목차

1. Hermes Agent는 무엇인가
2. 왜 Hermes Agent를 써야 하는가
3. 핵심 특장점 6가지
4. 아키텍처 — 어떻게 동작하는가
5. 메모리 시스템 — 세션을 넘어 기억한다
6. 스킬 시스템 — 경험에서 절차를 만든다
7. SOUL.md와 컨텍스트 파일 — 인격과 프로젝트 맥락
8. 멀티플랫폼 게이트웨이 — 어디서든 대화한다
9. 보안 7계층 — 방어 심층 모델
10. OpenClaw vs Hermes Agent — 무엇이 다른가
11. 설치와 시작하기
12. 누가, 언제 Hermes Agent를 선택해야 하는가

---

1. Hermes Agent는 무엇인가

1-1. 한 줄 정의

Hermes Agent는 Nous Research가 만든 오픈소스(MIT 라이선스) 자기 개선형(self-improving) AI 에이전트입니다. IDE에 묶인 코딩 코파일럿이나 단일 API를 감싼 챗봇 래퍼가 아닙니다. 서버에 상주하면서 경험에서 스킬을 자동 생성하고, 세션 간 기억을 유지하며, 사용할수록 더 유능해지는 자율 에이전트입니다.

공식 설명을 그대로 옮기면: "빌트인 학습 루프를 가진 유일한 에이전트 — 경험에서 스킬을 생성하고, 사용 중에 스킬을 개선하며, 지식을 저장하도록 스스로를 nudge하고, 세션을 넘어 당신에 대한 모델을 깊게 만들어 간다."

1-2. 누가 만들었나 — Nous Research

Nous Research는 Hermes, Nomos, Psyche 등 오픈소스 LLM을 훈련하는 AI 연구소입니다. 모델 트레이너가 직접 에이전트를 만들었다는 점이 중요합니다. Hermes Agent는 실전 운영 도구인 동시에, RL(강화학습) 훈련 데이터를 수집하고 실험하기 위한 연구 플랫폼이기도 합니다. 즉, 연구용과 실전 운영용을 동시에 만족하도록 설계되었습니다.

배치 트라젝토리 생성, Atropos RL 환경, ShareGPT 포맷 트라젝토리 압축 등 연구용 기능이 처음부터 내장되어 있습니다. 다른 에이전트 프레임워크에는 없는 독특한 출발점입니다.

1-3. 코파일럿·챗봇과 무엇이 다른가

일반적인 AI 도구는 한 번의 질문에 한 번의 답변을 돌려주고 끝납니다. 매 대화가 독립적이고, 지난 세션에서 배운 것을 기억하지 못하며, 반복 작업을 자동으로 처리하지 못합니다.

Hermes Agent는 다릅니다. 복잡한 작업을 완료하면 그 과정을 스킬 문서(SKILL.md)로 자동 저장합니다. 다음에 비슷한 작업을 만나면 이 스킬을 로드해서 시행착오 없이 바로 실행합니다. 환경 정보와 사용자 선호를 영속 메모리에 기록하여 매 세션마다 다시 설명할 필요가 없습니다. 노트북에 묶이지 않고, $5 VPS나 서버리스 인프라에서 24시간 돌아가면서 Telegram, Discord, Slack 등으로 대화할 수 있습니다.

요약: 코파일럿은 도구이고, Hermes Agent는 시스템입니다.

---

2. 왜 Hermes Agent를 써야 하는가

2-1. 범용 AI 도구의 구조적 한계

ChatGPT, Claude 같은 범용 AI와 직접 대화하면 단발성 생산성은 올라갑니다. 그러나 장기 프로젝트에서는 세 가지 구조적 한계에 부딪힙니다.

문맥 단절 — 매 대화가 독립적이므로 프로젝트의 누적된 맥락(코드베이스 구조, 이전 결정 이유, 팀 컨벤션)을 매번 다시 설명해야 합니다. Reddit의 한 사용자는 "OpenClaw를 며칠 동안 메모리 문제와 깨진 설정 파일과 씨름하다 Hermes Agent로 전환했더니 미칠 듯이 빨랐다"고 보고했습니다.

