두 달 만에 별점 47,000개를 받은 헤르메스 에이전트는 과연 '랍스터'의 뒤를 이을 성공작이 될까요, 아니면 전혀 다른 이야기가 될까요?

저자: 리안 란

출처: GeekPark

최근 몇 주 동안 Hermes Agent라는 오픈 소스 프로젝트가 X와 GitHub에서 인기를 얻었습니다.

2월 말 오픈 소스 출시 첫 달에 22,000개 이상의 별을 얻은 데 이어, 4월 8일 버전 0.8.0 출시 후 단 하루 만에 6,400개 이상의 별을 추가하며, Hermes Agent는 두 달도 채 안 되는 기간 동안 GitHub에서 47,000개 이상의 별을 모았고, 며칠 동안 전 세계 오픈 소스 차트에서 꾸준히 1위를 차지했습니다.

에르메스 에이전트란 무엇인가요?

간단히 말해, 이 서비스는 스스로 학습하는 개인 AI 에이전트입니다. 내장된 학습 루프를 통해 작업을 통해 필요한 기술을 자동으로 습득하고, 사용자 선호도를 지속적으로 기억하며, 대화 전반에 걸쳐 정보를 정확하게 회상하여 사용할수록 더욱 직관적으로 작동합니다. 5달러 VPS, Docker, 서버리스 등 6가지 배포 방식을 지원하며 200개 이상의 대형 모델과 호환됩니다. 단 하나의 명령으로 Weibo, Telegram, Discord, Slack 플랫폼을 전환할 수 있으며, 설치 및 실행 또한 간편합니다.

어떤 이들은 OpenClaw를 대체할 수 있다고 하고, 또 어떤 이들은 OpenClaw보다 훨씬 뛰어나다고 말합니다. 이 도구는 매우 짧은 시간 안에 수만 개의 별점을 획득했을 뿐만 아니라, 개발자들 사이에서 인공지능이 "사용할수록 점점 더 자신의 일부처럼 되어가는" 놀라운 현상을 보여주고 있습니다.

헤르메스 에이전트란 정확히 무엇인가요?

Hermes Agent는 Nous Research에서 개발한 무료 MIT 라이선스 자율 AI 프레임워크입니다. 핵심 개념은 사용량에 따라 성장하는 "자기 진화형 에이전트"입니다.

 이미지 출처: GitHub

기존 에이전트와 달리 Hermes는 지속적으로 경험을 축적할 수 있는 장기적인 시스템을 목표로 합니다. 완료된 작업에서 학습하고, 다양한 세션과 플랫폼에서 메모리를 유지하며, 사용자에게 맞는 기능 구조를 점진적으로 형성합니다.

 이미지 출처: GitHub

2026년 2월 출시 이후 불과 몇 주 만에 GitHub에서 22,000개 이상의 스타를 획득했으며, 현재 수백 명의 기여자와 함께 47,000개 이상의 스타를 자랑합니다. 커뮤니티 피드백에 따르면 이 디자인은 오랫동안 개발자들이 필요로 했던 부분을 해결하고 있습니다. 개발자들은 에이전트가 "기억"하고 "더 강해질 수 있는지"에 점점 더 많은 관심을 기울이고 있습니다.

X사와 개발자 커뮤니티 내부 논의에서 특히 인상적인 점은 Hermes가 복잡한 작업에서 단서 단어에 대한 의존도를 크게 줄였다는 것입니다.

일부 개발자는 gemma 26B 또는 Hermes 시리즈 모델을 사용하여 테스트할 때 "데이터를 스크랩하고 시각화를 생성하는 스크립트를 작성하세요"와 같이 비교적 모호한 지침만 주어지더라도 에이전트가 작업 분해부터 코드 생성까지 전체 프로세스를 완료할 수 있다고 언급했습니다.

실행 중에 오류 메시지를 읽고, 문제를 해결하려고 시도하고, 여러 번 시도하여 재사용 가능한 해결책을 도출하는 등 실행 피드백을 기반으로 경로를 지속적으로 조정합니다.

이러한 경험은 헤르메스가 안정적인 "완전 자동화 개발 기능"을 갖추고 있다는 것을 의미하는 것은 아니지만, 적어도 개발자들이 에이전트가 더 이상 정확한 프롬프트에만 의존하지 않고 모호한 목표를 가진 복잡한 작업도 수행할 수 있다는 것을 느끼게 해줍니다.

