hermes-agent.nousresearch.com 사용 팁과 활용 사례
DeepSeek, Kimi, GLM, MiMo, MiniMax 같은 중국 추론 모델은 첫 질문에는 정상 답변을 하지만, 이어지는 질문에서 HTTP 400 오류가 날 수 있다. 문제는 모델 자체보다 대화 도구 쪽에 있다. 이 모델들은 답변 전에 만든 내부 메모리를 reasoning_content라는 숨은 필드로 내보내며, 다음 대화 때 그 값을 다시 받아야 이전 흐름을 검증할 수 있다. OpenCode, Cursor, Claude Code, VS Code Copilot처럼 OpenAI spec에 맞춰 만든 도구들은 reasoning_content가 표준에 없기 때문에 이 필드를 버릴 수 있다. 그래서 첫 번째 왕복 테스트는 통과하지만, 실제 사용자는 두 번째 대화에서 막힌다. 이 문제는 1월부터 공개적으로 보였고, 해당 수정 플러그인은 12,551개 메시지를 패치한 기록이 있다.
Hermes agent의 Photon에서 예전에 보냈지만 응답이 오지 않았던 초기 메시지들이 뒤늦게 iMessage로 한꺼번에 도착한 사례가 나왔다. Photon은 빠르게 바뀌고 업데이트되는 장점이 있지만, 충분히 테스트되지 않은 기능이 바로 배포되는 듯한 불안도 함께 드러난다. 메시지 예산을 관리하면서 Codex를 쓰는 상황이라면, 뒤늦은 응답이나 예상 밖의 메시지가 비용 계산을 흐릴 수 있다. Photon은 아이디어 자체는 흥미롭지만, 현재 사용량을 안정적으로 감당할 준비가 부족해 보인다는 평가다. 이런 상태라면 고객 업무에 바로 배포하기 어렵고, 기업용 계정도 더 안정적일지 확신하기 어렵다.
Hermes Agent의 Mixture of Agents는 하나의 인공지능 모델에 모든 일을 맡기는 대신, 여러 모델이 같은 문제를 따로 풀고 마지막에 집계 모델이 답을 합치는 방식이다. 제시된 구성은 Hermes, Fusion, Sakana Fugu, Agent OS, 공유 메모리를 함께 연결해 반복해서 쓸 수 있는 작업 흐름을 만드는 데 초점을 둔다. 핵심 주장은 다음 세대의 비공개 최고급 모델을 기다리지 않아도, 지금 쓸 수 있는 모델들을 조합하면 더 나은 답을 얻을 수 있다는 것이다. 한 모델은 기술적 위험을 찾고, 다른 모델은 약한 가정이나 빠진 내용을 잡아내며, 마지막 모델이 좋은 부분만 골라 하나의 답으로 정리한다. 다만 실제 사용 반응은 모두 긍정적이지 않다. Hermes를 여러 모델의 조율자처럼 쓰고 Deepseek V4를 작업 담당, Claude를 검토 담당으로 둔 실험에서는 초반 결과가 기대에 못 미쳐 중단됐고, 문제는 도구 자체보다 연결 방식이나 기본 설계가 약했을 가능성도 남아 있다. 관련 내용들은 반복해서 Claude, Opus, GPT보다 낫다는 식의 강한 성능 주장을 내세우지만, 제공된 자료 안에는 비교 기준이나 수치가 없다.
Hermes Agent를 오래된 맥북에 설치하고 OpenRouter로 여러 모델을 바꿔 쓰는 방식에서, 이틀 동안 약 1,000만 토큰을 썼지만 결과 품질은 기대보다 낮았다. 텔레그램 연결, 사용자 설정 파일인 user-md 구성, 여러 개의 cronjob 설정까지 모두 데스크톱 앱으로 진행했다. 작업은 특정 주제의 뉴스를 가져와 요약하는 비교적 단순한 자동화였다. 작은 모델로는 일반 대화는 어느 정도 가능했지만, cronjob에서 도구 호출이 들어가면 성능이 크게 흔들렸다. Qwen3.6:35B, DS V4 Flash, Nvidia Nemotron Super 122B 같은 모델에서는 결과가 들쭉날쭉했다. GLM5.2 같은 더 큰 모델은 출력이 조금 더 괜찮았지만, 기본적인 결과를 내는 데 드는 토큰 사용량이 매우 컸다. 모델 선택 같은 설정이 세션 안팎에서 제대로 저장되지 않는 문제도 있었다.
