OpenClaw llm-task 설정: 구조화된 LLM 데이터 추출하기

LLM을 활용해 데이터를 처리하다 보면, 매번 결과 형식을 맞추기 위해 씨름하게 되죠. 특히 워크플로우 중간에 간단한 LLM 단계를 넣고 싶은데, 그때마다 매번 새로운 코드를 작성하는 건 정말 비효율적이에요.

llm-task는 JSON 전용 LLM 태스크를 실행하고 구조화된 출력을 반환하는 선택형 플러그인 도구예요. JSON Schema를 통한 검증도 가능하죠. Lobster 같은 워크플로우 엔진을 사용할 때 특히 유용한데, 각 워크플로우마다 커스텀 OpenClaw 코드를 짤 필요 없이 단일 LLM 단계를 바로 추가할 수 있기 때문이에요.

플러그인 활성화하기

1. 플러그인을 활성화하세요:

{
  "plugins": {
    "entries": {
      "llm-task": { "enabled": true }
    }
  }
}

2. 도구를 허용 목록(Allowlist)에 추가하세요 (optional: true로 등록되어 있습니다):

{
  "agents": {
    "list": [
      {
        "id": "main",
        "tools": { "allow": ["llm-task"] }
      }
    ]
  }
}

설정 (선택 사항)

{
  "plugins": {
    "entries": {
      "llm-task": {
        "enabled": true,
        "config": {
          "defaultProvider": "openai-codex",
          "defaultModel": "gpt-5.4",
          "defaultAuthProfileId": "main",
          "allowedModels": ["openai-codex/gpt-5.4"],
          "maxTokens": 800,
          "timeoutMs": 30000
        }
      }
    }
  }
}

allowedModels는 provider/model 문자열의 허용 목록이에요. 이 값을 설정하면 목록에 없는 모델에 대한 요청은 모두 거부됩니다.

도구 파라미터

• prompt (string, 필수)
• input (any, 선택 사항)
• schema (object, 선택 사항 JSON Schema)
• provider (string, 선택 사항)
• model (string, 선택 사항)
• thinking (string, 선택 사항)
• authProfileId (string, 선택 사항)
• temperature (number, 선택 사항)
• maxTokens (number, 선택 사항)
• timeoutMs (number, 선택 사항)

thinking 파라미터는 low나 medium 같은 표준 OpenClaw reasoning 프리셋을 사용할 수 있어요.

출력

파싱된 JSON이 포함된 details.json을 반환해요. schema가 제공된 경우에는 해당 스키마에 맞춰 검증도 진행합니다.

예시: Lobster 워크플로우 단계

openclaw.invoke --tool llm-task --action json --args-json '{
  "prompt": "Given the input email, return intent and draft.",
  "thinking": "low",
  "input": {
    "subject": "Hello",
    "body": "Can you help?"
  },
  "schema": {
    "type": "object",
    "properties": {
      "intent": { "type": "string" },
      "draft": { "type": "string" }
    },
    "required": ["intent", "draft"],
    "additionalProperties": false
  }
}'

보안 유의사항

• 이 도구는 JSON 전용이에요. 모델에게 코드 펜스나 설명 없이 오직 JSON만 출력하도록 지시합니다.
• 이번 실행에서는 모델에게 어떤 도구도 노출되지 않아요.
• schema로 검증하지 않은 출력값은 신뢰할 수 없는 데이터로 취급하세요.
• 승인 절차는 실제 작업(전송, 게시, 실행 등)이 일어나는 단계 바로 앞에 배치하는 것이 좋습니다.

AI Setup Assistant

다음 단계

• Lobster 워크플로우 가이드
• JSON Schema 활용법