NanoBot 43만줄 → 4천줄, 99% 다이어트한 AI 에이전트가 나왔다

Posted on by

NanoBot은 2026년 2월 1일 홍콩대학교 데이터 사이언스 연구소(HKUDS)에서 출시된 초경량 개인 AI 어시스턴트로, Clawdbot(Claude Code)의 430,000줄+ 코드를 약 4,000줄로 압축하여 핵심 에이전트 기능을 구현했습니다. GitHub에서 5,264개의 스타를 받았으며, MIT 라이센스로 공개되어 연구 및 학습 목적으로 활용 가능합니다.

NanoBot 43만줄 → 4천줄, 99% 다이어트한 AI 에이전트가 나왔다

여러분 이거 경험 있죠?

AI 에이전트 도구를 써보려고 GitHub 리포지토리를 열었는데…

코드가 수십만 줄.

“이거 어떻게 동작하는 거지?”

파일 구조도 복잡하고, 추상화 레이어도 많고, 의존성도 수백 개.

공부하려고 코드를 읽으려는데 어디서부터 시작해야 할지 모르겠고.

저도 그래요.

Clawdbot(Claude Code)을 처음 봤을 때가 그랬어요. 430,000줄이 넘는 코드베이스. 기능은 엄청나게 많지만, 구조를 이해하려면 며칠은 걸릴 것 같았어요.

근데 말이죠.

만약 이걸 4,000줄로 줄였다면 어떨까요?

핵심 기능만 남기고, 불필요한 추상화는 다 걷어내고, 코드를 읽으면 바로 이해되는 수준으로.

“그런 게 어딨어?” 싶죠?

있어요. 진짜로.

NanoBot이 뭔데?

NanoBot… 이름부터 뭔 소린지 모르겠죠?

쉽게 말할게요.

“Clawdbot을 99% 줄인 초경량 버전”

끝. 이게 전부예요.

홍콩대학교 데이터 사이언스 연구소(HKUDS)에서 만든 오픈소스 AI 에이전트인데, Clawdbot의 핵심 기능만 남기고 나머지는 다 제거했어요.

구분ClawdbotNanoBot
코드 라인 수430,000줄+~4,000줄
코드 감소율–99% 감소
목적프로덕션용 풀스택 솔루션연구/학습용 미니멀 구현
설치npm install -g clawdbotpip install nanobot-ai
시작 속도보통⚡ 빠름
코드 가독성복잡한 추상화깔끔하고 읽기 쉬움

Clawdbot은 프로덕션 환경에서 쓰기 좋게 만들어진 거예요. 기능도 많고, 안정성도 높고, 확장성도 좋아요.

근데 연구하거나 공부하려면… 너무 복잡해요.

NanoBot은 그 복잡함을 다 걷어냈어요.

핵심만 남겼어요.

왜 이렇게 줄였을까?

이거 왜 이렇게 만들었을까요?

GitHub README를 보면 이유가 나와 있어요.

1. 연구 친화적 (Research-Ready)

“Clean, readable code that’s easy to understand, modify, and extend for research.”

코드를 읽으면 바로 이해돼요.

추상화 레이어가 적어서, “이게 어떻게 동작하는 거지?” 궁금할 때 코드를 따라가면 바로 알 수 있어요.

Clawdbot은 추상화가 많아서, 실제 동작 로직을 찾으려면 여러 파일을 왔다 갔다 해야 해요.

NanoBot은 그게 없어요.

직관적이에요.

2. 빠른 시작 (Lightning Fast)

불필요한 레이어가 없으니까 시작도 빨라요.

리소스도 적게 써요.

Clawdbot은 기능이 많아서 초기화하는 데 시간이 좀 걸려요.

NanoBot은 핵심만 있으니까 바로 시작돼요.

3. 학습용으로 최적화

에이전트 구조를 공부하려면 어떻게 동작하는지 봐야 해요.

430,000줄 코드베이스에서 핵심 로직을 찾는 건… 쉽지 않아요.

4,000줄이면 하루 만에 전체 구조를 파악할 수 있어요.

실제로 뭘 할 수 있나요?

NanoBot이 줄였다고 해서 기능이 없는 건 아니에요.

핵심 기능은 다 있어요.

📈 24/7 실시간 마켓 분석

주식이나 암호화폐 시장을 실시간으로 분석해줘요.

Telegram이나 WhatsApp으로 메시지 보내면 바로 분석 결과를 받을 수 있어요.

🚀 풀스택 소프트웨어 엔지니어

코드 작성, 배포, 스케일링까지 다 해줘요.

GitHub 연동도 되고, Docker도 지원해요.

📅 스마트 일정 관리

일정을 관리하고, 자동화 작업을 스케줄링할 수 있어요.

Cron 작업도 지원해요.