개인 식단 기록을 내보낼 수 있는 앱이 없어서 Claude Code로 하루 저녁에 식단 MCP 서버를 만들었다. Claude 모바일 앱에서도 쓰려고 원격 서버로 만들었고, 다른 사람도 쓸 수 있게 공개했다. 3개월 동안 270명이 연결했고, 63%가 식사를 기록했으며, 74%는 다음 날 다시 돌아왔다. 누적 기록은 식사 10,551건, 칼로리 430만, 도구 호출 19,441건, 시간대 35개였다. 가장 많이 쓰인 기능은 식사 기록으로 약 11,000번 호출됐다. 그다음은 하루 요약과 목표 진행 확인이었다. 핵심은 기능을 많이 넣는 것이 아니라, 앱을 열거나 음식 데이터베이스를 뒤지지 않고 한 문장으로 식사를 기록하게 만드는 낮은 마찰이었다.
Hermes 같은 인공지능 에이전트를 직접 서버에 설치하고 관리하지 않아도 계속 실행하게 해 주는 관리형 클라우드 호스팅 구상이다. 목표 사용자는 OpenClaw나 Hermes를 이미 쓰고 있거나, 에이전트를 일정이나 트리거에 맞춰 24시간 켜 두고 싶은 사람이다. 에이전트는 전용 클라우드 환경에 배포되고, 사용자는 VPS, Docker, 업데이트, 서버 점검을 직접 다루지 않아도 된다. 에이전트 하나만 돌릴 수도 있고, 같은 환경에서 함께 일하는 여러 에이전트 팀을 운영할 수도 있다. 서비스 쪽에서 프로비저닝, 격리, 초기 설정, 자원 한도를 맡고, 사용자는 한 대시보드에서 활동, 사용량, 비용을 본다. 비용은 기본 제공량과 만료되지 않는 선불 크레딧을 함께 쓰며, 한도를 넘으면 멈추는 방식이라 예상 밖 청구를 막는다는 점을 내세운다.
Hermes Agent를 텔레그램 채팅으로 쓰면서 Deepseek를 직접 API로 연결한 구성에서 작업 위임이 잘 되지 않는다. 대화하는 기본 에이전트에는 Deepsek V4 Pro를 쓰고, 코딩을 맡는 coding-agent, 설정을 바꾸는 config-agent, 조사를 맡는 research-agent까지 3개의 하위 에이전트를 만들었다. 하위 에이전트들은 Deepseek V4 Flash를 쓴다. 문제는 기본 오케스트레이션 에이전트가 하위 에이전트에게 일을 나누지 않고, 직접 처리해 버리는 경우가 많다는 점이다. 하위 에이전트를 쓰라고 기억시키는 지시를 넣었고, 메모리에는 menmosney를 쓰고 있지만, 위임 행동이 꾸준하지 않다.
Hermes Agent를 작업 관리자처럼 써서 Inner Circle Trader 유튜브 강의 자료를 검색 가능한 개인 자료실로 정리했다. 대상은 2016년부터 2026년까지의 멘토십 영상, 30개가 넘는 재생목록, 전체 679개 영상이었다. 목표는 단순히 재생목록에 저장하는 것이 아니라, 영상 내용을 시간 표시와 함께 글로 바꿔서 원하는 개념을 전체 자료 안에서 바로 찾는 것이었다. 구성은 Hermes Agent의 Robin이라는 거래 프로필, faster-whisper tiny model, YouTube Transcript API, yt-dlp, 집 안 컴퓨터의 마크다운 위키, 밤에 자동으로 도는 cron jobs였다. 현재까지 335개 받아쓰기 문서가 위키에 쌓였고, 분량은 428시간이며, 채널 전체 679개 중 368개 영상까지 처리했다. 2025/2026 강의 시리즈와 2022·2023·2024 멘토십 같은 주요 재생목록도 포함됐다. 가장 큰 문제는 제한이었다. YouTube Transcript API는 2분 안에 영상 50개를 빠르게 처리한 뒤 몇 시간 동안 막혔고, yt-dlp도 10~15개 다운로드 뒤 별도의 제한에 걸렸다. 도구마다 쉬어야 하는 시간이 달라서, 어느 도구를 다시 쓸 수 있는지 바로 알기 어려웠다.
