OpenClaw 멀티 에이전트 × 텔레그램 그룹 자동화 시스템 설정 가이드 (이스터 에그 포함)

제 첫 가재는 멀티 에이전트 설정에서 죽었습니다. 인터넷을 샅샅이 뒤졌지만, 아무도 명확하게 설명해주지 않더군요. 결국 제 탐구를 통해 텔레그램 그룹 채팅 멀티 에이전트 설정 방법을 알아냈습니다.

먼저, 저는 현재 Claude Sonnet 4.6을 사용 중입니다. 이전에 겪었던 함정들은 대부분 모델 때문이었습니다. 예전에는 GPT CODEX를 사용했는데, 온갖 오류와 버그가 있었습니다. 똑똑하고 믿을 수 있는 대형 언어 모델을 선택하는 것이 매우 중요합니다!

설정하기 전에 전체 글을 읽어 함정을 미리 파악하는 것을 권장합니다. 마지막에 이스터 에그가 있습니다.

───

프레임워크를 미리 설계하세요. 제 프레임워크는 다음과 같습니다:

하나의 마스터, 세 명의 어시스턴트, 각자 고유한 책임:

• 🦞 랍스터 매니저 = 작업 분배 허브, 그룹 메시지 모니터링 및 작업 분배 • 📊 빅 케이크 = 시장 분석 + 일일 아침 보고서 (예약 및 안정적) • 🎨 아이스 아이스 = 트윗 다듬기 + PPT + 인포그래픽 (주문형 제작) • 💻 이더리움 = 코드 + 퀀트 + 자동화 (기술 실행)

각 에이전트 → 독립적인 TG 봇 → 독립적인 작업 공간 → 공유 스킬 라이브러리

───

⚠️ 그렇지 않으면 TG에 메뉴 항목이 너무 많아져 TG 서버가 응답 오류를 보고하고, 게이트웨이 재시작 후 다양한 1006 오류가 발생할 수 있습니다 (이 버그로 제 가재 한 마리가 죽었습니다).

8단계: 권한 설계: 메인 봇은 requireMention: false로 설정 (그룹 메시지에 능동적으로 응답 가능), 하위 봇은 requireMention: true로 설정 (멘션될 때만 응답). 이 단계의 코드도 2단계에 포함되어 있습니다.

───

함정 1: 코드를 메인 로봇에게 제공하고 스스로 수정하도록 하여 config 파일을 수동으로 편집하는 것을 방지하세요. 잘못된 공백 유형 등으로 인한 전체 오류를 방지할 수 있습니다. Json 파일을 수정하기 전에 항상 백업하세요. 오류가 발생하면 즉시 되돌릴 수 있습니다!!

함정 2: 개인 채팅 훈련 ≠ 그룹 채팅 메모리

동일한 에이전트의 개인 채팅, 그룹 채팅 및 크론 세션은 완전히 독립적입니다.

개인 채팅에서 훈련된 형식은 그룹에서 완전히 인식되지 않습니다.

→ 해결책: 모든 사양을 SOUL.md에 작성하고, 모든 세션 시작 시 로드하세요. 그래도 안 되면 개인 채팅 로봇이 튜토리얼을 만들어 그룹 채팅으로 보내도록 하세요.

함정 3: 하위 에이전트는 기본적으로 서로 통신할 수 없습니다.

랍스터 매니저가 빅 케이크에게 작업 지시를 보내려고 하면 → forbidden 오류가 발생합니다.

openclaw.json에서 활성화해야 합니다:

함정 4: 게이트웨이 재시작 = 캐시 초기화 = 높은 비용

재시작 후, 170k 토큰이 모두 원래 가격으로 다시 로드됩니다.

→ 빈번한 재시작을 피하세요. 설정 변경은 한 번에 완료하세요.

함정 5: skills 디렉토리는 공유 심볼릭 링크로 설정하는 것이 가장 좋습니다. 메인 로봇에게 자연어로 한 번 설정하라고 지시하면, 다른 로봇이 자동으로 사용할 수 있습니다. 하위 로봇이 없다고 하면, 메인 로봇이 튜토리얼을 작성하여 하위 로봇을 가르치도록 하세요.

함정 6: 하위 에이전트 시간 초과

메인 로봇이 하위 에이전트를 호출할 때 기본 응답 시간이 몇 초에 불과할 수 있으며, 이는 하위 에이전트가 작업을 완료하기에 충분하지 않습니다. 그러면 메인 로봇은 응답이 없다고 간주합니다.

올바른 방법: 메인 로봇이 하위 에이전트의 응답에 대해 더 긴 대기 시간을 설정하도록 하세요.

───

잘못된 방법: 랍스터 매니저가 빅 케이크의 연구 결과(2000단어)를 아이스 아이스에게 그대로 전달합니다.

→ 각 콘텐츠가 3번 읽히므로 토큰 비용이 3배가 됩니다.

랍스터 매니저는 전체적으로 경로만 전달하여 약 80%의 토큰을 절약합니다.

───

✅ 동일한 TG 그룹에서 4개의 봇이 동시에 온라인 상태. ✅ 랍스터 매니저가 작업을 분배하고, 하위 에이전트가 독립적으로 작업을 완료. ✅ STATE.yaml 분산 협업으로 약 80% 토큰 절약.

다음 사례 연구 문서를 그룹 채팅에 보내고 메인 로봇이 학습하도록 하여 멀티 에이전트 협업 모델을 빠르게 이해할 수 있습니다:

https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/multi-agent-team.md

https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/autonomous-project-management.md

https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/content-factory.md

https://github.com/hesamsheikh/awesome-openclaw-usecases/blob/main/usecases/overnight-mini-app-builder.md

제 로봇의 답변:

📌 커뮤니티 및 팔로우

Clever Jieni를 팔로우하여 더 많은 최신 암호화폐 인사이트를 확인하세요: