11 Insane Things Cursor''s NEW GrokBot Can Do

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Cursor의 새로운 GrokBot이 보여주는 11가지 핵심 가능성은 전문 에이전트·루틴·플러그인을 조합해 모니터링부터 개발, 콘텐츠, 일정, 이메일 업무까지 상시 운영하는 AI 팀을 만드는 것이다.

📌 핵심 요점

1. 전문 에이전트 팀 구성: 각 GrokBot은 독립된 채팅 세션과 클라우드 컴퓨터를 사용하며, 역할 설명과 업무 맥락에 따라 모니터링·개발·일정·콘텐츠 같은 특정 책임을 맡는다. [01:21]
2. 상시 감시와 개발 위임: MTS 봇은 Slack·이메일·캘린더의 변화를 주기적으로 추적하고, 개발 봇은 자연어 요구사항을 Cursor 작업으로 변환해 별도 브랜치와 클라우드 환경에서 실행한 뒤 GitHub PR로 연결한다. [03:57] [07:23]
3. 범용 봇을 중심으로 한 협업: 범용 GrokBot은 즉시 처리할 요청을 받는 기본 창구이자 여러 전문 봇의 업무 현황을 모아 우선순위를 정리하는 조정자다. 반복되는 독립 업무만 전담 봇으로 분리해 구조가 불필요하게 복잡해지는 것을 막는다. [10:35] [12:34]
4. 시간·이벤트 기반 자동화: 루틴은 정해진 시각이나 간격에 에이전트를 실행하며, 트리거는 Slack·GitHub·Linear·Sentry·PagerDuty 등의 이벤트가 발생했을 때 후속 작업을 시작한다. 기본 조건으로 처리하기 어려운 이벤트는 웹훅으로 연결할 수 있다. [23:10] [24:20]
5. 플러그인으로 확장되는 업무 맥락: Gmail·캘린더·Notion·X·Slack·ClickUp·Granola 등을 연결하면 에이전트가 일정, 문서, 게시물, 회의록과 복수 계정의 정보를 활용할 수 있다. 다만 연결 범위가 넓어질수록 보안 노출과 계정별 권한 관리 부담도 함께 커진다. [26:34] [27:31]

🧩 배경과 문제 정의

• 범용 AI 채팅을 넘어, 서로 다른 업무를 맡은 에이전트들이 독립된 클라우드 컴퓨터와 세션에서 상시 작업하는 팀 구조가 핵심이다.
• 복잡한 자동화 하나보다 모니터링, 개발, 일정, 이메일처럼 목적이 명확한 에이전트를 구성하면 업무 상태를 지속적으로 추적하고 필요한 행동을 위임할 수 있다.
• 플러그인과 루틴이 많아질수록 에이전트가 활용할 수 있는 맥락과 자동화 범위는 넓어지지만, 연결된 데이터가 증가해 보안 위험과 계정별 권한 관리도 중요해진다.

🕒 시간순 섹션별 상세정리

1. 독립된 컴퓨터를 가진 AI 에이전트 팀

• GrokBot에서는 업무별 에이전트가 각자의 채팅 세션과 클라우드 컴퓨터를 사용하며, 이름·직함·설명으로 역할과 행동 방식을 구분한다. [01:21]
• 스킬과 Gmail·캘린더·Intercom 같은 플러그인은 모든 에이전트가 공유하고, 개별 에이전트의 설명은 실행할 때마다 역할을 상기시키는 지침으로 작동한다. [02:05]

2. 진행 상황을 상시 감시하는 MTS 봇

• MTS 봇은 평일 5분마다 Slack·이메일·캘린더를 확인하고, 등록된 프로젝트나 거래에서 새로운 변화가 발생했는지 추적한다. [03:57]
• 변화가 발견되면 상황별 알림을 데스크톱과 모바일로 보내며, 민감한 사업 정보를 포함한 실제 감시 목록은 외부에 공개하지 않는다. [05:03]