Hermes Agent에서 더욱 주목할 만한 점은 바로 그 기반이 되는 아키텍처입니다.

아키텍처적인 측면에서 헤르메스와 오픈클로는 거의 정반대의 길을 걷습니다. 전자는 연결성의 폭을 강조하는 반면, 후자는 학습 능력의 깊이에 더 중점을 둡니다. 헤르메스의 슬로건인 "당신과 함께 성장하는 에이전트"는 "학습 루프"를 중심으로 구축된 완벽한 기본 설계를 시사합니다.

이 폐쇄 루프는 대략 세 부분으로 구성됩니다.

첫째, 영구 메모리가 있습니다. 헤르메스는 모든 과거 대화를 로컬 데이터베이스에 저장하고, 전문 검색 및 모델 요약을 통해 재구성합니다. 몇 주 전의 대화까지 불러올 수 있을 뿐 아니라, 서로 다른 작업 간의 연결고리를 파악하여 사용자의 작업 방식을 점진적으로 이해할 수 있습니다. 이러한 메모리는 더 이상 수동 관리에 의존하지 않고 에이전트에 의해 자율적으로 구성 및 업데이트되며, 지속적으로 진화하는 인지 구조와 유사합니다.

둘째로, 기술의 자동 생성 및 재사용이 가능합니다. 헤르메스는 복잡한 작업을 완료하면 단순히 거기서 멈추지 않고, 전체 프로세스를 구조화된 기술로 추상화합니다. 여기에는 단계, 핵심 판단, 잠재적 문제점, 검증 방법 등이 포함됩니다. 다음에 유사한 문제를 접할 때, 헤르메스는 처음부터 다시 추론하는 대신 기존 경험을 활용하는 것을 우선시합니다. 사용량이 증가함에 따라 이러한 기술은 지속적으로 개선되고 최적화되어 진정으로 재사용 가능한 역량 자산이 됩니다.

셋째, 자체 학습 기능의 기본 요소입니다. Hermes는 작동 중에 대량의 툴 호출 추적 데이터를 생성하고 이 데이터를 후속 모델 미세 조정에 활용할 수 있도록 내보낼 수 있습니다. 이는 단순히 "모델을 사용하는 것"을 넘어, 모델에 피드백될 수 있는 학습 데이터를 지속적으로 생성한다는 것을 의미합니다. 이러한 기능은 단순한 애플리케이션 계층 제품이 아닌 연구 시스템의 특성을 명확히 보여줍니다.

이러한 이유로 헤르메스는 전체적인 형태에서 "실험적인 운영 체제"와 유사합니다. 이러한 경향은 최근 버전에서 더욱 두드러지게 나타납니다. 예를 들어, 다중 인스턴스 구성 기능의 도입으로 개발자는 동일한 환경에서 각각 독립적인 메모리, 스킬 및 구성을 가진 여러 개의 격리된 에이전트를 실행할 수 있게 되었습니다. 이를 통해 헤르메스는 "개인 비서"에서 재사용 가능한 에이전트 인프라로 더욱 발전할 수 있습니다.

예를 들어, MCP 지원을 통해 세션과 메모리를 IDE 도구에 노출할 수 있으므로 개발자는 Claude Desktop, Cursor 또는 VS Code에서 직접 세션과 메모리에 접근할 수 있습니다. 이러한 설계는 본질적으로 "상주 에이전트"와 "개발 환경" 간의 경계를 허물어뜨립니다.

보안 측면에서 헤르메스는 비교적 절제된 모습을 보입니다. 컨테이너 격리, 읽기 전용 파일 시스템, 실행 전 검사 등의 메커니즘을 사용하여 잠재적 위험을 제한합니다. 이러한 설계는 극단적인 개방성을 추구하는 것이 아니라 "진화 가능성"과 "제어 가능성" 사이의 균형을 모색하는 것입니다.

전반적으로 헤르메스는 규모나 생태계 측면에서 뛰어난 프로젝트는 아닙니다. 깃허브 스타 수나 스킬 시장의 성숙도를 고려하더라도 여전히 비교적 초기 단계에 머물러 있습니다.

진정으로 주목할 만한 점은 바로 이 게임이 추구하는 방향, 즉 시간이 지남에 따라 에이전트를 더욱 강력하게 만드는 방법에 대한 것입니다.

