ChatGPT Memory가 OpenClaw로 따라오지 않는 이유
각 도구가 저장하는 것
ChatGPT는 개인 메모리 레이어를 유지합니다. 여기에는 여러 대화에 걸친 사실, Custom Instructions, 대화를 중심으로 구성된 Projects가 포함됩니다. 반면 OpenClaw는 자율 에이전트입니다. 당면한 작업, 사용 가능한 도구, 그리고 실행 시점에 전달받은 컨텍스트를 바탕으로 작동합니다. 하나는 "어시스턴트가 사용자에 대해 알고 있는 것"을 담고 있고, 다른 하나는 "에이전트가 이번 실행을 완료하는 데 필요한 것"을 필요로 합니다. 이 둘은 일대일로 매핑되지 않습니다.
이전되지 않는 기술적인 이유
ChatGPT의 Memory는 계정에 종속되어 있어 다른 플랫폼으로 내보낼 수 없으며, OpenClaw에는 이를 가져오는 임포터가 없습니다. 따라서 고정된 선호도, 프로젝트 배경, 소스 파일 등 유용한 부분들을 직접 수동으로 추출하여 에이전트 컨텍스트로 다시 표현해야 합니다. 설상가상으로, 데이터를 받는 쪽에서도 동일한 기억상실 문제가 발생합니다. OpenClaw는 자체적으로 한 실행에서 다음 실행으로 에이전트 상태, 작업 컨텍스트, 도구 이력을 전달하지 않습니다. 이것이 바로 OpenClaw의 에이전트 상태 망각이 흔한 불만 사항인 이유입니다. 결국 컨텍스트를 마이그레이션하더라도, 그 도구 역시 이를 곧 잊어버리게 됩니다.
이로 인해 발생하는 비용
OpenClaw에서 역할, 프로젝트, 파일, 제약 조건 등 작업 컨텍스트를 처음부터 다시 구축해야 하며, 중요한 실행을 시작할 때마다 이를 또다시 반복해야 합니다. ChatGPT 대화에서 이미 범위를 정의해 둔 작업을 에이전트에게 다시 설명해야 합니다. 또한 이는 일회성 복사이기 때문에 두 도구는 즉시 동기화가 깨집니다. 다음 주에 ChatGPT에 말한 내용은 OpenClaw에 전혀 전달되지 않습니다.
단계별 가이드: ChatGPT 컨텍스트를 OpenClaw로 수동 이전하기
기본적인 방법은 수동이지만, 핵심적인 요소들은 옮길 수 있습니다.
1단계: ChatGPT가 알고 있는 내용 내보내기
- 설정(Settings) → 개인화(Personalization) → Memory를 열고 보관할 가치가 있는 저장된 항목들을 복사합니다.
- 에이전트가 준수해야 할 고정 규칙인 Custom Instructions를 복사합니다.
- ChatGPT Projects에서 프로젝트의 기반이 되는 문서들(다시 업로드해야 할 파일들)을 수집합니다.
2단계: OpenClaw에 로드하기
- 선호도와 고정된 사실들을 OpenClaw의 시스템 컨텍스트나 실행 지침(launch instructions)으로 제공합니다.
- 규칙들을 에이전트가 실행 중에 유지해야 할 목표와 제약 조건으로 다시 표현합니다.
- 에이전트가 실행 중인 작업을 위해 소스 문서를 사용할 수 있도록 제공합니다.
결과적으로 얻는 것은 에이전트에 맞게 재구성된 텍스트 선호도와 다시 제공된 파일들로 이루어진 수동 재창조물입니다. 대화 기록은 이전되지 않으며, 설정한 어떤 것도 ChatGPT와 동기화 상태를 유지하지 않습니다.
마이그레이션 과정에서 사라지는 것들
대화 기록은 ChatGPT에 그대로 남습니다. 몇 달 동안 누적된 수정 사항들은 여러분이 기억해 내어 다시 입력하는 몇 가지 규칙으로 압축될 뿐입니다. 또한 동기화는 일회성이자 단방향입니다. 게다가 에이전트는 방금 제공한 정보를 유지할 수 있는 자체적인 영구 메모리가 없기 때문에, 앞으로의 모든 OpenClaw 실행은 다시 빈약한 상태로 시작됩니다.