품질 편차 — 동일한 프롬프트로 동일한 작업을 요청해도 세션마다 품질이 달라집니다. 한 번은 완벽, 한 번은 엉뚱한 방향. 이 불확실성은 자동화의 적입니다.

축적 부재 — 어떤 실수가 반복되는지, 어떤 패턴이 성공하는지 데이터가 쌓이지 않아 운영 품질이 시간이 지나도 개선되지 않습니다.

2-2. Hermes Agent가 해결하는 것

문맥 유지 — MEMORY.md와 USER.md에 환경 사실과 사용자 선호를 저장하고, AGENTS.md에 프로젝트 맥락을 기록합니다. 매 세션 시작 시 이 정보가 시스템 프롬프트에 자동 주입됩니다. 또한 FTS5 전문 검색으로 과거 대화를 검색하여 "지난주에 이거 어떻게 했었지?"에 답할 수 있습니다.

품질 안정화 — 47개 빌트인 도구와 자동 생성된 스킬이 체계적인 실행 절차를 제공합니다. 위험한 명령은 7계층 보안 모델이 차단하거나 승인을 요청합니다.

운영 데이터 축적 — 모든 세션이 SQLite에 FTS5 인덱싱과 함께 저장됩니다. 스킬은 사용 중에 자동 개선됩니다. 시간이 지날수록 에이전트가 더 유능해지는 복리 효과가 발생합니다.

2-3. "돌릴수록 좋아지는" 에이전트

AgentConn의 리뷰에 따르면 Hermes Agent는 GitHub에 공개 24시간 만에 7,450 스타를 받았습니다. 한 심층 리뷰어는 "내가 사용한 모든 개인 AI 에이전트 중에서 처음으로 하니스(harness)가 이미 내장된 에이전트"라고 평가했습니다. 여기서 하니스란 학습 루프, 메모리, 스킬 자동 생성, 검증 도구 등 에이전트를 안정적으로 운영하기 위한 기반 구조를 의미합니다.

---

3. 핵심 특장점 6가지

3-1. 닫힌 학습 루프 (Closed Learning Loop)

Hermes Agent의 가장 강력한 차별점입니다. 에이전트가 복잡한 작업(5회 이상 도구 호출)을 성공적으로 완료하면, 그 과정을 SKILL.md 파일로 자동 저장합니다. 다음에 유사한 작업을 만나면 이 스킬을 로드하여 처음부터 시행착오를 반복하지 않습니다.

더 중요한 것은 스킬이 사용 중에 자동 개선된다는 점입니다. 에이전트가 스킬을 실행하다 더 나은 방법을 발견하면, skill_manage 도구의 patch 액션으로 해당 스킬을 업데이트합니다. 이렇게 주 단위, 월 단위로 쌓인 스킬 라이브러리는 당신의 실제 업무 패턴에 맞춤화된 절차적 지식(procedural memory)이 됩니다.

스킬은 agentskills.io 오픈 표준과 호환되어 커뮤니티와 공유할 수 있고, Skills Hub에서 다른 사용자의 스킬을 검색·설치할 수 있습니다.

3-2. 영속 메모리 (Persistent Memory)

두 파일이 에이전트의 기억을 구성합니다.

매 세션 시작 시 이 파일의 스냅샷이 시스템 프롬프트에 주입됩니다. 에이전트는 memory 도구로 자동으로 항목을 추가·교체·삭제하며, 용량이 가득 차면 기존 항목을 통합(consolidate)합니다. 추가로 FTS5 전문 검색으로 과거 모든 세션을 검색하고, LLM 요약으로 관련 대화를 찾아올 수 있습니다.

이 메모리 시스템의 핵심 설계 원칙은 유한한 용량 내에서 신호 대 잡음비를 극대화하는 것입니다. 모든 것을 무한히 기억하는 대신, 에이전트가 스스로 "무엇이 기억할 가치가 있는가"를 판단합니다.

3-3. 어디서든 실행 (Runs Anywhere)

6개 터미널 백엔드를 지원합니다: 로컬, Docker, SSH, Daytona, Singularity, Modal. Daytona와 Modal은 서버리스로, 유휴 시 환경이 동면(hibernate)하여 비용이 거의 들지 않습니다. $5 VPS에서도 돌릴 수 있고, GPU 클러스터에서도 돌릴 수 있습니다. 노트북을 닫아도 에이전트는 계속 작업합니다 — Telegram으로 진행 상황을 확인하면 됩니다.