Hermes와 Openclaw의 유사점과 차이점

Hermes Agent가 X 플랫폼에서 뛰어난 성능을 보여줄 때, 개발자들은 필연적으로 올해 초 오픈 소스 커뮤니티에서 큰 인기를 얻은 또 다른 훌륭한 프로젝트인 OpenClaw와 비교하게 됩니다.

OpenClaw는 로컬 우선 개인 AI 비서 프레임워크입니다. OpenClaw와 Hermes Agent는 모두 기존 SaaS 기반 AI의 개인 정보 보호 및 제어 문제를 해결하고자 하지만, 근본적인 철학에서 차이를 보입니다.

두 입장의 공통점은 "디지털 주권"에 있다.

헤르메스든 바닷가재든, 처음 등장했을 때 그들은 모두 동일한 기본 유전자를 공유했습니다.

로컬 환경 우선 및 개인정보 보호: 데이터는 통제 불가능한 상용 클라우드에 업로드되지 않습니다. 모든 메모리, 코드 실행 프로세스, 심지어 파일 및 디렉터리 수준의 권한까지도 가능한 한 사용자의 로컬 장치 또는 개인 환경에 보관됩니다.
메시징 채널 기반 상호작용: 이들은 모두 번거로운 웹 UI를 버리고 텔레그램, 왓츠앱과 같은 인스턴트 메시징 도구를 도입하여 AI가 인간의 일상적인 소통 체계에 진정으로 통합될 수 있도록 했습니다.
연중무휴 24시간 자동화: 예약된 작업을 지원하며, 지속적인 사람의 모니터링 없이 백그라운드에서 조용히 실행될 수 있습니다.

"디지털 주권"에 대한 이러한 강조는 본질적으로 인프라 계층에서의 선택입니다. 이러한 배경에서 Hermes와 OpenClaw의 차이점이 이미 드러나기 시작했습니다. Nous Research는 스스로를 "분산형 AI 연구소"로 자리매김하며, 에이전트 개발뿐 아니라 Psyche라는 분산형 학습 네트워크를 발전시켜 블록체인을 활용해 전 세계적으로 유휴 상태인 GPU를 조정하여 대규모 모델을 학습시키려고 시도하고 있습니다.

따라서 Hermes Agent는 단순한 로컬 도구가 아니라, 이러한 "AI 분산 인프라" 전체에서 사용자에게 가장 가까운 진입점입니다.

두 시스템의 차이점은 기능 개발 경로에 있습니다. OpenClaw가 보다 "결정론적" 경로를 따른다면, Hermes는 "진화적" 시스템에 더 가깝습니다.

첫째, 스킬 습득 방식에 차이가 있습니다(인간 승인 방식 vs. 자율 방식). 랍스터의 기능은 주로 "인간이 미리 정의한 규칙"에 따라 결정됩니다. 랍스터는 개발자가 명시적인 코드나 프롬프트를 통해 스킬을 구현하는 것을 선호합니다. 이는 완벽한 제어 환경을 제공합니다. 사용자가 랍스터의 기능을 정의하면, 랍스터는 높은 안정성과 결정성을 가지고 이를 실행합니다.

Hermes Agent의 기능은 "경험을 통한 점진적 발전"을 통해 나타납니다. 복잡한 작업을 완료한 후, 자동으로 방법론을 추상화하고, 이를 재사용 가능한 기술로 정제하며, 후속 작업에서 지속적으로 반복 및 최적화합니다. 즉, Hermes Agent의 기능은 미리 정의되는 것이 아니라 사용 과정에서 점진적으로 확장됩니다.

둘째로, 기억 메커니즘에는 차이가 있습니다.

OpenClaw는 명시적인 메모리와 검색 메커니즘에 더 중점을 두며, 기본적으로 일반적인 RAG(Research, Assessment, and Guided) 방식을 따릅니다. 즉, "정보가 어디에 있는지" 알고 필요할 때 해당 정보를 검색합니다.

Hermes Agent는 계층형 메모리 시스템을 사용합니다. 명시적 메모리 외에도, 핵심 기능은 "사용자에 대한 모델"을 생성하는 것입니다. 세션 간 상호 작용을 통해 사용자의 코딩 스타일, 오류 허용 범위, 선호하는 기술 스택을 점진적으로 파악합니다. 또한 주기적으로 이러한 지식을 체계화하고 강화하도록 스스로를 "조정"합니다.

두 가지는 적용 시나리오에서도 차이가 있습니다.

