Openclaw를 접고 Claude Code로 넘어간 이유
마지막 글을 올린 게 4월이었다.
그동안 아무것도 안 한 건 아니었다. 오히려 이것저것 너무 많이 건드리다 보니, 어디서부터 글로 정리해야 할지 모르겠는 상태가 됐다.
정리하자면, 블로그를 안 쓴 3개월 동안 조용히 멈춘 게 아니라 조용히 삽질하고 있었다.
다시 글을 시작한다면, 제일 먼저 써야 할 이야기는 이거라고 생각했다.
왜 Openclaw를 접고 Claude Code로 넘어갔는가.
로컬 AI가 공짜일 줄 알았다
로컬 AI가 공짜일 줄 알았다.
오픈소스 도구를 설치해서 내 컴퓨터에서 돌리면, 적어도 마음 편하게 실험할 수 있을 줄 알았다.
Openclaw를 처음 본 이유도 그 때문이었다. 로컬에서 AI 에이전트를 돌리고, 필요한 모델을 붙이고, 내가 원하는 작업 환경을 만들 수 있다.
게다가 이름도 Openclaw였다. 고양이 발톱이라니. 블로그 이름이 ‘도면위의고양이’인데 그냥 지나치기 어려웠다.
처음에는 꽤 그럴듯해 보였다.
내 컴퓨터 안에 작은 AI 작업실을 하나 만드는 느낌이었다.
하지만 현실은 생각보다 빨리 왔다.
 |
| OPENCLAW 구현시 디스코드로 노션과 연동하는 방식은 성공적이었다. |
처음 목표는 노션 업무일지였다
처음 목표는 거창하지 않았다.
일단 노션을 연결해서 내가 한 작업을 업무일지처럼 정리해주는 정도를 해보고 싶었다.
(해줘!!!의 시작...)
"오늘 어떤 프로젝트에 시간을 썼는지 정리해줘."
"업무 카테고리별로 모아줘."
"나중에 성과 정리할 때 볼 수 있게 쌓아줘."
이 정도면 현실적인 시작이라고 생각했다.
Openclaw를 설치하고, 노션을 연결하고, 업무일지 데이터를 읽게 하는 것까지는 어느 정도 진행됐다. 화면에 뭔가 뜨고, 노션 데이터베이스의 속성도 연결되는 것 같았다.
잠깐은 기분이 좋았다.
“오, 되는데?”
문제는 그다음이었다.
그거 몇 개 해보는 사이에 API 비용이 녹기 시작했다.
혹시 몰라서 API 사용 한도를 만원 정도로 낮게 잡아뒀는데, 하룻밤 사이에 거의 다 썼다.
[10000원]
큰돈이라고 하긴 애매하다. 그런데 이상하게 무서웠다.
아직 서비스를 만든 것도 아니었다. 그냥 노션을 연결하고, 업무일지 몇 개를 읽고, 속성값을 정리하는 정도였다.
그런데 이미 약 7달러가 사라졌다.
그때부터 머릿속 계산기가 켜졌다.
이걸로 진짜 서비스를 만들면 얼마가 들지?
처음엔 AI를 쓰려고 한 건데, 어느 순간 카드값을 걱정하고 있었다.
 |
| 하룻밤 사이에 다 타버렸다. 이 속도면 한달에 테스트비용만 30만원 나오게 생겼다. |
도구는 무료여도, 실행은 무료가 아니었다
Openclaw 같은 도구를 쓰면 “로컬 AI” 느낌이 난다.
내 컴퓨터에서 실행하고, 오픈소스를 설치하고, 내가 직접 구축하는 느낌이 있으니까.
그런데 실제로 일을 시키려면 결국 모델이 필요하다. 그 모델이 API 기반이면, 사용량만큼 비용이 발생한다.
즉, 도구는 무료일 수 있어도 실행은 무료가 아니었다.
특히 코딩 에이전트는 그냥 챗봇처럼 질문 하나 하고 답변 하나 받는 구조가 아니다. 파일을 읽고, 기존 구조를 파악하고, 코드를 수정하고, 다시 확인한다.
이 과정 전체가 토큰이다.
AI 코딩 에이전트는 “대화 몇 번”의 문제가 아니었다. 작업 전체를 이해시키는 순간부터 비용이 시작됐다.
최근 에이전트형 코딩 작업의 토큰 소비를 분석한 연구에서도, 이런 작업은 일반적인 코드 채팅보다 훨씬 많은 토큰을 쓰고, 특히 입력 토큰이 비용의 큰 부분을 차지한다고 설명한다.
 |
| 대화형 AI는 답변하면 끝나지만, 코딩 에이전트는 계속 읽고 고치고 다시 읽는다. (다이어그램은 GPT로 생성함) |
무료 모델을 붙이면 해결될 줄 알았다
그래서 비용을 줄일 방법도 생각했다.