3-4. 15+ 플랫폼 게이트웨이 (Lives Where You Do)

하나의 게이트웨이 프로세스로 CLI, Telegram, Discord, Slack, WhatsApp, Signal, Matrix, Mattermost, Email, SMS, DingTalk, Feishu, WeCom, BlueBubbles, Home Assistant 등 15개 이상의 플랫폼에서 대화할 수 있습니다. 한 플랫폼에서 시작한 대화를 다른 플랫폼에서 이어갈 수 있는 크로스 플랫폼 대화 연속성이 핵심 기능입니다.

3-5. 실제 샌드박싱 (Real Sandboxing)

Docker 컨테이너에서 실행할 때 다음 보안 플래그가 자동 적용됩니다: 모든 Linux capabilities 드롭, 권한 상승 차단, PID 제한 256, 크기 제한 tmpfs. 로컬 백엔드에서는 위험한 명령을 패턴 매칭으로 감지하여 사람의 승인을 요청합니다. 컨테이너 백엔드에서는 컨테이너 자체가 보안 경계이므로 승인 절차를 건너뜁니다.

3-6. 모델 자유 (No Lock-In)

Nous Portal, OpenRouter(200+ 모델), OpenAI, Anthropic, NVIDIA NIM, Hugging Face, 또는 자체 엔드포인트 등 어떤 모델이든 사용할 수 있습니다. hermes model 한 번으로 전환하며, 코드 변경이 불필요합니다. 최소 요구 컨텍스트는 64K 토큰입니다.

---

4. 아키텍처 — 어떻게 동작하는가

4-1. 시스템 개요

Hermes Agent의 아키텍처는 크게 세 층으로 나뉩니다.

진입점(Entry Points) — CLI, 게이트웨이(메시징 플랫폼), ACP(에디터 통합), 배치 러너, API 서버 등 여러 인터페이스가 동일한 코어 에이전트를 호출합니다.

코어 에이전트(AIAgent) — run_agent.py에 구현된 핵심 대화 루프입니다. 프롬프트 빌더(시스템 프롬프트 조립), 프로바이더 해석(모델·API 선택), 도구 디스패치(47개 도구의 등록·호출·결과 처리)의 세 모듈로 구성됩니다.

백엔드(Tool Backends) — 터미널(6종), 브라우저(5종), 웹(4종), MCP(동적), 파일, 비전 등 실제 작업을 수행하는 실행 환경입니다.

4-2. 에이전트 루프

에이전트 루프의 데이터 흐름은 다음과 같습니다.

사용자 입력 → 프롬프트 빌더가 시스템 프롬프트 조립(SOUL.md + 메모리 + 스킬 + 컨텍스트 파일 + 도구 가이드) → 프로바이더 해석(모델·API 모드·인증 정보 결정) → LLM API 호출 → 도구 호출이 있으면 model_tools.handle_function_call()로 실행 후 결과를 다시 LLM에 전달(루프) → 최종 응답을 표시하고 세션 DB에 저장.

핵심 설계 원칙: 시스템 프롬프트는 대화 중에 변하지 않습니다. 이는 Anthropic의 프롬프트 캐싱과 같은 최적화의 전제 조건이며, 예측 가능한 에이전트 행동을 보장합니다.

4-3. 세션 저장

모든 대화는 SQLite에 FTS5 전문 검색 인덱싱과 함께 저장됩니다. 세션에는 계보 추적(lineage tracking)이 있어 압축(compression) 전후의 부모-자식 관계를 추적할 수 있습니다. 플랫폼별 격리, 원자적 쓰기(atomic writes), 동시성 처리가 내장되어 있습니다.

4-4. 프로파일 격리

hermes -p coder, hermes -p researcher처럼 프로파일별로 완전히 독립된 환경(HERMES_HOME, 설정, 메모리, 세션, 게이트웨이 PID)을 가집니다. 여러 프로파일을 동시에 실행할 수 있어, 코딩용 에이전트와 리서치용 에이전트를 분리 운영할 수 있습니다.

