2 월 25 일, Nous Research 라는 팀이 GitHub 에서 조용히 v0.1.0을 푸시했습니다. 초기 Hermes 모델은 하나의 설치 명령줄과 한 문장의 제품 포지셔닝만 가지고 있었으며, "An agent that grows with you(당신과 함께 성장하는 에이전트)"였습니다.

당시 많은 사람들이 그것에 주목하지 않았으며, Nous Research 가 모델 분야에서 일정한 명성을 지니고 있음에도 불구하고, 그들의 Hermes 시리즈 모델은 HuggingFace 에서 이미 33 백만 회 이상 다운로드를 기록했지만, 개발자 커뮤니티 전체의 관심은 역사적으로 가장 빠르게 성장한 GitHub 프로젝트인 OpenClaw "Small Lobster(작은 가재)"에 의해 빼앗겼습니다. 33 일 만에 React를 넘어서 역사상 최초로, "Small Lobster"는 GitHub에서 역사적인 가장 빠른 스타 상승 프로젝트가 되었으며, 피크 시간에는 시간당 710 개의 스타를 받았지만, 이 때 동안 같은 시간 창에서 일평균 2.2 개의 CVE로 취약점을 계속 공개 한 보안 연구자가 있었으며, 63 일에 걸쳐 총 138 개의 보안 취약점이 발표되었습니다. 전체 커뮤니티는 생산 환경에서 실제로 사용할만 한지에 대해 다시 한번 생각하기 시작했습니다.

이러한 배경 속에서 경쟁 제품 인 Hermes Agent는 최종적으로 기회를 잡았으며, 자체의 첫 번째 빠른 성장 기간을 맞이했습니다.

Hermes는 OpenClaw로의 이주를 위한 일괄 처리 도구를 코드에 작성하여, OpenClaw를 떠난 개발자 그룹은 발을 딛을 장소가 필요했고, Hermes Agent가 소문을 타게 되었습니다.

따라서 3 월 초부터 Hermes Agent는 GitHub 트렌딩에 진입하여 최고 11 위까지 도약하며, 스타 수가 2200을 넘어섰습니다. AwesomeAgents는 그것을 "2026년 현재까지 가장 야심찬 오픈 소스 에이전트 릴리스"로 칭하며, 현재 Hermes의 github에는 69.9k의 Star와 9k의 Fork가 있습니다.

오늘은 리듬 BlcokBeats가 여러분과 이 Agent의 차이점에 대해 이야기하겠습니다.

Hermes Agent란 무엇인가요?

Hermes Agent는 Nous Research가 구축한 자기 진화형 AI 에이전트로, 현재 유일한 내부 학습 루프를 갖춘 에이전트입니다.

사용 경험에서 자동으로 기술을 만들어내고 사용 과정에서 이러한 기술을 지속적으로 향상시키며 지식을 재사용 가능한 자산으로 적극화하고 자신의 대화 기록을 검색하며 여러 번의 대화에서 사용자를 점점 더 깊이 이해합니다.

그러니까 간단히 말해서, Hermes Agent의 가장 큰 장점은 다음과 같습니다: 사용할수록 똑똑해지고 익숙해집니다.

그것의 위치는 IDE에 바운드되어 있지 않은 프로그래밍 어시스턴트도 아니며 특정 API에 대한 채팅 래퍼도 아닙니다. 대신, 실제로 당신의 서버에 상주하며 배운 것을 기억하고 실행할수록 더 강력해지는 자체주도형 Agent입니다.

Nous Research는 시작부터 오픈 소스 중심 및 탈중앙화 방향의 AI 연구소로 자리매김하고 있으며, 사용자가 직접 제어할 수 있는 AI를 구축하는 것을 목표로 하고 있습니다. 소수의 폐쇄 회사들 손에 지능을 집중시키는 대신입니다. 그들의 초기 작업은 Hermes 모델 시리즈에 집중되었으며, 인프라 및 시스템 수준에서 많은 투자가 이루어졌으며 DisTrO 기술로 분산형 소비자급 GPU를 활용한 모델 훈련 및 WorldSim, Doomscroll 등 다중 에이전트 상호작용 및 장거리 행동 시뮬레이션 환경을 탐색했습니다.

