Automata V.14 | 🦞 OpenClaw에 대한 Anthropic의 답변

안녕하세요, 이번 주 수요일도 새로운 소식으로 돌아왔어요!

이번 주 목차

🖥️ Claude랑 폰에서 원격으로 컴퓨터 조종하기 — Claude Dispatch

출처: Claude 공식 블로그 - Put Claude to work on your computer

Anthropic이 Claude Cowork와 Claude Code에 Mac을 직접 제어하는 기능을 추가했습니다. 이제 Claude는 마우스 클릭, 키보드 타이핑, 앱 실행 등 사람이 컴퓨터 앞에서 하는 작업을 대신 수행할 수 있어요. 기존에도 Slack이나 Google Calendar 같은 앱 연동(Connector)은 지원했지만, 이번 업데이트의 핵심은 연동이 안 되는 앱도 화면을 보고 직접 조작한다는 점이에요. 설정도 필요 없습니다 — Claude 앱을 다운로드하면 바로 사용할 수 있어요. 이 기능의 배경에는 Anthropic이 2월에 인수한 Vercept라는 스타트업이 있어요. Vercept는 AI가 컴퓨터 화면을 "보고" 행동하는 기술에 특화된 팀으로, Allen Institute for AI 출신 연구자들이 설립했습니다. 인수 당시 $1,600만 시드 투자를 받았고, Eric Schmidt와 Jeff Dean이 엔젤 투자자로 참여할 정도로 기술력을 인정받았어요. Vercept 팀이 합류한 지 4주 만에 이번 기능을 출시한 것이니, 인수 효과가 빠르게 나타난 셈이에요 (출처: Anthropic 블로그, 출처: MacRumors).

iPhone에서 Mac을 원격 제어하는 Dispatch

가장 눈에 띄는 기능은 Dispatch예요. iPhone의 Claude 앱에서 QR 코드로 Mac과 페어링하면, 어디서든 Claude에게 Mac 작업을 지시할 수 있습니다. 출퇴근길에 "피치 덱을 PDF로 변환해서 회의 초대에 첨부해줘"라고 말하면, Claude가 Mac에서 Keynote를 열고, PDF로 내보내고, 캘린더 이벤트에 파일을 첨부하는 과정을 전부 대신 처리해요. 스케줄 작업도 지원해서 "매일 아침 이메일 스캔해줘", "매주 금요일 리포트 정리해줘" 같은 반복 작업 자동화도 가능합니다. 중요한 점은 모든 처리가 Mac 로컬에서 이루어진다는 거예요. 폰은 텍스트 지시만 보내고, 실제 작업과 파일은 Mac에 남아요. Cowork 대화 기록도 Anthropic 서버가 아닌 로컬에 저장됩니다. 다만, Mac이 깨어 있고 Claude 앱이 열려 있어야 하며, 현재는 macOS만 지원해요. Windows x64 지원은 향후 업데이트 예정입니다 (출처: Anthropic Help Center, 출처: AppleInsider).

아직은 Research Preview라 불안정, 실전 작업 성공률은 50%

MacStories의 초기 테스트에서 Dispatch의 실제 성공률은 약 50%였어요. 파일을 찾고 데이터를 요약하는 작업은 잘 되었지만, 공유나 복잡한 앱 연동은 실패하는 경우가 많았습니다. 속도도 느려서 여러 요청을 쌓아놓으면 Claude가 동시에 처리하려다 혼란이 생기기도 했어요. 보안 측면에서도 주의가 필요해요. Claude가 화면에 보이는 모든 것에 접근할 수 있기 때문에, 개인 데이터나 민감한 문서가 노출될 수 있습니다. Anthropic은 주식 거래, 민감 데이터 입력, 얼굴 이미지 수집을 피하도록 훈련했지만, 이런 가드레일이 절대적이지는 않다고 인정했어요. 일부 Max 구독자는 Dispatch 한 번 사용에 사용량 쿼터의 10%가 소모되었다는 보고도 있었습니다 (출처: MacStories, 출처: VentureBeat).

