헤르메스 에이전트란 무엇인가, 쓸수록 나아지는 AI의 정체

매번 "저 이런 사람이에요"부터 설명하는 게 지치지 않으셨나요?

챗GPT를 열 때마다, 클로드를 켤 때마다 똑같은 말을 반복하게 되지 않으셨나요? "저는 개발자인데요", "지난번에 이야기했던 것처럼", "우리 회사는 이런 구조라서"... 대화 창을 닫으면 AI는 아무것도 기억하지 못합니다. 다음에 다시 열면 그야말로 초기화예요.

저도 처음에는 그냥 그런 줄 알았어요. AI란 원래 그런 거니까, 매번 컨텍스트를 설명하면 되지 하고요. 근데 그게 매일 반복되면 생각보다 엄청 피곤하더라구요. 회의 맥락, 회사 구조, 선호하는 말투, 작업 방식... 이걸 매번 다시 설명하는 건 결국 AI를 쓰는 게 도움이 되는 건지 모르겠다는 생각까지 들게 만들어요.

바로 그 지점을 정면으로 겨냥한 도구가 등장했습니다. 이름은 헤르메스 에이전트(Hermes Agent)입니다.

헤르메스 에이전트가 도대체 뭔데 이렇게 뜨거운 거죠?

2026년 5월 기준, AI API 통합 플랫폼인 오픈라우터(OpenRouter)에서 실사용 토큰 기준 1위에 올라선 서비스가 있습니다. 바로 헤르메스 에이전트입니다. 이전까지 1위를 지키던 오픈클로(Openclaw)를 제치고 왕좌를 차지했고, 누적 토큰 사용량은 1조 2천억 개에 달합니다. GitHub 스타는 출시 11주 만에 14만 5천 개를 넘겼습니다.

숫자만 보면 "또 유행하는 AI 툴 하나 나왔겠지" 싶을 수 있어요. 근데 이 서비스가 주목받는 이유는 단순히 마케팅을 잘해서가 아닙니다. AI 커뮤니티에서 오랫동안 불편함으로 꼽혀왔던 문제, 즉 "매번 처음부터 설명해야 하는 AI"의 한계를 기술적으로 해결했다는 점 때문이에요.

헤르메스 에이전트는 누스 리서치(Nous Research)가 2026년 2월에 MIT 라이선스로 공개한 오픈소스 자율 AI 에이전트입니다. 슬로건은 딱 한 줄, "The Agent that grows with you", 당신과 함께 자라는 에이전트입니다.

그러면 AI 챗봇이랑 뭐가 다른 건가요?

AI 챗봇과 AI 에이전트는 근본적으로 작동 방식이 다릅니다. 많은 분들이 이 부분을 헷갈려하시더라구요.

일반 AI 챗봇은 창을 열면 켜지고, 창을 닫으면 꺼집니다. 다음 날 다시 열면 아무것도 기억하지 못해요. 반면 헤르메스 에이전트는 서버에서 상시 작동합니다. 내 노트북을 닫아도 서버에서 계속 돌아가고, 텔레그램이나 디스코드로 명령을 보내면 그걸 받아서 실행합니다.

비유하자면 챗봇은 매번 새로 배정되는 콜센터 상담원이고, 에이전트는 내 업무 히스토리를 꿰고 있는 전담 비서에 가깝습니다. 헤르메스 에이전트가 추구하는 건 바로 그 후자예요. 챗GPT나 클로드 같은 훌륭한 도구들도 본질적으로는 챗봇 방식이라 이 한계에서 자유롭지 않습니다.

"쓸수록 나아진다"는 말, 오해하기 딱 좋아요

처음 헤르메스 에이전트를 접하면 대부분 이렇게 생각하세요. "GPT처럼 파인튜닝이 되는 건가요?" 혹은 "AI 자체가 업그레이드되는 건가요?" 저도 처음에 그렇게 생각했어요.

정확하게 말하면 다릅니다.

헤르메스 에이전트의 성장은 모델의 가중치(weight)가 바뀌는 게 아닙니다. 대신 작업 기록, 해결 방법, 사용자 패턴이 별도 파일과 데이터베이스에 저장되고, 다음 작업 때 이 기록을 참고해서 더 잘 수행하는 방식이에요.

AI가 마치 일기를 쓰는 것처럼, 오늘 해결한 작업 방법을 노트에 적어두고 다음에 비슷한 일이 생기면 그 노트를 꺼내 보는 구조입니다. 뇌가 커지는 게 아니라 경험 노트가 쌓이는 거예요. 이 차이를 이해하면 헤르메스 에이전트를 훨씬 제대로 쓸 수 있습니다.

4가지 핵심 메커니즘으로 보는 헤르메스의 진짜 성장 원리

그렇다면 실제로 어떻게 쓸수록 나아지는 걸까요? GitHub 저장소를 기반으로 정리하면 크게 4가지 메커니즘으로 설명할 수 있습니다.

첫 번째는 자동 스킬 저장입니다. 에이전트가 도구 호출을 5번 이상 거치는 복잡한 작업을 성공적으로 완료하면, 그 해결 절차를 마크다운 문서로 자동 저장합니다. 오류를 해결했을 때, 사용자가 방향을 교정해줬을 때도 마찬가지예요. 저장된 스킬은 슬래시 명령어 형태로 직접 불러오거나 상황에 맞게 에이전트가 알아서 꺼내는 방식으로 활용됩니다.

두 번째는 초고속 스킬 검색입니다. 저장된 스킬 문서들은 외부 벡터 데이터베이스 없이 내장된 SQLite FTS5 기술을 활용해 검색됩니다. 1만 개 이상의 문서를 10밀리초 안에 찾아냅니다. 덕분에 월 5달러짜리 저사양 가상 서버에서도 원활하게 돌아가요.