Hermes Agent 팀은 Nomos, Psyche 모델을 만든 동일한 그룹입니다.

어떤 유용한 도구가 있을까요?

Hermes Agent의 가장 핵심 기능은 그것의 기억 시스템과 기술 시스템입니다. Agent는 두 가지 간결한 주 파일을 유지합니다: MEMORY.md는 환경 정보, 규칙 및 이전 작업에서 얻은 경험을 저장하고; USER.md는 사용자의 선호도와 커뮤니케이션 스타일을 저장합니다. 이 두 파일은 각 세션의 시작마다 자동으로 시스템 힌트로 주입되어, 에이전트의 "장기적인 작업 메모리" 역할을 합니다. 또한 모든 이전 세션이 SQLite의 전체 텍스트 검색 데이터베이스에 저장되어 Agent가 수주 전의 대화 내용을 검색할 수 있도록합니다.

기술 시스템에서, 각 복잡한 작업을 완료할 때마다(일반적으로 5회 이상의 도구 호출), Agent는 스스로 구조화된 Markdown "기술 문서"를 작성하여 작업 단계, 알려진 내용 및 검증 방법을 기록하여 미래에 재사용할 수 있도록 합니다. 기술 파일은 점진적으로 노출됩니다: Agent는 기본적으로 기술 이름과 설명(대략 3000 토큰)만 볼 수 있고, 필요에 따라 특정 기술의 완전한 내용을 로드하여 토큰 소비를 관리합니다.

도구 측면에서, Hermes Agent는 40가지 이상의 도구를 내장하고 있으며, 웹 검색, 브라우저 자동화, 시각적 이해, 이미지 생성, 텍스트 음성 변환을 포함하며, 자연어를 통한 예약된 작업 설정을 지원하여 사람이 없을 때 에이전트가 보고서 생성, 데이터 백업, 시스템 모니터링 등 주기적 작업을 자동으로 실행할 수 있습니다.

가장 인기있는 도구 중 가장 많이 사용되는 것은, 실제 사용 중 커뮤니티 사용자들의 빈도가 높고 피드백이 가장 많으며, Hermes의 기능 구조 및 개발자 커뮤니티의 전형적 요구에 따라, 다음과 같은 도구들이 상위에 위치합니다:

Hindsight는 현재 생태계에서 가장 인기 있는 단일 도구로, Hermes 공식 권장의 장기 기억 플러그인입니다. 각 LLM 호출 전에 관련 컨텍스트를 자동으로 리콜하며, 로컬 PostgreSQL 또는 클라우드 배포를 지원하며, 네이티브 메모리 제공자로 Hermes에 통합되었습니다.

Anthropic-Cybersecurity-Skills는 Stars 기술 패키지에서 가장 높은 성능을 발휘하며, 753개 이상의 구조화된 네트워크 보안 기술을 수록하고 있으며, MITRE ATT&CK 프레임워크를 완벽하게 매핑하며, 보안 연구 및 페너 테스트 시나리오에 적합합니다.

mission-control은 현재 생태계에서 가장 인기 있는 에이전트 편성 대시 보드로, 에이전트 편성, 작업 분배, 비용 추적 및 다중 에이전트 협업 워크플로우를 지원하며, 생산 준비 단계에 권장되는 옵션입니다.

Hermes Agent Self-Evolution은 진화하는 자가 개선 기술로, DSPy + GEPA를 이용하여 기술, 팁 및 코드를 최적화합니다.

Hermes Workspace는 Hermes의 네이티브 작업 공간으로, 채팅 인터페이스, 터미널 및 기술 관리자를 통합하고 있으며, 가장 인기 있는 그래픽 인터페이스입니다.

또한, 독립적인 하위 Agent로 파생될 수 있으며, 각 하위 Agent는 고유한 대화 컨텍스트, 독립적인 터미널 및 Python RPC 스크립트를 보유하고 있어 제로 컨텍스트 비용의 병렬 파이프 라인을 구현할 수 있습니다.

인프라 유연성 측면에서, 여섯 가지 터미널 백엔드를 지원합니다: 로컬 실행, Docker, SSH 원격, Daytona 서버리스, Singularity 컨테이너 및 Modal 클라우드 함수. Daytona 및 Modal은 비활성 시에 절전 모드로 전환되며, 거의 제로 비용으로 작동합니다. 5달러 VPS 또는 GPU 클러스터에서 실행할 수 있으며, 텔레그램을 통해 명령을 내릴 수 있어 직접 SSH로 클라우드 서버에 액세스하지 않고 작동할 수 있습니다.

