I Cloned Grokbot with ChatGPT 6 Astra (Here''s How It Works)

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

ChatGPT 6 Astra로 Grokbot을 본뜬 로컬 앱 GPTbot을 두 차례 프롬프트로 구현했지만, 시연은 빠른 개발 가능성과 함께 작업 중단·UI 오류·복구 기능의 한계를 보여준다.

📌 핵심 요점

1. 구현 목표는 구독 기반 로컬 에이전트 앱이다. Grokbot의 스크린샷과 문서를 참고해 macOS에서 모델 선택, 에이전트 대화, 예약 작업, 컴퓨터 제어를 제공하는 GPTbot을 만들었다. 원본의 클라우드 컴퓨터는 로컬 VM으로 대체했다.
2. 두 차례 구현으로 기능과 화면을 확장했다. 첫 빌드에는 약 1시간 16분, 두 번째에는 42분이 걸렸다. 완료 설명에는 로그인·스킬·그룹 대화와 함께 봇별 모델·추론 설정, 기억 편집, 브라우저 프로필 등이 포함되지만, 모두 실제 사용으로 검증된 것은 아니다.
3. 공유 VM과 에이전트별 프로필이 핵심 구조다. 하나의 VM과 파일·작업 공간을 공유하면서 봇별 브라우저 프로필을 두는 방향이다. 로컬 예약 루틴은 Mac이 깨어 있어야 한다는 실행 조건도 있다.
4. 일부 실무 결과는 유용했지만 근거와 완료 여부에 제약이 있었다. Sky는 입력한 역할 지침을 대화에 반영했고, 생성한 썸네일은 색상을 수정해 A/B 테스트 후보로 쓸 계획이다. 반면 첫 채널 분석은 YouTube 접근 실패로 블로그 자료에 의존했고, 외부 스킬 설치는 승인 이후 완료 여부가 확인되지 않았다.
5. 반복 테스트에서 운영상의 문제가 드러났다. 추론 슬라이더가 창을 움직이거나 고정한 봇이 기존 섹션에서 사라지는 오류가 남았다. 여러 작업의 중단과 재시도 요청도 나타났으며, 그룹 대화에는 참여 대상을 지정하는 멘션과 응답 주체를 구분하는 UI가 개선안으로 제시됐다.

🧩 배경과 문제 정의

• Grokbot의 사용 경험을 참고해 macOS용 로컬 앱 GPTbot을 만들고, OpenAI 구독으로 모델 선택·에이전트 대화·예약 작업·컴퓨터 제어까지 구현하는 것이 목표다.
• 원본의 클라우드 원격 컴퓨터를 대신할 로컬 VM이 필요하다. 여러 에이전트가 자원을 공유하면서도 각자의 작업 환경을 유지하는 구조가 핵심 과제다.
• 스크린샷과 문서를 바탕으로 한 번에 구현을 시도하지만, 단순한 초기 화면과 실제로 작동하는 기능을 확보하려면 반복적인 사용 테스트와 수정이 필요하다.
• 검증 과정에서는 웹 접근 실패, VM 조작 문제, UI 오류, 작업 중단이 드러난다. 구현 완료 설명과 직접 확인한 동작을 구분해야 한다.

🕒 시간순 섹션별 상세정리

1. OpenAI 구독으로 작동하는 로컬 GPTbot 구현 요구

• ChatGPT 데스크톱 앱에서 Codex와 extra high 추론 설정을 사용하고, 빈 GPTbot 디렉터리에 기존 화면의 스크린샷과 Grokbot 문서를 제공한다. macOS 앱에서 구독에 연결된 Astra·Soul·Terra·Luna 등의 모델을 선택하는 것이 요구사항이다 [01:25]
• 원본과 유사한 기능을 원하지만, 디자인을 그대로 복사하는 데에는 법적 주의를 요구한다. 이는 구현 요청의 조건이며, 복제의 적법성을 확인한 결과는 아니다 [01:59]

