한 줄 정의
Nous Research가 2026년 3월에 개발한, 경험을 바탕으로 기술을 학습하고 진화시킬 수 있는 오픈소스 AI 에이전트 프레임워크이다. (출처: Hermes 에이전트 + Ollama. 로컬에 설치하는 가장 빠른 방법-ko)
핵심 요지
- 자동화된 기술 학습(Skill-Learning Automated): 수행한 작업 단계를 기술(skill)로 자동 저장하고 스스로 다듬어 재사용한다.
- 3층 구조 메모리: 단기(대화 맥락), 장기(선호도), 기술(스킬)로 메모리를 관리하며 SQLite FTS5 기반 과거 대화 검색을 지원한다.
- 멀티 플랫폼 공유: Telegram, Discord, Slack 등 12개 채널을 연동할 수 있고 채널 간 메모리가 통합 공유된다.
- 100% 로컬 구동: Ollama 로컬 엔드포인트를 지정하여 클라우드 비용이나 API 키 없이 로컬 하드웨어(예:
gpt-oss:20b모델)로 실행할 수 있다. - 100% 로컬 구동: Ollama 로컬 엔드포인트를 지정하여 클라우드 비용이나 API 키 없이 로컬 하드웨어(예: gpt-oss:20b 모델)로 실행할 수 있다.
- Hermes Agent는 closed learning loop 기반의 자가 개선 메모리를 활용해, 수동 리셋 없이도 사용자의 프로젝트, 선호도, 작업 리듬을 점진적으로 학습한다. (출처: raw/I Ran OpenClaw and Hermes on the Same Server. Today I Deleted One of Them.-ko.md)
- OpenRouter 글로벌 랭킹에서 OpenClaw를 제치고 활발하게 사용되는 대표적인 오픈소스 AI 에이전트로 부상하였다. (출처: raw/I Ran OpenClaw and Hermes on the Same Server. Today I Deleted One of Them.-ko.md)
상세
1. 자동화된 기술 학습 (Skill-Learning Automated)
인간이 수동으로 기술을 작성해야 하는 OpenClaw와 달리, Hermes Agent는 작업을 수행하면서 이를 기술로 저장하고 실행 과정에서 비효율적이거나 낡은 부분을 스스로 수정(Self-improvement)해 나간다. 예를 들어, 사용자가 “Docker를 사용하여 서비스를 배포해줘”라고 요청하면, 배포 과정을 한 번 수행한 후 그 절차를 재사용 가능한 기술 파일로 저장하여 차후 동종 작업에서 속도와 정확도를 향상시킨다.
2. 메모리 3층 구조와 세션 검색
AI의 고질적인 문맥 유실(건망증)을 해결하기 위해 세 가지 레이어로 정보를 축적한다.
MEMORY.md: 프로젝트 환경, 선호도 등을 저장하는 에이전트의 개인 메모이다.USER.md: 이름, 시간대, 대화 스타일 등 사용자 프로필 정보이다.- 세션 검색 (Session Search): 과거의 모든 대화 세션을 SQLite 데이터베이스에 기록하고, FTS5(Full-Text Search)를 사용해 수주일 전 나눈 대화 맥락까지 호출해낸다.
3. 로컬 셋업 및 Ollama 연동
- 설치:
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash명령어로 설치 마법사를 시작한다. - 마이그레이션: Nous Research의 이전 에이전트 툴인 OpenClaw 데이터(
~/.openclaw)를 자동으로 마이그레이션할 수 있다. 필요 시openclaw-migration기술을 수동 구동한다. - Ollama 연동: Base URL을
http://localhost:11434/v1로 지정하여 Custom OpenAI-compatible endpoint를 구축하고, API 인증 없이 Microsoft의 200억 매개변수(20B) 모델인gpt-oss:20b같은 로컬 모델로 추론을 구성한다. 컨텍스트 길이는 자동 감지를 위해 비워둔다. - 모델 재설정: 설정이 꼬이거나 다른 로컬 모델로 교체하고 싶을 경우 터미널에서
hermes model을 실행하여 로컬 엔드포인트를 수정한다. - 로컬 구동 성능: 로컬 단독 하드웨어 자원만 사용할 때 컨텍스트 제한 13.1만 토큰 중 약 9.23K 토큰을 사용하는 상태에서 단 2초 안팎의 응답 속도를 보여 쾌적한 추론 속도를 실감할 수 있다.