---

5. 메모리 시스템 — 세션을 넘어 기억한다

5-1. 두 파일 메모리의 작동 방식

~/.hermes/memories/에 저장된 MEMORY.md와 USER.md는 매 세션 시작 시 시스템 프롬프트에 고정 스냅샷(frozen snapshot)으로 주입됩니다. 세션 중에 에이전트가 메모리를 추가/삭제하면 즉시 디스크에 저장되지만, 시스템 프롬프트에는 다음 세션부터 반영됩니다. 이 설계는 LLM의 프리픽스 캐시를 보존하기 위한 의도적 선택입니다.

시스템 프롬프트에 나타나는 형태:

`` ══════════════════════════════════════════════ MEMORY (your personal notes) [67% — 1,474/2,200 chars] ══════════════════════════════════════════════ User's project is a Rust web service at ~/code/myapi using Axum + SQLx §This machine runs Ubuntu 22.04, has Docker and Podman installed §User prefers concise responses, dislikes verbose explanations ``

사용률 퍼센트가 표시되어 에이전트가 남은 용량을 인지하고, 80% 이상이면 기존 항목을 통합합니다.

5-2. 무엇을 저장하고 무엇을 생략하는가

에이전트가 자동으로 저장하는 것: 사용자 선호("TypeScript를 JavaScript보다 선호"), 환경 사실("이 서버는 Debian 12에 PostgreSQL 16"), 교정 사항("Docker 명령에 sudo 쓰지 마, 유저가 docker 그룹에 있어"), 컨벤션("탭 사용, 120자 줄 너비"), 완료한 작업 기록.

저장하지 않는 것: 너무 모호한 정보("유저가 파이썬을 물어봤다"), 쉽게 재검색 가능한 사실("Python 3.12는 f-string 중첩 지원"), 대량 데이터(코드 블록, 로그), 임시 정보(일회성 디버깅 경로), 컨텍스트 파일에 이미 있는 정보.

5-3. 세션 검색

MEMORY.md와 USER.md 너머로, session_search 도구를 통해 과거 모든 대화를 FTS5 전문 검색하고 LLM 요약을 생성할 수 있습니다. 영속 메모리가 "항상 컨텍스트에 있는 핵심 사실"이라면, 세션 검색은 "지난주에 논의한 특정 내용을 찾아오는" 기능입니다.

5-4. 외부 메모리 프로바이더

빌트인 메모리 외에 8개 외부 메모리 프로바이더 플러그인(Honcho, OpenViking, Mem0, Hindsight, Holographic, RetainDB, ByteRover, Supermemory)을 지원합니다. 지식 그래프, 시맨틱 검색, 자동 팩트 추출, 크로스 세션 사용자 모델링 등 고급 기능을 추가합니다. 빌트인 메모리를 대체하는 것이 아니라 병행합니다.

---

6. 스킬 시스템 — 경험에서 절차를 만든다

6-1. 스킬이란

스킬은 에이전트가 필요할 때 로드하는 온디맨드 지식 문서입니다. ~/.hermes/skills/ 디렉토리에 SKILL.md 파일로 저장되며, "언제 사용할지(When to Use)", "절차(Procedure)", "함정(Pitfalls)", "검증(Verification)" 섹션으로 구성됩니다.

모든 설치된 스킬은 자동으로 슬래시 명령이 됩니다: /axolotl, /github-pr-workflow, /plan 등.

6-2. Progressive Disclosure — 토큰 효율적 로딩

스킬은 토큰 효율을 위해 단계적으로 로드됩니다.

`` Level 0: skills_list() → 이름, 설명, 카테고리 목록 (~3k 토큰) Level 1: skill_view(name) → 전체 내용 + 메타데이터 (가변) Level 2: skill_view(name,path) → 특정 참조 파일만 (가변) ``

에이전트가 실제로 필요할 때만 전체 내용을 로드하므로, 수십 개의 스킬이 있어도 기본 컨텍스트 비용은 Level 0의 ~3k 토큰뿐입니다.

