2026년 무료 AI Discord 봇

“free AI Discord bot”을 검색하면 수십 가지 옵션을 찾을 수 있습니다. 일부는 실제로 무료입니다. 하지만 대부분은 적어도 기대하는 방식의 무료는 아닙니다. 이 글에서는 실제로 이용할 수 있는 것, 절충점, AI 추론이 포함될 때 “무료”가 실제로 어떤 비용을 의미하는지 정리합니다.

”무료 AI”가 복잡한 이유

LLM을 실행하는 데는 비용이 듭니다. 사용자가 메시지를 보내고 응답을 받을 때마다 누군가는 컴퓨팅 비용을 부담합니다. OpenAI나 Anthropic 같은 호스팅 API는 토큰 단위로 비용을 청구합니다. 셀프 호스팅 모델은 하드웨어, 전기, 유지보수 시간으로 비용을 지불합니다. 이를 피할 방법은 없습니다. 추론에는 0이 아닌 한계 비용이 있습니다.

서비스가 “무료 AI 봇”을 제공한다면 다음 중 하나가 사실입니다.

1. 추론 비용을 직접 지불합니다(예: 자체 API 키 제공).
2. 서비스가 비용을 부담하고 유료 티어, 광고 또는 데이터 수집으로 회수합니다.
3. 오픈 소스 모델을 사용해 자체 하드웨어에서 추론을 실행합니다.
4. 무료 티어가 낮은 사용량으로 제한되어 제공자가 컴퓨팅 비용에 노출되는 범위를 제한합니다.

특정 봇에 어떤 경우가 적용되는지 이해하는 것이 실제 사용 사례에 맞는지 평가하는 핵심입니다.

무료 AI Discord 봇의 세 가지 범주

1. 셀프 호스팅 오픈 소스 봇(진정한 무료, 하드웨어는 직접 제공)

제3자가 사용량 제한을 제어하지 않는 유일한 옵션입니다. 오픈 소스 LLM을 로컬(또는 VPS)에서 실행하고, 직접 작성하거나 포크한 봇을 통해 Discord에 연결하며, 모든 것을 직접 처리합니다.

일반적인 스택:

• 로컬 모델 서빙용 Ollama
• Discord 봇용 discord.py 또는 discord.js
• Llama 3.1 8B, Mistral 7B 또는 Gemma 2 9B 같은 모델

얻을 수 있는 것:

• 전기 요금 외에는 메시지당 비용 없음
• 모델, 시스템 프롬프트, 데이터에 대한 완전한 제어
• 제3자가 부과하는 속도 제한 없음(Discord 자체 API 제한만 적용)
• 로컬 모델 처리: 추론은 사용자 장비에서 유지되지만, Discord는 여전히 메시지를 전송하고 저장함

포기해야 하는 것:

• 하드웨어가 필요합니다. 7B 파라미터 모델을 합리적인 속도로 실행하려면 최소 8 GB VRAM이 있는 GPU 또는 통합 메모리를 갖춘 최신 Mac이 필요합니다. CPU 추론도 가능하지만 느립니다(7B 모델 기준 응답당 몇 초).
• 인프라를 직접 유지보수해야 합니다. 업데이트, 재시작, 모니터링, 모델 가중치용 디스크 공간을 직접 관리해야 합니다.
• 모델 품질은 프런티어 모델보다 낮습니다. Llama 3.1 8B는 충분히 유능하지만 GPT-4o나 Claude Sonnet은 아닙니다. 간단한 Q&A와 가벼운 대화에는 잘 작동합니다. 섬세한 추론이나 복잡한 멀티턴 대화에는 부족합니다.
• 내장 지식 베이스, 분석, 핸드오프 기능이 없습니다. 필요한 기능은 직접 구축해야 합니다.

일반 모델의 최소 하드웨어 요구사항:

(속도는 RTX 4090에서 측정한 대략적인 값입니다. 양자화된 변형은 약간의 품질 손실을 대가로 메모리를 덜 사용합니다.)