AI 에이전트 전쟁의 신호탄

이번 출시는 Anthropic만의 이야기가 아니에요. OpenClaw(오픈소스 AI 에이전트, WhatsApp/Telegram 연동), OpenAI의 ChatGPT agent mode, Google의 Gemini Computer Use, Meta의 Manus까지 — 2026년은 AI가 "대화"를 넘어 "행동"하는 에이전트 시대의 원년입니다. Anthropic의 차별점은 모델과 클라이언트를 모두 통제한다는 거예요. Claude가 자기 자신의 능력을 알고 있기에, 모델에 구애받지 않는 OpenClaw 같은 도구보다 최적화된 경험을 제공할 수 있습니다. 여기에 플러그인 아키텍처까지 더해서 법률(계약 검토, NDA 분류), 재무(분개 처리, 변동 분석), 브랜드 보이스 관리 등 도메인 특화 에이전트로의 확장도 준비하고 있어요. 50%라는 성공률이 당장은 불안하게 느껴질 수 있지만, 리서치 프리뷰라는 점을 고려하면 이건 시작일 뿐이에요. Anthropic 내부적으로도 Claude 모델 개발 코드의 70~90%를 Claude 자체가 작성하고 있다고 밝혔는데, 이런 재귀적 자기 개선이 가속화되면 에이전트의 성능 향상 속도도 빨라질 수밖에 없습니다 (출처: Prism News, 출처: Unite.AI).

🌐 전 세계 웹의 43%, AI 에이전트에게 문을 열다 — WordPress.com의 MCP 쓰기 기능 발표

출처: WordPress.com - Your AI agent can now create, edit, and manage content on WordPress.com

WordPress.com이 3월 20일, AI 에이전트에게 콘텐츠 쓰기 권한을 부여하는 기능을 발표했어요. 지난해 10월 MCP(Model Context Protocol) 지원을 통해 AI가 사이트 데이터를 "읽는" 것까지만 가능했는데, 이제 게시물 작성·편집·퍼블리싱, 댓글 관리, 카테고리·태그 정리, 미디어 메타데이터 수정까지 19개 쓰기 기능이 추가된 거예요 (TechCrunch, WordPress.com 블로그). 이게 왜 큰 뉴스일까요? WordPress는 전 세계 웹사이트의 43% 이상을 구동하는 플랫폼이고, WordPress.com만 해도 월 200억 페이지뷰에 4억 900만 순방문자를 기록하는 거대 네트워크이기 때문이에요. AI 에이전트가 콘텐츠를 쓸 수 있는 인프라가 웹의 거의 절반에 깔린 셈입니다.

MCP 기반 연동: 어떤 AI든 연결 가능

핵심은 MCP 기반이라는 점이에요. Claude, ChatGPT, Cursor 등 MCP를 지원하는 어떤 AI 클라이언트든 WordPress.com에 연결할 수 있어요. 사용자는 wordpress.com/mcp에서 원하는 쓰기 기능만 토글로 켜고, 자연어로 명령하면 됩니다. "이번 주 트렌드 요약 글 작성해줘", "미디어 라이브러리에서 alt 텍스트 빠진 이미지 찾아서 제안해줘" 같은 대화형 명령이 가능해요. 특히 인상적인 건 디자인 인식(Design-aware) 기능이에요. AI 에이전트가 사이트 테마의 색상, 폰트, 블록 패턴을 먼저 파악한 뒤 콘텐츠를 생성하기 때문에, 테마를 바꿔도 디자인 시스템에 맞게 자동 적응합니다 (WordPress.com 블로그).

안전장치: 초안 기본 저장 + 권한 체계

WordPress.com은 안전장치를 꽤 꼼꼼하게 설계했어요. AI가 생성한 게시물은 기본적으로 초안(draft)으로 저장되고, 모든 변경은 사용자 승인이 필요합니다. 삭제도 대부분 휴지통(30일 복구 가능)으로 이동하며, 카테고리·태그처럼 영구 삭제되는 항목은 추가 확인을 요구해요. 기존 WordPress 사용자 역할(편집자, 기여자 등)의 권한 체계가 그대로 적용된다는 것도 중요한 포인트예요. Activity Log에서 AI 에이전트의 모든 활동을 추적할 수 있고, 각 기능별로 개별 토글을 제공해서 필요한 것만 켤 수 있습니다 (TechCrunch, WordPress.com 블로그).