더 나은 방법: ChatGPT와 OpenClaw를 위한 단일 Memory 레이어
마이그레이션이 어려운 유일한 이유는 컨텍스트가 각 도구 내부에 존재하기 때문입니다. 이를 중립적인 레이어로 끌어올리면 두 도구 모두 동일한 소스를 읽게 되며, OpenClaw의 실행 간 기억상실 문제도 해결됩니다. MemoryLake는 선호도, 문서, 결정을 Git 스타일의 버전 관리 및 종단간 암호화 기술을 적용하여 단 한 번만 저장하고, 이를 ChatGPT와 퍼스트 클래스 연동으로 지원하는 OpenClaw에 제공합니다.
| 비교 항목 | 수동 ChatGPT → OpenClaw | MemoryLake 레이어 |
|---|---|---|
| 필요한 단계 | 매번 컨텍스트 재구축 | 3단계 (최초 1회) |
| OpenClaw 실행 간 컨텍스트 | 매 실행마다 빈약하게 시작 | 필요 시 온디맨드로 조회 |
| ChatGPT와 동기화 유지 | 아니오 | 예 |
| 채팅과 에이전트의 메모리 공유 | 아니오 | 예 |
| 결정 이력 | 없음 | 예 (Git 스타일) |
| 추후 다른 에이전트 추가 시 | 다시 처음부터 구축 | 연결만 하면 됨 |
1단계: API 키 생성
MemoryLake에 로그인하고 키를 생성한 뒤 첫 번째 요청을 보냅니다. 약 30초 정도 소요됩니다.
2단계: 첫 번째 Memory 업로드
양쪽 모두에 필요한 컨텍스트(선호도, 프로젝트 사실 관계, 작업 제약 조건 등)를 텍스트로 입력하고, 작업에 필요한 문서, 이미지 및 기타 파일들을 업로드합니다.
3단계: AI 및 에이전트 연결
API 키를 사용하여 OpenClaw를 연결합니다. MemoryLake는 OpenClaw를 전용 연동으로 지원하므로, 에이전트는 실행 시점에 사용자가 붙여넣은 정보에 의존하는 대신 실행 중에 프로젝트 메모리를 조회할 수 있습니다. 연동 기능이나 API를 통해 ChatGPT를 연결하면, 동일한 메모리를 Claude, Codex 및 기타 MCP 지원 에이전트에서도 사용할 수 있습니다.
에이전트에게 매번 다시 설명할 때 발생하는 실제 비용
이중 설명의 대가
에이전트를 구동하는 것은 자율적으로 행동해야 하기 때문에 단순히 채팅에 다시 설명하는 것보다 더 많은 컨텍스트가 필요합니다. 마이그레이션할 때 이 비용을 한 번 지불하고, 매 실행을 시작할 때마다 조금씩 더 지불하다 보면, 설정에 드는 오버헤드가 작업 자체의 크기와 맞먹기 시작합니다.
다시 설명하는 대신 정보 조회하기
공유 레이어를 사용하면 사용자가 모든 것을 미리 로드하는 대신, OpenClaw가 실행에 필요한 컨텍스트를 온디맨드로 가져옵니다. 실행은 충분한 정보를 가진 상태로 시작되고, 에이전트는 이전 실행에서 이미 확립한 내용을 다시 알아내느라 시간을 낭비하지 않으며, 프롬프트는 가볍게 유지됩니다. MemoryLake의 Token Saving Calculator를 통해 실제 사용량에 따른 효과를 예측해 볼 수 있습니다.
채팅-에이전트 간 Memory 관리를 위한 모범 사례
선호도와 작업 지식 분리하기
고정된 선호도와 재사용 가능한 문서를 서로 다른 메모리로 분리하여 보관하세요. 선호도는 여러 실행에 걸쳐 에이전트가 행동하는 방식을 결정하며, 작업 지식은 특정 실행에서 에이전트가 수행할 대상을 정의합니다.
각 실행의 결과 기록하기
에이전트는 채팅보다 영구적인 기록으로부터 더 큰 이점을 얻습니다. 실행당 날짜가 기입된 한 줄의 기록(수행된 작업, 결정된 사항, 실패한 부분)만으로도 고립된 실행들의 연속을 누적된 발전으로 바꿀 수 있습니다.
프로젝트 또는 워크플로우별 범위 지정
프로젝트당 하나의 메모리 범위를 지정하면 에이전트의 컨텍스트를 긴밀하게 유지할 수 있으며, 한 워크플로우의 제약 조건이 다른 워크플로우의 실행에 영향을 미치는 것을 방지할 수 있습니다.
결론
OpenClaw는 행동하도록 설계되었지만, 가지고 있는 컨텍스트가 있어야만 제대로 작동할 수 있습니다. 그리고 ChatGPT는 그 컨텍스트를 내보내기 기능도 없이 채팅에 최적화된 형태로 장벽 뒤에 가두어 두고 있습니다. 수동으로 옮기는 것은 시작에 불과합니다. 공유 메모리 레이어를 사용하면 채팅 어시스턴트와 에이전트가 동일한 지식을 공유하게 되며, 모든 OpenClaw 실행은 사용자의 클립보드 붙여넣기 버퍼 대신 이전 실행에서 학습한 내용에서부터 시작됩니다. 단 한 번만 마이그레이션하고, 채팅과 에이전트가 하나의 메모리를 공유하도록 하세요.