2. 프리미엄 관리형 서비스(제한이 있는 무료 티어)

AI와 봇 인프라를 다른 사람이 호스팅하는 제품입니다. 웹 대시보드를 통해 봇을 설정합니다. 무료 티어는 제한된 사용량을 제공하고, 더 많이 사용하려면 비용을 지불합니다.

예시:

Quickchat AI의 Free plan은 신용카드 없이 테스트할 수 있습니다. Discord 통합은 모든 티어에서 사용할 수 있으므로, 결제하기 전에 봇을 연결하고 실제 사용자와 테스트할 수 있습니다. 연결은 한 번의 클릭으로 가능합니다. External Apps에서 Discord를 열고 Add to your Discord server를 클릭한 다음 추가할 서버를 선택하면 됩니다. 유료 플랜은 Starter가 월 $9부터 시작하며, 연간 결제 시 월 $8입니다.

관리형 서비스의 핵심 장점은 원시 LLM 추론을 넘어서는 기능을 제공한다는 점입니다. 문서와 웹사이트로 만든 지식 베이스, 대화 분석(감정 분석, 주제 감지), 멀티채널 배포(동일한 에이전트가 웹사이트, WhatsApp, Slack, Discord에서 작동), AI가 해결할 수 없는 사례에 대한 사람 핸드오프를 제공합니다. 셀프 호스팅 모델 위에 이런 기능을 처음부터 구축하는 것은 상당한 엔지니어링 프로젝트입니다.

MEE6는 주로 모더레이션과 참여 유도용 봇입니다. AI 채팅 기능은 premium 구독(2026년 초 기준 월 $11.99)에 잠겨 있습니다. 무료 티어는 레벨링, 기본 모더레이션 명령, 환영 메시지를 포함하지만 AI 기반 대화는 포함하지 않습니다.

Botpress에는 모든 채널 합산 월 2,000개 수신 메시지를 제공하는 무료 티어가 있습니다. 시각적 플로 빌더를 제공하고 사용자 지정 LLM 설정을 지원합니다. 다만 Botpress는 개방형 채팅보다 구조화된 대화 플로를 주로 염두에 두고 설계되었기 때문에, 단순한 Discord 봇을 만들 때 Quickchat보다 설정이 더 복잡합니다.

3. BYO API 키 봇(LLM 제공자에게 직접 지불)

세 번째 범주는 서버에서 실행되지만 추론을 위해 상용 API(OpenAI, Anthropic, Google 등)를 호출하는 오픈 소스 봇입니다. 사용자가 API 키를 제공합니다. 봇 코드 자체는 무료이지만, 모델 제공자에게 토큰 단위로 비용을 지불합니다.

GitHub 예시:

• GPT Discord Bot(OpenAI 공식 예제)
• discord.py + OpenAI Python SDK로 만든 다양한 커뮤니티 봇

상용 API의 메시지당 비용(2026년 초 기준 대략):

*메시지 교환당 입력 토큰 ~500개, 출력 토큰 ~200개, 대화 기록 없음 기준입니다. 대화 기록을 포함하면 입력 비용은 컨텍스트 길이에 선형적으로 비례해 증가합니다.

GPT-4o mini를 사용해 월 1,000개 메시지를 처리하면 약 $0.30가 듭니다. 월 10,000개 메시지는 약 $3.00입니다. 대화 기록을 고려하기 전까지는 이 숫자가 작아 보입니다. 각 메시지에 전체 대화 컨텍스트(예: 이전 10턴)를 포함하면 메시지당 입력 토큰 수가 ~500에서 ~5,000으로 늘어나므로 입력 비용이 10배 증가하고 총비용도 증가합니다.

접근 방식별 비용 비교

다음 표는 메시지량별 월 비용을 추정한 것입니다. “Self-Hosted”는 소형 VPS 또는 기존 하드웨어를 가정합니다. “BYO API Key”는 GPT-4o mini 가격을 사용합니다. “Managed”는 Quickchat AI 가격을 기준으로 합니다.