2. 첫 빌드는 폭넓은 기능을 갖춘 비공개 알파로 출발

• 첫 구현에는 약 1시간 16분이 걸렸다. 완료 설명상 구독 로그인, 모델 응답, 봇 저장, 그룹 대화, 파일, 승인, 편집 가능한 스킬, Apple 가상화 기반 Linux VM과 데스크톱 제어를 지원한다 [04:12]
• 앱 종료 후 예약 루틴 실행과 녹화 시연을 통한 스킬 초안 생성도 지원한다고 한다. 다만 로컬 루틴 실행에는 Mac이 깨어 있어야 하며, 외부 서비스 연동·음성·봇별 독립 데스크톱·고급 복구·클라우드 및 팀 기능은 미완성이다 [04:38]

3. YouTube 에이전트는 역할 지침을 반영하지만 초기 화면은 과밀하다

• 초기 화면에는 미리 생성한 봇과 여러 메뉴가 나타난다. 원본에서 상단 공간은 사용자가 고정한 봇을 위한 자리이므로, 기본 화면은 봇 목록을 중심으로 구성하고 작업 공간 메뉴는 하단으로 옮길 필요가 있다 [05:31]
• YouTube 에이전트 Sky에 채널 형식·대상 시청자·성과를 고려한 영상 기획 역할을 부여한다. 유행도 참고하되 모든 새 트렌드를 좇지 않도록 지시하고, 모델은 Astra, 추론 수준은 medium으로 설정한다 [06:45]

4. VM 제어는 혼란스럽고 예약 루틴의 즉시 실행은 불분명하다

• 컴퓨터 화면은 처음에 느리거나 멈춘 것처럼 보이며, ‘Take control’을 눌러야 조작할 수 있다. 브라우저를 닫은 뒤 다시 여는 경로도 직관적이지 않아 사용성이 불안정하다 [08:54]
• 하루 한 번 YouTube의 미응답 댓글을 확인하고 Sky 채팅에 목록을 남기는 루틴을 만든다. 생성 직후 강제로 실행할 수 있는지는 이 테스트에서 확인되지 않는다 [09:28]

5. YouTube 접근 실패로 채널 분석의 근거가 블로그에 한정된다

• Sky의 첫 편집 방향 분석은 웹사이트의 튜토리얼 목록과 상세 영상 보조 글 6개를 근거로 삼는다. YouTube가 안정적으로 열리지 않아 최신 조회 수·썸네일·시청자 정보는 검증하지 못한다 [10:38]
• 분석은 실제 AI 작업 과정을 보여주고 워크플로에 포함할 가치를 판단하는 방향을 제안하지만, 영상 자체보다 블로그에 의존한다. YouTube 접근 문제를 해결할 별도 설정이 필요한지는 추가 확인 과제로 남는다 [11:32]

6. 두 번째 버전은 단순한 탐색과 에이전트 편집을 우선한다

• 앱 이름은 ‘GPTbot’으로 통일하고, 사이드바의 기본 상태는 봇 목록으로 단순화하도록 요구한다. 고정 영역은 동적으로 만들고 활동·루틴·스킬·커넥터는 왼쪽 하단의 작업 공간 메뉴로 배치한다 [13:19]
• 새 에이전트 생성에는 독자적인 모양과 애니메이션 아바타를 추가한다. 기본 에이전트 제공은 허용하되, 카테고리와 섹션을 처음부터 많이 노출하지 않고 사용자가 필요할 때 만들도록 한다 [14:41]

7. 공유 VM에 봇별 프로필과 편집 가능한 기억을 요구한다

• 컴퓨터를 열면 즉시 제어할 수 있어야 하며, 브라우저를 닫아도 파일 관리자·브라우저·터미널을 다시 실행할 독이 필요하다. 느린 반응을 개선하기 위해 VM 자원 할당도 점검 대상으로 삼는다 [16:16]
• VM 하나를 전체 팀이 공유하되 에이전트별 프로필을 두고, 파일 시스템과 작업 공간은 함께 사용하는 구조를 요구한다 [16:45]

