TL;DR

Open Cowork는 Windows와 macOS용 오픈소스 데스크톱 AI 에이전트로, Claude를 비롯한 여러 모델을 한 GUI에서 설정하고 로컬 워크스페이스 내 파일·문서 생성과 GUI 자동화를 수행할 수 있다. WSL2와 Lima 기반 VM 격리, Path Guard, Skills 라이브러리, MCP 커넥터를 결합해 로컬 자동화와 외부 서비스 연동을 지원하며 Trace Panel로 실행 흐름을 확인할 수 있다. 설치는 원클릭 인스톨러나 Homebrew로 간단하며, 개발자는 소스 빌드와 skill-creator로 커스텀 스킬을 추가해 내부 워크플로우를 자동화할 수 있다.

주요 기능

• 원클릭 인스톨러로 Windows와 macOS에서 별도 환경설정 없이 GUI 기반 에이전트를 즉시 실행할 수 있으며, 설치 과정에는 Homebrew 탭 방식과 릴리즈 바이너리 선택이 포함되어 사용자 편의를 높인다. 설치된 앱은 로컬 워크스페이스를 기준으로 파일 접근을 제한하는 Path Guard를 제공해 기본 수준의 안전 장치를 유지한다. VM이 감지되면 WSL2나 Lima 기반으로 명령을 격리 실행하여 호스트 손상을 줄이는 운영 흐름을 제공한다.
• 멀티 모델을 지원하여 Anthropic(Claude), OpenAI 호환 엔드포인트, OpenRouter와 중국계 모델(GLM, MiniMax, Kimi)을 같은 인터페이스에서 설정할 수 있으며, Base URL과 모델 이름을 지정해 다양한 API 공급자를 바인딩하는 방식으로 확장성을 확보한다. 모델 호출은 사용자가 제공한 API 키로 직접 이루어지므로 데이터는 로컬에서 관리되고 외부 통신은 선택한 모델 API로 한정된다. 추천 모델과 베이스 URL 매핑을 설정하는 설정 화면이 있어 모델 전환이 비교적 직관적이다.
• Skills 시스템으로 PPTX, DOCX, XLSX, PDF 같은 문서 산출물 생산 워크플로우를 모듈화해 기본 제공 스킬을 사용하거나 skill-creator로 사용자 스킬을 추가할 수 있다. 스킬은 .claude/skills/ 디렉터리에 보관되어 로컬에서 수정·확장 가능하며 반복 작업의 자동화를 촉진한다. Trace Panel을 통해 에이전트의 추론 과정과 도구 호출을 실시간으로 확인할 수 있어 문제 발생 시 원인 추적이 용이하다.
• MCP 커넥터를 통해 브라우저, Notion 등 외부 데스크톱 서비스와 연동해 문맥을 가져오거나 도구를 호출할 수 있으며, Feishu(Lark)와 Slack을 통한 원격 제어를 지원해 협업 시나리오에서 명령 송수신이 가능하다. GUI 조작 기능은 모델의 시각 이해 능력을 활용해 로컬 애플리케이션을 직접 조작하는 작업을 처리하므로 복합 자동화 시나리오 실행이 가능하다. 멀티모달 입력(파일 드래그&드롭)과 작업 로그가 통합되어 사용성 측면을 보완한다.

어떻게 동작하는가

사용자는 앱 설치 후 작업할 로컬 폴더를 선택하면 에이전트가 그 폴더를 워크스페이스로 삼아 파일 입출력과 스킬 실행 권한을 가진다. 모델 호출은 사용자가 등록한 API 키와 Base URL로 직접 연결되며, MCP 커넥터는 브라우저나 Notion 같은 외부 서비스와의 문맥 교환과 도구 호출을 중개하여 에이전트의 입력·출력을 확장한다. 보안 측면에서는 Path Guard로 기본 권한을 제한하고, WSL2(Linux VM)나 Lima를 이용해 명령을 VM 내부에서 실행하여 호스트 보호를 강화한다.

해결 문제

로컬 데스크톱에서 AI가 파일을 직접 읽고 쓰며 GUI 애플리케이션을 제어하는 작업을 안전하게 자동화하기 위해 Open Cowork는 워크스페이스 기반 권한 모델과 VM 격리, 스킬 라이브러리 같은 실행 프리미티브를 제공한다. 이를 통해 사용자는 코드 작성 없이도 문서 생성, 폴더 정리, 엑셀 산출물 생성 같은 일상 업무를 모델에게 위임할 수 있으며, MCP를 통해 외부 서비스 연동도 병행할 수 있다. 결과적으로 데스크톱 자동화와 협업 플랫폼을 모델 기반 워크플로우로 통합하려는 요구를 충족한다.