셀프 호스팅 열에 대한 참고: 범위는 CPU 전용 VPS(저렴하지만 응답이 느림)를 사용하는지, GPU 인스턴스를 사용하는지에 따라 달라집니다. Hetzner는 월 약 $5-10에 CPU VPS 인스턴스를 제공하며, 양자화된 7B 모델을 실행할 수 있습니다. 다만 응답 시간은 5-15초 정도입니다. GPU 클라우드 인스턴스(예: Lambda, RunPod, Vast.ai)는 단일 GPU 기준 시간당 약 $0.20-0.50부터 시작하며, 24/7로 실행하면 월 $150-360에 해당합니다. 간헐적으로 사용한다면 스팟 인스턴스나 서버리스 GPU 제공자로 비용을 낮출 수 있습니다.

BYO API 키 열은 각 요청에 대화 기록을 포함하는지에 따라 비용이 크게 달라지므로 범위로 표시했습니다. 하한은 단일 턴(기록 없음), 상한은 컨텍스트 메시지 ~10개를 포함한 멀티턴입니다.

관리형 서비스 열은 2026년 6월 기준 Quickchat 가격을 반영합니다. 이 플랜들은 지식 베이스 관리, 분석, 멀티채널 지원 같은 기능을 포함하며, 추가 엔지니어링 작업 없이는 다른 두 접근 방식에 존재하지 않는 기능입니다.

빠른 셀프 호스팅 설정: Python + discord.py + Ollama

아래는 로컬 추론에 Ollama를 사용하는 Discord 봇의 최소 동작 예제입니다. Ollama가 설치되어 실행 중이어야 하며, 모델을 가져와야 합니다(예: ollama pull llama3.1:8b).

사전 요구사항

1. Python 3.10+
2. Ollama 설치 및 실행(curl -fsSL https://ollama.com/install.sh | sh)
3. 모델 가져오기: ollama pull llama3.1:8b
4. Discord 봇 토큰(Discord Developer Portal에서 생성)
5. Send Messages 및 Read Message History 권한으로 봇을 서버에 추가

의존성 설치

pip install discord.py aiohttp

봇 코드

import discord
import aiohttp
import json

DISCORD_TOKEN = "your-bot-token-here"
OLLAMA_URL = "http://localhost:11434/api/chat"
MODEL = "llama3.1:8b"
SYSTEM_PROMPT = "당신은 Discord 서버의 유용한 어시스턴트입니다. 응답은 간결하게 유지하세요."

# 채널별 대화 기록 저장(메모리 내 저장, 재시작 시 초기화)
conversations: dict[int, list[dict]] = {}
MAX_HISTORY = 10  # 채널별 최근 10개 메시지 유지

intents = discord.Intents.default()
intents.message_content = True
client = discord.Client(intents=intents)


async def query_ollama(channel_id: int, user_message: str) -> str:
    """Ollama에 메시지를 보내고 응답을 반환합니다."""
    if channel_id not in conversations:
        conversations[channel_id] = []

    conversations[channel_id].append({"role": "user", "content": user_message})

    # 제한 없는 메모리 증가를 피하기 위해 기록을 잘라냅니다.
    if len(conversations[channel_id]) > MAX_HISTORY:
        conversations[channel_id] = conversations[channel_id][-MAX_HISTORY:]

    messages = [{"role": "system", "content": SYSTEM_PROMPT}] + conversations[channel_id]

    payload = {
        "model": MODEL,
        "messages": messages,
        "stream": False,
    }

    async with aiohttp.ClientSession() as session:
        async with session.post(OLLAMA_URL, json=payload) as resp:
            if resp.status != 200:
                return f"Ollama가 상태 {resp.status}를 반환했습니다."
            data = await resp.json()
            reply = data["message"]["content"]

    conversations[channel_id].append({"role": "assistant", "content": reply})
    return reply


@client.event
async def on_ready():
    print(f"{client.user}(으)로 로그인했습니다.")


