Hermes Agent 해설: 자체 스킬을 작성하는 오픈소스 에이전트

Nous Research는 프로젝트의 GitHub 저장소 README에서 Hermes Agent를 "내장 학습 루프를 갖춘 유일한 에이전트"라고 부릅니다. 이 저장소는 2026년 10월 23일에 확인했을 당시 스타 256,360개와 포크 56,015개를 보유하고 있었고, MIT 라이선스를 채택하고 있으며, 2025년 7월 22일에 생성되어 같은 날 푸시된 상태였습니다. 스타는 증거라기보다 관심을 나타내는 지표이고, 그 관심은 우연이 아닙니다. 2026년 10월 23일에 확인한 Google Trends의 전 세계 지난 7일 데이터에서는 "hermes"와 "hermes agent"가 30~40퍼센트 상승한 것으로 나타났습니다. 이 프로젝트를 신중히 설명할 가치가 있는 이유는 숫자가 아니라 그 아래에 깔린 주장입니다. 이 에이전트는 모델에 구애받지 않으며 — 우리 것을 포함해 어떤 OpenAI 호환 엔드포인트든 지정할 수 있습니다 — 비교 대상이 될 제품들이 하지 않는, 이 에이전트가 한다고 말하는 단 한 가지는 자신의 작업으로부터 배우는 것입니다.

실제로 설치하고 있는 것

Claude Code, Claude Cowork, Claude Duet은 제품입니다. 로그인하면 인터페이스가 주어지고, 벤더가 모델을 실행하며 요금제가 사용량을 충당합니다. Hermes Agent는 저장소입니다. 직접 제어하는 머신에 설치하고 모델 엔드포인트를 넘겨주면, 그때부터는 구성하고 망가뜨리고 계속 실행해 두는 것이 당신 몫입니다. README 자체의 설명 방식은 소비자용이라기보다 인프라 지향적입니다. "월 5달러짜리 VPS, GPU 클러스터, 또는 유휴 시 비용이 거의 들지 않는 서버리스 인프라에서 실행하세요." 이것은 의도적으로 노트북에 묶여 있지 않으며, 이어지는 제안은 클라우드 VM에서 작업하는 동안 Telegram으로 그것과 대화한다는 것입니다.

설치는 같은 형태를 따릅니다. Linux, macOS, WSL2에는 한 줄 스크립트가 제공되고, 네이티브 Windows에는 README에 따르면 WSL 없이도 CLI, 게이트웨이, 터미널 인터페이스, 도구를 실행하는 PowerShell 한 줄 명령이 제공됩니다. Android 및 Termux 사용자에게는 안정 채널과 카나리 채널을 갖춘 aarch64 기기용 서명된 APT 저장소가 제공되며, README는 이들을 데스크톱 설치 프로그램 대신 별도의 Termux 가이드로 안내합니다. 소스 설치 프로그램은 Python 3.14, Node.js, npm, ripgrep, FFmpeg 및 Python 의존성을 패키지 관리자에 위임하고, Git이 없으면 검증된 Git for Windows 아카이브를 준비합니다. 단, 이미 머신에 있는 Git을 교체하지는 않습니다. 번들된 uv.exe를 격리하는 백신 소프트웨어에 대한 문제 해결 항목도 있는데, README는 이를 함께 제공되는 Rust 패키지 관리자에 대한 오탐으로 규정합니다. 유지관리자가 볼 수 없는 머신에 대한 이러한 수준의 배려는 그 소프트웨어가 누구를 위한 것인지에 대한 신호 그 자체입니다.

그것이 있는 곳, 그리고 작업이 이루어지는 곳

기능 목록에서 두 부분은 대충 넘기기 쉽지만 잘 해내기는 어렵습니다. 첫째는 이미 사용 중인 곳에 존재한다는 점입니다. Telegram, Discord, Slack, WhatsApp, Signal 및 일반 CLI 모두 단일 게이트웨이 프로세스에서 제공되며, 음성 메모 전사와 채널 전반에 걸친 대화 연속성이 지원됩니다. 둘째는 실제 작업이 일어나는 부분입니다. 여섯 가지 터미널 백엔드가 기본 제공됩니다 — local, Docker, SSH, Modal, Daytona, Vercel Sandbox — 그리고 Singularity, Apptainer 같은 플러그인 백엔드도 있습니다. Daytona와 Modal은 서버리스 지속성을 제공합니다. 에이전트 환경은 유휴 상태일 때 절전 모드로 들어가고 필요할 때 깨어납니다. 그래서 README에서 "월 $5 VPS"와 "유휴 상태에서는 거의 비용이 들지 않음"을 서로 모순되지 않게 같은 맥락에서 함께 제시할 수 있는 것입니다.