웹 콘텐츠 생태계에 미치는 영향

이번 발표의 진짜 의미는, 콘텐츠 자동화가 실험 단계를 넘어 수백만 사용자의 실제 워크플로우에 들어왔다는 점이에요. 블로거는 초안 작성을 AI에 맡기고 편집·전략에 집중할 수 있고, 중소기업은 제품 업데이트나 FAQ를 자동화할 수 있어요. 하지만 동시에, 사람이 아닌 기계가 작성한 콘텐츠가 웹을 채울 수 있다는 우려도 존재합니다. TechCrunch는 Meta가 AI 에이전트끼리 포스팅하는 소셜 네트워크 Moltbook을 인수한 사례나, Anthropic이 AI 블로그를 운영한 실험을 언급하며 이 트렌드가 가속화되고 있음을 지적했어요 (TechCrunch).

🧬 MiniMax M2.7 — AI가 스스로 진화하는 시대가 열렸어요

출처: MiniMax 공식 블로그 - MiniMax M2.7: Early Echoes of Self-Evolution

중국 AI 스타트업 MiniMax가 3월 18일, 자사 최신 프론티어 모델 M2.7을 발표했어요. 이 모델의 가장 큰 특징은 "자기진화(self-evolving)"입니다. M2.7은 자체 강화학습(RL) 워크플로우의 30~50%를 스스로 수행할 수 있어요. 구체적으로 말하면, M2.7의 이전 버전이 연구용 에이전트 하네스(agent harness)를 직접 구축하고, 데이터 파이프라인을 관리하고, 학습 환경과 평가 인프라를 운영했습니다. 모델이 자신의 실패 경로를 분석하고, 코드를 수정하고, 평가를 실행하고, 변경 사항을 유지하거나 되돌릴지를 판단하는 반복 루프를 100라운드 이상 자율적으로 수행한 거예요. 그 결과 내부 평가 세트에서 30%의 성능 향상을 달성했습니다. 지금까지 AI 모델 개선은 전적으로 인간 엔지니어의 몫이었는데, M2.7은 이 과정의 상당 부분을 모델 자체가 담당할 수 있다는 걸 보여줬어요. 물론 나머지 50~70%는 여전히 인간의 감독이 필요하지만, "모델이 자기 자신을 개선하는 루프"가 상용 제품 수준에서 작동한다는 건 의미가 큽니다 (VentureBeat, MiniMax 공식 블로그).

벤치마크: 프론티어 모델과 어깨를 나란히 하다

출처: MiniMax 공식 블로그

M2.7은 활성 파라미터가 100억(10B)에 불과하지만, 훨씬 큰 모델들과 동등하거나 근접한 성능을 보여줍니다. 주요 벤치마크 결과를 정리하면:

특히 환각률이 주목할 만해요. 모델이 모르는 내용에 대해 답변을 자제하는 방향으로 개선된 건데, 이건 실전 배포에서 가장 중요한 지표 중 하나입니다. Kilo Code 팀의 실제 테스트에서도 M2.7은 Claude Opus 4.6과 동일한 버그 6개, 보안 취약점 10개를 모두 탐지했고, 전체 품질의 약 90%를 Opus 대비 7%의 비용으로 달성했어요 (Artificial Analysis, Kilo Code 블로그, DataNorth).

가격 경쟁력과 에코시스템 통합

가격도 파격적입니다. 입력 토큰 100만 개당 $0.30, 출력 토큰 100만 개당 $1.20으로, M2.5와 동일한 가격을 유지하면서 성능만 크게 올렸어요. Artificial Analysis 기준으로 GLM-5와 동등한 지능 지수(Intelligence Index 50점)를 기록하면서도 비용은 3분의 1 수준입니다. xAI의 Grok 4.1 Fast 다음으로 저렴한 프론티어 모델이에요. 개발자 에코시스템 통합도 적극적입니다. Claude Code, Cursor, Trae, Zed, Kilo Code, Cline 등 11개 이상의 주요 개발 도구를 공식 지원하고, Model Context Protocol(MCP)도 네이티브 지원해요. Anthropic SDK 사용자는 ANTHROPIC_BASE_URL만 변경하면 바로 M2.7을 사용할 수 있습니다. 예산이 제한된 스타트업이나 대규모 API 호출이 필요한 서비스에 특히 매력적인 선택지예요 (VentureBeat, Artificial Analysis).