@client.event
async def on_message(message: discord.Message):
    # 자체 메시지는 무시합니다.
    if message.author == client.user:
        return

    # 멘션된 경우에만 응답합니다.
    if client.user not in message.mentions:
        return

    # 메시지에서 멘션을 제거합니다.
    content = message.content.replace(f"<@{client.user.id}>", "").strip()
    if not content:
        return

    async with message.channel.typing():
        reply = await query_ollama(message.channel.id, content)

    # Discord는 메시지당 2000자 제한이 있습니다.
    if len(reply) > 2000:
        for i in range(0, len(reply), 2000):
            await message.reply(reply[i:i+2000])
    else:
        await message.reply(reply)


client.run(DISCORD_TOKEN)

이 코드는 약 60줄이며, 멘션되면 응답하는 작동 가능한 AI 봇을 제공합니다. 채널별 대화 기록을 메모리에 유지하고(재시작 시 손실), Discord의 2,000자 메시지 제한을 처리합니다.

이 최소 봇에 없는 것

위 코드는 테스트와 소규모 서버에는 작동합니다. 그 이상으로 사용하면 프로덕션 봇이 처리해야 하는 여러 문제를 만나게 됩니다.

• 영구 대화 기록. 메모리 내 dict는 프로세스가 재시작되면 손실됩니다. 프로덕션 봇은 대화를 Redis 또는 데이터베이스에 저장해야 합니다.
• 속도 제한. Discord는 채널당 5초에 5개 메시지를 허용합니다. 봇이 인기가 있으면 큐가 필요합니다.
• 동시 요청. Ollama는 기본적으로 한 번에 하나의 요청을 처리합니다. 여러 사용자가 동시에 메시지를 보내면 대기열이 생깁니다. 여러 Ollama 인스턴스를 로드 밸런서 뒤에서 실행하거나, Ollama의 OLLAMA_NUM_PARALLEL 옵션(v0.1.33부터 사용 가능)을 사용할 수 있습니다.
• 오류 처리 및 재시도. Ollama는 충돌하거나 메모리가 부족해지거나 잘못된 형식의 응답을 반환할 수 있습니다. 봇은 이런 상황을 모두 안전하게 처리해야 합니다.
• 컨텍스트 윈도우 관리. MAX_HISTORY = 10 설정은 단순합니다. 더 나은 접근 방식은 토큰을 세고 모델의 컨텍스트 윈도우 안에 맞도록 잘라내는 것입니다(Llama 3.1 8B는 기본 8,192토큰, 더 긴 컨텍스트에서는 품질 저하를 감수하고 최대 128K까지 설정 가능).
• 스레드 지원. Discord에서 봇 대화는 종종 스레드에서 발생합니다. 스레드 생성과 스레드별 기록을 처리하려면 추가 로직이 필요합니다.
• 지식 베이스 / RAG. 봇이 프로젝트 문서에 관한 질문에 답하게 하려면 검색 증강 생성 설정이 필요합니다. 문서를 임베딩하고, 임베딩을 벡터 데이터베이스에 저장하며, LLM에 보내기 전에 관련 청크를 검색해야 합니다.

기술적 주의점

Discord API 속도 제한

Discord는 여러 수준에서 속도 제한을 적용합니다.

• 라우트별 제한: 각 API 엔드포인트에는 자체 속도 제한이 있으며, 응답 헤더(X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset)로 반환됩니다.
• 글로벌 제한: 모든 엔드포인트 합산 초당 50개 요청.
• 채널별 메시지 제한: 채널당 5초에 5개 메시지.
• 게이트웨이 제한: 60초당 게이트웨이 이벤트 120개.

discord.py 라이브러리는 제한에 도달하면 요청을 큐에 넣어 대부분을 자동으로 처리합니다. 하지만 봇이 동시에 많은 서버나 채널에 있으면 여전히 글로벌 제한에 도달할 수 있습니다. 그 시점에는 샤딩(봇의 서버 연결을 여러 게이트웨이 연결로 분할)을 검토해야 합니다.

MESSAGE_CONTENT intent(메시지 텍스트를 읽는 데 필요)를 사용하는 봇이 100개가 넘는 서버에 있으면 Discord는 봇 인증을 요구합니다. 이 절차에는 봇이 무엇을 하는지에 대한 설명 제출과 Discord의 승인이 포함됩니다.