Qwen 같은 무료 모델이나 가벼운 모델을 붙이면 되지 않을까 싶었다. 그러면 Openclaw의 장점이 살아난다.
오픈소스 도구를 설치하고, 무료 모델을 붙이고, 내 컴퓨터에서 돌린다. 이론상으로는 꽤 아름다운 구조다.
문제는 실제 작업이었다.
무료 모델을 붙이자, 기존에 어느 정도 되던 작업마저 불안정해졌다. 노션 업무일지를 읽고 정리하는 간단한 흐름에서도 결과가 흔들렸다.
어떤 때는 필드를 제대로 이해하지 못했고, 어떤 때는 내가 요청한 형식과 전혀 다른 답을 내놓았다.
가끔은 갑자기 중국어 단어나 아랍어처럼 보이는 문자가 섞여 나오기도 했다.
분명 나는 업무일지를 정리하려고 했는데, 화면에는 알 수 없는 다국어 파편이 떠 있었다.
“아… 이건 아닌데.”
물론 무료 모델이 전부 나쁘다는 뜻은 아니다. 다만 내가 하려던 작업에는 안정성이 부족했다.
노션 데이터를 읽고, 업무일지의 맥락을 이해하고, 일정한 형식으로 다시 정리해주는 흐름에서는 조금만 흔들려도 결과를 믿기 어려웠다.
결국 다시 유료 API 모델을 붙여야 했다.
그 순간 Openclaw의 가장 큰 장점이라고 생각했던 “거의 무료로 쓰는 로컬 AI 작업실”이라는 그림이 흔들렸다.
무료 모델을 쓰면 품질이 불안하고,
유료 모델을 쓰면 비용이 불안하다.
이게 Openclaw를 계속 붙잡기 어렵게 만든 두 번째 이유였다.
비용을 다시 계산해봤다
처음에는 그냥 “만원이 녹았다”는 감정만 있었다.
그래서 Claude Pro 구독료와 API 비용을 단순 비교해봤다.
Claude Pro가 정확히 몇 토큰을 제공하는지는 공식적으로 공개되어 있지 않다. 공식 문서에서도 사용량은 대화 길이, 첨부 파일, 기능 사용 방식에 따라 달라지고, Claude와 Claude Code가 같은 사용량 한도를 공유한다고 설명한다.
그러니까 이 숫자를 너무 딱딱하게 믿을 필요는 없다. Claude가 “Pro에 Opus 토큰 몇 개 드립니다” 하고 깔끔하게 적어둔 건 아니기 때문이다.
그래도 비교는 해볼 수 있다.
내가 궁금했던 건 이거였다.
이 정도 작업량을 API로 직접 돌렸다면 얼마가 나왔을까?
외부 분석 글에서는 Claude Code Pro의 5시간 롤링 윈도우 사용량을 약 44,000토큰 정도로 추정한다. 이 수치는 Opus 전용 사용량이라기보다는, Pro 플랜에서 5시간 동안 쓸 수 있는 작업량을 토큰으로 환산한 추정치에 가깝다.
이 숫자를 기준으로, 같은 양의 작업량을 Opus API 가격에 대입해봤다.
Anthropic의 Claude Opus API 가격은 공식 문서 기준으로 입력 100만 토큰당 10달러, 출력 100만 토큰당 50달러다.
코딩 작업은 파일을 읽고 기존 코드를 다시 보는 과정이 많기 때문에, 일단 입력 80%, 출력 20%로 잡았다. 그러면 평균 비용은 100만 토큰당 약 18달러다.
| 항목 | 계산 | 결과 |
|---|---|---|
| 입력 토큰 | $10 × 80% | $8 |
| 출력 토큰 | $50 × 20% | $10 |
| 합계 | 100만 토큰 기준 | 약 $18 |
Claude Code Pro의 5시간 구간 추정치인 44,000토큰을 월 단위로 환산하면 이렇다.
5시간마다 44,000토큰이라고 보면, 하루 최대 이론치는 약 4.8구간이다. 한 달 30일 기준으로 계산하면 약 634만 토큰이 나온다.
이걸 Opus API 가격으로 환산하면 약 114달러다.
Claude Pro는 월 20달러다. 단순 계산으로는 약 94달러 차이가 난다.
