헤르메스 에이전트 구조, 특징 및 오픈클록와의 차이점
2026년 5월, 오픈소스 AI 에이전트 세계에서 조용하지만 강력한 지각 변동이 일어났습니다. Nous Research가 개발한 **헤르메스 에이전트(Hermes Agent)**가 OpenRouter 글로벌 일일 랭킹에서 오픈클로우(OpenClaw)를 제치고 1위를 차지한 것입니다. 하루에만 2,240억 토큰을 처리하며 AI 에이전트 시장의 판도를 바꾸고 있습니다. 단 3개월 만에 140,000개 이상의 GitHub 스타를 달성하고, NVIDIA·OpenRouter 같은 글로벌 플랫폼과 공식 파트너십을 맺은 이 프레임워크가 왜 지금 가장 주목받는지, 그 구조와 특징, 그리고 오픈클로우와의 핵심 차이점을 이 글에서 깊이 있게 살펴보겠습니다.
헤르메스 에이전트란?
헤르메스 에이전트는 2026년 2월 Nous Research가 공개한 오픈소스 자율 AI 에이전트입니다. 일반적인 챗봇이나 IDE 플러그인과는 근본적으로 다른 접근 방식을 취합니다. 대화가 끝나도 기억이 유지되고, 경험으로부터 스스로 스킬을 생성하며 점점 더 똑똑해지는 ‘자기 개선형 에이전트’입니다.
- MIT 라이선스 기반의 완전 오픈소스 프로젝트로, 상업적 용도로도 자유롭게 활용 가능
- Linux, macOS, WSL2를 지원하며 단 하나의
curl명령어로 설치 가능 - 월 $5짜리 VPS부터 GPU 클러스터, 서버리스 환경까지 다양한 인프라에서 실행 가능
- 모든 데이터(기억, 스킬, 대화 이력)는 로컬 SQLite DB에 저장되어 외부 클라우드 전송 없음
- 2026년 5월 현재 최신 버전은 v0.13.0 “Tenacity”(2026년 5월 7일 출시)
핵심 학습 루프 구조
헤르메스 에이전트를 기존 에이전트들과 완전히 구별 짓는 핵심은 바로 **자기 개선 학습 루프(Self-Improving Learning Loop)**입니다. 대부분의 AI 에이전트는 과거 대화를 ‘기억’하지만, 헤르메스는 완료한 작업으로부터 실제로 ‘학습’합니다.
학습 루프는 아래의 세 가지 핵심 메커니즘으로 작동합니다.
- FTS5 세션 검색: 모든 과거 대화를 SQLite FTS5 전체 텍스트 검색으로 저장하고 LLM 요약과 결합해 컨텍스트 재활용
- 자동 스킬 파일 생성: 5회 이상의 툴 호출을 포함한 작업이 완료되면, 배경 프로세스가 해당 작업 경로를 YAML 헤더를 포함한 Markdown 스킬 파일로 변환
- Nudge 메커니즘: 에이전트가 능동적으로 자신에게 프롬프트를 보내 새로운 지식을 스킬로 저장할지 결정 — 수동 큐레이션 없이 자동 축적
3계층 메모리 시스템
헤르메스의 메모리 구조는 단순한 RAG(검색 증강 생성)를 넘어선 3계층 메모리 아키텍처로 설계되어 있습니다. 이는 AI 에이전트의 고질적 문제인 ‘세션 간 기억 상실’을 근본적으로 해결합니다.
각 계층은 역할과 접근 방식이 명확하게 구분되어 있습니다.
- 작업 메모리(Working Memory): 현재 세션의 대화 컨텍스트를 실시간으로 유지
- 에피소딕 메모리(Episodic Memory): 완료된 작업 이력을 FTS5 검색 가능한 형태로 영구 보관
- 의미적 메모리(Semantic Memory): 사용자의 선호도, 작업 패턴, 페르소나 정보를 구조화해 저장
- 외부 벡터 DB 없이 SQLite만으로 동작 가능 (플러그인으로 pgvector, Chroma 등 추가 연동 가능)
mnemo-hermes플러그인으로 시맨틱 메모리 검색 성능을 더욱 향상 가능
모듈식 플러그인 아키텍처
헤르메스 에이전트는 이벤트 기반(Event-Driven) 모듈식 아키텍처를 채택해 높은 확장성을 자랑합니다. 핵심 결정 엔진을 중심으로 여러 레이어가 분리·통합되어 있습니다.