3. Cursor에 개발 작업을 위임하는 봇

• 개발 봇은 자연어로 받은 리디자인 요구와 사용할 모델을 Cursor용 프롬프트로 구체화하고, 프로덕션에 영향을 주지 않는 새 브랜치와 클라우드 환경에서 작업을 시작한다. [07:23]
• 작업 상태와 실제 위임 프롬프트를 확인할 수 있고, 완료된 변경은 GitHub PR로 생성돼 코드 검토 경로까지 연결된다. [08:39]

4. 목적을 제한하지 않은 범용 봇

• 범용 GrokBot은 어느 전문 봇에 요청해야 할지 모르는 질문이나 즉시 처리할 일을 받는 기본 창구이며, 모바일에서는 음성으로 과거 대화나 아이디어를 빠르게 검색할 수 있다. [10:35]
• 모든 대화 유형마다 봇을 만들 필요는 없고, 범용 대화에서 반복되는 독립 업무가 발견될 때만 별도 에이전트로 분리하면 구조가 과도하게 복잡해지는 일을 피할 수 있다. [11:20]

5. 에이전트 간 협업과 주간 업무 통합

• 범용 봇이 다른 에이전트들에게 지난주 업무 현황을 직접 요청하면, 여러 세션에 흩어진 프로젝트 상태와 다음 우선순위를 하나의 요약으로 통합할 수 있다. [12:34]
• 에이전트 간 메시지는 대화 기록으로 남고, 여러 봇을 그룹 채팅에 넣으면 각 봇의 답변과 작업 상태를 데스크톱과 모바일에서 함께 확인할 수 있다. [13:23]

6. 기존 맥락에서 프로젝트 전담 봇 분리

• 주간 요약에서 단기 영상 편집자 온보딩이라는 독립 과제가 발견되자, 새 전담 봇을 만들고 기존 범용 봇이 확보한 요구사항과 업무 맥락을 전달한다. [15:37]
• 새 봇은 평일 오전 8시에 관심 주제와 X 북마크를 점검해 숏폼 아이디어와 대본 작성을 촉진하는 루틴을 생성한다. [16:52]

7. 숨김 처리와 통합 검색으로 봇 관리

• 당장 필요하지 않은 봇은 삭제하지 않고 사이드바에서 숨겨 과거 맥락을 보존하며, 필요할 때 다시 활성화할 수 있다. [17:37]
• Command K는 숨겨진 봇과 그룹 채팅뿐 아니라 메시지·루틴·링크·파일까지 검색해, 많은 에이전트를 운영해도 원하는 자원으로 바로 이동하게 한다. [18:15]

8. X 게시물 성과 분석

• X 연동 봇은 최근 게시물 가운데 3분 이상인 영상 50개를 찾아 링크와 정확한 조회 수를 정리하므로, 과거 콘텐츠 성과를 한곳에서 비교할 수 있다. [19:40]
• 공개 게시물은 계정 연동 없이도 수집할 수 있지만, 비공개 데이터인 북마크와 좋아요를 활용하려면 공식 X 플러그인 인증이 필요하다. [20:05]

9. 북마크 다이제스트와 반응 주체 추적

• 한 주 동안 저장한 AI 에이전트 관련 북마크를 짧은 의미 해설과 원문 링크로 묶으면, 흩어진 관심사를 주간 업데이트 작성 자료로 전환할 수 있다. [20:39]
• 수요일과 일요일에 자동 발송되는 북마크 다이제스트는 관련 항목을 선별해 반복적인 콘텐츠 조사 시간을 줄인다. [21:49]

10. 시간 기반 루틴과 트리거 기반 루틴

• 시간 기반 루틴은 매일 특정 시각이나 5분 간격처럼 일정에 맞춰 에이전트를 깨우고, 저장된 이름과 지침에 따라 반복 작업을 실행한다. [23:10]
• 트리거 기반 루틴은 고정된 시간이 아니라 외부 서비스에서 특정 행동이 발생할 때 시작되므로, 실시간 대응이 필요한 업무에 적합하다. [23:50]