자기진화 모델이 의미하는 것

M2.7이 중요한 이유는 성능이나 가격이 아니라 "자기진화"라는 패러다임 때문이에요. MiniMax는 향후 AI 자기진화가 데이터 구축, 모델 학습, 추론 아키텍처, 평가까지 인간 개입 없이 전 과정을 조율하는 완전 자율 방향으로 전환될 것이라고 밝혔습니다. 아직 초기 단계이지만, 모델이 자신의 하네스를 재귀적으로 개선하는 루프가 작동한다는 건, AI 발전 속도가 인간 엔지니어의 생산성이 아니라 모델 자체의 반복 속도에 의해 결정될 수 있다는 뜻이에요. 중국 AI 기업들의 혁신도 주목할 만합니다. MiniMax는 OpenAI, Google, Anthropic과 다른 접근법으로 프론티어 수준의 모델을 만들어냈고, z.ai(GLM-5), Alibaba Qwen 팀과 함께 중국 AI 생태계의 다양성을 보여주고 있어요 (MiniMax 공식 블로그, Latent Space).

👀 오토마타 스터디 카페: ProofShot로 AI 에이전트가 만든 UI, 눈으로 검증해요

출처: ProofShot

AI 코딩 에이전트는 치명적인 약점이 하나 있어요. 코드를 작성하는 건 잘하는데, 자기가 만든 UI가 실제로 어떻게 보이는지 볼 수 없다는 거예요. Claude Code든 Cursor든, 에이전트가 "완료했습니다"라고 말해도 브라우저를 열어보면 레이아웃이 깨져있거나, 버튼이 엉뚱한 곳에 있거나, 콘솔에 에러가 뜨는 경우가 다반사입니다. 이 문제를 정면으로 해결하려는 오픈소스 CLI 도구 ProofShot이 3월 25일 HackerNews Show HN에 등장했어요. Vercel Labs의 agent-browser 위에 구축된 이 도구는, AI 에이전트가 브라우저를 열고, 페이지를 탐색하고, 스크린샷을 찍고, 영상을 녹화한 뒤 모든 증거를 하나의 HTML 파일로 묶어주는 검증 워크플로우를 제공합니다. 핵심은 에이전트가 "통과/실패"를 판단하는 게 아니라, 사람이 리뷰할 수 있는 증거를 자동으로 수집한다는 점이에요.

사용법: 세 단계면 끝

ProofShot의 워크플로우는 아주 단순합니다. 먼저 npm install -g proofshot && proofshot install로 설치하면, Claude Code, Cursor, Codex, Gemini CLI, Windsurf 등 사용 중인 AI 코딩 도구를 자동 감지하고 스킬을 설치해요. 이후 검증은 딱 세 단계로 진행됩니다:

특히 proofshot pr 명령어를 사용하면 GitHub PR에 검증 결과를 인라인 코멘트로 자동 업로드할 수도 있어요. JavaScript, Python, Go, Rust 등 10개 이상 언어의 에러 패턴을 자동 감지하는 것도 실용적인 기능입니다.

고려할 점들

HackerNews 커뮤니티에서는 흥미로운 논의가 오갔어요. 한 유저는 PR의 before/after 비교에 유용하다고 평가했고, 또 다른 유저는 Google의 Windsurf(antigravity)에 이미 유사 기능이 내장되어 있지만 오픈소스 대안이 생긴 것이 의미 있다고 했어요. 모바일 앱(iOS 시뮬레이터, Android 에뮬레이터)까지 확장할 수 있냐는 질문도 나왔는데, 현재는 웹 브라우저 기반에 한정된다고 합니다. "스크린샷을 찍는 것과 실제로 '보는' 것은 다르다"는 비판도 있었지만, 제작자는 ProofShot이 테스트 프레임워크가 아니라 사람을 위한 증거 수집 도구임을 명확히 했어요. AI가 pass/fail을 판단하는 게 아니라, 개발자가 브라우저를 일일이 열어볼 필요 없이 빠르게 리뷰할 수 있게 해주는 것이 목적입니다.

더 자세한 내용은 아래 깃헙에서 확인하실 수 있어요!