📚 개인 지식 어시스턴트

문서를 읽고 요약해주고, 질문에 답해줘요.

학습, 기억, 추론 기능이 있어요.

💬 Telegram, WhatsApp 연동

메신저로 대화할 수 있어요.

24시간 언제든지 접근 가능해요.

🖥️ 로컬 모델 지원

vLLM 같은 로컬 LLM 서버와 연동할 수 있어요.

프라이빗하게 사용하고 싶을 때 좋아요.

설치부터 시작까지 2분

이거 진짜 쉬워요.

1. 설치

# PyPI에서 설치
pip install nanobot-ai

# 또는 uv로 설치 (권장)
uv tool install nanobot-ai

끝. 이게 전부예요.

2. 초기화

nanobot onboard

이 명령어를 실행하면 설정 파일이 생성돼요.

~/.nanobot/config.json 파일이 만들어져요.

3. API 키 설정

설정 파일을 열어서 API 키를 넣어주세요.

{
  "providers": {
    "openrouter": {
      "apiKey": "sk-or-v1-xxx"
    }
  },
  "agents": {
    "defaults": {
      "model": "anthropic/claude-opus-4-5"
    }
  }
}

OpenRouter를 추천해요. 여러 모델을 한 번에 쓸 수 있거든요.

API 키는 OpenRouter에서 받을 수 있어요.

4. 채팅 시작

nanobot agent -m "What is 2+2?"

이게 끝이에요.

2분이면 AI 에이전트를 쓸 수 있어요.

Telegram 봇으로 쓰기

이거 진짜 편해요.

Telegram으로 메시지 보내면 NanoBot이 답해줘요.

설정 방법

  1. Telegram 봇 만들기
    • Telegram에서 @BotFather 검색
    • /newbot 명령어 보내기
    • 봇 이름 정하고 토큰 받기
  2. 설정 파일 수정
{
  "channels": {
    "telegram": {
      "enabled": true,
      "token": "YOUR_BOT_TOKEN",
      "allowFrom": ["YOUR_USER_ID"]
    }
  }
}

사용자 ID는 @userinfobot에서 확인할 수 있어요.

  1. 게이트웨이 실행
nanobot gateway

끝.

이제 Telegram에서 봇한테 메시지 보내면 바로 답해줘요.

로컬 모델로 쓰기

프라이빗하게 쓰고 싶다면 로컬 모델을 쓸 수 있어요.

vLLM 서버 시작

vllm serve meta-llama/Llama-3.1-8B-Instruct --port 8000

설정 파일 수정

{
  "providers": {
    "vllm": {
      "apiKey": "dummy",
      "apiBase": "http://localhost:8000/v1"
    }
  },
  "agents": {
    "defaults": {
      "model": "meta-llama/Llama-3.1-8B-Instruct"
    }
  }
}

로컬 서버는 인증이 필요 없으니까 apiKey는 아무거나 넣어도 돼요.

채팅 시작

nanobot agent -m "Hello from my local LLM!"

끝.

이제 로컬 모델로 AI 에이전트를 쓸 수 있어요.

내가 느낀 점

솔직히 처음 봤을 때 “이게 된다고?” 했어요.

430,000줄을 4,000줄로 줄인다는 게.

근데 실제로 써보니까… 진짜 되더라고요.

좋은 점

1. 코드가 정말 깔끔해요

파일 구조도 직관적이고, 코드도 읽기 쉬워요.

에이전트가 어떻게 동작하는지 알고 싶을 때 코드를 따라가면 바로 이해돼요.

Clawdbot은 추상화가 많아서 실제 동작 로직을 찾기 어려웠어요.

2. 시작이 빨라요

설치부터 첫 대화까지 2분이면 끝나요.

Clawdbot은 설정이 좀 복잡했거든요.

3. 커스터마이징이 쉬워요

코드가 짧아서 수정하기도 쉬워요.

기능을 추가하거나 변경하고 싶을 때 바로 할 수 있어요.

4. 학습용으로 최적화

에이전트 구조를 공부하려면 이게 정말 좋아요.

핵심 로직만 남겨서 이해하기 쉬워요.

아쉬운 점

1. 기능이 적어요

Clawdbot에 비하면 기능이 적어요.

프로덕션 환경에서 쓰기엔 부족할 수 있어요.

2. 안정성은 아직

2026년 2월 1일 출시된 지 얼마 안 됐어요.

버그가 있을 수 있고, 업데이트가 자주 될 거예요.

3. 문서가 부족해요

README는 있지만, 상세한 문서는 아직 부족해요.

코드를 읽어야 할 때가 많아요.

솔직한 마음

이걸 보면서 두 가지 생각이 들었어요.

첫 번째: “Less is More”

복잡한 게 항상 좋은 건 아니에요.

때로는 간단한 게 더 나을 수 있어요.