6-3. 에이전트가 스킬을 자동 생성하는 시점

에이전트가 스킬을 자동으로 만드는 경우: 복잡한 작업(5회 이상 도구 호출)을 성공적으로 완료했을 때, 오류나 막다른 길을 거쳐 작동하는 경로를 찾았을 때, 사용자가 접근 방식을 교정했을 때, 비자명한(non-trivial) 워크플로를 발견했을 때. skill_manage 도구로 create, patch(부분 수정), edit(전체 교체), delete, write_file(보조 파일 추가), remove_file 작업을 수행합니다.

6-4. Skills Hub — 커뮤니티 생태계

hermes skills search, hermes skills install로 외부 스킬을 검색·설치할 수 있습니다. 7가지 소스를 지원합니다:

Official — Hermes 리포지토리에 포함된 공식 선택적 스킬. skills.sh — Vercel의 공개 스킬 디렉토리. Well-known — /.well-known/skills/index.json을 서빙하는 웹사이트에서 직접 발견. GitHub — openai/skills, anthropics/skills 등 GitHub 리포지토리에서 직접 설치. ClawHub — 서드파티 스킬 마켓플레이스. Claude Marketplace — Claude 호환 마켓플레이스 리포지토리. LobeHub — LobeHub 공개 카탈로그에서 변환·설치.

모든 외부 스킬은 보안 스캐너를 거칩니다. 데이터 유출, 프롬프트 인젝션, 파괴적 명령, 공급망 위협을 검사합니다. dangerous 판정은 --force로도 우회할 수 없습니다.

---

7. SOUL.md와 컨텍스트 파일 — 인격과 프로젝트 맥락

7-1. SOUL.md — 에이전트의 인격

~/.hermes/SOUL.md는 에이전트의 성격, 톤, 소통 스타일을 정의합니다. 전역 설정으로, 모든 세션에 적용됩니다. Hermes는 처음 실행 시 기본 SOUL.md를 자동 생성하며, 이를 수정하면 에이전트의 응답 스타일이 바뀝니다. /personality pirate 같은 슬래시 명령으로 즉석 전환도 가능합니다.

7-2. AGENTS.md — 프로젝트 맥락

프로젝트 루트에 AGENTS.md를 두면, 에이전트가 해당 프로젝트의 아키텍처, 컨벤션, 중요 경로를 자동으로 이해합니다. 진보적 하위 디렉토리 발견(Progressive Subdirectory Discovery)이 핵심 기능입니다 — 세션 시작 시 루트의 AGENTS.md만 로드하고, 에이전트가 하위 디렉토리를 탐색할 때 해당 디렉토리의 AGENTS.md를 필요한 시점에 동적으로 주입합니다.

이 접근법의 두 가지 이점: 시스템 프롬프트가 불필요하게 부풀지 않고, 프롬프트 캐시가 보존됩니다.

7-3. 지원 컨텍스트 파일 우선순위

.hermes.md → AGENTS.md → CLAUDE.md → .cursorrules 순으로 첫 번째 매치만 로드됩니다. SOUL.md는 항상 독립적으로 로드됩니다. Claude Code의 CLAUDE.md나 Cursor의 .cursorrules가 있으면 그대로 호환됩니다 — 기존 프로젝트 설정을 바꿀 필요 없이 Hermes를 도입할 수 있습니다.

7-4. 보안: 프롬프트 인젝션 방어

모든 컨텍스트 파일은 로드 전에 프롬프트 인젝션 스캐너를 통과합니다. "이전 지시를 무시하라", 숨겨진 HTML 코멘트, 자격증명 유출 시도(curl ... $API_KEY), 비가시 유니코드 문자 등을 감지하여 차단합니다.

---

8. 멀티플랫폼 게이트웨이 — 어디서든 대화한다

8-1. 게이트웨이 구조

hermes gateway 하나의 프로세스가 18개 플랫폼 어댑터를 관리합니다. 통합 세션 라우팅, 사용자 인증(허용 목록 + DM 페어링), 슬래시 명령 디스패치, 훅 시스템, 크론 틱, 백그라운드 유지보수가 하나의 장기 실행 프로세스에 통합됩니다.

hermes gateway setup 명령으로 대화형 설정이 가능합니다. 예를 들어 Telegram 봇을 연결하고 허용 사용자를 지정하면, 어디서든 해당 봇에 메시지를 보내 에이전트와 대화할 수 있습니다.

