티스토리 뷰
목차
매일 아침 같은 사이트 다섯 곳을 돌며 뉴스를 긁어 모으고, 내용을 정리해서 문서로 옮기고, 중요한 부분만 따로 추려 메시지로 보내는 작업을 반복하다 보면 어느 순간 이 일이 제 시간을 얼마나 갉아먹고 있는지 실감하게 됩니다. 직접 겪어보니 각각의 작업은 어렵지 않은데, 매일 반복되는 구조가 문제였습니다. 그 루틴을 AI가 대신 처리할 수 있다는 걸 Claude Cowork를 통해 처음으로 구체적으로 확인했습니다.
에이전트 설계: '답변하는 AI'와 '일하는 AI'의 차이
Claude Cowork를 처음 접했을 때 가장 먼저 든 생각은 "이건 기존 Claude랑 뭐가 다른 거지?"였습니다. 채팅창에 질문을 던지면 답이 돌아오는 구조에 이미 익숙해져 있었기 때문입니다. 그런데 직접 써봤더니 결이 완전히 다른 도구였습니다.
Cowork는 AI 에이전트(AI Agent)를 만드는 환경입니다. 여기서 에이전트란 사람이 매 단계마다 지시하지 않아도 스스로 여러 도구를 활용하며 목표를 달성하는 자율 실행 단위를 의미합니다. 기존의 Claude가 "검색하면 나오는 정보를 정리해서 알려주는" 수준이었다면, Cowork에서 설계한 에이전트는 직접 브라우저를 열고, 파일을 만들고, 외부 서비스로 결과물을 보내는 실제 작업자에 가깝습니다.
사용 조건은 명확합니다. Claude Pro 이상 구독이 필요하고, 반드시 데스크톱 앱을 설치해야 합니다. 웹 브라우저에서는 Cowork 탭 자체가 나타나지 않습니다. 앱 설치 후에는 작업 폴더를 지정해 주어야 하는데, Claude는 지정된 폴더 안의 파일에만 접근할 수 있습니다. 처음에는 이 제약이 불편하게 느껴졌지만, 오히려 보안 측면에서 합리적인 설계라는 생각이 들었습니다. 사용자가 열어준 방에만 들어올 수 있는 구조이기 때문입니다.
Cowork가 수행할 수 있는 작업 범위는 생각보다 넓습니다.
- 컴퓨터 내 파일 읽기, 분석, 새 파일 생성 및 저장
- Chrome 브라우저를 직접 조작하여 웹사이트 접속 및 정보 추출
- Gmail, Notion 같은 외부 서비스와의 연동
- 플러그인으로 패키징하여 워크플로우 재사용 및 공유
- 스케줄 기능을 통한 정해진 시간 자동 실행
MCP 연결: 한국 서비스와 Claude를 이어주는 규격
Cowork를 쓰다 보면 MCP라는 개념이 계속 등장합니다. MCP(Model Context Protocol)란 AI와 외부 서비스를 연결하는 표준화된 통신 규격을 말합니다. 쉽게 말해 예전에 핸드폰마다 충전 단자가 달랐던 것을 USB-C 타입으로 통일한 것처럼, AI가 다양한 서비스에 접속하는 방식을 하나의 규격으로 묶은 것입니다. Anthropic이 오픈소스로 공개한 이 표준 덕분에 어떤 서비스든 MCP 형태로 만들어두면 Claude와 바로 연결할 수 있습니다(출처: Anthropic 공식 발표).
제가 이 부분에서 특히 눈이 갔던 건 카카오에서 직접 개발한 카카오 플레이 MCP(Kakao Play MCP)였습니다. 네이버, 카카오톡처럼 해외 AI 서비스와 연결이 어려웠던 국내 플랫폼을 Claude에 붙일 수 있게 해주는 도구입니다. 솔직히 이건 예상 밖이었습니다. 국내 서비스가 이 규격에 맞춰 먼저 움직이고 있다는 게 인상적이었습니다.
연결 방식은 생각보다 간단합니다. 카카오 플레이 MCP 웹사이트에서 필요한 도구를 도구함에 담고, Claude 앱의 Customize 메뉴에서 커넥터를 통해 Play MCP를 검색해 연결하면 됩니다. 권한 동의 화면이 나오는데 이 단계를 넘기면 이후에는 Claude가 네이버 검색 결과를 가져오거나 카카오톡 '나와 대화하기'로 메시지를 보내는 것이 가능해집니다.
또 하나 챙겨야 할 기능이 Claude for Chrome입니다. 이건 MCP와는 별개로, Claude가 사용자의 Chrome 브라우저를 직접 조작하는 확장 프로그램입니다. API 연결 없이 실제 사람처럼 페이지를 열고 내용을 읽어 정보를 추출합니다. Claude 앱 설정에서 '브라우저 유즈' 토글을 켜두면 한국경제 같은 사이트에서 실시간 증시 정보를 긁어오는 것도 문제없이 동작했습니다. 제 경험상 이 두 가지, Claude for Chrome과 MCP를 함께 쓸 때 데이터 수집 범위가 가장 넓어졌습니다.