Hermes 에이전트를 매일 쓸 때 Gemma4-31b-qat-q4가 Qwen3.6-27B-MTP-q4보다 복잡한 지시를 더 잘 지켰다는 경험이다. 예를 들어 메모리에 “음성으로 말했을 때만 음성 답변을 쓰고, 사용자가 말한 언어와 같은 언어로 답한다”는 규칙을 넣었을 때 Gemma는 이를 놓치지 않았다. Qwen은 글로 입력했는데도 음성 답변을 하거나, 언어를 섞는 일이 더 있었다. 다만 아주 까다로운 특정 문제에서는 Qwen으로 바꾸면 해결된 경우도 있었다. 전체적으로 직접 만든 도구의 약 90%는 Gemma가 잘 처리했고, 도구 호출과 코딩 능력도 충분히 강했다. Gemma는 답변 성격이 더 자연스럽게 느껴졌고, 영어와 중국어 중심으로 보인 Qwen보다 여러 언어 사용에서 더 낫다는 평가다.
판매 시점 관리 앱과 분석 대시보드가 있고, 여러 사업장이 같은 데이터베이스 구조 안에서 사업장 아이디로 나뉘어 있다. 목표는 AI 에이전트가 “사업장 A”, “사업장 B”처럼 말하는 대상을 이해하고, 각 사업장에 맞는 분석 의견을 주게 하는 것이다. 이미 쿼리와 설명을 담은 skill.md 파일을 준비해 둔 상태다. 고민은 비용이 너무 크지 않으면서도 성능이 너무 낮지 않은 모델 제공자를 고르는 일이다. 현재 계획은 Nous Research를 모델 제공자로 쓰고, 하나의 에이전트가 여러 사업장을 모두 맡게 하는 방식이다.
Hermes Agent를 여러 프로젝트나 장기 작업에 쓰면 대화를 쉽게 새로 시작하고 분리하는 방식이 중요하다. 현재 한 방식은 텔레그램에서 Hermes Agent와 사용자만 있는 그룹을 새로 만들고, 그 그룹을 텔레그램 폴더에 고정해 Hermes 대화를 한곳에 모으는 것이다. 하지만 새 작업마다 그룹을 만들고 정리해야 해서 번거롭다. 슬랙에서는 에이전트가 채널에 새 메시지를 보내기보다 기존 메시지에 답글로만 반응하고, 여러 에이전트가 같은 컨텍스트를 공유해 작업이 섞이는 문제가 있다. 원하는 형태는 ChatGPT 앱처럼 Command+N만 누르면 새 대화가 바로 열리고, 각 대화가 별도 컨텍스트로 유지되는 채팅 화면이다. 더 나아가 여러 Hermes 컴퓨터를 한 번에 붙여 새 세션을 시작할 수 있으면 좋다. t3 chat은 Claude Code용으로 쓰는 사례가 있지만, 일반적인 에이전트 작업에는 맞지 않을 수 있다는 우려가 있다.
TIM 같은 통신사가 집 인터넷에 배정하는 공인 IP는 한 번 정해진 뒤 계속 고정되는 것이 아닐 수 있다. Hermes Agent를 VPS에 설치하고, 방화벽에서 SSH 접속을 집 공인 IP에만 허용하면 문제가 생길 수 있다. 집 공인 IP가 이틀 뒤 다른 주소로 바뀌면, VPS는 새 주소를 허용된 접속자로 보지 않아 로그인이 막힌다. 실제로 공인 IP가 하루나 이틀마다 바뀌었고, 위치 표시도 카타니아, 밀라노, 실제 거주 지역처럼 계속 달라졌다. 핵심은 Hermes Agent 서버 자체 문제가 아니라, 집 인터넷의 동적 공인 IP와 방화벽 허용 목록이 맞지 않아 생기는 접속 문제다.
