Hermes Agent 가이드: OpenClaw를 뛰어넘어, 생산성을 100배로 증폭시키다

2월 25일, Nous Research라는 팀이 GitHub에 v0.1.0을 조용히 푸시했습니다. 당시 Hermes라는 모델은 설치 명령어 한 줄과 "An agent that grows with you"라는 한 문장의 제품 포지셔닝만 있었습니다.

당시 이를 주목한 사람은 거의 없었습니다. Nous Research가 모델 커뮤니티에서 어느 정도 명성을 얻었고, 그들의 Hermes 시리즈 모델이 HuggingFace에서 3,300만 다운로드를 기록했음에도 불구하고, 전체 개발자 커뮤니티의 관심은 신격화된 OpenClaw '크롤피시'에 집중되어 있었습니다. 33일 만에 React를 제치고 역사상 1위가 된 '크롤피시'는 GitHub 역사상 스타 수가 가장 빠르게 증가한 프로젝트가 되었으며, 정점 시간당 710개의 스타를 기록했습니다. 그러나 바로 이때 보안 연구원들이 동일한 시간대에 평균 하루 2.2개의 CVE 속도로 지속적으로 취약점을 공개하기 시작했고, 63일 동안 누적 138개의 보안 취약점이 발견되었습니다. 전체 커뮤니티는 한 가지 문제를 다시 생각하게 되었습니다: 이걸 실제로 프로덕션 환경에서 사용할 수 있을까?

이러한 배경 속에서, 경쟁 제품인 Hermes Agent는 마침내 기회를 잡았고, 자신의 첫 번째 급성장기를 맞이하게 되었습니다.

Hermes는 자신의 코드에 OpenClaw에서의 원클릭 마이그레이션 도구를 포함시켰습니다. OpenClaw를 떠난 그 개발자들은 정착할 곳이 필요했고, Hermes Agent는 입소문을 타고 퍼진 좋은 선택지가 되었습니다.

그리하여 3월 초부터 Hermes Agent는 GitHub Trending에 진입했고, 최고 11위까지 올라가며 스타 수는 2,200개를 돌파했습니다. AwesomeAgents는 이를 "2026년 현재 가장 야심 찬 오픈소스 에이전트 출시"라고 불렀습니다. 현재 Hermes의 GitHub에는 69.9k의 스타와 9k의 포크가 있습니다.

오늘 BlockBeats는 여러분과 함께 이 에이전트가 어떤 점이 다른지 이야기해 보려고 합니다.

Hermes Agent란 무엇인가?

Hermes Agent는 Nous Research가 구축한 자가 진화 AI 에이전트이며, 현재 유일하게 내장된 학습 폐쇄 루프를 가진 에이전트입니다.

이 에이전트는 사용 경험에서 자동으로 스킬을 생성하고, 사용 과정에서 이러한 스킬을 지속적으로 개선하며, 지식을 재사용 가능한 자산으로 고정시키고, 자신의 과거 대화 기록을 검색하며, 여러 차례의 세션을 통해 사용자에 대한 이해를 지속적으로 심화시킵니다.

따라서 간단히 말해, Hermes Agent의 가장 큰 장점은 다음과 같습니다: 사용할수록 더 똑똑해지고, 사용할수록 더 편리해집니다.

그것의 포지션은 IDE에 묶인 프로그래밍 어시스턴트도 아니고, 특정 단일 API에 대한 채팅 래핑도 아닌, 진정으로 사용자의 서버에 상주하며 배운 것을 기억하고, 실행 시간이 길수록 능력이 강해지는 자율적인 에이전트입니다.

Nous Research는 처음부터 스스로를 오픈소스 우선, 탈중앙화 방향의 AI 연구실로 자리매김했으며, 목표는 소수의 폐쇄적인 회사에 지능이 집중되는 것이 아닌, 사용자가 자율적으로 제어할 수 있는 AI를 구축하는 것입니다. 그들의 초기 작업은 Hermes 모델 시리즈에 집중했으며, 동시에 인프라와 시스템 수준에 많은 투자를 했고, 전 세계 분산된 소비자용 GPU를 통한 모델 학습을 위한 DisTrO 기술과 WorldSim, Doomscroll 등 다중 에이전트 상호작용 및 장기 행동 시뮬레이션 환경을 탐구했습니다.