NanoBot처럼 핵심만 남기고 나머지를 다 제거하는 것도 하나의 접근이에요.

특히 연구나 학습 목적이라면 더욱 그렇죠.

두 번째: “에이전트 시대의 방향성”

AI 에이전트 도구들이 점점 복잡해지고 있어요.

기능도 많아지고, 추상화도 많아지고.

근데 이렇게 간단한 버전이 나온다는 건…

“복잡함이 답이 아니야”라는 신호일 수도 있어요.

사용자 입장에서는 간단한 게 더 좋을 수 있거든요.

앞으로 내가 할 것들

이 글을 쓰면서 몇 가지 해보고 싶은 게 생겼어요.

1. 실제로 써보기

Telegram 봇으로 만들어서 일주일 정도 써볼 생각이에요.

마켓 분석 기능이 진짜 유용한지 확인해보고 싶어요.

2. 코드 분석하기

4,000줄이면 하루 만에 다 읽을 수 있어요.

에이전트 구조를 이해하는 데 도움이 될 것 같아요.

3. 커스터마이징 해보기

내가 필요한 기능을 추가해볼 생각이에요.

코드가 짧아서 수정하기 쉬울 거예요.

4. Clawdbot과 비교하기

실제로 어떤 차이가 있는지 비교해보고 싶어요.

성능 차이, 기능 차이, 사용성 차이를 정리해볼 생각이에요.

한계점과 주의사항

균형 있게 말씀드리면, NanoBot도 완벽하지는 않아요.

프로덕션 환경에는 부족할 수 있어요

Clawdbot은 프로덕션 환경에서 쓰기 좋게 만들어졌어요.

안정성, 확장성, 보안 등이 고려돼 있어요.

NanoBot은 연구/학습용으로 만들어진 거라, 프로덕션 환경에서 쓰기엔 부족할 수 있어요.

아직 초기 단계예요

2026년 2월 1일 출시된 지 얼마 안 됐어요.

버그가 있을 수 있고, 기능이 추가될 거예요.

업데이트를 자주 확인해야 해요.

문서가 부족해요

README는 있지만, 상세한 문서는 아직 부족해요.

코드를 읽어야 할 때가 많아요.

GitHub Issues를 확인하거나, 코드를 직접 읽어야 해요.

결론

NanoBot은 Clawdbot을 99% 줄인 초경량 버전이에요.

430,000줄을 4,000줄로 압축했어요.

연구나 학습 목적으로는 정말 좋아요.

코드가 깔끔하고 읽기 쉬워서, 에이전트 구조를 이해하는 데 도움이 돼요.

프로덕션 환경에서 쓰기엔 아직 부족할 수 있지만, 개인 프로젝트나 학습 목적으로는 충분해요.

특히 Telegram 봇으로 만들어서 쓰면 정말 편해요.

24시간 언제든지 접근할 수 있고, 마켓 분석이나 일정 관리 같은 기능도 쓸 수 있어요.

한 번 써보시면 “아, 이래서 간단한 게 좋구나” 하실 거예요.

FAQ

Q1. Clawdbot과 NanoBot 중 뭘 써야 할까요?

A: 목적에 따라 달라요.

  • 프로덕션 환경: Clawdbot 추천
  • 연구/학습: NanoBot 추천
  • 개인 프로젝트: NanoBot 추천

Q2. NanoBot이 정말 4,000줄만 있어요?

A: 네. GitHub 리포지토리를 확인해보시면 알 수 있어요. 핵심 기능만 남기고 나머지는 다 제거했어요.

Q3. 로컬 모델로 쓸 수 있나요?

A: 네. vLLM 같은 OpenAI 호환 서버와 연동할 수 있어요. 설정 파일에서 apiBase만 수정하면 돼요.

Q4. Telegram 봇으로 쓰려면 어떻게 해야 해요?

A:

  1. @BotFather에서 봇 만들기
  2. 설정 파일에 토큰 추가
  3. nanobot gateway 실행

끝이에요.

Q5. 성능은 어떤가요?

A: Clawdbot보다 빠르게 시작돼요. 리소스도 적게 써요. 다만 기능이 적어서 복잡한 작업은 Clawdbot이 더 나을 수 있어요.

Q6. 안정성은 어떤가요?

A: 아직 초기 단계라 버그가 있을 수 있어요. 프로덕션 환경보다는 개인 프로젝트나 학습 목적으로 쓰는 게 좋아요.

Q7. 커스터마이징이 쉬운가요?

A: 네. 코드가 짧아서 수정하기 쉬워요. 핵심 로직만 있어서 이해하기도 쉬워요.

Q8. 문서가 부족한데 어떻게 해야 해요?

A: GitHub README와 코드를 읽어야 해요. Issues를 확인하거나, 코드를 직접 분석하는 게 도움이 돼요.

참고 자료