8. 봇별 추론 조절과 웹 오류 점검을 추가하고 사용량을 추산한다

• 상단 모델 표시가 선택한 에이전트에 따라 바뀌는 점은 유용하다. 여기에 ChatGPT 앱과 유사한 가로 추론 슬라이더를 추가하고, Sky의 웹 접근 오류는 로그로 확인하도록 요구한다 [18:37]
• 첫 빌드의 사용량은 주간 한도의 약 3%로 추산한다. 시작 시 잔여량이 83%였던 것으로 기억한다는 전제이므로, 정확히 측정한 비용 수치로 보기는 어렵다 [19:13]

9. 두 번째 빌드는 기존 데이터를 유지하며 UI와 VM을 수정한다

• 두 번째 구현에는 추가로 42분이 걸렸다. 완료 설명상 기존 대화·루틴·로그인을 유지하면서 단순한 사이드바, 선택적 섹션, 우클릭 메뉴, 애니메이션 및 생성형 아바타, 봇별 모델·추론 설정을 추가했다 [19:59]
• soul과 기억을 편집하고 날짜별 기억 이력을 남길 수 있으며, 공유 VM에는 별도 브라우저 프로필과 즉시 제어, 브라우저·파일·터미널 독을 제공한다고 한다 [20:11]

10. 개선된 화면에도 슬라이더와 고정 메뉴의 동작 오류가 남는다

• 사이드바는 깔끔해졌지만 상단 추론 슬라이더를 드래그하면 앱 창 전체가 움직인다. 에이전트 편집 화면의 슬라이더는 정상 작동하며, 설명 문구 줄 수에 따라 레이아웃이 위아래로 움직이는 문제도 남아 있다 [21:35]
• 요청한 구름 형태의 얼굴 아바타는 생성됐다. 상단 고정 봇은 가운데 정렬하고, 수가 늘어나면 가로 스크롤로 전환하는 배치가 추가 개선사항이다 [22:31]

11. 외부 스킬 설치와 채널 맞춤 썸네일로 실무 능력을 시험한다

• Matt Van Horn의 ‘last 30 days’ 스킬 설치를 요청해 외부 자료나 GitHub 저장소를 찾아 실제로 설치할 수 있는지 시험한다 [23:42]
• 다른 봇에는 채널의 성과가 좋은 썸네일을 참고해 새 영상용 이미지를 만들도록 한다. 진행자 Marcelo, ChatGPT 로고, ‘meet GPT bot’ 문구의 세 요소를 사용하고 영상 제목 전체는 썸네일에 넣지 않는 조건이다 [24:52]

12. 승인 흐름은 작동하지만 후속 작업과 보관 기능은 미확인이다

• Atlas가 설치 승인을 요청하고 사용자가 한 번 승인을 선택한다. 이어 VM에 Herder를 설치하도록 요청하면서, 작업 중 새 지시가 대기열에 들어가는지 기존 작업을 중단하는지 시험하지만 결과는 확인되지 않는다 [25:35]
• 봇 고정 시 섹션에서 빠지는 현상이 다시 나타난다. 보관 기능의 목적지를 확인하려고 테스트 봇을 만들지만, 보관한 봇을 어디서 찾는지는 이 구간에서 해결되지 않는다 [26:41]

13. 활동 홈의 확장과 여러 에이전트의 병렬 작업을 탐색한다

• 다른 봇의 입력 요청을 한곳에서 확인하는 기능은 유용하다. 활동 화면을 전체 시스템 상태를 점검하는 홈으로 발전시키고 싶지만, 구체적인 구성은 아직 탐색 단계다 [27:24]
• 여러 세션이 병렬로 실행되는 가운데, Paddy Galloway의 최근 장편 영상 10개 자막과 주요 게스트 출연 자료를 조사하도록 요청한다. 목표는 2026년 이후 YouTube 성공 전략을 종합하는 것이며, 조사 결과는 아직 나오지 않았다 [28:02]