8-2. 크로스 플랫폼 연속성

CLI에서 시작한 작업을 Telegram에서 확인하고, Discord에서 이어갈 수 있습니다. 세션이 플랫폼이 아니라 사용자에게 연결되기 때문입니다. 음성 메모 전사(voice memo transcription)도 지원합니다.

8-3. 크론 스케줄링

자연어로 스케줄을 설정합니다: "매일 오전 9시에 내 이메일을 요약해서 Slack에 보내줘." 에이전트가 크론 잡을 생성하고, 지정된 시간에 자동 실행하여 결과를 지정 플랫폼으로 전달합니다. 크론 잡은 first-class 에이전트 작업으로, 셸 태스크가 아닌 에이전트 태스크입니다 — 스킬과 도구를 사용할 수 있습니다.

---

9. 보안 7계층 — 방어 심층 모델

Hermes Agent의 보안 모델은 7개 층으로 구성됩니다.

1. 사용자 인증 — 허용 목록 또는 DM 페어링 코드로 누가 에이전트와 대화할 수 있는지 제어합니다. 페어링 코드는 암호학적 랜덤 8자, 1시간 만료, 분당 1회 요청 제한, 5회 실패 시 1시간 잠금이 적용됩니다.

2. 위험 명령 승인 — rm -rf, DROP TABLE, chmod 777, curl | sh 등 30+ 위험 패턴을 감지하여 사람의 명시적 승인을 요청합니다. 승인 모드는 manual(항상 물어봄), smart(보조 LLM이 위험도 판단), off(--yolo 모드)의 3가지입니다. 타임아웃 시 기본 거부(fail-closed)입니다.

3. 컨테이너 격리 — Docker 백엔드에서 모든 Linux capabilities 드롭, 권한 상승 차단, PID 256 제한, 크기 제한 tmpfs가 자동 적용됩니다.

4. MCP 자격증명 필터링 — MCP 서버 하위 프로세스에는 PATH, HOME 등 안전한 변수만 전달됩니다. API 키, 토큰 등은 차단됩니다. 오류 메시지에서도 ghp_, sk-, Bearer 토큰 등이 자동 삭제됩니다.

5. 컨텍스트 파일 스캐닝 — 프롬프트 인젝션 감지(7-4에서 설명).

6. 크로스 세션 격리 — 세션 간 데이터·상태 접근 불가. 크론 잡 저장 경로에 경로 탐색(path traversal) 방어.

7. 입력 새니타이제이션 — 작업 디렉토리 파라미터를 허용 목록으로 검증하여 셸 인젝션 방지. Tirith 사전 실행 보안 스캐닝으로 호모그래프 URL 스푸핑, 터미널 인젝션 등을 감지합니다.

또한 SSRF 방어가 모든 URL 도구에 적용됩니다. 프라이빗 네트워크(RFC 1918), 루프백, 링크로컬, 클라우드 메타데이터 주소를 차단하며, 리다이렉트 체인의 각 홉을 재검증합니다.

---

10. OpenClaw vs Hermes Agent — 무엇이 다른가

10-1. 근본적 설계 철학의 차이

getclaw.sh의 상세 비교와 The New Stack의 분석을 종합하면, 두 에이전트의 근본적 차이는 조직 원리에 있습니다.

OpenClaw는 인프라 우선(Infrastructure-first)입니다. 중앙 게이트웨이 컨트롤러가 모든 것을 조율합니다. 허브-스포크 구조로, 게이트웨이가 허브이고 각 메시징 플랫폼이 스포크입니다.

Hermes Agent는 에이전트 우선(Agent-first)입니다. 에이전트 자체의 실행 루프 — "실행하고, 배우고, 개선하는" 반복 사이클 — 를 중심에 놓고 그 주변에 시스템을 구축합니다. 동심원적 성장 구조입니다.

getclaw.sh의 표현: "OpenClaw는 중앙 게이트웨이를 통해 라우팅하고, Hermes는 단일 에이전트에서 바깥으로 성장한다."

10-2. 기능별 비교

10-3. OpenClaw에서 마이그레이션

이미 OpenClaw를 사용 중이라면 hermes claw migrate 명령으로 설정, 메모리, 스킬, API 키를 자동 이전할 수 있습니다.