Hermes Agent 팀은 Nomos, Psyche 등 일련의 모델을 만든 바로 그 사람들입니다.

유용한 도구는 무엇이 있는가?

Hermes Agent의 가장 핵심적인 메커니즘은 메모리 시스템과 스킬 시스템입니다. 에이전트는 두 개의 간소화된 핵심 파일을 유지 관리합니다: MEMORY.md는 환경 정보, 약속 및 과거 작업에서 요약된 경험을 저장합니다; USER.md는 사용자의 선호도와 커뮤니케이션 스타일을 저장합니다. 이 두 파일은 각 세션 시작 시 자동으로 시스템 프롬프트에 주입되어 에이전트의 "장기 작업 기억" 역할을 합니다. 또한, 모든 과거 세션은 SQLite 전체 텍스트 검색 데이터베이스에 저장되어 에이전트가 몇 주 전의 대화 내용도 검색할 수 있게 합니다.

스킬 시스템 측면에서, 복잡한 작업(일반적으로 5회 이상의 도구 호출)을 완료할 때마다 에이전트는 구조화된 Markdown "스킬 문서"를 자율적으로 생성하여 작업 단계, 알려진 내용 및 검증 방법을 기록하여 향후 재사용할 수 있게 합니다. 스킬 파일은 점진적 공개 모드를 따릅니다: 에이전트는 기본적으로 스킬 이름과 설명(약 3,000 토큰)만 보고, 필요할 때 특정 스킬의 전체 내용을 로드하여 토큰 소비를 제어합니다.

도구 수준에서, Hermes Agent는 웹 검색, 브라우저 자동화, 시각적 이해, 이미지 생성, 텍스트 음성 변환을 포함한 40가지 이상의 내장 도구를 갖추고 있으며, 자연어를 통해 예약 작업을 설정하는 기능도 지원하여 에이전트가 무인 상태에서 보고서 생성, 데이터 백업, 시스템 모니터링과 같은 주기적 작업을 자동으로 실행할 수 있게 합니다.

그 중에서 가장 인기 있는 도구, 즉 커뮤니티 사용자가 실제 사용에서 빈도가 가장 높고 피드백이 많으며, Hermes의 기능 아키텍처와 개발자 커뮤니티의 전형적인 요구에 따라 앞서 나가는 것은 다음과 같은 도구들입니다:

Hindsight는 현재 생태계 내에서 가장 인기 있는 단일 도구로, Hermes 공식이 추천하는 장기 메모리 플러그인입니다. 이는 각 LLM 호출 전에 관련 컨텍스트를 자동으로 불러오며, 로컬 PostgreSQL 또는 클라우드 배포를 지원하며, Hermes에 네이티브 Memory Provider로 통합되어 있습니다.

Anthropic-Cybersecurity-Skills는 생태계 내에서 스타 수가 가장 높은 스킬 팩으로, 753개 이상의 구조화된 사이버 보안 스킬을 수록하고 있으며, MITRE ATT&CK 프레임워크를 완전히 매핑하여 보안 연구 및 침투 테스트 시나리오에 적합합니다.

mission-control는 현재 생태계 내에서 가장 인기 있는 에이전트 오케스트레이션 대시보드로, 에이전트 함대 관리, 작업 분배, 비용 추적 및 다중 에이전트 협업 워크플로우를 지원하며, 커뮤니티에서 프로덕션급 배포의 표준 구성으로 권장되고 있습니다.

Hermes Agent Self-Evolution은 DSPy + GEPA를 사용하여 스킬, 프롬프트 및 코드를 최적화하는 진화적 자기 개선 기술입니다.

Hermes Workspace는 Hermes 네이티브 작업 공간으로, 채팅 인터페이스, 터미널 및 스킬 관리자를 통합하여 가장 인기 있는 그래픽 진입점입니다.

또한, 독립적인 하위 에이전트를 파생시킬 수 있으며, 각 하위 에이전트는 자신만의 대화 컨텍스트, 독립 터미널 및 Python RPC 스크립트를 보유하여 제로 컨텍스트 비용의 병렬 파이프라인을 구현할 수 있습니다.