11. 외부 서비스 이벤트를 업무로 연결

• 트리거는 Slack 전체 메시지나 특정 채널뿐 아니라 GitHub·Microsoft Teams·Linear·Sentry·PagerDuty 이벤트에도 연결할 수 있다. [24:20]
• 이메일 트리거는 향후 추가될 가능성이 있으며, 기본 목록에 없는 조건은 웹훅으로 구성할 수 있다. [24:35]

12. 자연어로 만드는 Slack 감시 루틴

• 새 봇에 모든 Slack 채널의 사건을 대문자 알림으로 전달하라고 요청하면, 역할 이름과 감시 행동을 포함한 루틴이 자동으로 생성된다. [25:19]
• 생성된 루틴의 실행 조건은 ‘Slack 어디서든 메시지가 발생할 때’로 저장되며, 봇은 다음 이벤트를 기다렸다가 즉시 작업한다. [25:41]

13. 플러그인의 맥락 확장과 보안 부담

• 플러그인을 추가할수록 보안 노출 가능성도 커지지만, Google Drive 문서와 캘린더처럼 의사결정에 필요한 개인·업무 맥락을 에이전트가 직접 활용할 수 있다. [26:34]
• 아이디어가 저장된 문서와 일정 정보가 연결되면 단순 질의 응답을 넘어, 현재 상황에 맞는 자료 검색과 행동 제안이 가능해진다. [26:53]

14. 일정·콘텐츠·제품 정보를 통합하는 플러그인

• 캘린더 봇은 평일 오전 6시부터 오후 10시까지 5분마다 일정을 확인하고, 회의 15분 전과 5분 전에 필요한 배경 정보와 함께 알림을 보낸다. [27:07]
• Notion의 콘텐츠 대본, Linear의 제품 업데이트, X의 문체, ClickUp의 컨설팅 자료, Granola의 회의록이 연결되면 업무별 정보가 하나의 에이전트 환경에 모인다. [27:31]

15. 여러 Gmail 계정에서 지출과 업무 분리

• Gmail 플러그인은 여러 계정을 동시에 분석해 최근 3개월의 개인 결제 내역을 찾고, 대규모 사업 비용을 제외한 지출만 분리할 수 있다. [28:24]
• 다섯 개 이메일에서 해지할 구독과 가입 계정을 찾아낸 사례에서는 오래된 반복 결제를 정리해 실제 비용을 절감했다. [28:51]

16. 이메일 자동 감시와 Notion 문서 보강

• 특정 주소로 이메일을 보낸 뒤 매시간 회신을 확인하고, 응답이 오면 알림을 전달한 후 감시 루틴을 삭제하도록 설정할 수 있다. 변화가 없을 때는 아무 작업도 하지 않아 불필요한 알림을 줄인다. [30:54]
• Notion 연동은 문서 생성·수정과 데이터베이스 갱신을 지원하며, 사용자 정의 add context 스킬은 기존 영상 개요의 형식을 훼손하지 않고 추가 정보를 넣는다. [31:42]

17. 질문으로 사고의 빈틈을 찾는 저널 봇

• Grill Me 스킬은 휴대전화로 자유롭게 풀어낸 생각을 바탕으로 후속 질문을 반복하고, 완성된 저널 항목은 Notion 대신 에이전트의 컴퓨터에 파일로 보관한다. [33:09]
• 기존 영상 데이터베이스의 맥락을 확인한 뒤 실제로 이번 주에 제작할 영상과 후보로만 남은 영상을 구분하며, 보통 7~8차례 문답을 거쳐 다음 행동을 구체화한다. [34:04]

18. 에이전트 컴퓨터의 가능성과 현재 한계

• 에이전트의 컴퓨터에서 브라우저와 웹사이트를 직접 열 수 있지만, 봇 차단 정책 때문에 해당 IP가 막히는 경우가 많아 당장의 활용 범위는 제한적이다. [35:08]
• 사용자가 컴퓨터에서 여러 단계를 직접 수행하면 에이전트가 시연 과정을 관찰하고 작업 방법으로 학습할 수 있어, 향후 반복적인 브라우저 업무를 자동화할 가능성이 있다. [35:34]