그 위에는 모든 플랫폼으로 전달하는 크론 스케줄러가 있습니다. 자연어로 작성되어 무인으로 실행되는 일일 보고서, 야간 백업, 주간 감사가 그렇고, 병렬 워크스트림을 위한 격리된 하위 에이전트도 있습니다. 이들의 공급자, 모델, 한도는 데스크톱 앱의 설정, 모델, 하위 에이전트에서 설정합니다. 연구를 위한 영역도 있습니다. 차세대 도구 호출 모델을 훈련하기 위한 배치 궤적 생성과 궤적 압축입니다. 터미널 인터페이스 자체는 다중 행 편집, 슬래시 명령 자동 완성, 대화 기록, 중단 후 방향 전환, 스트리밍 도구 출력을 갖춘 완전한 TUI입니다. 그중 어느 것도 프로젝트가 전면에 내세우는 주장은 아니며, 이는 의미심장합니다. 그것은 계속 켜 둔 채로 남겨져도 버텨야 하는 에이전트의 화려하지 않은 절반입니다.

루프 분해

“학습 루프”라는 표현은 README 첫 줄에서 상당히 많은 역할을 하고 있으므로, 문서가 실제로 명시한 다섯 가지로 풀어서 살펴볼 만하다.

• 에이전트가 직접 선별하는 메모리와 주기적인 알림: 에이전트가 무엇을 보관할 가치가 있는지 스스로 판단하며, 사용자가 요청할 때까지 기다리지 않고 이를 저장하도록 안내받습니다.

• 복잡한 작업을 마친 뒤 자율적으로 스킬을 생성하여, 긴 일련의 단계가 다음번에 다시 도출되지 않고 재사용 가능한 절차로 남도록 합니다.

• 사용하면서 스스로 개선되는 스킬: 절차는 작성된 순간에 고정되는 대신 다음에 적용될 때 편집됩니다.

• LLM 요약 기능을 갖춘 FTS5 세션 검색으로, 과거 대화가 아무도 읽지 않는 스크롤백 버퍼에 쌓여 있는 대신 세션 전반에 걸쳐 검색 가능합니다.

• 사용자 모델링 — README는 Honcho를 변증법적 접근 방식으로 소개한다 — 이는 "세션을 거듭할수록 당신이 누구인지에 대한 모델이 깊어지는" 것으로 축적된다.

그것은 일관성 있는 설계이며, 산출물 문제가 핵심입니다. README 어디에도 학습 실행에 대한 설명은 없습니다. 루프는 메모리 항목과 스킬이라는 문서 자료를 만들어 내며, 이를 공개적으로 유지하고 수정합니다. 원칙적으로 이는 사용자가 에이전트가 무엇을 보존하기로 했는지 읽고 다음 작업 후 무엇이 바뀌었는지 비교할 수 있음을 뜻합니다. 또한 개선이 모델 외부, 즉 모델이 바뀌어도 살아남는 파일 안에 존재한다는 뜻이기도 합니다. 이 프로젝트는 agentskills.io 공개 표준과도 호환되는데, 이는 바로 그 스킬들이 자신을 작성한 도구보다 오래 살아남는지가 중요할 때 의미가 있습니다. 하나씩 보면 메모리, 검색, 예약된 작업, 하위 에이전트는 모두 다른 곳에도 존재합니다. 새롭다고 주장하는 부분은 이들의 조합과, 에이전트가 자신의 절차를 스스로 다시 작성한다는 점에 대한 강조입니다.

무엇이 측정되었는가

공개적으로는 아무것도 없습니다. README에는 벤치마크 점수도, 다른 에이전트와의 감사된 비교도, 기본 모델도, 호스팅 가격 페이지도 게시되어 있지 않습니다. 첫 문장의 최상급 표현은 그에 붙은 테스트 없이 등장하며, 그런 형태의 주장에는 테스트가 필요합니다. 왜냐하면 그것이 하는 비교는 현존하는 모든 다른 에이전트, 이미 기억을 유지하거나 자체 도구를 직접 작성하는 에이전트까지 포함한 대상과의 비교이기 때문입니다. “내장된 학습 루프를 갖춘 유일한 에이전트”라는 문장은 독자가 기능 비교표와 대조해 확인할 수 있는 문장입니다. 그 루프가 에이전트를 당신의 업무에 더 잘하게 만드는지는 별개의 질문이며, 이는 공개적으로 답변되지 않았습니다.

