BioClaw: Human-Bot Research Collaboration Ecosystems in Group Chats

이 논문은 그룹 채팅에서 자연어 요청을 Docker 컨테이너 내에서 실행 가능한 도구 기반 분석으로 변환하여 생명과학 연구의 협업 워크플로우를 혁신하는 'BioClaw'라는 인간 - 봇 협업 생태계를 제안합니다.

핵심

🧬 BioClaw: 연구실의 '만능 비서'가 카카오톡 그룹 채팅에 살게 되었습니다!

이 논문은 BioClaw(바이오클로) 라는 새로운 시스템을 소개합니다. 쉽게 말해, "연구자들이 수백 개의 복잡한 프로그램과 데이터베이스를 따로따로 열지 않아도, 그냥 그룹 채팅방에서 대화하듯 실험 결과를 분석하고 그림을 그려낼 수 있게 해주는 AI 비서" 입니다.

이걸 더 쉽게 이해하기 위해 몇 가지 비유를 들어볼게요.

---

🏠 1. 기존 방식 vs BioClaw: "집에 있는 도구들" vs "현장 작업반"

기존의 연구 방식 (과거):
연구자 Alice 가 "이번 실험 데이터가 이상한데, 그래프 좀 그려줘!"라고 그룹 채팅에 말합니다.

• Bob은 채팅을 보자마자 카카오톡을 끄고, 컴퓨터를 켜고, 데이터 파일을 찾아서 다운로드합니다.
• 그다음 통계 프로그램을 열고, 그래프 프로그램을 켜고, 문헌 검색 사이트를 돌아다닙니다.
• 모든 작업을 마친 후, 다시 채팅방으로 돌아와서 "그래프 다 그렸어요!"라고 그림을 올립니다.
• 문제점: 채팅방과 작업 공간이 완전히 분리되어 있어서, 대화 흐름이 끊기고 실수할 여지가 많으며, "어떤 프로그램으로 그렸지?" 같은 질문이 생깁니다.

BioClaw 방식 (현재):
Alice 가 같은 채팅방에서 "이 데이터로 화산도 (Volcano plot) 그려줘!"라고 말합니다.

• BioClaw라는 AI 비서가 채팅방 안에 가상의 작업실 (Docker 컨테이너) 을 바로 만들어냅니다.
• 이 작업실 안에는 31 가지의 생물의학 도구와 95 개 이상의 전문 기술이 이미 준비되어 있습니다.
• BioClaw 는 채팅방 안에서 바로 데이터를 분석하고, 그림을 그리고, 결과를 같은 채팅방으로 돌려보냅니다.
• 결과: 연구자들은 채팅방을 떠나지 않고도, 마치 현장에 있는 전문가 팀이 바로바로 작업을 해주는 것처럼 협업할 수 있습니다.

---

🛠️ 2. BioClaw 의 핵심 기능: "만능 공구함"과 "안전한 작업실"

이 시스템은 두 가지 큰 특징을 가지고 있습니다.

① "안전한 작업실" (Isolated Container)

• 비유: 마치 각 그룹 채팅방마다 별도의 '방음 부스'나 '안전한 작업실' 을 하나씩 만들어주는 것과 같습니다.
• 이유: 연구 A 팀이 실험을 하다가 실수로 컴퓨터를 망가뜨려도, 연구 B 팀의 채팅방에는 전혀 영향을 주지 않습니다. 또한, 해킹이나 바이러스 걱정 없이 안전하게 데이터를 처리할 수 있습니다.
• 장점: 여러 그룹이 동시에 다른 플랫폼 (카카오톡, 슬랙, 디스코드, 위챗 등 8 개) 에서 사용해도 서로 섞이지 않고 안전하게 작동합니다.

② "만능 공구함" (Bioinformatics Runtime)

• 비유: 연구자들이 직접 공구 (프로그램) 를 사서 조립할 필요 없이, 이미 모든 공구가 꽂혀 있는 '완비된 공구함' 을 제공합니다.
• 내용: 유전체 분석, 단백질 구조 그리기, 문헌 검색 등 연구에 필요한 31 가지 도구와 95 가지 기술이 미리 설치되어 있습니다.
• 활용: "이 유전자 순서와 비슷한 게 뭐가 있을까?"라고 물어보면, BioClaw 는 바로 그 공구함을 열어 검색을 해주고 결과를 보여줍니다.

---

📝 3. 실제 사용 예시: "대화에서 논문까지"

이 시스템은 단순히 답을 주는 것을 넘어, 연구의 흐름을 이어줍니다.

• 예시 1 (데이터 분석): "이 RNA 시퀀싱 결과에서 중요한 유전자를 찾아줘." → BioClaw 가 분석해서 "BRCA1 유전자가 많이 올라갔네요!"라고 답하고, 화산도 그래프를 바로 보여줍니다.
• 예시 2 (논문 작성): "이 실험 결과를 바탕으로 논문 초안 짜줘." → BioClaw 는 관련 논문 692 편을 찾아서 요약하고, 논문 초안을 채팅방에 작성해 줍니다.
• 예시 3 (재현성): "어떤 명령어로 이 결과를 냈어?" → BioClaw 는 자동으로 Jupyter 노트북 (코드 파일) 을 만들어서 채팅방에 줍니다. 나중에 다른 사람이 그 코드를 실행하면 똑같은 결과가 나옵니다. (이게 바로 '재현 가능한 연구'입니다!)