14. 컴퓨터 화면 확인 도중 모든 작업의 중단이 드러난다

• 공유 컴퓨터에서 로그인되지 않은 브라우저 상태를 확인한다. 화면 내부 주소 표시줄과 닫기 버튼의 클릭 영역 등에는 여전히 조작상의 어색함이 남아 있다 [28:38]
• 이후 작업 중단 표시가 나타나고 모든 작업이 중단된 상태임을 확인한다. 원인은 밝혀지지 않았으므로, 컴퓨터 조작과 중단 사이의 인과관계나 병렬 실행의 안정성은 확정할 수 없다 [29:07]

15. 썸네일 결과는 긍정적이지만 전체 기능 검증은 끝나지 않는다

• 다운로드한 썸네일을 확인하는 과정에서 앱 안의 이미지 미리보기 기능이 부족하다는 점이 드러난다. 미리보기는 다음 버전의 개선사항으로 남는다 [29:19]
• 생성한 썸네일은 ChatGPT의 초록색으로 색상만 바꾸면 사용할 만하다고 평가한다. 여러 오류가 남아 있어 완성된 제품은 아니지만, 적은 사전 설정으로 얻은 결과물의 실용성은 긍정적이다 [29:57]

16. 그룹 대화의 참여 대상을 지정하는 멘션 기능

• 새 에이전트를 계속 만드는 대신 Sky, Craft, Scout를 한 대화에 모으고, 인사와 유튜브 채널 전략 대화로 협업 기능을 시험한다. 다만 현재 인터페이스에서는 대화 방식이 직관적으로 이해되지 않는다 [30:35]
• 다음 버전에서는 @Sky처럼 특정 에이전트를 지정하거나, 팀 또는 현재 채팅의 모든 구성원을 한꺼번에 호출하는 멘션 기능이 개선안으로 드러난다 [31:09]

17. 긍정적인 사용 경험과 남아 있는 UI·오류 복구 문제

• 전반적인 사용 경험은 만족스럽지만 불편은 주로 UI에 집중된다. 에이전트들이 모두 재시도를 요청했던 상황은 사용자에게 노출하기보다 자동으로 해결되기를 기대한다 [32:10]
• 컴퓨터 화면에서는 채널명만으로 이동하려던 시도가 제대로 작동하지 않아 @ 입력이 필요했던 것으로 보인다. 이어 VM 안에서 현재 라이브 방송을 재생해 화면이 반복되는 모습을 확인한다 [32:55]

18. 두 차례 프롬프트로 만든 결과와 유지보수의 조건

• 시연은 세 번째 수정 요청 없이 마무리된다. 총 두 차례 프롬프트로 요구사항을 구체화하고, 에이전트용 원격 컴퓨터를 띄우는 로컬 VM 호스트 같은 우회 구성까지 구현한 결과를 높이 평가한다 [34:19]
• GPTO를 계속 유지하고 발전시킬지는 댓글 반응에 따라 결정할 예정이다. 다만 향후 OpenAI가 이름 변경을 요청할 가능성도 있다고 본다 [34:58]

19. 남은 버그를 인정한 개발 평가와 후속 공개 방향

• 편집으로 생략된 작업 과정과 커뮤니티 대화는 전날 라이브 방송 원본에서 확인할 수 있다. 제작자는 두 차례 프롬프트로 두 시간 미만에 Grokbot을 복제했다고 정리하면서도, 마지막 테스트에서 드러난 버그가 남아 있음을 인정한다 [35:53]
• 원하는 결과를 모델과 대화하며 구현하는 방식이 개발과 복제를 쉽게 만들었다고 평가하며, 이번 시연에서 사용한 Astra 6의 extra high 설정에 만족감을 나타낸다 [36:16]

