Hexabot
Hexastack · 마케팅 · 챗봇
Hexabot은 비주얼 워크플로, 멀티채널 에이전트, 데이터에 대한 완전한 통제를 원하는 팀을 위한 셀프 호스팅 AI 챗봇 빌더다.

Hexabot 소개
Hexabot이란
Hexabot은 채팅 채널 전반에서 에이전트 워크플로를 만들고 운영하는 대화형 AI 플랫폼이다. 오픈소스 챗봇 프레임워크로 시작했고 지금은 버전 3으로 나온다. 워크플로 중심 런타임으로, 대화와 액션, 메모리, 지식 검색을 한곳에 모은다. 제안은 단순하다. 직접 호스팅하므로 프로덕션 데이터와 인프라가 자신의 통제 아래 남는다. 에이전트 워크플로 자동화의 매력이 바로 이것이다. 자기 조건대로 돌아간다.
이 플랫폼이 노리는 대상은 드래그 앤드 드롭 봇 이상을 필요로 하는 팀이다. 워크플로를 YAML로 정의하고 스키마 검증을 거친 액션을 붙이며 웹, 모바일, 소셜 메시징 같은 채널을 연결한다. 대화 흐름은 비주얼 에디터가 맡고, 플러그인 시스템은 개발자가 텍스트-투-액션 응답과 서드파티 연동을 추가하게 해준다. 관리형 챗봇 서비스와 스택 소유를 저울질하는 사람에게 이 맞바꿈(설정은 늘고 통제도 늘어난다)이 바로 핵심이다.
가장 큰 한계는 대상이다. Hexabot은 명령줄과 Docker, Node.js에 익숙하다고 전제한다. 클릭 한 번으로 시작하는 호스팅 요금제가 없어서, 터미널을 건드리지 않고 5분 만에 봇을 돌리고 싶다면 이 제품은 아니다. 설정에 시간이 든다. 요금도 라이선스 키 단위이며 메시지 양이 아니라 사용자와 워크플로 수에 묶인다. 안정적인 운영에는 맞지만 단발성 실험에는 맞지 않는다.
시작하기
npm install -g @hexabot-ai/cli로 공식 CLI를 설치한다(전역 설치 없이 npx로 실행해도 된다).hexabot create my-project로 스타터 템플릿에서 프로젝트를 만들고, 물어보면 패키지 관리자를 고른다.cd my-project로 작업 공간에 들어가hexabot dev로 로컬 스택을 띄운다.http://localhost:3000에서 관리자 화면을 열고, 설정 때 정한 관리자 자격 증명으로 로그인한 뒤 비주얼 에디터에서 첫 워크플로를 만든다.- 채널을 연결하고 액션이나 RAG 헬퍼를 붙인 다음, Postgres와 자신의 라이선스 키로 프로젝트를 프로덕션으로 옮긴다.
제품 정보
Hexabot의 요금, 지원 플랫폼, 성능을 한눈에 확인해 보세요.
추천 대상
이 도구가 가장 잘 맞는 사용자, 작업, 상황입니다.
사용자
- 맞춤형 챗봇 에이전트를 만드는 개발자
- 작은 대행사와 프리랜서 제작자
- 데이터 규칙이 엄격한 팀
작업
- 멀티채널 대화 설계
- 서비스 요청 자동화
- 자사 콘텐츠에 답변을 근거 짓기
- 사람에게 넘기기
활용 상황
- 고객 대면 어시스턴트 구축
- 반복 지원 부담 줄이기
- 에이전트 워크플로를 로컬에서 시험 제작
주요 기능
비주얼 워크플로 에디터
에디터는 드래그 앤드 드롭 인터페이스로 대화 흐름을 설계하는 곳이다. 텍스트 메시지, 빠른 답장, 캐러셀을 추가하고 사용자 행동에 따라 분기한다. 팀 안의 비개발자도 로직을 읽을 수 있게 유지하면서, 밑단 런타임은 스키마 우선과 코드 기반을 그대로 지킨다.
YAML 에이전트 워크플로
버전 3은 Hexabot을 타입이 있는 런타임 계약을 지닌 YAML 정의 워크플로로 옮겼다. 봇의 동작이 내보낼 수 없는 벤더 대시보드가 아니라, 검토하고 비교할 수 있는 버전 관리 파일에 담긴다는 뜻이다. 자동화를 이미 코드로 다루는 팀에게 이 변화는 의미가 있다. 종속은 없다. 자신이 소유한 파일만 있을 뿐이다.
액션과 바인딩
액션은 워크플로가 실제로 하는 일을 정의하며, 스키마로 검증된 입력과 출력, 설정을 지닌다. 별도의 바인딩 시스템은 역량과 설정을 작업 간에 재사용하게 해줘, 같은 연동 로직을 흐름마다 복사해 붙이지 않아도 된다. 챗봇을 실제 일을 해낼 수 있는 것으로 바꾸는 부분이다. 채팅에서 액션으로의 도약이다.
멀티채널 지원
Hexabot은 채널을 핵심 개념으로 다뤄, 같은 봇이 웹, 모바일, 소셜 메시징 플랫폼에서 돌아간다. 대화의 연속성은 이 표면들을 넘어 유지된다. 그게 중요한가. 고객이 한 채널에서 시작해 다른 채널에서 끝낼 때 중요하다. 같은 말을 반복하지 않아도 된다.