한편 주목은 증거가 대신해야 할 일을 하고 있다. 2025년 7월에 만들어진 저장소로서 256,360개의 스타와 56,015개의 포크는 큰 숫자이며, 독자가 하나의 평결처럼 받아들이는 유형의 숫자다. 하지만 그것은 평결이 아니다. 스타 하나는 클릭 한 번이면 된다. 2026년 10월 초 언론 보도는 Nous Research의 투자 유치를 9,000만 달러, 보도된 기업가치 15억 달러로 전했고, NVIDIA와 Samsung을 투자자 중 일부로 꼽았으며, 해당 에이전트의 다운로드 수를 2,400만 건 이상으로 전했다. 이는 회사가 스스로 공표하는 주장이 아니라 보도에서 나온 수치이며, 액면 그대로 받아들여도 채택도를 측정할 뿐 능력을 측정하는 것은 아니다.

이것을 제대로 측정하기란 정말 어렵고, 그것이 프로젝트를 대신해 할 수 있는 가장 공정한 말이다. 개선의 단위는 이미 수행한 과제이므로, 반사실적 비교는 같은 에이전트가 자신이 작성한 스킬 없이 동일한 과제를 수행하는 경우다. 즉 작업 부하는 산출물이 있을 때와 없을 때 두 번 실행되어야 하며, 실제 이득을 실행 간 잡음과 구분할 수 있을 만큼 충분히 많은 과제에 걸쳐 실행해야 한다. 아무도 그런 결과를 발표하지 않았다. 누군가 그렇게 하기 전까지 정직한 요약은 이것이다. 메커니즘은 이례적으로 상세하게 설명되어 있지만, 결과는 단언되고 있을 뿐이다.

비교 대상이 되는 Claude 제품들

Claude 쪽에서 Hermes로 넘어온 독자라면 특정 제품군을 떠올릴 것입니다. 그리고 어떤 기능보다 범주가 먼저 다르기 때문에 이 비교는 해 볼 가치가 있습니다. Anthropic의 내비게이션에는 Claude 자체, Claude Code, Claude Cowork, Claude Duet, Claude Tag, Claude Science, Claude Security가 나열됩니다. Claude Code는 소프트웨어 엔지니어링을 위해 만들어졌으며 터미널, 데스크톱 앱, 웹 인터페이스, 모바일 앱에서 실행되고, GitHub 및 IDE 통합, Team과 Enterprise에서 일반 제공되는 코드 리뷰, 베타 단계의 보안 플러그인을 갖추고 있습니다. Claude Cowork는 목표를 받아 파일과 도구 전반에서 작업하며, 사이드 패널에 브라우저가 있고, 무엇이든 삭제하려면 사용자의 승인이 필요합니다. Claude Duet은 선제적으로 움직이는 제품입니다. 독립 실행형 앱이며, 미국의 Claude Pro 및 Max 구독자를 대상으로 대기자 명단에 올라 있고, Claude Opus 5.5를 기반으로 합니다.

그 모든 것은 모델 공급업체 자체의 인프라 위에 있는 모델 공급업체 자체의 제품이다. Hermes는 세 가지 용어를 모두 뒤집는다. 에이전트는 오픈 소스이고, 모델은 매개변수이며, 인프라는 당신이 그것을 향하는 대상이 무엇이든 그 대상이다. 그 뒤집기가 학습 루프 주장에 무게를 실어 주는 지점이다. 닫힌 제품은 언제든 마음대로 당신 밑의 에이전트를 바꿀 수 있는 반면, 스킬이 당신이 소유한 파일에 있는 에이전트는 검사할 수 있고 원칙적으로 옮길 수도 있기 때문이다. Anthropic은 Skills와 Plugins를 자사의 역량으로 나열한다. 우리가 2026년 10월 23일에 읽은 어떤 제품 페이지에서도 설명하지 않는 것은, 자신의 작업 이력으로부터 새 스킬을 작성하고 다음에 그 스킬이 사용될 때 그 스킬을 수정하는 에이전트다. 그 차이가 가치 있는지는 그것이 실제인지와는 별개의 질문이며, 두 번째 질문만 해결되었다.