🧾 결론

• 이 사례는 스크린샷·문서와 대화형 요구사항 수정만으로 복합적인 에이전트 앱의 초기 버전을 빠르게 만들 수 있음을 보여준다.
• 구현 완료 설명, 화면에서 확인한 동작, 실제 업무의 완료를 구분해야 한다. 역할 반영과 썸네일 결과는 확인됐지만 예약 실행·설치·병렬 작업의 안정성은 검증이 더 필요하다.
• 다음 개선의 중심은 탐색과 제어를 쉽게 만드는 UI, 중단된 작업의 자동 복구, 그룹 대화의 명확한 참여 방식이다.
• 지속적인 유지보수와 저장소 공개는 시청자 반응에 따라 검토할 예정이므로, 공개 제품으로서의 발전 방향은 확정되지 않았다.

📈 투자·시사 포인트

• 개발 생산성: 제작자가 보고한 두 시간 미만의 구현은 초기 개발 속도를 보여준다. 다만 남은 버그와 후속 검증을 고려하면 이를 완성 제품의 총개발 시간이나 비용으로 해석할 수는 없다.
• 제품 경쟁력: 모델 응답과 결과물 생성 외에도 브라우저 접근, 작업 상태 표시, 승인, 복구가 실제 사용 경험을 좌우한다. 이 시연에서는 기능의 존재만큼 안정적인 연결과 조작이 중요하게 드러났다.
• 운영 조건: 클라우드 컴퓨터를 로컬 VM으로 대체하면 Mac의 가동 상태와 VM 자원 할당이 운영 조건이 된다. 예약 작업과 여러 에이전트의 동시 실행을 평가할 때 함께 확인해야 한다.
• 비용 판단: 첫 빌드가 주간 한도의 약 3%를 썼다는 수치는 기억에 의존한 추산이다. 이 자료만으로 구독의 경제성이나 사업 수익성을 정량 평가하기는 어렵다.

⚠️ 불확실하거나 확인이 필요한 부분

• 로그인·예약 루틴·기억 편집·VM 개선 등에는 구현 측의 완료 설명이 포함돼 있다. 특히 예약 루틴의 즉시 실행과 앱 종료 후 실제 실행 결과는 별도 확인이 필요하다.
• 첫 채널 분석은 YouTube의 최신 조회 수·썸네일·시청자 정보를 검증하지 못했다. 이후 브라우저 접근 사례가 나와도 초기 분석의 근거가 보완됐다고 볼 수는 없다.
• 모든 작업이 중단된 원인은 밝혀지지 않았다. 컴퓨터 조작이 중단을 유발했다거나 공유 VM 자체가 원인이라고 단정할 수 없다.
• 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

• 기능별로 ‘구현 완료 설명’, ‘직접 확인한 동작’, ‘업무 완료’를 나눠 검증표를 작성한다.
• Mac이 깨어 있는 조건에서 예약 루틴의 즉시 실행과 앱 종료 후 실행을 각각 시험하고 결과를 기록한다.
• Sky의 웹 접근 로그를 확인하고, YouTube 원자료에 접근한 뒤 채널 분석의 근거와 최신 지표를 다시 검증한다.
• 여러 에이전트 실행 중 새 지시 입력과 컴퓨터 조작을 각각 시험해 작업 중단 조건, 대기열 동작, 재시도·복구 결과를 확인한다.

❓ 열린 질문

• 하나의 VM을 공유하는 여러 에이전트가 동시에 작업할 때 프로필과 작업 상태를 어떻게 유지하고 충돌을 처리할 것인가?
• 반복되는 작업 중단의 원인은 무엇이며, 사용자에게 재시도를 요구하기 전에 어느 범위까지 자동 복구할 수 있는가?
• 그룹 대화에서 특정 봇·팀·전체 구성원을 호출하는 방식과 응답 순서는 어떻게 설계할 것인가?