메모리와 RAG 헬퍼
플랫폼은 명시적 메모리 정의를 지원해 봇이 세션 안에서 맥락을 기억하고, 설정 가능한 RAG 헬퍼는 AI 답변을 CMS 콘텐츠에 근거 짓는다. 내장 데이터베이스 전문 검색 헬퍼를 쓰거나, SQLite나 PostgreSQL용 벡터 헬퍼를 설치하거나, 다른 검색 시스템을 위한 자체 헬퍼를 작성할 수 있다.
MCP와 LLM 연동
Hexabot은 도구와 맥락의 상호운용을 위해 Model Context Protocol을 지원하고, Ollama, ChatGPT, Mistral, Gemini를 통해 LLM에 연결한다. 모델을 바꾼다고 워크플로를 다시 만들지 않는다. 하나를 시험하고 바꾸면 된다. 단일 공급자에 묶이지 않는다.
확장과 플러그인 시스템
확장 라이브러리에서 확장을 개발하고 설치해 Hexabot을 넓힌다. 텍스트-투-액션 응답, 서드파티 시스템 연동, 자체 헬퍼로 가는 문이 열린다. 내장 기능으로 부족해지면 여기서 더한다. 배제되는 것은 없다.
사용자, 역할, 인계
세밀한 접근 제어가 시스템의 여러 부분을 아우르고, 구독자는 라벨과 세그먼트로 정리할 수 있다. 받은편지함은 실시간 창을 제공해 대화를 지켜보고, 봇이 일을 끝내지 못할 때 사람 상담원에게 인계한다.
장단점
장점
- 설계부터 셀프 호스팅이라 대화와 고객 데이터가 자신이 통제하는 인프라에 남는다.
- 워크플로 중심 아키텍처와 YAML 정의 덕에 자동화를 코드처럼 버전 관리하고 검토할 수 있다.
- 폭넓은 LLM 지원(Ollama, ChatGPT, Mistral, Gemini)과 MCP로 단일 모델 공급자에 묶이지 않는다.
- 멀티채널 제공과 메모리 지원으로 봇 하나가 여러 표면을 따로 다시 만들지 않고 감당한다.
- 메시지 단위 과금이 없다. 요금제는 메시지 양이 아니라 사용자와 워크플로로 확장된다.
단점
- 호스팅 요금제가 없어 CLI를 설치하고 스택을 직접 돌리지 않으면 시험할 수 없다.
- 설정에 Node.js, Docker, 명령줄에 대한 익숙함이 필요해 비기술 사용자는 배제된다.
- 가장 싼 요금제가 월 19달러부터라 취미로 시험할 무료 옵션이 없다.
- 라이선스 키가 활성화, 사용자, 워크플로를 제한해 빠르게 커지는 팀에는 부담이 될 수 있다.
자주 묻는 질문
Hexabot은 채팅 채널 전반에서 AI 챗봇과 에이전트 워크플로를 만들고 운영하는 데 쓴다. 팀은 고객 서비스 자동화, 내부 작업 자동화, 자사 콘텐츠에서 답을 가져오는 AI 어시스턴트에 활용한다.
관련 콘텐츠
Hexabot와 관련된 도구, 스킬, 아티클을 살펴보세요.
Hexabot 대안
Emailwritr
Emailwritr · 글쓰기 · 마케팅Emailwritr는 이미 보유한 리스트에서 더 많은 매출을 끌어내려는 제휴 마케터, 강의 제작자, 온라인 사업자를 위해 만든 AI 이메일 카피라이팅 도구다. 빈 페이지나 일반적인 챗봇 프롬프트 대신, 이 AI 이메일 작성 도구는 잘 알려진 다이렉트 리스폰스 카피라이터를 본뜬 프레임워크로 웰컴 시퀀스, 런칭 캠페인, 장바구니 이탈 이메일, 프로모 시리즈를 생성한다. 오토리스폰더를 연결하고 제안에 관한 몇 가지 질문에 답하면 나머지 문구를 대신 써 준다.
Prosp
Prosp · 글쓰기 · 음성 및 언어 · 마케팅Prosp는 에이전시와 영업팀을 위해 만들어진 AI LinkedIn 아웃리치 도구다. 잠재 고객마다 자신의 목소리로 메시지와 음성 메시지를 작성해, 상대가 실제로 답장하도록 만든다. 계정을 연결하고 리드를 찾고, AI가 개인화된 메시지를 대량으로 작성해 보내도록 맡긴다. 전부 하나의 받은편지함에서 처리한다. 대량으로 아웃바운드를 돌리는 사람을 위해 만들어졌다. 그게 이 제품의 전부다. 그래도 모든 접점은 인간처럼 느껴져야 한다.
On Model
On Model · 이미지 · 마케팅On Model은 옷을 가상 모델에 입히는 AI 패션 모델 도구로, 온라인 스토어가 촬영을 예약하지 않고도 모델 착용 제품 사진을 얻을 수 있게 한다. Shopify 앱으로 작동하며, 기존 이미지의 모델을 교체하고 배경을 바꾸며, 잘린 사진이나 머리 없는 사진에 얼굴을 생성할 수 있다. 목표는 단순하다. 제품 사진을 고객에게 맞추고, 같은 공급업체 이미지를 쓰는 경쟁자와 차별화하는 것이다.