모델 품질의 절충점

소형 오픈 소스 모델과 프런티어 상용 모델 사이의 격차는 2년 전보다 줄었지만 여전히 존재합니다. 다음은 일반적인 Discord 봇 작업에 대한 대략적인 비교입니다.

Discord 봇이 게임 커뮤니티용이고 주로 가벼운 채팅과 간단한 조회를 처리한다면 로컬 8B 모델은 잘 작동합니다. 정확성이 중요한 고객 지원용이라면 품질 격차는 실제 문제가 됩니다. 캐릭터 유지도 모델 자체보다 설정에 더 많이 좌우됩니다. 캐릭터를 유지하는 롤플레이 AI 챗봇을 만드는 방법은 페르소나 프롬프트와 정식 지식 베이스가 표준 모델에서도 얼마나 큰 역할을 하는지 보여줍니다.

컨텍스트 윈도우 관리

이는 Discord 봇에서 가장 과소평가되는 기술적 과제입니다. Discord 대화는 본질적으로 멀티턴입니다. 사용자는 짧은 메시지를 많이 보내고, 봇은 대화에서 앞서 말한 내용을 기억해야 합니다.

봇이 응답할 때마다 프롬프트에 이전 대화 기록을 포함해야 합니다. 이는 다음을 의미합니다.

• 입력 토큰 수는 대화 길이에 선형적으로 증가합니다.
• API 기반 봇의 비용도 선형적으로 증가합니다.
• 로컬 모델의 추론 시간은 컨텍스트 길이에 따라 증가합니다(어텐션 계산은 2차로 증가하지만 Flash Attention 같은 최적화가 도움이 됩니다).
• 어느 시점에는 대화가 모델의 컨텍스트 윈도우를 초과하므로 전략이 필요합니다. 처음부터 잘라내거나, 오래된 메시지를 요약하거나, 새 대화를 시작해야 합니다.

실용적인 접근 방식은 최근 N개 메시지의 롤링 윈도우를 유지하고, 대화가 길어진 경우 이전 컨텍스트의 짧은 요약을 앞에 추가하는 것입니다. 이 방식은 요약을 생성하기 위한 추가 LLM 호출이 필요하지만, 메시지당 비용을 제한된 범위 안에 유지합니다.

개인정보 보호 영향

접근 방식에 따라 크게 달라집니다.

• 셀프 호스팅: AI 추론은 사용자 하드웨어에 머무르므로 모델 처리 로그와 보존 정책을 제어할 수 있습니다. Discord는 여전히 메시지를 전송하고 저장합니다. 로컬 추론이 전체 대화를 로컬로 만드는 것은 아닙니다.
• BYO API Key: 메시지는 API 제공자(OpenAI, Anthropic 등)로 전송됩니다. 데이터 보존 정책을 확인하세요. 2026년 초 기준 OpenAI는 기본적으로 API 데이터로 학습하지 않는다고 명시하며, Anthropic도 유사한 정책을 갖고 있습니다. 그러나 메시지는 해당 서버를 경유합니다.
• 관리형 서비스: 메시지는 서비스 제공자가 처리합니다. 개인정보 처리방침과 데이터 처리 계약을 확인하세요. EU에서 사용자 데이터를 처리하는 기업이라면 GDPR 준수가 중요합니다. 예를 들어 Quickchat AI는 EU에서 데이터를 처리하고 비즈니스 고객에게 DPA를 제공합니다.

가벼운 Discord 서버에서는 개인정보 보호가 보통 주요 관심사가 아닙니다. 기업이 고객 지원용 Discord 봇을 사용한다면 대화 데이터가 정확히 어디에 저장되고 누가 접근할 수 있는지 이해할 필요가 있습니다.

셀프 호스팅과 관리형: 총소유비용

위 표의 원시 컴퓨팅 비용 비교는 전체 이야기의 일부일 뿐입니다. 총소유비용에는 엔지니어링 시간이 포함됩니다.

