I Built an AI Operating System With GPT-6 Astra

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

발표자는 GPT-6 Astra로 기존 에이전트 운영 시스템의 UI를 개선하고, 모델·도구·개인 메모리를 한곳에서 활용하는 작업 환경을 시연한다.

📌 핵심 요점

1. 에이전트 운영 시스템은 여러 에이전트와 맞춤 워크플로를 함께 운영하는 공간으로 설명된다. 영상의 중심은 기존 프로젝트를 확장하는 과정이다.
2. 발표자는 Claude에서 개발하던 로컬 프로젝트를 대상으로 스크린샷과 자연어 요청을 활용해 UI 개선을 진행한다. 다만 프로젝트 접근에 필요한 사전 설정은 충분히 설명하지 않는다.
3. 시스템 안에서 Hermes 프로필과 Codex 모델을 전환하고, SEO·키워드 조사·콘텐츠 제작용 도구를 별도 영역으로 구성할 수 있다고 소개한다.
4. Obsidian의 노트와 개인 정보를 Memory Galaxy에 연결해 새 모델에도 사용자 맥락을 제공한다. 이는 영상에서 설명하는 메모리 연속성의 핵심이다.
5. Mission Control을 실행 중인 작업, 주의가 필요한 항목, 최근 활동과 제어 기능 중심으로 개편한다. 마지막에는 시간 사용을 기록해 반복 업무부터 단계적으로 자동화하라고 권한다.

🧩 배경과 문제 정의

발표자는 여러 달 동안 Claude에서 개발한 에이전트 운영 시스템을 보유하고 있으며, 이를 다른 개발 환경으로 옮기는 일이 번거로울 것으로 예상했다. 영상은 기존 로컬 프로젝트를 활용하면서 GPT-6 Astra로 UI와 기능을 개선할 수 있다는 경험을 소개한다.

여기서 운영 시스템은 여러 에이전트, 모델 선택, 맞춤 도구와 개인 메모리를 모아 사용하는 작업 공간을 뜻한다. 해결하려는 문제는 분산된 도구 사용, 충분한 정보를 주지 못하는 대시보드, 새 모델을 사용할 때 부족한 개인 맥락이다. 후반부에는 완성된 시스템과 교육·지원 커뮤니티를 홍보한다.

🕒 시간순 섹션별 상세정리

1. 에이전트 운영 시스템의 개념과 기존 프로젝트 활용

• 여러 에이전트를 한곳에 두고 맞춤 워크플로로 제작과 자동화를 수행하는 환경을 보여준다. 발표자는 Astra가 자체 도구 설계와 제작에 강하다고 평가한다. [00:29]
• Claude 계열의 속도와 오류를 비판하며 Codex를 선택할 이유로 새 Astra 모델을 든다. 이는 발표자의 체감 비교다. [01:04]
• 수개월간 개발한 기존 프로젝트의 이전 부담을 설명한 뒤, 로컬 시스템의 스크린샷을 ChatGPT에 전달하는 접근을 보여준다. [01:54]

2. 스크린샷을 활용한 UI 개선과 모델 연결

• Memory Galaxy를 더 보기 좋고 유용하게 만들어 달라고 요청한다. 경로나 파일을 별도로 제공하지 않았다고 말하며 Astra의 중간 설정을 사용한다고 보여준다. [02:25]
• 프로젝트 UI의 이전·이후 모습을 비교하고, Codex와 Hermes 영역에도 Astra를 추가했다고 보여준다. [03:22]
• Hermes 프로필과 Codex의 모델 선택 기능을 통해 모델을 바꾸는 모습을 보여준다. [03:56]

3. 맞춤 도구 통합과 Mission Control 개편 요청

• SEO, 키워드 조사와 콘텐츠 제작용 도구를 구성하고, 에이전트와 워크플로를 통합해 작업 이력을 확인하는 환경을 보여준다. [04:38]
• Mission Control의 정보와 제어 기능이 부족하다고 지적하며, 화면을 더 실용적으로 바꾸고 변경안을 설명한 뒤 구현해 달라고 요청한다. [05:24]
• 모델은 실행 중인 작업, 주의 항목, 최근 활동과 명확한 실행 버튼을 제안한다. 기존 시스템이 제공하는 실시간 신호를 먼저 확인해 대시보드에 연결하겠다고 보여준다. [06:03]

4. 기존 프로젝트 확장과 개인 메모리 연결

• 현재 프로젝트에서 UI와 기능 개선을 요청하는 방법을 권하고, 에이전트 실행 환경과 영상 편집·디자인 도구를 보여준다. [07:17]
• 새 모델이 사용자를 충분히 기억하지 못하는 문제에 대해 Obsidian의 노트와 정보를 Memory Galaxy에 연결하는 방식을 제시한다. [07:57]
• 메모리 노드와 연결 관계를 살펴보며 정보를 한곳에서 정리하는 장점을 보여준다. 대시보드 재구축이 진행되는 동안 여러 프로젝트를 고정해 작업 상황을 추적하라고 권한다. [08:54]