사용자가 대용량 데이터나 금융 거래와 같이 오류 허용 범위가 극히 낮은 고도의 보안이 요구되는 명확하게 정의된 작업을 수행해야 하는 경우, Lobster의 접근 제어(최신 버전)는 더욱 엄격하고 예측 가능한 동작을 제공합니다. 그러나 탐색적 프로그래밍, 창의적인 개발 또는 모호한 프로세스를 가진 복잡한 프로젝트를 처리하면서 끊임없는 시행착오를 거쳐야 하는 경우에는 Hermes가 제공하는 자율성이 작업량을 크게 줄여줄 것입니다.

하지만 레딧, 유튜브, X 커뮤니티의 공통된 의견은 헤르메스가 오픈클로를 대체한 것이 아니라 상호 보완적이라는 것입니다.

OpenClaw는 다중 채널 상호 작용, 팀 워크플로 및 복잡한 생태계 통합을 처리하는 등 "실행"을 담당하고, Hermes는 영구 메모리, 자동 스킬 생성 및 고차원 모델 추론에 중점을 두어 "사고"를 담당합니다.

일반적인 구성은 OpenClaw 도구 위에 고급 플래너로 Hermes를 실행하는 것입니다. `hermes claw migrate` 명령어를 실행하기만 하면 기존 OpenClaw의 스킬, 메모리 및 설정을 단 한 번의 클릭으로 Hermes로 원활하게 마이그레이션할 수 있습니다.

"진화하는 에이전트"

헤르메스 에이전트는 "AI 기능"을 일회성 사용이 아닌 지속적으로 축적할 수 있는 자산으로 전환하고자 합니다.

에이전트는 단순히 임시 인터페이스가 아니라 장기적인 시스템이어야 합니다. 에이전트는 비공개이며 지속적으로 실행되고, 사용 중에 기능을 축적하여 궁극적으로 모델 자체에 영향을 미칠 수 있습니다.

대부분의 주류 제품은 데이터, 메모리 및 행동 패턴을 플랫폼 측에 저장하지만, Hermes는 이러한 기능을 가능한 한 사용자 시스템 내에 유지하는 것을 목표로 합니다.

이는 AI의 기능을 더 이상 단순히 "요청"하는 것이 아니라 "소유"할 수 있음을 의미합니다. 오픈 소스 커뮤니티에서 Hermes Agent가 인기를 얻은 것은 이러한 접근 방식의 일부를 성공적으로 구현했기 때문입니다.

이는 작업 실행부터 기술 축적, 기억 축적, 더 나아가 훈련 데이터의 일부가 되는 것까지, 보다 완전한 연결 고리를 구축하려는 시도입니다.

에이전트가 스스로 문제를 해결하고 → 경험을 기록하고 → 경험을 재사용하고 → 방법을 최적화하고 → 다시 자기 자신에게 피드백하는 순환적 능력을 갖추기 시작하면 지속 가능한 진화가 가능한 시스템에 가까워지기 시작합니다.

현재 이 방식은 아직 초기 단계에 머물러 있습니다. 메모리 노이즈, 학습 품질, 학습 과정의 안정성 등은 지속적인 개선이 필요한 과제로 남아 있습니다. 배포 장벽 또한 존재하며, 일반 사용자가 원활하게 사용할 수 있게 되기까지는 아직 상당한 시간이 걸릴 것입니다.

하지만 방향은 이미 명확합니다. 헤르메스는 적어도 한 가지는 분명히 보여줬습니다. 바로 프라이빗 AI는 단순한 사용 형태가 아니라 지속적으로 진화할 수 있는 자산의 한 형태가 될 수 있다는 것입니다.

이러한 추세가 지속된다면, 미래에 에이전트를 평가하는 방식은 "현재 무엇을 할 수 있는지"에서 "시간이 지남에 따라 어떻게 발전하는지"로 바뀔 수 있습니다. 시간이 지남에 따라 더 많은 기능을 축적할 수 있는 에이전트가 더 높은 잠재력을 갖게 될 것입니다.

영화 '랍스터' 이후 가장 화제가 되고 있는 에이전트 프로젝트가 사기 의혹에 휩싸였나요?

헤르메스의 인기는 우연이 아닙니다. 이는 실질적인 기술적 성과를 내는 오픈 소스 프로젝트이지만, 프로젝트 자체에 논란이 없는 것은 아닙니다. 그리고 가장 큰 논쟁거리는 바로 팀 자체에 있습니다.