지금 주목받는 이유

데스크톱 환경에서 AI 에이전트를 안전하게 운영하려는 수요가 늘면서 로컬에서 모델을 호출하고 시스템을 제어할 수 있는 툴에 대한 관심이 커지고 있다. Open Cowork는 Claude Cowork 개념을 오픈소스 형태로 제공하고 멀티 모델, VM 격리, MCP 연동 같은 실무 기능을 묶어 데스크톱 자동화의 문턱을 낮춘다는 점에서 주목받고 있다. 또한 설치형 데스크톱 앱으로 엔드유저 확보가 쉽고 중국계 모델을 포함한 다양한 공급자 지원이 현지화 수요를 흡수한다는 점이 트래픽과 스타 증가로 이어졌다.

차별점

• 오픈소스 구현체로서 Claude Cowork 개념을 재현하면서 멀티 모델을 한 UI에서 설정·교체할 수 있게 설계되어 특정 공급자에 종속되지 않는다. Base URL과 모델 이름을 직접 지정하는 설정 구조로 OpenRouter, Anthropic, 중국 모델 등 다양한 엔드포인트를 동일한 앱에서 운영할 수 있어 실험과 비용 최적화가 용이하다. 또한 로컬에서 실행되고 API 키는 사용자가 제공하므로 데이터 흐름이 외부 서비스로 불필요하게 집적되지 않는다.
• VM 수준의 격리를 기본 설계로 채택해 WSL2와 Lima를 통해 명령 실행을 호스트와 분리하는 안전 경로를 제공한다. 경로 기반 제한(Filesystem Path Guard)과 VM 라우팅을 조합해 권한을 계층화함으로써 파일 삭제·수정 같은 위험한 연산의 범위를 통제하면서도 스킬이 실제 파일을 다루도록 허용한다. 이 방식은 원격 모델 호출이 필요한 복합 워크플로우에서 호스트 보호와 기능 제공을 균형있게 맞춘다.
• 내장된 Skills와 Trace Panel 조합으로 산출물 생성·수행 내역을 재현 가능하게 구성하여 자동화 과정의 가시성을 확보한다. 스킬은 로컬 디렉터리에 보관되어 사용자가 직접 수정·확장할 수 있고 skill-creator 도구를 통해 커스텀 스킬을 작성할 수 있으므로 반복 가능한 작업을 표준화하기 쉽다. Trace 로그는 도구 호출과 모델 추론 흐름을 보여줘 디버깅과 규정 준수 관점에서 유용하다.

사용 사례

• 데스크톱 파일 정리와 리포트 생성 워크플로우에서 에이전트를 사용해 폴더 구조를 재정리하고 CSV나 로그 파일을 읽어 요약 파워포인트를 자동 생성하는 시나리오로, 사용자는 워크스페이스를 지정하고 간단한 프롬프트를 주면 스킬이 파일을 읽어 산출물을 만든다. MCP 커넥터를 통해 브라우저나 Notion과 연계하면 외부 문맥을 가져와 리포트 내용을 보강할 수 있어 팀 보고 자동화에 유용하다.
• 원격 협업 환경에서 Feishu(Lark)나 Slack을 통해 명령을 전송하고 실행 결과를 받아보는 자동화 채널로 활용할 수 있으며, 이 경우 에이전트가 로컬에서 작업을 수행하고 결과만 메시지로 송신해 중앙 서버로 대량 데이터 전송을 피할 수 있다. 보안 수준이 충분히 높은 환경에서 원격 제어를 통해 반복 배포나 문서 생성 파이프라인을 운영할 수 있다.
• 개발자나 자동화 엔지니어가 skill-creator로 커스텀 스킬을 만들어 내부 업무 특화 파이프라인을 로컬에서 운영할 때 유용하며, Trace Panel을 통해 실행 흐름을 검증하면서 스킬을 반복 개선할 수 있다. 특히 문서 템플릿과 엑셀 처리가 많은 업무에서 수작업을 줄이고 일관된 출력물을 생성하는 데 적합하다.

시작하기

앱 설치 후 설정에서 API 키와 Base URL, 모델 이름을 입력하면 즉시 에이전트를 사용할 수 있으며, 권장 절차는 먼저 사용할 워크스페이스 폴더를 선택해 에이전트가 접근 가능한 경계를 확정하는 것이다. VM 격리를 사용하려면 Windows에서는 WSL2를 설치하고 macOS에서는 Lima를 설치한 뒤 앱이 이를 자동으로 감지하면 격리 실행이 활성화된다. 초기 사용 시에는 기본 제공 스킬(pptx/docx/xlsx/pdf)을 실행해 동작을 확인하고, 필요하면 skill-creator로 커스텀 스킬을 만들어 워크플로우를 확장하면 된다.

요구사항

• Node.js 18 이상이 개발 및 빌드 환경에 필요하며, 패키지 설치와 네이티브 모듈 재빌드가 포함된 빌드 절차를 따를 수 있어야 한다.
• Windows 사용자는 WSL2 설치를 권장하며, macOS 사용자는 Lima 설치를 권장한다; VM이 없을 경우 경로 기반 제한이 동작하지만 VM 격리 이점을 활용할 수 없다.
• API 호출을 위해 사용자가 Anthropic, OpenRouter 등 외부 AI 모델 공급자의 API 키와 Base URL을 준비해야 하며, 모델 사용량에 대한 비용은 사용자가 부담한다.

이미지 분석