Hermes Agent — 경험으로부터 스킬을 생성·개선하는 자기 학습형 자율 AI 에이전트
(hermes-agent.nousresearch.com)- 자기 학습 루프를 내장한 자율 에이전트로, 사용 중 스킬을 스스로 생성하고 개선하며, 세션 간에 사용자 모델을 점진적으로 심화시킴
- IDE에 묶인 코딩 코파일럿이나 단일 API 챗봇 래퍼가 아닌 자율 에이전트로 실행 시간이 길수록 더 유능해짐
- 실행 환경의 제약 없이 $5짜리 VPS, GPU 클러스터, 서버리스 인프라 위에서 동작 가능
- CLI·Telegram·Discord·Slack·WhatsApp·Signal·Email 등 다양한 메시징 플랫폼을 단일 게이트웨이로 지원
- 40개 이상의 빌트인 도구와 MCP 서버 연결 기능을 제공하며, agentskills.io 와 호환되는 오픈 스탠더드 스킬 시스템을 채택
- Honcho 기반 상태 보존형 사용자 메모리 시스템으로, 대화 이력을 세션 간에 축적하고 백그라운드에서 사용자 성향·행동 패턴을 비동기 추론하여 에이전트 응답에 자동 반영
- FTS5 기반 크로스 세션 리콜 지원 LLM 요약과 결합하여 세션 간 기억을 검색 가능
- 자동화 스케줄러 내장, 자연어로 리포트·백업·점검 예약 실행
- 병렬 서브에이전트 생성, Python RPC로 멀티스텝 파이프라인을 컨텍스트 비용 없이 처리
- 로컬·Docker·SSH·Modal 등 6종 백엔드 지원
- OpenRouter·OpenAI·Kimi 등 200+ 모델 자유 전환 가능
- OpenClaw 사용자를 위한 자동 마이그레이션 지원
- 리눅스, 맥, 윈(WSL2) 지원. 모두 똑같은 명령어로 자동 설치
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/… | bash
-
짧은 시간 운영해보며 hermes가 openclaw보다 기억 유실이 적다고 느끼게 되었는데, 이는 재시작이나 모델 fallback 등 상황에서 session context replay 로직이 있어서 그렇더군요. openclaw도 메모리 관련 기능 개선이 계속 진행중이니 앞으로는 나아질 듯도 하구요.
-
자기개선 기능도 인상적인데, 복잡한 작업 과정이 감지되면 자동으로 skill 로 만들어주는 로직과 수정을 위해 자신의 작업공간에 소스코드를 git 으로 받아두고 직접 접근가능한 구조가 있기 때문입니다. 다만, 작업공간 소스코드 git과 github 공식 저장소 간의 변경관리가 전혀 없어서 업데이트하면 로컬 변경이 리셋되는 상황입니다. git worktree로 보완방법을 찾아보고는 있는데, 깔끔하게는 잘 안되는군요... 흠흠...
cli 사용에 익숙하지 않은 비개발자 입장에서 Codex/CC Oauth에 연동할 수 있는 여러 에이전트 솔루션을 다 써보고 있는데(openclaw와 ductor, cc-connect, hermes-agent), 차이점을 잘 모르겠습니다. 어느 하나가 쓰기 편하면 그것만 쓸텐데 그게 그거인 것 같은 느낌...
hermes agent에서 뭔가 기존의 다른 에이전트 솔루션에 없었던 장점을 느끼신 분 계실까요
아직 비개발자가 느낄만한 차이점은 없는게 맞습니다.
hermes agent 와 openclaw 의 차이는 memory 구조와 자기 수정 기능에서 나오는데, 처음 설치한 백지상태에선 이런 것들이 드러나지 않죠.