5. 개편된 대시보드 확인과 자동화 시작 방법

• 재구축 후 반영에 몇 분이 걸릴 수 있다고 안내한다. 새 화면에서 체크 통과, 에이전트 작업 공간 진입, 활동 내역, 개선 필요 항목과 제어 화면 이동을 보여준다. [09:44]
• 모니터링 일시 정지, 새로고침과 명령 팔레트 검색을 보여준 뒤, 커뮤니티에서 시스템 ZIP 파일과 한 시간 분량의 튜토리얼, 지원을 제공한다고 안내한다. [10:39]
• 시간 사용을 매시간 기록해 반복 업무를 찾고 콘텐츠·영상 제작이나 SEO부터 단계적으로 자동화하라고 제안한다. 이어 UI 개편이 빠르고 기존 기능 손상 없이 진행됐다고 평가한다. [11:27]

6. 시스템 배포와 교육·지원 안내로 마무리

• 커뮤니티의 다운로드 파일, 설치 튜토리얼, FAQ와 주간 코칭을 다시 안내한다. 이 구간은 추가 기능 검증보다 시스템 배포와 지원 홍보에 집중한다. [12:10]
• 초급부터 시작하는 개편 교육 과정과 지역의 AI 에이전트 사용자 교류, 직접 문의와 개인별 영상 답변을 보여준다. [12:43]
• 회원들이 서로 질문하고 학습하는 커뮤니티의 의미를 강조하며 영상을 끝낸다. [12:53]

🧾 결론

• 이 사례의 핵심은 모델, 에이전트, 도구와 메모리를 하나의 작업 화면으로 연결하는 데 있다.
• UI 개선은 시각적 변화뿐 아니라 현재 상황을 파악하고 필요한 작업으로 이동하는 기능을 강화하는 방향으로 진행된다.
• 시작점은 이미 진행 중인 프로젝트와 시간을 많이 쓰는 반복 업무다. 발표자는 이를 조금씩 개선하며 시스템을 확장하는 방식을 제안한다.
• 속도와 안정성에 대한 평가는 발표자의 사용 경험이다. 영상만으로 다른 모델보다 일반적으로 우수하다고 결론 내리기는 어렵다.

📈 투자·시사 포인트

• 업무 도구를 평가할 때 모델 응답 속도와 함께 화면 이동, 작업 확인, 반복 설정에 드는 시간이 얼마나 줄어드는지 살펴볼 필요가 있다.
• Obsidian 연동 사례는 개인 지식과 작업 맥락을 새 모델에서도 활용하는 기능이 중요한 선택 기준이 될 수 있음을 보여준다.
• 모델을 전환할 수 있는 통합 환경에서는 개별 모델의 성능뿐 아니라 기존 프로젝트·도구와의 연결 편의성도 중요하다.
• 영상에는 커뮤니티와 시스템 배포 안내가 포함된다. 가격, 운영비, 정량적 절감 효과는 제시되지 않아 투자 수익이나 사업성을 판단할 근거는 제한적이다.

⚠️ 불확실하거나 확인이 필요한 부분

• GPT-6 Astra가 빠르고 Claude 계열이 느리며 오류가 많다는 설명에는 동일 조건의 비교 실험이나 수치가 없다. ‘열 배 개선’이라는 표현도 측정 결과로 제시되지 않는다.
• 스크린샷만으로 로컬 프로젝트를 이해했다고 설명하지만, 기존 프로젝트 연결 상태와 파일 접근 권한, 실행 환경은 드러나지 않는다. 같은 절차가 다른 환경에서도 재현되는지 확인해야 한다.
• 체크 통과와 기존 기능이 손상되지 않았다는 발표자의 설명은 있으나, 검사 항목과 회귀 검증 범위는 제공되지 않는다.
• 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

• 매시간 수행한 일을 문서에 기록하고, 반복 빈도가 높으며 자동화할 수 있는 업무를 고른다.
• 기존 프로젝트 하나에서 개선할 화면을 선택하고, 스크린샷과 함께 현재 불편한 점 및 필요한 기능을 적는다.
• Mission Control에 실행 중인 작업, 주의 항목, 최근 활동과 주요 제어 기능이 실제로 표시되는지 확인한다.
• Obsidian 연동 후 기존 노트의 맥락이 답변과 작업에 반영되는지 확인한다.

❓ 열린 질문

• 별도 파일 업로드나 경로 안내 없이 로컬 코드를 수정하려면 어떤 연결과 사전 설정이 필요한가?
• 개인 노트가 많아질 때 필요한 메모리를 어떻게 선택하며, 수정된 정보는 언제 반영되는가?
• UI 개선과 도구 통합이 실제 반복 업무 시간과 오류를 얼마나 줄이는가?