OpenClaw로 코인 자동매매 봇 만들기 — AI가 전략을 세우고, 봇이 실행한다

도입

요즘 OpenClaw를 맥미니에 올려두고 이것저것 시키고 있는데, 인스타나 쓰레드에 OpenClaw한테 코인 자동매매를 맡기는 걸 보고, “나도 하나 만들어볼까?”라는 생각이 들었다. (원래 코인은 손절하고 쳐다도 안 본다 했지만… 빗썸에서 가입만해도 무려 7만원을 준다고 하니 이걸로 한번 재미삼아 만들어보기로 했다. 초대코드를 입력하면 되는데 초대코드가 필요하시면 7FSJ306R3J를 입력해주세요ㅎ 광고아님.. 진짜 아님)

처음에는 빗썸 API를 OpenClaw가 사용할 수 있게 CLI로 프로젝트를 구성한 다음 OpenClaw에서 모든 걸 통제하려고 했다. 크론잡 1분 간격으로 시세 확인하고, 판단하고, 주문까지 다 하는 구조였는데… 1분마다 AI한테 물어보고 응답 기다리고 주문 넣는 구조는 현실적으로 말이 안 됐다. Ollama로 로컬 모델을 돌리자니 응답이 너무 느렸고, Google Gemini API를 연결했더니 1분마다 호출하는 API 비용이 무서웠다.

그래서 방향을 완전히 바꿨다. 정통적인 룰 기반 자동매매 봇을 따로 만들고, OpenClaw는 30분마다 시장 상황에 대한 정보를 수집해서 전략 파일만 수정하는 방식으로 역할을 분리했다.

왜 역할을 분리했는가

처음 구상은 단순했다. OpenClaw가 CLI로 전부 다 하는 거다.

OpenClaw → 시세 확인 → AI 판단 → 주문 실행 → 반복

크론잡을 1분으로 걸어두고 매분 OpenClaw가 빗썸 API를 호출하고, 시세를 보고 “지금 사야 해? 팔아야 해?”를 판단하고, 그 결과에 따라 주문을 넣는 구조였다.

문제는 여러 가지가 있었다.

Ollama 로컬 모델은 너무 느리다. 맥미니에서 돌리면 응답에 수십 초씩 걸리는데, 크론잡이 1분인데 응답이 1분을 넘기면 다음 크론잡과 겹쳐버린다. 이전 판단이 안 끝났는데 새 판단이 시작되는 거다.
Google API도 겹침 문제는 마찬가지고, 비용까지 무섭다. 속도 문제를 해결하려고 Gemini API를 연결했는데, 빠를 때도 있지만 느릴 때는 마찬가지로 겹친다. 거기에 1분마다 호출하면 API 비용이 눈덩이처럼 불어난다.
1분 크론잡 조차 코인 매매에는 너무 느리다. 변동성이 클 때는 초 단위로 판단해야 할 때도 있다.

결론적으로, AI는 실행이 아니라 전략 쪽에 두는 게 맞다는 판단을 했다. 실제 매매는 빠르고 결정론적인 룰 기반 엔진이 하고, AI는 한 발 뒤에서 시장 상황을 분석하고 전략 파라미터를 조정하는 역할만 하는 거다.

전체 아키텍처

최종적으로 완성된 구조는 이렇다.

flowchart TD
    subgraph mac["Mac Mini - 24/7 서버"]
        direction TB
        OC("OpenClaw
30분마다 뉴스 수집 및 분석")
        JSON[("전략 설정 파일
JSON")]
        BOT("자동매매 봇
Node.js 데몬")
    end
    BITHUMB{{"빗썸 거래소"}}

    OC -- "파일 쓰기" --> JSON
    JSON -- "매 윈도우마다 파일 읽기" --> BOT
    BOT -- "REST API" --> BITHUMB

    style OC fill:#6366f1,stroke:#4f46e5,color:#fff
    style JSON fill:#f59e0b,stroke:#d97706,color:#fff
    style BOT fill:#10b981,stroke:#059669,color:#fff
    style BITHUMB fill:#ef4444,stroke:#dc2626,color:#fff
    style mac fill:#1e293b,stroke:#475569,color:#e2e8f0,stroke-width:2px

핵심은 파일 기반 통신이다. OpenClaw와 매매 봇은 서로 직접 통신하지 않는다. OpenClaw가 JSON 설정 파일을 쓰면, 봇이 다음 실행 윈도우에서 그 파일을 읽어서 전략에 반영한다.

이 방식의 장점은 명확하다.

두 시스템이 완전히 독립적으로 돌아간다. OpenClaw가 죽어도 봇은 마지막 설정으로 계속 매매한다.
AI 장애가 매매를 멈추지 않는다. 설정 파일 읽기에 실패하면 기본값으로 폴백한다.
업데이트가 안전하다. 설정 변경은 윈도우 경계에서만 적용되니까, 주문 도중에 전략이 바뀌는 일이 없다.

자동매매 봇의 구조

Node.js로 직접 만든 룰 기반 자동매매 봇이다. 빗썸 거래소를 대상으로 하고, 외부 의존성은 최소화했다.

실행 파이프라인

봇의 핵심 실행 흐름은 네 단계로 구성된다.

시세 수집 → 시그널 생성 → 리스크 검증 → 주문 실행

시세 수집: 빗썸에서 WebSocket과 REST API로 실시간 데이터와 캔들 데이터를 가져온다
시그널 생성: 룰 기반으로 매수/매도 시그널을 생성한다
리스크 검증: 시그널이 리스크 조건을 충족하는지 검증한다
주문 실행: 검증된 시그널에 따라 실제 주문을 넣는다

AI는 이 파이프라인에 직접 개입하지 않는다. 대신 오버레이라는 개념을 통해 포지션 크기(얼마나 살지)에만 영향을 준다. 언제 사고 팔지는 순수하게 룰 기반이다.