모델을 가리키도록 설정

README의 모델 이야기는 단 하나의 명령, hermes model로 요약된다. README에 따르면 코드 변경 없이, 그리고 종속 없이 에이전트가 실행되는 모델을 바꿀 수 있다. 이는 설계에서 가장 오래도록 유효해야 할 부분인데, 이런 종류의 에이전트에서 흥미로운 변수는 루프가 아니라 그 아래의 모델이기 때문이다. 동일한 스킬 라이브러리는 작은 오픈 모델과 프런티어 모델에서 다르게 작동하며, 그 교체를 구성 변경으로 바꿔 주는 도구가 있으면 그 차이를 두고 논쟁하는 대신 직접 시험해 볼 수 있다.

OpenAI 호환 인터페이스가 바로 교체 비용을 낮춰 주는 이유이며, 그것이 우리가 말하는 인터페이스입니다. OrcaRouter는 단일 키로 200개 이상의 모델을 이용할 수 있는 하나의 엔드포인트로, 0% 마크업 — 공급자의 정가가 그대로 전달됩니다 — 공급자 성능 저하 시 자동 페일오버, 그리고 어떤 모델이 무엇을 처리할지 구체적으로 지정하고 싶은 요청을 위한 라우팅 DSL을 제공합니다. 에이전트 뒤에 프런티어 모델을 두고 싶다면 Claude Opus 5.5는 백만 입력 토큰당 $4.00, 백만 출력 토큰당 $20.00이며, 100만 토큰 컨텍스트와 백만 토큰당 $0.20의 캐시 읽기를 제공합니다. Hermes는 어느 엔드포인트가 응답하는지 신경 쓰지 않습니다. 한 가지 분명히 해둘 점은, 우리는 모델을 호스팅하며 Anthropic의 앱이나 다른 누구의 에이전트를 호스팅하지 않는다는 것입니다. Hermes는 Nous Research의 소프트웨어이며, 이를 실행한다는 것은 곧 여러분의 머신, 여러분의 채널, 그리고 여러분의 토큰 비용을 의미합니다.

그것을 실행할 거라면

설치 전에 확인해야 할 솔직한 체크리스트는 루프와 거의 상관이 없으며, README는 그 대부분에 대해 유난히 직설적이다.

• 에이전트에게는 계속 켜져 있는 호스트가 필요하다. 절전 모드로 들어가는 노트북은 맞지 않는 기기이며, 그래서 README에서는 책상 위 컴퓨터 대신 잠들었다 깨어나는 소형 VPS나 서버리스 백엔드를 선택한다.

• 채널은 기본값이 아니라 결정입니다. Telegram, Discord, Slack, WhatsApp, Signal을 하나의 게이트웨이 프로세스에 연결한다는 것은 그 프로세스가 이들 모두의 자격 증명을 보유하게 된다는 뜻이며, 이는 기능으로 누리기 전에 먼저 고민해야 할 표면입니다.

• $5라는 수치는 컴퓨팅 비용입니다. 토큰은 model 명령을 어느 엔드포인트로 지정하든 해당 엔드포인트에서 청구되며, cron 일정으로 실행되는 에이전트는 당신이 지켜보지 않는 동안 토큰을 소비합니다. 예약된 작업과 저렴한 유휴 시간은 서로 다른 경제 체계입니다.

• 그것이 작성하는 스킬은 당신이 검토할 몫입니다. 가중치보다 아티팩트가 지닌 장점은 그것을 읽을 수 있다는 점이며, 필요한 규율은 동료가 저장소에 남긴 스크립트를 읽듯이 실제로 그것을 읽는 것입니다.

물어볼 가치가 있는 질문

Nous Research는 분명한 논지를 담은 무언가를 내놓았다. 에이전트가 다음에 유용하게 할 일은 더 긴 컨텍스트 윈도가 아니라, 몇 달씩 계속 실행해 둘 만큼 저렴한 인프라 위에서 스스로 작성한 절차들이 점점 늘어나는 라이브러리라는 것이다. README는 상세한 기능 목록, 개발자가 쓸 법한 모든 플랫폼에서 작동하는 설치 경로, 그리고 대부분의 프로젝트라면 로드맵과 맞바꿀 만한 스타 수로 그 논지를 주장한다. 아직 담고 있지 않은 것은 그 논쟁을 끝낼 수치, 즉 같은 에이전트가 같은 작업을 자신의 스킬이 생기기 전과 후에 수행한 결과다. 누군가 그 비교를 공개하기 전까지 공정한 해석은 학습 루프가 잘 설명된 메커니즘이자 측정되지 않은 결과라는 것이다. 그래도 그것은 약속이나 일축 어느 쪽보다 설치해 볼 만한 더 흥미로운 대상이다.