셀프 호스팅 봇으로 직접 구축해야 하는 것:

• 봇 코드와 배포
• 대화 기록 저장
• 컨텍스트 윈도우 관리
• 오류 처리와 모니터링
• 지식 베이스 / RAG 파이프라인(필요한 경우)
• 분석과 로깅
• 멀티채널 지원(필요한 경우)

보수적으로 보면, 대화 기록, 지식 베이스, 기본 분석을 갖춘 프로덕션 품질의 셀프 호스팅 AI Discord 봇을 만드는 데는 숙련된 개발자 기준 40-80시간의 엔지니어링 시간이 필요합니다. 유지보수(모델 업데이트, 의존성 업데이트, 디버깅, 모니터링)에도 지속적인 시간이 추가됩니다.

관리형 서비스에서 즉시 얻을 수 있는 것:

• 봇 호스팅과 가동 시간 관리
• 웹사이트, 문서, 파일로 만든 지식 베이스
• 대화 분석(감정, 주제, 평점)
• 멀티채널 배포(동일한 에이전트를 Discord, 웹사이트, WhatsApp, Slack 등에 배포)
• AI가 도울 수 없을 때 사람 핸드오프
• AI Actions(대화 컨텍스트에 의해 트리거되는 사용자 지정 API 호출), timeout, kick, ban 같은 모더레이션 작업 포함

문제는 관리형 서비스의 월 비용이 엔지니어링 시간의 기회비용보다 낮은지입니다. 취미 Discord 서버를 운영하는 개인 개발자라면 Ollama로 셀프 호스팅하는 것이 아마 올바른 선택입니다. 고객 대면 지원 채널로 Discord를 사용하는 기업이라면, 핵심 LLM 주변 기능(분석, 지식 베이스, 핸드오프)이 봇을 실제로 유용하게 만들기 때문에 일반적으로 관리형 서비스가 더 유리합니다. AI 티켓 봇 가이드는 Free plan에서 바로 그 조합을 처음부터 끝까지 구축하므로, 구체적인 기준에 대해 대안을 가격 비교할 수 있습니다.

요약

모든 경우에 보편적으로 “최고”인 무료 AI Discord 봇은 없습니다. 올바른 선택은 “무료”가 무엇을 의미하는지에 따라 달라집니다.

• 지속 비용이 전혀 없고 사용 가능한 하드웨어가 있다면 Ollama와 오픈 소스 모델로 셀프 호스팅하세요. 로컬 모델 처리와 데이터 보존을 제어할 수 있지만, Discord는 여전히 메시지를 전송하고 저장합니다. 프런티어 모델 대비 모델 품질을 포기해야 하며 모든 엔지니어링 작업을 직접 맡아야 합니다.
• 비용을 지불하기 전에 실제 사용자와 테스트하고 싶다면 Quickchat AI의 Free plan은 신용카드 없이 시작할 수 있게 해줍니다. Discord 통합은 Free plan에서 작동하며, 유료 플랜은 월 $9부터 시작합니다.
• 프런티어 모델 품질을 원하고 API 키 관리를 감수할 수 있다면 BYO API 키 봇은 낮은 메시지당 비용으로 이를 제공합니다(특히 GPT-4o mini 또는 Gemini Flash 사용 시). 그래도 봇 코드를 호스팅해야 하고 원시 채팅을 넘어서는 기능은 직접 구축해야 합니다.
• 프로덕션 기능(지식 베이스, 분석, 핸드오프, 멀티채널)이 필요하다면 관리형 서비스가 가장 빠른 경로입니다. 예상 메시지량과 실제로 필요한 기능을 기준으로 평가하세요.

“무료 AI Discord 봇”에서 “무료”라는 단어는 많은 의미를 떠안고 있습니다. 컴퓨팅에는 항상 비용이 듭니다. 문제는 누가 그 비용을 지불하는지, 그리고 그 대가로 무엇을 얻거나 포기하는지입니다.

무료 봇에 한정하지 않고 모든 AI Discord 봇을 더 폭넓게 비교하려면 2026년 최고의 AI Discord 봇 모음을 참고하세요. 서버가 특히 지원 채널이라면 AI Discord Ticket Bot에서 문서 기반으로 답변하고 나머지를 비공개 티켓 스레드로 에스컬레이션하는 과정을 설명합니다.