`` hermes claw migrate # 대화형 마이그레이션 hermes claw migrate --dry-run # 이전될 항목 미리보기 hermes claw migrate --preset user-data # 시크릿 제외 이전 ``

이전되는 항목: SOUL.md 페르소나, MEMORY.md/USER.md 메모리, 사용자 생성 스킬, 명령 허용 목록, 메시징 설정, API 키, TTS 에셋, 워크스페이스 지시.

10-4. 결론 — 어떤 상황에서 누가 이기는가

OpenClaw를 선택하는 경우: 팀 전체가 사용하는 어시스턴트, 5개 이상 채널 동시 운영, 관리형 배포로 운영 부담 최소화, 스킬 거버넌스와 감사가 중요한 경우.

Hermes Agent를 선택하는 경우: 개인 운영자의 깊은 기억과 맞춤화, 시간이 갈수록 자동으로 개선되는 에이전트, 200+ 모델 유연성과 비용 최적화, 서버리스 배포와 유휴 비용 최소화, 연구/RL 훈련 워크플로.

---

11. 설치와 시작하기

11-1. 원라인 설치

``bash curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash ``

Linux, macOS, WSL2, Android(Termux) 지원. Windows는 WSL2 필요.

설치 후:

``bash source ~/.bashrc # 셸 재로드 hermes # 대화 시작! ``

11-2. 프로바이더 설정

``bash hermes model # 대화형으로 LLM 프로바이더·모델 선택 ``

11-3. 첫 대화 검증

``bash hermes # 클래식 CLI hermes --tui # 모던 TUI (권장) ``

성공 기준: 선택한 모델/프로바이더가 배너에 표시되고, 에이전트가 오류 없이 응답하며, 도구를 사용할 수 있고(터미널, 파일 읽기, 웹 검색), 두 턴 이상 대화가 이어지면 성공입니다.

11-4. 문제 발생 시

``bash hermes doctor # 진단 hermes model # 프로바이더 재설정 hermes setup # 전체 설정 위저드 ``

---

12. 누가, 언제 Hermes Agent를 선택해야 하는가

12-1. Hermes Agent가 최적인 사람

개인 개발자/운영자 — 하나의 에이전트가 자신의 프로젝트 맥락을 깊이 이해하고, 시간이 갈수록 더 유능해지길 원하는 사람. 팀이 아니라 "나만의 에이전트"가 필요한 사람.

비용에 민감한 사람 — 200+ 모델 중 작업 유형별 최적 모델을 선택하고, 서버리스 백엔드로 유휴 비용을 거의 0에 가깝게 유지하고 싶은 사람.

연구자 — 에이전트 트라젝토리를 ShareGPT 포맷으로 내보내거나, Atropos RL 환경에서 실험하고 싶은 사람.

프라이버시 중시 — 제로 텔레메트리, 로컬 실행, 컨테이너 격리가 필수인 사람.

12-2. Hermes Agent가 최적이 아닌 경우

팀 전체가 하나의 어시스턴트를 공유해야 하는 경우(→ OpenClaw의 팀 격리가 더 적합), 관리형 배포로 운영 부담을 완전히 제거하고 싶은 경우(→ OpenClaw의 getclaw), 스킬 변경에 대한 엄격한 감사와 승인이 필요한 규제 산업(→ OpenClaw의 스킬 거버넌스).

12-3. 판단 기준 한 줄 요약

"시간이 갈수록 알아서 좋아지는 나만의 에이전트"가 필요하면 Hermes Agent,
"팀이 함께 쓰는 관리형 어시스턴트"가 필요하면 OpenClaw.

---

참고 자료

• Hermes Agent 공식 사이트
• Hermes Agent GitHub
• Hermes Agent 공식 문서
• Hermes Agent 아키텍처 문서
• Hermes Agent 메모리 시스템
• Hermes Agent 스킬 시스템
• Hermes Agent 보안 모델
• Hermes Agent 컨텍스트 파일
• getclaw.sh — OpenClaw vs Hermes Agent 비교
• The New Stack — 영속 AI 에이전트 비교
• Turing Post — Hermes Agent vs OpenClaw
• AgentConn — Hermes Agent 자기개선 프레임워크 리뷰
• Nous Research