됨에 따라, Flux.1이 각광받을 것 같고, 기본 모델로도 고해상도에서 꽤 잘 이미지를 생성해준다. 아래는 NVidia RTX 4090 (24GB)에서 실행해보았으며 12GB이하 메모리를 지닌 GPU에서는 별도의 조치가 필요하다.

0. 아래는 간단히 생성해본 1024 * 1024 이미지다. 품질이 좋다!

1. Flux.1을 지원하는 ComfyUI 및 ComfyUI-Manager를 설치한다.

https://github.com/comfyanonymous/ComfyUI 에 접속한 후 화면 하단의 아래 Direct link to download를 통해 압축파일을 다운받는다. 그리고 적절한 폴더에 압축을 푼다. 여기서은 d:\dev\ 폴더에 압축을 풀었다고 가정한다.

곧이어 위 압축을 푼 폴더의 하위 ComfyUI/custom_nodes에서 git으로 아래와 같이 다운로드 받는다.

> cd D:\dev\ComfyUI_windows_portable\ComfyUI\custom_nodes

> git clone https://github.com/ltdrdata/ComfyUI-Manager.git

이후  ComFyUI는 아래와 같이 실행하는데, 일단 모델 파일들을 받아보자.

> cd D:\dev\ComfyUI_windows_portable

> run_nvidia_gpu.bat   (혹은 GPU가 없다면 run_cpu.bat도 실행가능하다)

2. 아래 모델 파일들을 다운로드 받는다. hugging face에 공개된 모델들이고, hugging face에 가입한 후 필요하면 사용 동의를 해주어야 정상적으로 다운로드 받을 수 있다.

 a. https://huggingface.co/Kijai/flux-fp8/tree/main 에서 2개의 파일을 다운로드 받아 아래에 복사해준다. (fp8버전으로 받자)

   d:\dev\ComfyUI_windows_portable_nvidia\ComfyUI_windows_portable\ComfyUI\models\unet\

 b. https://huggingface.co/black-forest-labs/FLUX.1-dev/tree/main/vae 에서 2개의 파일을 다운로드 받아 아래에 복사해준다.

d:\dev\ComfyUI_windows_portable_nvidia\ComfyUI_windows_portable\ComfyUI\models\vae\

c. https://huggingface.co/comfyanonymous/flux_text_encoders/tree/main 에서 2개의 파일을 다운로드 받아 아래에 복사해준다.

d:\dev\ComfyUI_windows_portable_nvidia\ComfyUI_windows_portable\ComfyUI\models\clip\

d. 아래 사이트 에 접속해서 Download로  json 파일을 하나 받아준다.

https://openart.ai/workflows/maitruclam/comfyui-workflow-for-flux-simple/iuRdGnfzmTbOOzONIiVV

workflow-comfyui-workflow-for-flux-simple-iuRdGnfzmTbOOzONIiVV-maitruclam-openart.ai

(flux 구성을 기초적으로 한 파일이다. ComfyUI를 실행해서 화면에 drag&drop으로 넣어줄 파일이다)

3. ComfyUI를 실행한다.

> cd D:\dev\ComfyUI_windows_portable

> run_nvidia_gpu.bat   (혹은 GPU가 없다면 run_cpu.bat도 실행가능하다)

잘 실행되면 아래 비슷한 화면이 나온다. 여기에 아까 받았던 json을 drag & drop으로 화면위에 떨궈준다. 그러면 기본적인 셋팅이 완료된다.

 기본 셋팅으로 쓰면 이름이 제대로 설정이 안되서 아래 3가지 셋팅의 명칭은 확인해서 바꿔준다. (Load Diffusion Model, DualCLIPLoader, Load VAE 3가지 박스이다. 다운받은 파일들로 바꿔준다.

이제 Prompt에 적당한 표현을 넣고, Queue Prompt를 눌러보면, 1024*1024로도 멋진 사진이 잘 나오는 것을 알 수 있다. 고해상도에서 기본모델인데도 꽤 잘나온다. RTX 4090으로 약 30초 미만으로 생성되었다. 속도 자체는 기존 Stable Diffusion과 비슷했다.

12GB이하 메모리의 GPU에서는 별도의 방법이 필요하다고 한다. 우선 여기서는 24GB GPU에서 실험한 결과를 공유한다.

윈도우(windows)에서도 easy_diffusion과 kohya_ss를 어느 정도 실행해서 이미지 합성에 대한 작업을 진행할 수 있다.

Windows 10 pro + RTX 4080 (536.23 driver) 기준의 환경에서 실행해 보았다. 명령은 모두 command 상에서 실행한다

(윈도우키+R을 누른 후 cmd를 실행하면 명령 실행이 가능하다)

1. easy_diffusion

이 설치는 너무나 간단하다. 아래 링크에서 Windows용 Easy Diffusion 최신 버전을 받자

https://github.com/easydiffusion/easydiffusion/tree/main#installation

이 글을 쓰는 시점에서는 Easy Diffusion 3.0이 최신이다. 아래 Download for Windows 버튼을 누르고 실행해주면 된다. linux/mac/windows 동일한 방식으로 간단하게 실행해서 웹 인터페이스로 생성해볼 수 있다.

실제 사용 관련해서는 다른 글들을 참조하면 된다. models/stable-diffusion/ 에 사용하는 모델파일을 넣어 사용해보자(civit.ai에서 checkpoint 모델들을 크기가 크지만, 다양하게 다운로드 받을 수 있다. https://infoengineer.tistory.com/122 를 참조하자)

2. kohya_ss

모델을 학습하기 위한 kohya_ss에 대한 설치이다.

A. python 10와 git이 필요하다.

    개인적으로는 Anaconda설치를 권한다. 따라서 Anaconda 사이트에서 윈도우용 Anaconda를 설치하고

    아래와 같이 실행한다. git은 윈도우용 git을 다운로드받아( https://git-scm.com/download/win ) 기본옵션으로 설치하여 실행하면 된다. (만약에 python 3.10을 직접 설치해서 곧바로 진행한다고 하면 그렇게 해도 상관없다.)

    D:\dev\conda> conda create -n kohya_ss python=3.10

    D:\dev\conda> conda activate kohya_ss

B. git으로 kohya_ss를 checkout 하고 setup.bat를 실행한다.

    D:\dev> git clone https://github.com/bmaltais/kohya_ss.git 

    D:\dev> cd kohya_ss

    D:\dev\kohya_ss> setup.bat

 이때 NVidia GPU 사용자는 2번을 눌러 cudnn을 최신으로 받아주자. 시간이 조금 걸린다(고속화에 도움이 된다고 한다)

 그런 후 1번을 선택해 Kohya_ss를 GUI로 실행한다.

끝나면 7. Exit Setup을 선택해서 나오면 된다.

C. 아래와 같이 실행하면 내부에 웹서버가 뜨면서 우리가 활용할 수 있는 단계로 진입한다.

 D:\dev\kohya_ss> gui.bat

위의 마지막 부분에 표시된 http://127.0.0.1:7860 주소를 브라우저로 열어보자. kohya_ss의 gui가 보인다. 해당 사용법 관련해서는 연관 글을 참조한다. ( https://infoengineer.tistory.com/134 )