세 번째는 실시간 메모리 관리입니다. MEMORY.md(개인 노트)와 USER.md(사용자 프로필) 두 파일이 핵심입니다. 에이전트가 작동하면서 이 파일들을 스스로 추가하고 수정하고 삭제합니다. 매 세션 시작 시 이 파일이 시스템 프롬프트에 포함되어 에이전트는 항상 "이 사람이 누구이고 어떤 식으로 일하는지"를 알고 시작해요.

네 번째는 사용자 모델링입니다. 외부 메모리 백엔드인 혼초(Honcho)를 활용해 사용자의 발화 스타일, 선호도, 작업 패턴을 세션을 넘나들며 축적합니다. 세션이 바뀌어도 "이 사람"을 기억하고 맞춤형으로 응답하는 방식이에요.

AI 에이전트 시장이 이렇게까지 폭발하는 이유

헤르메스 에이전트의 빠른 확산은 단순히 제품이 좋아서만은 아닙니다. AI 에이전트 시장 자체가 급격히 팽창하는 시기와 맞물려 있어요.

글로벌 시장조사 기관 마켓앤드마켓 자료에 따르면, 세계 AI 에이전트 시장은 2025년 약 51억 달러(우리 돈으로 7조 4천억 원 수준)에서 2030년에는 471억 달러(약 68조 원)까지 성장할 전망입니다. 연평균 성장률이 44.8%에 달해요. 가트너(Gartner)는 2026년까지 전체 기업 애플리케이션의 40%가 작업 특화 AI 에이전트를 통합할 것으로 예측했는데, 2025년 기준 5% 미만이었던 것과 비교하면 단 1년 만에 8배 증가하는 셈입니다.

이런 흐름 속에서 헤르메스 에이전트는 딱 맞는 타이밍에 등장했어요. 기업들이 AI를 "일회성 답변 생성 도구"가 아닌 "실제로 업무를 이어서 처리하는 도구"로 쓰고 싶어하는 수요가 폭발적으로 늘었고, 그 니즈를 오픈소스로 무료 제공하면서 커뮤니티가 빠르게 반응한 거죠.

실제로 어떻게 설치하고 쓰는 건가요?

설치는 터미널 명령어 한 줄로 시작합니다. 맥OS, 리눅스, WSL2(윈도우에서 리눅스를 구동하는 환경) 기준이에요. 설치 완료 후 hermes setup 명령어로 초기 설정을 마치고, hermes model로 원하는 AI 모델을 연결하면 됩니다. 클로드, 오픈AI, 딥시크, AWS Bedrock, 로컬 모델(Ollama) 등 대부분의 LLM을 지원해요. 단, 모델의 컨텍스트 창이 최소 6만 4천 토큰 이상이어야 합니다.

메신저 연동은 hermes gateway 명령으로 설정하고, 텔레그램, 디스코드, 슬랙, 왓츠앱, 시그널, 이메일 등 20개 이상을 지원합니다. 가장 최근 버전인 v0.17 기준으로는 iMessage, 왓츠앱 비즈니스 API도 공식 지원됩니다. 기존 오픈클로 사용자라면 hermes claw migrate 명령어 하나로 자동 마이그레이션도 가능해요.

현실적인 한계도 알고 써야 해요

커뮤니티 반응은 전반적으로 긍정적이지만, 냉정하게 봐야 할 부분도 있어요.

장점으로는 안정성이 자주 언급됩니다. 업데이트마다 설정이 깨지곤 했던 오픈클로에 비해 초기 온보딩과 마이그레이션 도구 완성도가 높다는 평가예요. 실제 활용 분야도 개발자 워크플로 자동화를 넘어 개인 비서, 금융 트레이딩 봇, 창작 보조, 제조 현장 업무 지원까지 정말 다양합니다.

반면 한계도 명확합니다. 보안 측면에서는 스킬 포이즈닝(저장된 스킬 데이터 오염 위험), 자격 증명 노출 위험이 지적되고 있고, GDPR 같은 개인정보 보호 규정 대응도 미흡한 상태예요. MCP 서버 샌드박스(격리 환경) 부재도 아직 아쉬움으로 꼽히죠. 1인 개발자나 개인 사용자에게는 강력한 도구지만, 기업이나 팀 단위 워크플로에 바로 도입하기에는 보안과 규제 대응 보완이 필요한 단계입니다.

마무리

헤르메스 에이전트는 "처음부터 완벽한 AI 비서"가 아닙니다. 한 달, 두 달 함께 쓰면서 내 업무 스타일에 맞춰지는 도구에 가깝습니다. 초기에는 일반 AI 챗봇과 큰 차이를 못 느낄 수 있어요. 그런데 1주일 후, 한 달 후, 반복 업무 패턴이 학습된 상태가 되면 체감이 달라집니다. 매번 "이번에는 이렇게 해줘"라고 설명하지 않아도 스스로 판단해서 처리하기 시작하는 경험을 하게 되거든요.

저는 이걸 "AI 인턴을 처음부터 키우는 경험"이라고 표현하고 싶어요. 처음에는 답답하지만, 시간이 지날수록 내 손발처럼 움직이는 도구가 됩니다. AI가 단순히 질문에 답하는 시대에서, AI가 나를 이해하고 자율적으로 움직이는 시대로의 전환. 헤르메스 에이전트는 그 방향의 현실적인 첫 발걸음 중 하나입니다. 당장 완벽한 도구를 찾는 분보다, 장기적으로 나만의 AI 워크플로를 구축하고 싶은 분께 적극 추천합니다.