tgbot: Claude Agent SDK 기반의 개인용 Telegram 에이전트 구축 사례

실용적 조언

비용 절감을 위해 Haiku를 라우터로 사용하여 작업 난이도별로 모델을 분산 배치하라.
CLAUDE.md 파일을 활용해 에이전트에게 프로젝트 구조와 코딩 규칙을 효율적으로 전달하라.

섹션별 상세

Haiku 모델이 모든 입력 메시지를 1차적으로 분류하여 작업의 난이도에 따라 Haiku, Sonnet, Opus 중 하나로 라우팅한다. 세션의 연속성을 위해 특정 시간 동안 동일 모델을 유지하는 쿨다운 윈도우를 적용하며, 모델이 응답에 실패할 경우 자동으로 더 강력한 모델로 에스컬레이션한다. 이러한 계층적 접근 방식은 전체 운영 비용을 낮추면서도 복잡한 요청에 대한 처리 능력을 유지한다.

SQLite를 활용한 영구 메모리 시스템을 통해 대화가 끝날 때마다 백그라운드 프로세스로 주요 사실과 사용자 선호도를 추출한다. 추출된 데이터는 향후 대화 시 시스템 프롬프트에 동적으로 주입되어 사용자의 기술 스택이나 개인적인 일정 등을 기억하는 개인화된 경험을 제공한다. 이는 단순한 컨텍스트 윈도우의 한계를 넘어 장기적인 지식 축적을 가능하게 한다.

Agent SDK의 스킬 시스템을 기반으로 Google 에코시스템, 날씨 정보, Obsidian 보관소와 상호작용하는 기능을 구현했다. 새로운 기능을 추가할 때 코드를 수정하거나 서비스를 재시작할 필요 없이 스킬 파일을 디렉토리에 넣기만 하면 에이전트가 이를 자동으로 감지하여 즉시 활용한다. 필요에 따라 사용자가 에이전트에게 직접 새로운 스킬을 생성하도록 지시할 수도 있다.

웹 기반 콘솔을 포함하여 토큰 소비량, 대화 기록, 메모리 상태, 크론 작업 등을 시각적으로 모니터링할 수 있는 환경을 제공한다. 또한 CLAUDE.md 파일을 계층적으로 배치하여 에이전트가 소스 코드의 맥락을 정확히 파악하고 스스로 기능을 확장하거나 버그를 수정할 수 있도록 지원한다. 이는 개발자 친화적인 ChatOps 환경을 구축하는 데 기여한다.

용어 해설

모델 라우팅(Model Routing): — 입력된 쿼리의 복잡도를 분석하여 최적의 LLM(Haiku, Sonnet, Opus 등)으로 작업을 할당하는 기술이다. 하위 모델로 간단한 작업을 처리하고 상위 모델로 어려운 작업을 넘김으로써 비용과 성능의 균형을 맞춘다. 효율적인 리소스 관리를 위해 필수적이다.
챗옵스(ChatOps): — 채팅 플랫폼을 통해 운영 업무를 수행하고 자동화하는 협업 방식이다. 텔레그램 보트가 시스템 로그를 전송하거나 CLI와 연동되어 관리 작업을 수행하는 것이 대표적이다. 워크플로우 가시성을 높이고 실시간 대응을 가능하게 한다.
에스큐엘라이트(SQLite): — 로컬 환경에서 가볍게 사용할 수 있는 파일 기반의 관계형 데이터베이스 관리 시스템이다. 에이전트의 대화 맥락에서 사실 관계나 사용자 선호도를 추출하여 영구적으로 저장하고 관리하는 용도로 사용된다. 서버 설정 없이도 강력한 데이터 지속성을 제공한다.

언급된 도구

Claude Agent SDK추천

에이전트 구축 및 스킬 확장 프레임워크

SQLite추천

장기 기억 및 사용자 선호도 데이터 저장

Obsidian추천

로컬 지식 베이스 연동 및 관리

Telegram Bot API추천

안정적인 봇 인터페이스 제공

언급된 리소스

GitHubtgbot GitHub Repository