Hermes 에이전트는 현재 OpenClaw 와 가장 직접적인 경쟁 관계에 있으며, 두 프레임워크 모두 개발자를 대상으로 하는 오픈 소스 에이전트 프레임워크입니다.

두 프레임워크의 아키텍처 철학은 전혀 다릅니다: OpenClaw 의 핵심 설계는 "제어 평면"인 단일 장기 실행 프로세스로, 세션, 라우팅, 도구 실행 및 상태 관리를 담당하며 모든 것이 이 중앙 제어자를 통해 흐릅니다. 반면 Hermes 는 에이전트 자체의 실행 루프를 핵심으로 하여 게이트웨이, 타이머 스케줄러, 도구 실행 환경 등을 이 "수행, 학습, 개선"의 순환 구조 주변에 구축합니다.

기술 시스템에서 두 가지의 차이는 특히 두드러집니다: OpenClaw 의 기술 대부분은 수동으로 작성되어 워크스페이스, 개인, 공유 또는 플러그인과 같은 다양한 수준에서로드됩니다. 그에 반해 Hermes 의 접근 방식은 에이전트 자체가 경험을 통해 기술을 생성하고 실제 자기 학습 순환을 형성하는 것입니다.

설치 및 사용 방법

매우 간단합니다. 한 줄의 명령 "curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash" 를 실행하여 설치를 완료할 수 있습니다. Linux, macOS 및 WSL2 를 지원하며, Hermes Agent 는 자동으로 모든 구성을 완료하므로 수동 작업이 필요하지 않습니다.

Hermes 공식 웹사이트

Hermes Agent 를 설치한 후 "hermes setup" 을 실행하여 시작 안내서를 시작하고, 모델 제공 업체(Nous Portal, OpenRouter, OpenAI 또는 사용자 정의 엔드포인트)를 선택하고 메신저 플랫폼(Telegram, Discord, Slack 또는 WhatsApp)에 연결한 다음 첫 번째 대화를 시작합니다. 첫 상호 작용부터 Hermes Agent 는 즉시 학습 모드로 전환하여 기억 구축, 기술 생성을 시작하고 각 대화 후에 더 강력해집니다.

일상적인 사용의 핵심 명령어는 다음과 같습니다:

hermes(대화 시작),

hermes model(LLM 공급 업체 및 모델 선택),

hermes tools(어떤 도구를 활성화할지 구성),

hermes gateway(메시지 게이트웨이 시작, Telegram, Discord 등 플랫폼에 액세스),

hermes setup(전체 설정 마법사 실행, 모든 내용을 일괄 구성),

hermes claw migrate(OpenClaw에서 이전),

hermes update(최신 버전으로 업데이트),

hermes doctor(문제 진단);

Hermes 에이전트가 적합한 시나리오에는 다음이 포함됩니다: 세션 간 문맥을 유지하고 지속적으로 개선할 수있는 일반적인 AI 어시스턴트; 도구, 플러그인, MCP 서버, 브라우저 또는 쉘을 조합하여 사용자 지정 에이전트 워크플로우를 사용해야하는 경우; 로컬 하드웨어, 클라우드 VM 또는 저렴한 무 서버 기반으로 에이전트를 배포해야하는 경우; 및 대화 기록 및 학습 된 스킬을 영구적 인 어시스턴트 시나리오에서 검색 가능한 대화 기록 및 유지해야하는 경우.

더 구체적으로 말하면, Telegram에서 대화하면서 클라우드 VM에서 작업을 실행하고 자동화를 설정하고 보고서를 원하는 플랫폼으로 푸시하거나 주기적인 작업을인수 할 수 있습니다; 또는 그것을 Slack 또는 Discord에 연결하여 전체 팀에 AI 협업 지원을 제공 할 수 있습니다; 또는 추적 내보내기 기능을 활용하여 다음 세대 도구 호출 모델의 RL 훈련을위한 교육 데이터를 생성할 수 있습니다.

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia