I Built My Own AI Operating System With Claude

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

발표자는 Claude Code Desktop으로 직접 만든 Agent OS에 맞춤 워크플로와 Obsidian 공유 기억을 연결하고, 반복 업무부터 자동화하며 개인용 AI 운영체제를 확장했다.

📌 핵심 요점

1. Agent OS는 발표자가 직접 만든 웹 앱이다. Claude와 Hermes를 사용하는 기본 채팅에서 시작해 이미지 생성, 콘텐츠 아이디어 발굴, 잠재고객 발굴 도구로 기능을 늘렸다.
2. 발표자는 접근 권한 노출을 우려해 VPS보다 로컬 실행을 선호한다. 웹 앱 자체는 가볍다고 설명하지만, 실제 자원 사용량이나 배포 방식별 보안 비교는 제시하지 않는다.
3. 에이전트 실행 도구는 하나씩 익히라고 권한다. 개인적으로 Claude Code의 익숙함과 안정성을 선호하며, 오픈소스 유연성을 원하는 경우 Hermes를 언급한다.
4. Obsidian은 여러 에이전트가 함께 사용하는 기억 저장소다. 에이전트가 작업 내용을 기록하고 다음 작업에서 다시 읽는 순환 구조로 개인화된 결과를 얻는다고 설명한다.
5. 확장은 시간을 많이 쓰는 업무부터 시작한다. 필요한 워크플로를 하나씩 Agent OS에 넣고, 자신의 작업 방식에 맞게 화면과 기능을 조정하는 접근이다.

🧩 배경과 문제 정의

영상은 AI Profit Boardroom 커뮤니티의 질문을 바탕으로 진행된다. 주요 질문은 Agent OS를 어디에서 실행할지, 어떤 에이전트 도구를 사용할지, 디자인 자동화와 기억 시스템을 어떻게 구성할지다.

발표자는 Claude Code Desktop으로 만든 개인용 웹 앱을 사례로 답한다. 여러 에이전트를 한곳에서 사용하고, Obsidian에 작업 기억을 모으며, 반복 업무에 맞는 기능을 직접 추가하는 것이 제시된 해법이다. Omi를 통한 화면 기록은 선택 사항이며, 마지막에는 시스템 배포와 커뮤니티 교육·지원을 홍보한다.

🕒 시간순 섹션별 상세정리

1. 로컬 실행을 선호하는 이유

• 커뮤니티의 VPS 관련 질문으로 시작하며, 발표자는 Agent OS를 클라우드보다 로컬에서 실행하는 편을 선호한다고 답한다. 주된 이유로 보안을 든다. [00:46]
• Agent OS를 가벼운 웹 앱으로 설명하며 일반 노트북이나 Chromebook도 실행에 사용할 수 있다고 드러낸다. 구체적인 하드웨어 측정치는 제시하지 않는다. [01:24]
• 사업 규모가 작아도 접근 권한이 노출되면 문제가 된다고 강조하며 로컬 실행 권고를 반복한다. VPS를 이용하는 사람도 있음을 인정한다. [02:22]

2. 에이전트 도구 선택과 디자인 자동화

• Claude와 Hermes를 선호하며, 처음에는 하나의 도구에 집중하라고 권한다. Claude Code는 안정성과 익숙함, Hermes는 오픈소스 유연성 측면에서 보여준다. [03:23]
• Codex와 Deep Seek Harness에 대한 불만은 산만함이나 UI 같은 개인적인 사용 경험을 중심으로 제시한다. [03:52]
• 디자인 작업에는 직접 만든 이미지 생성 워크플로와 ChatGPT 이미지 생성 기능이라는 두 선택지를 제시하고, API를 이용한 맞춤 도구 구성도 언급한다. [04:44]

3. Obsidian과 선택적 화면 기록으로 기억 구성

• Omi, Obsidian, Agent OS를 연결한 구성을 ‘infinite context engine’이라고 보여준다. 에이전트가 Agent OS 사용 중 기억을 갱신하는 방식이다. [05:22]
• Omi가 화면과 작업 내용을 기록하고 이를 Obsidian에 남겨 여러 에이전트에 맥락을 제공한다고 보여준다. [05:51]
• 화면 접근을 원하지 않으면 Omi를 쓰지 않아도 된다. 대신 사용하는 에이전트에 매번 Obsidian을 직접 갱신하도록 요청할 수 있다고 안내한다. [06:23]

4. 기억을 공유하는 순환 구조와 콘텐츠 사례

• 후속 질문에서 Agent OS의 기억 지식 그래프를 소개하며, 에이전트가 사용자와 프로젝트 관련 내용을 Obsidian에 기록한다고 보여준다. [07:34]
• 다른 에이전트가 저장된 맥락을 읽어 개인화된 결과를 만들고, 이후 활동이 다시 기록되는 순환 구조를 강조한다. [08:06]
• 경쟁자를 살펴 콘텐츠 아이디어를 제안하는 Hermes Astro 워크플로를 예로 든다. 그 기록을 Claude에 전달해 영상이나 블로그 글 제작에 활용할 수 있다고 드러낸다. [08:36]