워크플로우 자동화: 수집-분석-산출물-전달의 4단계 구조
Cowork를 쓰면서 제가 가장 크게 생각이 바뀐 부분은 AI를 어떻게 쓸 것인가가 아니라 내 반복 업무를 어떻게 설계할 것인가로 질문의 방향이 달라진 점입니다. Claude for Chrome으로 한국경제 사이트의 증시 데이터를 가져오고, 네이버 검색 MCP로 네이버 증권 정보를 병렬로 수집한 뒤, 이 두 데이터를 합쳐 Docs 파일로 보고서를 만들고, 요약본을 카카오톡으로 전송하는 4단계가 끊김 없이 실행되는 걸 처음 봤을 때 꽤 오래 화면을 들여다봤습니다.
이 흐름을 플러그인(Plugin)으로 패키징하면 더 유용해집니다. 플러그인이란 스킬, 커넥터 설정, 명령어, 서브 에이전트 등 워크플로우 전체 구성 요소를 하나의 파일로 묶어두는 기능입니다. 한 번 만들어두면 이후에는 짧은 명령어 한 줄로 전체 과정이 실행되고, 파일을 공유해서 다른 사람이 그대로 쓸 수도 있습니다. 단, 받는 사람도 MCP 연결은 별도로 해줘야 합니다.
스케줄(Schedule) 기능까지 연결하면 자동화가 완성됩니다. Claude 앱의 스케줄 메뉴에서 플러그인 실행 명령어와 실행 시간을 설정해두면 매일 오전 원하는 시각에 보고서가 만들어지고 카카오톡으로 요약본이 날아옵니다. 다만 이 기능은 컴퓨터와 Claude 앱이 켜져 있어야 작동한다는 조건이 있습니다. 제 경우엔 이 점이 다소 아쉬웠는데, 클라우드 기반으로 진화한다면 훨씬 활용도가 높아질 것 같다는 생각이 들었습니다(출처: Anthropic 개발자 문서).
한 가지 솔직히 짚고 싶은 부분도 있습니다. 자동화는 분명히 시간을 아껴주지만, AI가 수집한 정보가 잘못되었을 때 이후의 분석과 보고서까지 전부 틀린 방향으로 자동 실행될 수 있습니다. 사람이 결과물을 주기적으로 확인하지 않으면 잘못된 정보가 카카오톡으로 조용히 쌓이는 상황도 생길 수 있습니다. 그래서 저는 자동화 범위를 정할 때 어느 단계에서 사람이 개입해야 하는지를 먼저 정하는 것이 중요하다고 생각합니다.
자주 묻는 질문
Q. Claude Cowork를 쓰려면 유료 구독이 꼭 필요한가요?
A. 네, Claude Pro 이상 구독이 필수입니다. 무료 플랜에서는 Cowork 탭 자체가 활성화되지 않습니다. 추가로 웹 브라우저가 아닌 데스크톱 앱을 반드시 설치해야 기능을 사용할 수 있습니다.
Q. MCP 연결하면 개인정보가 유출될 위험은 없나요?
A. Claude는 사용자가 지정한 작업 폴더와 연결한 서비스에만 접근할 수 있습니다. 카카오 플레이 MCP의 경우 연결 시 권한 동의 화면을 통해 어떤 권한을 부여하는지 확인할 수 있습니다. 다만 민감한 계정이나 파일이 포함된 서비스는 연결 범위를 신중하게 설정하는 것이 좋습니다.
Q. 플러그인을 만들면 다른 사람과 공유할 수 있나요?
A. 생성된 플러그인 파일을 공유하면 다른 Claude 사용자도 동일한 워크플로우를 바로 실행할 수 있습니다. 단, 받는 사람도 카카오 플레이 MCP 연결과 Claude for Chrome 설치 같은 사전 설정은 본인이 직접 해줘야 합니다.
Q. 스케줄 자동화는 컴퓨터가 꺼져 있어도 실행되나요?
A. 현재는 컴퓨터와 Claude 데스크톱 앱이 모두 켜져 있어야 스케줄이 실행됩니다. 클라우드 기반 자동화가 아니라 로컬 실행 방식이기 때문에, 설정한 시간에 자동화가 돌아가려면 기기를 켜둔 상태를 유지해야 합니다.
Q. 증시 브리핑 말고 다른 업무에도 적용할 수 있나요?
A. 수집-분석-산출물-전달의 4단계 구조를 갖춘 업무라면 대부분 적용 가능합니다. 경쟁사 뉴스 모니터링, 고객 리뷰 감성 분석, 일별 업무 리포트 생성 같은 반복 루틴에 특히 효과적입니다. 제 경우엔 이 구조를 먼저 손으로 그려보고 나서 에이전트를 설계하는 순서로 접근했습니다.
결론
Claude Cowork를 직접 써보고 나서 든 생각은, 이 도구의 진짜 가치는 AI를 잘 쓰는 기술이 아니라 내 반복 업무를 하나의 워크플로우로 바라보는 시각에 있다는 것이었습니다. MCP 연결, 플러그인 패키징, 스케줄 자동화 같은 기능들은 결국 그 시각을 뒷받침하는 도구들입니다. 코딩 한 줄 없이 수집-분석-산출물-전달의 흐름을 설계할 수 있다는 점은, 개발자가 아닌 사람에게도 에이전트 설계의 문이 열렸다는 의미로 읽혔습니다.
다만 자동화를 설계할수록 사람의 판단이 더 중요해진다는 것도 분명합니다. AI가 처리한 결과물을 어느 주기로 확인할 것인지, 어떤 단계에서는 반드시 사람이 개입해야 하는지를 처음부터 함께 설계하는 것이 제가 느낀 가장 중요한 포인트였습니다. 편리함을 얻는 만큼 그에 맞는 관리 체계도 같이 갖춰야 한다는 생각입니다.