Nous Research의 오픈소스 Hermes Agent에 새로 추가된 /learn 명령은 자료 폴더를 읽고 재사용 가능한 SKILL.md 파일을 자동으로 만든다. 자료는 응용프로그램 개발 문서, 낯선 코드베이스, 설정 파일 묶음처럼 한곳에 모아둔 원본이면 된다. 이 기능 덕분에 기본 스킬을 만드는 진입 장벽은 크게 낮아졌다. 하지만 단순히 공개 문서를 넣어 만든 스킬은 흔하고 평범한 결과에 그치기 쉽다. 실제로 값어치 있는 스킬은 특정 업무에 맞게 조정되고, 예외 상황까지 시험되고, 실행 흐름이 깔끔하게 최적화된 형태여야 한다. Hermes Agent를 더 잘 쓰려면 /learn으로 초안을 만든 뒤, 사용자의 실제 환경과 반복 업무에 맞춰 고쳐 쓰는 과정이 핵심이다.
Hermes에서 파일을 바꿀 때, 개별 변경마다 세밀하게 승인하는 기능은 아직 뚜렷하게 보이지 않는다. 이상적인 방식은 파일 수정이나 파일 이동 같은 변경 내용을 diff로 먼저 보고, 각각 승인하거나 거절하는 것이다. 중요 문서가 적은 개인 비서 용도라면, 바로 원본 파일을 건드리게 두는 것은 부담이 크다. 실험 중인 방법은 원본 파일의 복사본을 Docker 안에 두고, Hermes가 그 복사본에서만 작업하게 하는 것이다. 그다음 rsync diff로 바뀐 내용을 확인한 뒤, 괜찮은 변경만 원본 쪽에 적용한다. 또 다른 아이디어는 Carbon Copy Cloner로 Hermes가 작업하는 폴더를 미리 백업해 두고, 백업 도구의 변경 비교 기능이 충분히 쓸 만한지 확인하는 것이다.
CC Switch는 여러 코딩 에이전트와 명령줄 인공지능 도구를 한 화면에서 관리하려는 데스크톱 제어판이다. Claude Code, Codex, Gemini CLI, OpenCode, OpenClaw, Hermes Agent 같은 도구와 공급자 라우팅, 스킬, 설정을 한곳에 모으는 것이 핵심이다. 여러 인공지능 계정, 모델, 토큰 사용량, 중계 도구, 설정 파일이 뒤섞이면 실제 문제는 코드 작성 능력보다 어떤 도구가 어떤 설정을 쓰는지 파악하는 일이 된다. CC Switch는 이런 혼란을 줄여, Hermes Agent를 다른 코딩 에이전트와 함께 쓰는 환경에서 설정과 모델 선택을 더 쉽게 관리할 수 있게 해준다.
Codex만으로도 알림, 이메일 관련 작업, 문서와 양식 작성, 작은 개인용 앱 만들기까지 꽤 많은 일을 처리할 수 있다. 그래서 Hermes Agent가 어디에서 더 강한지, Codex가 어디부터 부족해지는지 구분하기 어렵다. 관심 있는 실제 용도는 자동화된 마케팅 캠페인 실행, 콘텐츠 만들기와 재활용, 작은 내부 도구나 MVP 앱 제작, 나중에는 다른 사람이 쓸 수 있는 앱 실험이다. 바이브 코딩으로 만든 앱은 안정성과 신뢰성 문제가 있을 수 있지만, 여기서는 정식 서비스가 아니라 실험용 MVP로 보는 관점이다. 핵심 비교 기준은 Hermes Agent가 Codex보다 더 잘하는 구체적 작업, 확실히 빛나는 흐름, 신뢰성, 연동, 자율성, 사용 편의성이다.
Hermes를 Oracle 무료 서버에 설치한 뒤, 에이전트가 현재 시간을 제대로 모르는 듯한 답을 할 수 있다. 이미 끝난 크론 작업을 앞으로 일어날 일처럼 말하거나, 이미 아침인데 아침에 하자고 제안하는 식이다. 확인해 보면 Hermes가 주변 시간 정보를 계속 알고 있는 방식이 아닐 수 있으며, 현재 시간을 알려 주는 스크립트를 따로 붙여야 한다는 답이 나올 수 있다. 개인 비서처럼 쓰려면 일정, 작업 순서, 알림, 오늘 할 일 판단에 시간이 중요하므로, 시간 인식이 자동으로 된다고 가정하면 안 된다.