시그널 엔진

현재 두 가지 전략을 지원한다.

모멘텀 전략 (기본)

모멘텀 기반 진입/퇴출 전략이다. 쉽게 말하면, “최근 N개 캔들 대비 가격이 일정 비율 이상 올랐으면 매수, 일정 비율 이상 떨어졌으면 매도”하는 방식이다. 변동성에 따라 포지션 크기도 자동으로 조절한다.

돌파 전략

클래식한 돌파(breakout) 전략. 최근 N개 캔들의 고점/저점을 돌파하면 진입한다.

AI 오버레이 — OpenClaw와의 접점

오버레이가 바로 AI와 매매 봇이 만나는 지점이다.

OpenClaw가 시장을 분석하면 그 결과를 -1(극도 부정)에서 +1(극도 긍정) 사이의 점수로 표현한다. 봇은 이 점수를 포지션 크기에 곱하는 멀티플라이어로 변환한다.

예를 들어, 뉴스가 부정적이면 OpenClaw가 멀티플라이어를 0.3 정도로 낮춘다. 그러면 봇은 원래 매수할 양의 30%만 산다. 반대로 뉴스가 긍정적이면 1.4로 올려서 더 공격적으로 산다.

유효 기간 체크도 있다. 설정 파일이 일정 시간 이상 업데이트되지 않으면, 오버레이를 무시하고 기본값을 쓴다. OpenClaw가 멈춰도 봇이 오래된 오버레이에 묶이지 않도록 하는 안전장치다.

설정 파일 — OpenClaw와 봇의 통신 채널

JSON 설정 파일 하나가 두 시스템을 연결하는 전부다. 구조는 대략 이렇다.

{
  "execution": {
    "enabled": true,
    "symbols": ["BTC_KRW", "ETH_KRW"],
    "orderAmountKrw": 5000,
    "dryRun": false
  },
  "strategy": {
    "name": "momentum",
    "candleInterval": "15m",
    "lookback": 48,
    "entryThreshold": 20,
    "exitThreshold": 12
  },
  "overlay": {
    "multiplier": 0.75,
    "score": -0.25,
    "regime": "risk_off"
  },
  "controls": {
    "killSwitch": false
  }
}

OpenClaw가 수정할 수 있는 영역은 크게 네 가지다.

섹션	역할	예시
`execution`	매매 실행 설정	심볼 변경, 주문 금액 조절, dryRun 전환
`strategy`	전략 파라미터	전략 변경, lookback 기간 조절
`overlay`	AI 오버레이	포지션 크기 멀티플라이어, 시장 레짐
`controls`	긴급 제어	킬 스위치로 즉시 매매 중단

봇은 매 실행 윈도우(기본 5분) 시작 시점에 이 파일을 읽는다. 파일이 없거나 JSON이 깨져 있으면 기본값으로 폴백한다. 모든 값에 대해 타입 체크와 범위 검증을 하기 때문에, OpenClaw가 이상한 값을 써도 봇이 뻗지 않는다.

OpenClaw의 역할: 뉴스 수집과 전략 조정

OpenClaw는 30분마다 다음 작업을 수행한다.

뉴스/SNS 수집: 크립토 관련 뉴스, X(트위터) 타임라인, 텔레그램 채널 등에서 최신 정보를 수집한다
시장 심리 분석: 수집한 정보를 바탕으로 시장 심리를 분석한다
전략 조정 결정: 분석 결과에 따라 오버레이 멀티플라이어, 레짐(risk_on/risk_off), 전략 파라미터를 결정한다
설정 파일 업데이트: 결정된 값을 JSON 파일에 쓴다

예를 들어, “SEC가 비트코인 ETF 추가 승인”이라는 뉴스가 잡히면:

점수를 +0.5 이상으로 올리고
레짐을 risk_on으로 변경하고
멀티플라이어를 1.2 정도로 설정한다

반대로 “대형 거래소 해킹” 같은 뉴스가 잡히면:

점수를 -0.8로 내리고
레짐을 risk_off로 변경하고
심한 경우 킬 스위치를 켜서 매매를 완전히 중단한다

핵심은 OpenClaw가 “지금 사라/팔아라”를 직접 지시하지 않는다는 점이다. 시장 분위기가 어떤지를 숫자로 표현할 뿐이고, 실제 매매 판단은 봇의 시그널 엔진이 한다.

정리

처음에 OpenClaw로 전부 다 하려던 구상에서, “AI는 전략, 봇은 실행”으로 역할을 분리한 게 가장 큰 전환점이었다.

정리하면 이런 구조다.

자동매매 봇: 룰 기반 데몬. 빗썸에서 실시간 데이터를 받아서 시그널 → 리스크 → 실행 파이프라인을 돌린다.
OpenClaw: 30분마다 뉴스/SNS를 수집하고, 시장 심리를 분석해서 전략 설정 파일을 업데이트한다.
JSON 설정 파일: 두 시스템을 연결하는 유일한 통신 채널. 전략 파라미터, 오버레이, 킬 스위치를 담고 있다.

AI가 매매 실행 경로에 직접 들어가지 않기 때문에, OpenClaw가 느려도, 이상한 판단을 해도, 심지어 죽어도 봇은 안정적으로 돌아간다. 이 디커플링이 이 시스템의 핵심이다.

아직 실매매 데이터가 쌓이는 중이라 수익률 얘기는 이르지만, 구조적으로는 꽤 만족스럽다고 생각한다. 다음에는 실제 매매 결과와 전략 조정 사례들을 공유해봐야겠다.

피드백은 언제나 환영입니다. 😊

도입

목차