4. TurboQuant를 통한 로컬 M4 맥 성능 비약
Hermes 에이전트 로컬 구동 시 핵심 병목인 KV 캐시의 메모리 사용량을 해결하기 위해 구글 리서치(ICLR 2026 채택, arXiv:2504.19874)의 TurboQuant 캐시 압축 기술을 백엔드에 장착할 수 있다.
- 작동 원리: 아웃라이어 이상치를 가우시안으로 고르게 펴주는 폴라퀀트(PolarQuant) 1단계 압축과 잔차 오차를 차원당 1비트로 보정하는 QJL(Quantised Johnson-Lindenstrauss) 2단계 결합 구조로 캐시 정밀도를 무손실 유지한다.
- 정량적 메모리 효과: 48GB Unified Memory를 갖춘 M4 Pro 기기에서
arozanov/turboquant-mlx모듈을 연동해 Qwen2.5-32B-Instruct-4bit로 16K 컨텍스트를 돌릴 때, KV 캐시 공간이 4.2GB에서 897MB로 4.6배 급감한다. M4 Max 64GB 기기에서 Gemma 4 31B 128K 구동 시 KV 캐시를 13.3GB에서 4.9GB로 줄이며 피크 메모리를 75.2GB에서 65.8GB로 낮춘다. - 통합 생태계:
mlx-vlmv0.4.3에서 Gemma 4 출시 당일(day-zero) 지원과 TurboQuant 통합을 완료했으며, SwiftLM 라이브러리를 통해 네이티브 iOS 연동 및 Swift LLM 서버로도 활용된다.
5. 주요 설정 지표 (Agent Settings)
max iterations: 도구 호출 최대 반복 횟수 (기본값: 60)Tool Progress Display: 실시간 수행 작업 시각화 정책 (‘all’)Context Compression: 메모리 한계 절반(0.5) 도달 시 이전 대화 자동 요약Session Reset Policy: 비활성 1440분(24시간) 또는 오전 4시 도달 시 세션 리셋 (대화 중/reset명령어로 즉시 초기화 가능)- 도구 및 브라우저: DuckDuckGo 내장 검색, Edge TTS, Chromium Local Browser를 탑재한다.
6. OpenClaw와의 비교
- Hermes Agent 강점: 개인 동반자(Personal Advisor) 특화, 자동 기술 자가 학습(자가 개선), 음성 지원(기본 Microsoft Edge TTS), 가벼운 리소스 점유(20MB 대 200MB 이상).
- OpenClaw 강점: 멀티 에이전트 조정 및 채널 관리(Fleet 지휘관), 브라우저 자동화, 풍부한 플러그인 생태계와 대규모 커뮤니티의 검증된 실적(깃허브 스타 수 30.7만 개 대 Hermes Agent 6천 개 남짓).
7. 오픈소스 내부 도구 플랫폼과의 연동
Hermes Agent는 NocoBase, Appsmith, Budibase, Directus, Baserow와 같은 5대 로우코드/노코드 플랫폼과 긴밀하게 연동된다. 자연어 지시를 통해 DB 스키마, UI 기획, 절차 프로세스를 구축하고 권한을 설정할 수 있으며, 이 노하우를 ‘스킬’로 저장해 재사용한다. 구체적인 동작 방식은 Hermes Agent와 오픈소스 내부 도구 연동을 참조한다.
8. 자가 개선 및 세부 아키텍처
Hermes Agent는 경험을 코드로 자산화하여 영구 스킬로 등록하고 미세 패치(patch) 방식으로 진화하는 독자적인 자가 학습 피드백 루프를 핵심 엔진으로 지닌다. 상세 아키텍처는 Hermes 에이전트 자가 개선 아키텍처를 참조한다.