Hermes 에이전트는 대화 내용을 오래 잘 이어가지 못할 수 있다. 기본 MEMORY.md는 “사용자는 파이썬을 좋아한다”, “프로젝트는 Docker를 쓴다”처럼 직접 골라 적은 사실을 보관하는 데는 쓸 수 있지만, 내용 사이의 관계나 시간 흐름을 잘 다루지 못한다. 시간이 지나며 파일이 계속 커지면 컨텍스트 창을 많이 차지해 에이전트가 현재 대화에 쓸 공간이 줄어든다. Synapse는 Hermes 에이전트용 메모리 시스템으로, 시간 지식 그래프 방식으로 정보를 저장한다. 오픈소스로 공개됐고, MIT 라이선스를 쓰며, 직접 운영할 수 있고, 기존 메모리 제공 플러그인처럼 끼워 넣어 쓸 수 있게 만들어졌다. 핵심 차이는 모든 기억을 같은 무게로 남기지 않고, 일부 기억은 시간이 지나며 약해지거나 잊히도록 설계한 점이다.
Hermes Agent처럼 하루 종일 자동으로 일을 처리하는 인공지능은 멈추거나 오류 창을 띄우지 않아도 망가질 수 있다. 문제는 답이 문장으로는 자연스럽고 문법도 맞지만, 내용이 완전히 틀릴 수 있다는 점이다. 일반적인 자체 운영 서비스는 고장 나면 영상이 안 나오거나, 웹사이트가 안 열리거나, 저장장치 소리가 나는 식으로 바로 드러난다. 반면 언어 모델은 잘못된 답을 자신 있게 내놓을 수 있어, 사람이 사실을 확인하기 전까지 문제를 알아차리기 어렵다. 실제로 Hermes Agent가 계속 작업을 실행하던 중 어느 날 말은 그럴듯하지만 내용은 엉터리인 결과를 만들고 있었다. 충돌도 없고 오류도 없이 쓰레기 결과만 조용히 쌓이는 상황이 핵심 위험이다.
Nostics Digital이라는 컨설팅 사업에서 새 고객 미팅을 준비하기 위해 HermesAgent를 직접 운영하는 방식으로 시험했다. 기존에 쓰던 espocrm에 HermesAgent를 연결했고, HermesAgent가 espocrm API를 찾아 연동용 기능을 만들었다. 이후 HermesAgent 전용 API 사용자를 만들고, 고객 연락처와 회사 정보, 영업 기회 내용을 대화로 넣자 espocrm에 영업 기회가 등록됐다. 또 전략, 목적, 브랜드, 마케팅 계획, 제품과 서비스, 업무 절차, 실행 계획 같은 회사 문서를 모아 OKF 형식의 회사 지식 구조 초안을 만들었다. 이 지식 구조는 직접 운영하는 gitea 안에 넣었다. 이어 HermesAgent에 OKF 규격에 맞도록 내용의 문제를 점검하고 고치게 했다.
MiniMax M3 Plus 요금제는 월 20달러에 M3 사용량 약 17억 토큰을 제공한다고 안내한다. 하지만 이 월간 한도에 캐시로 다시 읽은 토큰이 포함되는지, 아니면 사용량 기반 API 요금처럼 캐시된 토큰이 더 적게 계산되는지는 문서에서 확인하기 어렵다. Hermes/OpenCode 방식의 에이전트 작업 흐름에서 캐시 적중률이 95.5%로 매우 높았는데도, 2~3번의 요청 뒤 대시보드에는 전체 토큰 4,356만, 피크 토큰 4,303만으로 표시됐다. 겉으로는 약 4,300만 토큰이 월간 사용량에 잡힌 것처럼 보인다. 핵심 의문은 캐시 적중률이 높아도 캐시 토큰이 17억 토큰 한도를 그대로 줄이는지, 아니면 대시보드는 처리된 전체 토큰만 보여주고 실제 구독 한도 차감은 더 작게 되는지다.
맥 미니 M4 16GB 환경에서 Hermes agent를 설정하려는 상황이다. 핵심 고민은 Claude나 AI Codex 같은 온라인 구독 서비스를 꼭 써야 하는지, 아니면 자체 호스팅 모델로도 가능한지다. 2TB 외장 드라이브가 있어서 큰 모델 파일을 저장할 공간은 있다. 하지만 맥 미니의 메모리가 16GB라서 큰 모델을 실제로 돌릴 수 있을지 확신이 없는 상태다.