Nous Research의 핵심 구성원 중 상당수는 Web3 분야 출신입니다. 보도에 따르면 CEO인 제프리 퀘스넬은 이전에 이더리움 MEV 인프라 프로젝트인 Eden Network의 수석 엔지니어였습니다.

팀의 자금 조달 과정 또한 암호화폐 업계의 특징을 뚜렷하게 보여줍니다. 2026년 4월 기준으로 Nous Research는 총 약 7천만 달러 규모의 두 차례 공모 투자를 완료했습니다. 투자자들은 모두 암호화폐 업계의 주요 기관들이며, 자금 조달 방식은 전통적인 주식 방식이 아닌 토큰으로 가격이 책정되는 등 Web3의 특징을 명확히 보여줍니다. 또한, 조달된 자금은 컴퓨팅 파워 확보 및 팀 확장에 핵심적으로 사용될 예정입니다.

자본 조달 방식이 다르면 방법론도 달라집니다.

Nous Research는 처음부터 Web3 기반의 AI 연구소였습니다. 분산형 거버넌스 구조, 분산형 학습을 중시하는 기술적 접근 방식, 그리고 "오픈 소스 우선 + 커뮤니티 주도" 제품 전략을 추구합니다.

이러한 배경지식을 헤르메스 에이전트에 적용해 보면, 웹3 커뮤니티의 방법론을 AI 에이전트의 인프라 계층에 이식하는 것과 더 유사하다고 할 수 있습니다.

바로 이러한 이유 때문에 커뮤니티에서 반복적으로 논의되어 온 문제가 불거지기 시작했습니다.

헤르메스의 "장기 운영 + 지속적인 축적" 에이전트 모델은 "웹3 콜드 스타트 인프라"의 일종이 될 가능성도 있을까요?

현재 Nous Research는 토큰을 발행하지 않은 상태이며, 토큰 배포 메커니즘에 대한 명확한 발표도 없습니다. 하지만 더 넓은 생태계에서는 이미 몇 가지 전형적인 "예상되는 행동"이 관찰되고 있습니다. 예를 들어, 일부 암호화폐 커뮤니티에서는 프로젝트 관련 에어드롭에 대한 논의가 시작되었고, 일부 제3자 플랫폼은 "잠재적 보상"을 인센티브로 활용하여 사용자들이 커뮤니티 활동 및 작업 완료에 참여하도록 유도하고 있습니다.

동시에 "NOUS"라는 이름의 비공식 토큰도 블록체인에 등장했습니다. 이러한 자산은 프로젝트 자체와 직접적인 관련은 없지만, 시장 심리가 변동할 때 종종 과장되거나 오해를 불러일으킵니다.

이러한 현상들은 프로젝트의 방향을 직접적으로 보여주는 것은 아니지만, 적어도 한 가지는 분명히 드러냅니다. 바로 시장이 이미 웹3의 논리를 활용하여 프로젝트를 미리 "이해"하고 있다는 것입니다.

구조적으로 볼 때, 헤르메스 에이전트는 실제로 암호화폐 세계에서 흔히 볼 수 있는 몇 가지 특징을 가지고 있습니다. 즉, 사용자의 기기에서 로컬로 실행되고 장시간 온라인 상태를 유지하며, 행동 데이터와 상호 작용 패턴을 지속적으로 생성하고, 사용 중에 "기여"를 꾸준히 축적합니다.

기존 소프트웨어 환경에서는 이러한 것들이 단순히 "제품 경험"의 일부일 뿐이지만, 웹3 환경에서는 이러한 행동이 종종 "측정 가능한 참여"로 간주됩니다.

이로 인해 헤르메스는 다소 미묘한 입장에 놓이게 됩니다. 한편으로는 실제로 사용 가능하고 빠르게 발전하는 오픈 소스 에이전트 프레임워크이지만, 다른 한편으로는 기술적 발전 과정과 커뮤니티 구조상 자연스럽게 "토큰 기반 인센티브 시스템"으로 확장될 가능성이 있기 때문입니다.

개발자들에게 있어 헤르메스 에이전트의 가치는 여전히 에이전트 시스템으로서의 기능에 주로 기인합니다. 그러나 일반 사용자에게는 보다 현실적인 기준이 적용됩니다. "NOUS 토큰"과 직접적으로 관련된 모든 거래, 투자 또는 약속은 상당한 주의를 요하며, 특히 동일한 이름을 가진 온체인 자산이나 고수익 프로모션이 이미 존재하는 경우에는 더욱 그렇습니다.