19. 여러 전문 봇과 연동 기능을 조합하는 운영 방식

• 상황 감시 봇, Cursor에 접근하는 개발 봇, 범용 질의용 GrokBot, 봇 간 대화와 프로젝트 전용 봇을 조합하면 업무 성격에 따라 맥락과 책임을 분리할 수 있다. [36:12]
• Twitter·Slack·트리거 자동화·플러그인·복수 이메일·Notion 연결은 에이전트가 활용하는 정보와 실제 수행 가능한 행동의 범위를 넓힌다. [36:47]

🧾 결론

• GrokBot의 핵심은 하나의 만능 챗봇보다 역할과 책임이 분명한 여러 전문 에이전트를 구성하고, 범용 봇이 이를 조정하도록 만드는 운영 방식에 있다.
• 실용성은 에이전트 수 자체보다 적절한 업무 분리, 반복 루틴, 이벤트 트리거, 기존 서비스의 데이터 연결에서 나온다.
• 반복 업무가 발견될 때만 전담 봇으로 분리하고, 사용하지 않는 봇은 삭제 대신 숨김 처리하면 과거 맥락을 보존하면서 운영 복잡도를 낮출 수 있다.
• 브라우저 직접 조작은 봇 차단과 IP 제한 때문에 아직 활용 범위가 제한적이며, 영상에서도 뚜렷한 실전 사례가 부족하다고 설명한다. [35:08]
• 따라서 현재 강점은 완전한 자율 브라우저 작업보다 메시지·문서·일정·코드 저장소처럼 구조화된 서비스와 연결된 감시, 검색, 요약, 위임 업무에 가깝다.

📈 투자·시사 포인트

• 에이전트 오케스트레이션: 경쟁력은 단일 모델의 답변 품질뿐 아니라 여러 에이전트의 역할, 세션, 루틴과 작업 상태를 통합 관리하는 운영 계층으로 이동할 가능성이 있다.
• 커넥터와 권한 관리: Gmail·Slack·Notion·GitHub 같은 업무 데이터에 안전하게 접근하는 플러그인, 계정 분리, 최소 권한 설정과 감사 기능이 제품 도입의 핵심 조건이 될 수 있다.
• 개발 도구와의 결합: 자연어 요청을 별도 브랜치의 Cursor 작업과 GitHub PR까지 연결하는 흐름은 AI 개발 도구가 채팅형 보조 수단에서 비동기 업무 실행 인프라로 확장되는 방향을 보여준다.
• 반복 업무의 제품화: 시간 기반 루틴과 외부 이벤트 트리거를 자연어로 구성하는 방식은 기존 자동화 도구와 경쟁하거나 이를 보완할 수 있는 영역이다.
• 검증 필요: 영상에 제시된 기능이 실제 서비스에서 동일하게 제공되는지, 플러그인별 읽기·쓰기 권한과 데이터 보존 정책이 무엇인지는 공식 제품 문서와 이용 조건을 별도로 확인해야 한다.
• 검증 필요: 비용 절감, 생산성 향상과 24시간 운영 효과는 영상 속 사용 사례만으로 일반화할 수 없으므로, 실제 도입 전에는 실행 성공률·오탐률·인적 검토 시간·API 및 컴퓨팅 비용을 측정해야 한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 일부 자막 표현은 자동 추출 특성상 고유명사나 제품명이 부정확할 수 있어 원문 확인이 필요하다.
• 영상 속 수치와 자동화 범위는 발표자 설명 기반이므로 외부 검증 자료와는 구분해서 봐야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 현재 조직의 반복 운영 업무를 목록화하고 자동화 우선순위를 정리한다.
• 메모리·규칙·툴 사용 문서를 한곳에서 관리할지 역할별로 분리할지 기준을 정한다.
• 민감 데이터와 일반 업무를 같은 에이전트에 둘지 권한을 분리할지 검토한다.

❓ 열린 질문

• 이 구조를 다른 조직에 옮길 때 가장 먼저 막히는 데이터/API 병목은 무엇인가?
• 단일 에이전트와 멀티 에이전트 운영은 어떤 업무 조건에서 각각 더 유리한가?