1인 회사처럼 운영, 기획, 디자인, 재무 관리를 거의 혼자 처리할 때 AI 도구가 여러 역할을 버티게 해준다. 등록이나 세금처럼 전문가가 필요한 일은 따로 맡기지만, 그 밖의 반복 업무와 판단 보조에는 AI 구독 비용을 낼 만한 가치가 있다. 여러 도구를 처음 고를 때는 잘못된 선택으로 돈을 낭비하기 쉽다. 계속 쓰는 도구는 Hermes Agent, PixVerse, Claude 또는 Gemini, Perplexity다. Hermes Agent는 매일 쓰이며, 많은 작업을 자동으로 돌릴 수 있지만 권한을 제대로 설정해야 한다. PixVerse는 홍보 영상과 포스터 제작에 쓰이고, 이미지 생성과 영상 제작, 이미지를 영상으로 바꾸는 기능을 한곳에서 처리할 수 있다. Claude와 Gemini는 둘 중 하나만 남길 가능성이 있으며, Gemini는 계속 좋아지고 있지만 창의적인 작업은 Claude가 더 강하다고 평가된다. Perplexity는 구글 검색 대신 주로 쓰이며, Midjourney는 생성 이미지 제한이 불편해져 구독을 취소했다.
Hermes는 웹앱을 직접 만드는 Codex나 Cursor와 같은 개발 도구와 역할이 다를 수 있다. 실제 관심사는 사업용 사회관계망 계정 관리, 글 올리기, 메시지 답장, 잠재 고객 찾기처럼 반복되는 업무를 맡기는 쪽에 가깝다. 데스크톱 앱으로만 쓰면 컴퓨터가 켜져 있어야 하므로, 계속 돌아가는 대리 작업 도구로 쓰기에는 한계가 있다. 그래서 Telegram으로 Hermes를 연결하고, Hostinger 같은 외부 서버에 올려 24시간 실행하는 방식이 더 맞는지 고민하게 된다. 다만 외부 서버를 쓰면 비용이 생기므로, 자동화로 얻는 이익이 운영비보다 큰지 먼저 따져봐야 한다.
Hermes는 사용자가 휴대폰 문제를 살펴보는 중에 직접 요청받지 않은 작업까지 할 수 있었다. 휴대폰이 USB로 연결된 상태에서 배터리 칩과 배터리 연결 가능성을 물었더니, Hermes가 ADB 명령을 실행해 배터리 상태 값을 확인하고 그 내용을 바탕으로 답했다. 프린터 문제를 물었을 때는 프린터가 실제로 테스트 페이지를 출력했다. 고장 난 것을 고쳐 달라고 하면 Hermes가 스스로 해결하는 경우가 많았고, 자체 기술도 계속 업데이트되는 것처럼 보였다. 동시에 사용자의 기기와 습관을 배워 가는 느낌도 있었다. 핵심은 Hermes가 단순히 답만 하는 도구가 아니라, 연결된 기기에서 실제 행동을 할 수 있다는 점이다.
Deepseek v4 flash와 Pro는 이미지를 직접 보는 기능이 없어, 화면이나 그림이 중요한 작업에서 결과가 기대보다 낮을 수 있다. Hermes에서는 별도의 비전 모델 API를 서브 에이전트처럼 불러와 이 약점을 보완할 수 있다. 비전 모델이 화면, 이미지, 문제 상황을 먼저 글로 풀어 설명하고, Deepseek v4 flash가 그 설명을 바탕으로 답을 만드는 방식이다. 이렇게 하면 사용자가 긴 글로 상황을 설명하지 않아도 더 나은 피드백 흐름을 만들 수 있다. Hermes와 Kilo에서는 에이전트에게 이런 방식으로 처리하라고 프롬프트를 넣어 시도할 수 있었고, 결과가 이전보다 훨씬 좋아졌다는 경험이 있다. 다만 현재 서브 에이전트 위임은 최상위 모델들만큼 매끄럽지는 않다.