물론 이론상 최대치처럼 매일 24시간 내내 Claude Code를 붙잡고 있을 수는 없다. 나도 사람이라 잠은 자야 하고, 회사도 가야 하고, 가끔은 오류창을 보다가 멍하니 천장도 봐야 한다.
그래서 실제 사용량은 최대치의 60~80% 정도로 보는 게 더 현실적이었다.
| 사용량 가정 | 월 추정 토큰 | Opus API 환산 비용 | Claude Pro 월 비용 | 차이 |
|---|---|---|---|---|
| 최대치의 60% | 약 380만 토큰 | 약 $68.43 | $20 | 약 $48.43 저렴 |
| 최대치의 80% | 약 507만 토큰 | 약 $91.24 | $20 | 약 $71.24 저렴 |
| 최대치 100% | 약 634만 토큰 | 약 $114.05 | $20 | 약 $94.05 저렴 |
이 계산이 완벽하다는 뜻은 아니다. Claude Pro의 실제 사용량은 작업 방식에 따라 달라지고, Claude Code가 항상 Opus만 쓰는 것도 아니다.
하지만 내 판단에는 충분했다.
Pro를 최대치의 60~80%만 써도, 같은 작업량을 Opus API 가격으로 환산하면 월 약 68~91달러가 나온다. Claude Pro 월 20달러보다 비싸다.
나에게 Claude Pro는 단순히 “예측 가능해서 편한 선택”만은 아니었다. Opus API 환산 기준으로 보면, 실제로 더 저렴한 선택이기도 했다.
 |
| 공식 제공량은 아니지만, 같은 작업량을 Opus API 가격으로 환산하면 구독제가 더 저렴하게 보인다. (다이어그램은 GPT로 생성함) |
그래서 Claude Code로 넘어갔다
Openclaw를 완전히 버린 건 아니다.
로컬 에이전트를 직접 구성하는 구조는 여전히 매력적이다. 다만 지금의 나에게 필요한 건 인프라 구축보다 실제 제작이었다.
그래서 Openclaw 기반으로 직접 에이전트 환경을 구축하는 대신, Claude Code를 중심으로 가기로 했다.
Claude Code도 완벽한 도구는 아니다. 가끔 이상하게 고치고, 내가 애매하게 말하면 애매하게 만든다. 많이 쓰면 한도에 걸린다.
하지만 시작점이 달랐다.
Openclaw에서는 “어떤 모델을 붙여야 덜 망가질까”부터 고민했다면, Claude Code에서는 “무엇을 만들지”부터 이야기할 수 있었다.
이 차이가 컸다.
 |
| Openclaw에서는 모델과 환경 구축이 먼저였고, Claude Code에서는 제작이 먼저였다. (다이어그램은 GPT로 생성함) |
이번에 배운 것
처음에는 이렇게 생각했다.
오픈소스 도구를 쓰면 돈을 아낄 수 있지 않을까?
그런데 실제로는 조금 달랐다.
무료 도구를 쓰는 것과, 무료로 작업하는 것은 다른 문제였다. 무료 모델을 붙이면 비용은 줄어들 수 있지만, 결과를 믿기 어려우면 그것도 또 다른 비용이 된다.
내가 Openclaw를 접은 이유는 단순했다.
토큰 비용이 무서웠고, 무료 모델을 붙이면 작업 품질이 흔들렸고, 결국 제대로 쓰려면 유료 API로 돌아가야 했다.
그러면 Openclaw의 “거의 무료로 로컬에서 굴리는 작업실”이라는 장점도 같이 흔들렸다.
Claude Pro와 API 비용을 비교해보니 더 확실해졌다. 외부 추정치를 기준으로 Opus API 가격에 대입해보면, 내가 실제로 쓰는 60~80% 사용량만 놓고 봐도 구독제가 API보다 저렴하게 계산됐다.
그러니까 나에게 Claude Code는 단순히 편한 선택이 아니었다. 더 싸고, 더 빨리 시작할 수 있는 선택이었다.
이번 삽질의 결론은 이거다.
로컬 AI가 공짜일 줄 알았는데, 실제로
비쌌던 건 토큰보다도 실패를 마음껏 반복할 수 없는 구조였다.
그래서 나는 Openclaw를 잠시 접고, Claude Code 기반으로 노선을 바꿨다.
다음 글 예고
다음 글에서는 Claude Code를 쓰기 시작하면서 작업 방식이 어떻게 바뀌었는지 적어보려고 한다. AI가 코드를 대신 짜줬다는 이야기보다, 비개발자인 내가 어떻게 일을 쪼개서 설명해야 했는지에 대한 이야기가 될 것 같다.