---

🚀 4. 왜 이것이 중요한가요?

이 논문은 "연구는 채팅방에서 시작되어 채팅방에서 끝난다" 는 새로운 패러다임을 제시합니다.

• 과거: 아이디어 → 채팅 → 프로그램 켜기 → 분석 → 채팅 → 결과 공유 (끊어짐)
• BioClaw: 아이디어 → 채팅 → 즉시 분석 및 결과 공유 (연속성)

마치 레고 블록을 조립하듯, 연구자들이 대화하듯 명령을 내리면 AI 가 그 블록들을 맞춰주어 복잡한 과학적 발견을 쉽게 만들어줍니다. 이는 연구자들이 코딩이나 프로그램 설정에 시간을 낭비하지 않고, 진짜 과학적 아이디어에 집중할 수 있게 해줍니다.

💡 한 줄 요약

"BioClaw 는 연구자들이 복잡한 컴퓨터 프로그램을 다룰 필요 없이, 그냥 그룹 채팅방에서 대화하듯 실험 데이터를 분석하고 논문을 준비할 수 있게 해주는 '만능 연구 비서'입니다."

기술 요약

1. 문제 제기 (Problem)

현대 생물학 및 임상 연구 팀은 WhatsApp, Slack, WeChat 등의 메신저 그룹 채팅을 통해 아이디어를 교환하고 가설을 논의합니다. 그러나 이러한 대화에서 도출된 분석 요청을 실제로 실행하기 위해서는 연구자들이 채팅을 떠나야 하며, 파편화된 로컬 도구, 데이터베이스, 시각화 소프트웨어, 문헌 검색 엔진 등을 별도로 사용해야 하는 불편함이 존재합니다.

• 핵심 문제: 대화형 요청 (Natural-language requests) 을 신뢰할 수 있는 분석 실행과 연결하고, 그 결과를 동일한 대화 컨텍스트로 되돌려주는 것이 어렵습니다.
• 기존 접근법의 한계: 기존 LLM 기반 에이전트나 워크플로우 플랫폼 (예: Galaxy) 은 복잡한 도구 사용을 지원하지만, 장기간 유지되는 그룹 채팅 내에서 실행 가능한 생물정보학 (Bioinformatics) 기능을 통합하고, 대화의 맥락 (컨텍스트) 을 유지하며 결과를 공유하는 데에는 한계가 있었습니다.

2. 방법론 (Methodology)

BioClaw 는 그룹 채팅을 단순한 인터페이스가 아닌 지속적인 계산 작업 공간 (Persistent Computational Workspace) 으로 변환하는 인간 - 봇 협업 생태계를 제안합니다.

2.1. 시스템 아키텍처

• 멀티채널 오케스트레이션 (Multi-channel Orchestration): WhatsApp, Feishu, WeCom, Discord, Slack, WeChat, QQ, 로컬 웹 UI 등 8 개의 메신저 플랫폼을 지원합니다. 각 플랫폼의 이벤트는 Node.js 기반의 오케스트레이터가 통합된 메시지 형식으로 변환합니다.
• 그룹별 상태 및 워크스페이스 관리: 각 그룹 (Group) 마다 고유한 세션 컨텍스트, 워크스페이스, 실행 큐를 유지합니다. 이는 동시 다발적인 그룹 운영 시 컨텍스트의 연속성을 보장합니다.
• 격리된 컨테이너 실행 (Isolated Containerized Execution): 모든 분석은 Docker 또는 Apptainer 기반의 격리된 컨테이너 내에서 실행됩니다. 이는 보안, 재현성, 환경 일관성을 보장하며, 호스트와 컨테이너 간 통신은 파일 시스템 공유 및 표준 입출력 (Stdin/Stdout) 을 통해 이루어집니다.
• 이중 백엔드 지원: Anthropic 의 Claude Agent SDK 와 OpenAI 호환 인터페이스 (Tool calling loop) 를 모두 지원하여 모델 제공자에 구애받지 않는 유연성을 제공합니다.

2.2. 생물정보학 런타임 (Bioinformatics Runtime)

• 사전 설치된 도구 및 라이브러리: 컨테이너 이미지에는 17 개의 명령줄 도구 (FASTQC, BWA, SAMTools, PyMOL 등) 와 14 개의 Python 라이브러리가 내장되어 있어 실행 즉시 분석이 가능합니다.
• 스킬 아키텍처 (Skill System):
  • 내장 스킬 (Built-in Skills): 25 개의 기본 스킬 (BLAST, 차등 발현 분석, 단세포 RNA-seq 전처리 등).
  • 커뮤니티 스킬 허브 (Skills Hub): 10 개 도메인에 걸쳐 70 개 이상의 확장 가능 스킬을 온디맨드로 로드할 수 있습니다.
• 재현 가능한 노트북 생성: 에이전트 실행 중 발생하는 모든 사고 (Reasoning), 도구 호출, 코드 실행 내역을 기반으로 Jupyter Notebook(.ipynb) 을 자동 생성하여 그룹 워크스페이스에 저장합니다. 이를 통해 모든 채팅 기반 분석은 재실행 가능한 아티팩트로 남습니다.