Hermes 에이전트를 관리자 역할로 두고, claude-code와 codex를 실행 담당 도구로 쓰는 방식은 완전 자동으로 잘 돌아가지 않았다. 사양서, 제품 요구사항 문서, 데이터 구조까지 미리 준비했고, 관리자에게는 코드를 직접 쓰지 말고 작업 배분, open-spec 진행, 병합 전 검토만 하라는 규칙을 줬다. 목표는 사람이 개입하지 않아도 관리자와 작업자가 이어서 움직이는 개발 흐름이었다. 실제로는 작업자 도구가 일을 끝내거나 작은 문제를 만나면 관리자 에이전트가 다음 행동을 이어가지 못하고 멈췄다. 그래서 사람이 계속 지켜보며 다시 지시해야 했다. 핵심 문제는 관리자 에이전트가 세션을 계속 관리하고, 완료 상태를 확인하고, 다음 작업을 밀어붙이는 습관을 유지하지 못했다는 점이다.
리눅스 컴퓨터에서 로컬 거대 언어 모델과 Hermes Agent는 정상적으로 돌아가고 있다. 목표는 같은 로컬 네트워크에 있는 윈도우 노트북에서 이 Hermes Agent에 접속하는 것이다. 모든 사용은 집 안 네트워크 안에서만 이뤄져야 하며, 디스코드나 텔레그램 같은 외부 서비스를 거치면 안 된다. 필요한 기능은 채팅에 클립보드의 스크린샷을 바로 붙여 넣고, 파일을 프롬프트에 첨부하는 것이다. 현재는 윈도우 노트북에서 SSH 터널을 통해 리눅스 컴퓨터의 대시보드에 접속하고 있지만, 그 화면에서는 채팅에 파일 첨부나 붙여넣기가 되지 않는다. 다른 방안으로 윈도우 노트북에 Hermes Agent 전체를 설치한 뒤 Hermes Desktop만 써서 리눅스 컴퓨터 쪽으로 연결하는 방법도 검토됐지만, 너무 돌아가는 방식이라 완벽한 해결책으로 보이지 않는다.
Hermes를 더 믿을 만하게 쓰기 위해 실시간 세계 데이터를 계속 받아오는 지정학 위험 엔진을 읽기 전용 MCP 서버로 연결했다. 핵심은 Hermes에게 판단이나 조언을 주는 것이 아니라, 무엇이 일어났고 무엇이 바뀌었는지만 보게 하는 것이다. 예를 들어 “비트코인을 사야 하냐”고 물으면 신호를 지어내지 않고 거절하도록 만들었다. 가장 큰 작업은 실제 데이터가 있어도 Hermes가 그 주변에 없는 내용을 꾸며내지 못하게 막는 것이었다. 같은 구조는 작은 로컬 모델, Claude, DeepSeek에서도 돌릴 수 있게 설계됐다. 판단을 담당하는 모델은 바뀌어도, 데이터 쪽에 붙인 신뢰 규칙은 그대로 유지된다. 지금은 Hermes가 보는 것만 하게 두고 있으며, 실제 행동 기능은 30일 시험 운영 뒤 가치가 확인되면 붙일 계획이다.
맥 미니에서 직접 운영하는 24시간 개인 업무 에이전트가 미디어 서버와 생활 업무를 함께 처리하고 있다. 이 에이전트는 Unraid 서버의 Plex, Sonarr, Radarr, FileBot, 라이브 티브이 채널 같은 미디어 도구를 관리하고, Home Assistant를 실행하며, archive.org에서 필요한 자료를 내려받는다. 개인 업무와 일 업무도 맡는다. 공연 알림, 배낭여행 계획, 비영리 모금 지원, 장기 가족사 조사, 알에스에스 뉴스 피드 같은 작업을 백그라운드에서 계속 진행한다. 대화는 개인 Discord 서버에서 하고, 중요한 알림은 Telegram으로 받는다. 목표 워크플로는 모든 진행 중·대기 중 작업을 우선순위가 있는 하나의 프로젝트 추적 목록에 모으고, 사용자의 결정이 필요한 항목만 별도 대기 목록으로 빼는 방식이다. 에이전트는 프로젝트 목록을 혼자 처리하다가 막히면 질문이나 제안을 대기 목록에 올리고, 사용자가 그 목록을 주기적으로 확인해 다음 작업을 열어준다. 이 구성은 첫 구축 경험에 가깝고, OpenClaw로 다시 만들지 Hermes로 옮길지 검토하는 단계다.