자가 개선 및 실무 운용
- Closed Learning Loop: Hermes Agent(Lollie 등)는 작업 완료 시마다 단계를 스스로 분석하여 재사용 가능한 패턴을 추출하므로, 인스턴스가 리셋되더라도 사용자의 작업 흐름과 선호도를 안정적으로 유지함.
- OpenRouter 글로벌 랭킹: 오픈소스 모델 허브인 OpenRouter 글로벌 랭킹에서 기존 OpenClaw를 제치고 가장 활발히 쓰이는 오픈소스 에이전트로 기록됨.
자가 개선 및 실무 운용
- Closed Learning Loop: Hermes Agent(Lollie 등)는 작업 완료 시마다 단계를 스스로 분석하여 재사용 가능한 패턴을 추출하므로, 인스턴스가 리셋되더라도 사용자의 작업 흐름과 선호도를 안정적으로 유지함.
- OpenRouter 글로벌 랭킹: 오픈소스 모델 허브인 OpenRouter 글로벌 랭킹에서 기존 OpenClaw를 제치고 가장 활발히 쓰이는 오픈소스 에이전트로 기록됨.
자가 개선 및 실무 운용
- Closed Learning Loop: Hermes Agent(Lollie 등)는 작업 완료 시마다 단계를 스스로 분석하여 재사용 가능한 패턴을 추출하므로, 인스턴스가 리셋되더라도 사용자의 작업 흐름과 선호도를 안정적으로 유지함.
- OpenRouter 글로벌 랭킹: 오픈소스 모델 허브인 OpenRouter 글로벌 랭킹에서 기존 OpenClaw를 제치고 가장 활발히 쓰이는 오픈소스 에이전트로 기록됨.
예시
- 사용자로부터 “Docker를 사용해 백엔드 서비스를 배포해줘”라는 명령을 받으면, 빌드 및 배포 명령과 설정을 실행한 후 해당 성공 흐름을 내부
skills/디렉토리에 하나의 기술 코드로 저장한다. 이후 유사 요청 시 이를 로드해 활용한다.
커뮤니티 마이그레이션 비율
- 단독 이전: OpenClaw Reddit 커뮤니티의 25% 사용자가 Hermes Agent로 전향하였으며, 주된 이유는 더 나은 메모리와 손쉬운 셋업임.
- 하이브리드 셋업: 25% 사용자는 OpenClaw를 메신저/인프라 라우팅 게이트웨이로 쓰고, 실제 실행(execution) 및 메모리 관리는 Hermes Agent에게 위임하는 셋업을 취함.
커뮤니티 마이그레이션 비율
- 단독 이전: OpenClaw Reddit 커뮤니티의 25% 사용자가 Hermes Agent로 전향하였으며, 주된 이유는 더 나은 메모리와 손쉬운 셋업임.
- 하이브리드 셋업: 25% 사용자는 OpenClaw를 메신저/인프라 라우팅 게이트웨이로 쓰고, 실제 실행(execution) 및 메모리 관리는 Hermes Agent에게 위임하는 셋업을 취함.
커뮤니티 마이그레이션 비율
- 단독 이전: OpenClaw Reddit 커뮤니티의 25% 사용자가 Hermes Agent로 전향하였으며, 주된 이유는 더 나은 메모리와 손쉬운 셋업임.
- 하이브리드 셋업: 25% 사용자는 OpenClaw를 메신저/인프라 라우팅 게이트웨이로 쓰고, 실제 실행(execution) 및 메모리 관리는 Hermes Agent에게 위임하는 셋업을 취함.
충돌
- 버전 미성숙에 따른 한계: v0.2.0 기준 메모리 정확도가 완벽하지 않고 의도치 않은 기술 생성이 일어날 수 있어, 운영 중 실시간 수동 검증이 필요할 수 있다. (출처: Hermes 에이전트 + Ollama. 로컬에 설치하는 가장 빠른 방법-ko)