2.3. 스킬 설계 철학

BioClaw 의 스킬은 단순한 도구 래퍼가 아닌 워크플로우 수준의 추상화입니다.

1. 모듈화 및 구성 가능성: 복잡한 작업을 체커포인트가 있는 단계로 분해합니다.
2. 아티팩트 지속성: 중간 결과는 모델 상태가 아닌 워크스페이스 파일로 저장되어 사용자가 검토하고 재사용할 수 있습니다.
3. Human-in-the-loop 제어: 사용자가 중간 결과를 검토하고 피드백을 주어 워크플로우를 수정할 수 있습니다.

3. 주요 기여 (Key Contributions)

1. 채팅 기반 실행 생태계 구축: 그룹 채팅 스레드 자체를 실행 가능한 생물정보학 워크플로우의 중심지로 변환하여, 일회성 질문 답변을 넘어선 지속적 협업 환경을 제공합니다.
2. 신뢰성 있는 시스템 아키텍처 설계: 멀티채널 오케스트레이션, 그룹별 격리된 컨테이너 실행, 이중 백엔드 지원, 안전한 호스트 - 컨테이너 통신 메커니즘을 포함한 실용적인 시스템 구조를 구현했습니다.
3. 재현 가능한 생물정보학 런타임: 31 개의 생물학적 도구와 95 개 이상의 스킬을 통합하여, 사용자가 채팅 환경에서 벗어나지 않고도 다양한 분석 작업을 수행할 수 있게 했습니다.
4. 실제 배포 및 검증: 8 개의 메신저 플랫폼에 배포하고, 시퀀싱 품질 관리, 차등 발현 시각화, 구조 생물학, 문헌 검색 등 다양한 실제 사례 연구를 통해 시스템의 유효성을 입증했습니다.

4. 결과 (Results)

• 다양한 도메인 지원: 유전체학 (Genomics), 임상 (Clinics), 구조 생물학 (Structural Biology) 등 다양한 분야와 시퀀싱 데이터, EHR 데이터, 단백질 구조 데이터 등 다양한 데이터 모달리티를 처리할 수 있음을 보였습니다.
• 구체적 사례 (Case Studies):
  • 데이터 분석: FASTQC 를 통한 시퀀싱 품질 관리, BLAST 를 통한 서열 검색, Volcano Plot 생성.
  • 구조 생물학: PyMOL 을 이용한 단백질 구조 렌더링, ESMFold 를 통한 단백질 구조 예측, 리간드 결합 부위 시각화.
  • 실험실 지원: PubMed 문헌 검색 및 요약, SDS-PAGE 젤 이미지 분석.
  • 장기적 연구 계획: 논문 작성 계획을 위한 워크플로우 스킬을 통해 아이디어를 구조화된 문서로 변환.
• 플랫폼 호환성: 8 개의 이기종 메신저 플랫폼에서 일관된 생물정보학 기능을 제공하며, 사용자는 플랫폼에 상관없이 동일한 워크스페이스와 아티팩트를 공유할 수 있습니다.

5. 의의 및 중요성 (Significance)

• 과학적 발견의 패러다임 전환: 그룹 채팅을 단순한 의사소통 도구가 아닌 과학적 발견을 위한 매개체로 재정의합니다. 아이디어 생성, 분석 실행, 결과 해석, 문헌 검토가 하나의 지속 가능한 스레드 내에서 이루어져 협업의 연속성을 확보합니다.
• 실행 가능한 에이전트 워크플로우의 실용화: 이론적인 AI 에이전트 개념을 실제 연구 환경에 적용 가능한 형태로 구현하여, 연구자들이 도구 전환의 비용 없이 분석에 집중할 수 있게 합니다.
• 재현성 확보: 자동 생성되는 Jupyter Notebook 을 통해 모든 대화 기반 분석이 문서화되고 재실행 가능하게 되어, 계산 생물학 워크플로우의 핵심 요구사항인 재현성을 충족시킵니다.
• 미래 전망: 단일 에이전트에서 전문화된 다중 에이전트 (예: 시퀀싱 전문 Claw, 구조 생물학 전문 Claw 등) 가 공존하는 생태계로 확장될 가능성을 제시하며, 이는 실제 과학 팀의 전문성 분업을 에이전트 레이어로 구현하는 길잡이가 됩니다.

결론적으로 BioClaw 는 생물정보학 분석의 진입 장벽을 낮추고, 연구 팀의 협업 효율성을 극대화하여 대화형 과학 (Conversational Science) 의 새로운 표준을 제시합니다.