5. 직접 만든 인터페이스와 기능 확장

• Hermes 등을 Agent OS에 통합해 사용하며 Apollo, Oracle, Muse 같은 개인 맞춤 워크플로를 보여준다. 기본 데스크톱 화면보다 자신의 용도에 맞춘 구성을 선호한다. [09:43]
• 웹 앱을 처음부터 직접 만들었다고 답하며, 기본 Claude·Hermes 채팅에서 출발해 Claude Code Desktop으로 기능을 확장했다고 보여준다. [10:15]
• 잠재고객 발굴 도구를 넣어 SaaS 형태로 발전시킨 사례를 들고, 시간을 많이 쓰는 업무부터 자동화한 뒤 기능을 하나씩 추가하라고 권한다. [11:16]

6. 질의응답 마무리와 시스템 배포 안내

• 실제 사람이 맞느냐는 질문에 자신을 Julian이라고 소개하며 답한 뒤, Agent OS와 맞춤 워크플로 관련 질의응답을 정리한다. [11:47]
• 커뮤니티 가입을 안내하고 후기를 보여준다. Agent OS는 커뮤니티의 Daily Upside 섹션에서 ZIP 파일로 받을 수 있다고 보여준다. [12:15]

7. 교육·지원 소개와 종료

• 커뮤니티에서 질문에 직접 답하고 개인화된 튜토리얼을 제공한다고 설명하며, 하드웨어 선택 질문과 개인 영상 제작 사례를 언급한다. [12:45]
• 4주 코칭 과정과 다른 AI 에이전트 사용자들을 만날 수 있는 지도를 소개한 뒤 가입 경로를 안내하고 영상을 마친다. [13:03]

🧾 결론

• 제목의 AI 운영체제는 발표자가 구축한 에이전트 통합 웹 앱을 가리키며, 영상은 그 구성과 활용 방식을 질의응답으로 소개한다.
• 맞춤 워크플로와 공유 기억이 함께 작동해야 도구를 바꿔도 기존 작업 맥락을 이어갈 수 있다는 것이 핵심 구상이다.
• 발표자의 구축 방식은 기본 채팅에서 출발해 실제 필요가 생길 때마다 기능을 추가하는 점진적 확장이다.
• 영상은 사용 사례를 보여주지만 전체 코드, 설치 절차, 성능 검증을 제공하는 완결된 제작 튜토리얼은 아니다.

📈 투자·시사 포인트

• 업무 도입 관점에서는 반복 작업에 맞춘 화면과 자동화 기능이 중요한 평가 대상이다. 발표자는 범용 데스크톱 도구보다 자신의 업무에 맞게 만든 인터페이스에서 더 큰 효용을 느낀다고 말한다.
• 공유 기억 저장소는 여러 에이전트 사이에서 맥락을 재사용하는 기반으로 제시된다. 도입 시 기억이 실제로 기록되고 다음 작업에 반영되는지 확인필요가 있다.
• 잠재고객 발굴 기능을 SaaS 형태의 도구로 확장했다는 사례는 개인용 자동화의 제품화 가능성을 보여준다. 매출, 이용자 수, 수익성은 공개되지 않는다.
• 커뮤니티는 Agent OS 배포와 교육·지원의 창구로 소개된다. 후기와 홍보 발언만으로 제품 성과나 투자 가치를 판단할 근거는 부족하다.

⚠️ 불확실하거나 확인이 필요한 부분

• Open Claw 초기 문제를 VPS와 연결하는 설명은 발표자의 주장이다. 구체적인 사고 사례, 접근 경로, 보안 설정 비교가 없어 로컬 실행의 안전성을 일반화하기 어렵다.
• 일반 노트북이나 Chromebook으로 충분하다는 설명에는 모델 실행 위치, API 의존성, 동시 작업 수, 비용 조건이 빠져 있다.
• Obsidian을 무료 오픈소스 앱이라고 부르지만 영상 안에서 라이선스를 확인하지 않는다. 에이전트를 ‘훈련’한다는 표현도 뒤의 설명에서는 저장된 맥락을 읽어 활용하는 방식으로 나타난다.
• 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

• 시간을 많이 쓰는 반복 업무 하나를 골라 입력, 원하는 결과, 수작업 소요 시간을 적는다.
• 주로 사용할 에이전트 실행 도구 하나를 정하고, 선택한 업무를 처리하는 최소 워크플로부터 만든다.
• 로컬 실행 환경에서도 Agent OS의 접근 권한과 외부 노출 여부를 확인한다.
• 작업이 끝날 때 Obsidian을 갱신하도록 지시하고, 다른 에이전트가 그 기록을 활용하는지 확인한다.

❓ 열린 질문

• 여러 에이전트가 같은 Obsidian 기억을 수정할 때 중복, 충돌, 오래된 정보는 어떻게 관리하는가?
• Agent OS의 웹 앱 실행과 실제 AI 추론은 각각 어디에서 이루어지며, 어떤 정보가 외부 서비스로 전달되는가?
• 맞춤 워크플로를 유지·보수하는 시간까지 포함하면 실제 업무 절감 효과는 얼마나 되는가?