인프라 유연성 측면에서, 여섯 가지 터미널 백엔드를 지원합니다: 로컬 실행, Docker, SSH 원격, Daytona 서버리스, Singularity 컨테이너 및 Modal 클라우드 함수. Daytona와 Modal은 유휴 상태일 때 절전 모드로 들어가 비용이 거의 제로입니다. 5달러의 VPS 또는 GPU 클러스터에서 실행할 수 있으며, Telegram을 통해 명령을 내려 사용자가 직접 SSH로 접속하지 않는 클라우드 서버에서 작업하게 할 수 있습니다.

Hermes Agent는 현재 OpenClaw와 가장 직접적인 경쟁 관계를 이루고 있으며, 둘 다 개발자를 위한 오픈소스 에이전트 프레임워크입니다.

두 에이전트의 아키텍처 철학은 완전히 다릅니다: OpenClaw의 설계 핵심은 "제어 평면"으로, 세션, 라우팅, 도구 실행 및 상태를 관리하는 통합된 장기 실행 프로세스이며, 모든 것이 이 중앙 컨트롤러를 통해 흐릅니다. Hermes는 에이전트 자체의 실행 루프를 핵심으로 하여 게이트웨이, 예약 스케줄러, 도구 런타임 등을 모두 이 "수행, 학습, 개선"의 반복적 순환을 중심으로 구축합니다.

스킬 시스템에서 두 에이전트의 차이는 특히 두드러집니다: OpenClaw의 스킬은 대부분 수동으로 작성되며, workspace, personal, shared 또는 플러그인과 같은 다양한 계층에서 로드됩니다; Hermes의 접근 방식은 에이전트가 스스로 경험에서 스킬을 생성하여 진정한 자율 학습 폐쇄 루프를 형성하게 하는 것입니다.

설치 및 사용 방법

시작은 매우 간단합니다. 한 줄의 명령어 "curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash"로 설치가 완료되며, Linux, macOS 및 WSL2를 지원하며, Hermes Agent가 모든 구성을 자동으로 완료하므로 수동 작업이 필요 없습니다.

Hermes 공식 웹사이트

Hermes Agent 설치가 완료되면, "hermes setup"을 실행하여 설정 마법사를 시작하고, 모델 제공업체(Nous Portal, OpenRouter, OpenAI 또는 사용자 정의 엔드포인트 지원)를 선택하고, 메시징 플랫폼(Telegram, Discord, Slack 또는 WhatsApp)에 연결한 후 첫 대화를 시작합니다. 첫 상호작용부터 Hermes Agent는 즉시 학습 모드에 들어가 메모리 구축, 스킬 생성, 그리고 매 세션 후에 더 능력 있게 변합니다.

일상 사용의 핵심 명령어는 다음과 같습니다:

hermes (대화 시작),

hermes model (LLM 제공업체 및 모델 선택),

hermes tools (어떤 도구를 활성화할지 구성),

hermes gateway (메시지 게이트웨이 시작, Telegram, Discord 등 플랫폼 연결),

hermes setup (전체 설정 마법사 실행, 모든 내용을 한 번에 구성),

hermes claw migrate (OpenClaw에서 마이그레이션),

hermes update (최신 버전으로 업데이트),

hermes doctor (문제 진단);

Hermes Agent는 다음과 같은 시나리오에 적합합니다: 세션 간 컨텍스트를 기억하고 지속적으로 능력을 개선해야 하는 범용 AI 어시스턴트; 도구, 플러그인, MCP 서버, 브라우저 또는 Shell을 조합하여 사용해야 하는 사용자 정의 에이전트 워크플로우; 로컬 하드웨어, 클라우드 VM 또는 저비용 서버리스 인프라에 에이전트를 배포해야 하는 경우; 그리고 플랫폼 간에 검색 가능한 대화 기록과 습득한 스킬을 유지해야 하는 지속형 어시스턴트 시나리오.

보다 구체적으로, Telegram에서 대화를 나누는 동시에 클라우드 VM에서 작업을 실행하게 하거나, 자동화를 설정하고 보고서를 임의의 플랫폼으로 푸시하게 하거나, 주기적 작업을 인수하게 하는 데 사용할 수 있습니다; Slack 또는 Discord에 연결하여 전체 팀에 AI 협업 지원을 제공할 수도 있습니다; 또는 그 궤적 내보내기 기능을 활용하여 차세대 도구 호출 모델의 RL 훈련을 위한 훈련 데이터를 생성할 수도 있습니다.