플러그인 시스템은 세 가지 검색 경로를 지원하며 유연한 커스터마이징이 가능합니다.
- 플러그인 등록 경로:
~/.hermes/plugins/(사용자),.hermes/plugins/(프로젝트), pip 엔트리 포인트 세 가지 경로 지원 - 툴셋 구성: 70개 이상의 도구와 28개의 툴셋으로 다양한 작업 자동화 가능
- 메모리 프로바이더 & 컨텍스트 엔진: 각 한 개씩만 활성화 가능한 싱글셀렉트 방식으로 충돌 방지
- 에디터 통합: VS Code, Zed, JetBrains를 위한 stdio/JSON-RPC 기반 ACP 지원
- Atropos 강화학습 통합: 11개의 툴 호출 파서로 RL 실험 및 파인튜닝 데이터 생성 지원
멀티플랫폼 메시징 지원
헤르메스 에이전트는 단일 게이트웨이 프로세스를 통해 20개 이상의 메시징 플랫폼을 동시 지원합니다. 어떤 채널을 통해 접근하더라도 동일한 스킬 라이브러리와 기억을 가진 에이전트가 응답합니다.
v0.13.0 “Tenacity” 릴리즈 기준 지원 플랫폼과 주요 신기능은 아래와 같습니다.
- 지원 플랫폼: Telegram, Discord, Slack, WhatsApp, Signal, 이메일, QQBot, Google Chat(20번째 플랫폼) 등
- Kanban 멀티에이전트 보드: 하트비트 모니터링, 좀비 감지, 환각 복구 기능 포함
/goal명령어: 여러 턴에 걸쳐 에이전트가 목표를 잠그고 지속적으로 추적- Checkpoints v2: 실제 상태 프루닝을 통한 효율적인 체크포인트 관리
- 게이트웨이 자동 재개: 재시작 후 자동으로 게이트웨이 연결 복구
보안 아키텍처와 CVE 현황
헤르메스 에이전트는 **보안 우선 설계(Secure by Default)**를 핵심 원칙으로 삼습니다. 특히 오픈클로우가 다수의 심각한 보안 취약점을 겪은 것과 대비해, 헤르메스는 상대적으로 깨끗한 보안 이력을 유지하고 있습니다.
v0.13.0 Tenacity 릴리즈에서는 8개의 P0 보안 이슈를 한 번에 해결했습니다.
- 기본 리댁션 활성화: 민감한 정보가 로그에 노출되지 않도록 기본 설정으로 변경
- Discord 역할 허용 목록: 이제 길드 범위로 스코핑되어 권한 남용 방지
- WhatsApp 낯선 사람 거부: 기본값으로 알 수 없는 발신자의 메시지 차단
- TOCTOU 취약점 패치: auth.json 및 MCP OAuth 플로우 전반의 경쟁 조건 수정
- CVE-2026-7113(CVSS 3.x: 5.6 MEDIUM) — v0.8.0의 웹훅 엔드포인트 인증 누락 이슈, v0.9 이상에서 해결
오픈클로우와의 핵심 차이
헤르메스 에이전트와 오픈클로우는 표면적으로 유사해 보이지만, 제품의 핵심 철학이 근본적으로 다릅니다. 헤르메스는 ‘에이전트 우선(Agent-First)’, 오픈클로우는 ‘게이트웨이 우선(Gateway-First)’ 설계 철학을 따릅니다.
두 프레임워크의 주요 차이점을 아래와 같이 정리할 수 있습니다.
| 항목 | 헤르메스 에이전트 | 오픈클로우 |
|---|---|---|
| 핵심 철학 | 에이전트 우선 (자기 개선형) | 게이트웨이 우선 (채널 라우팅형) |
| 개발 언어 | Python 3.11 | TypeScript / Node.js |
| GitHub 스타 | ~140,000 (10주 달성) | ~345,000 (누적) |
| 스킬/플러그인 | 자동 생성되는 자기 개선형 스킬 | ClawHub 마켓플레이스 (정적 패키지) |
| 메모리 방식 | 3계층 구조 (SQLite + FTS5) | Markdown 파일 기반 (MEMORY.md 등) |
| 보안 CVE | 1건 (MEDIUM 수준, 구버전 한정) | 9건 (4일 내 공개, CVSS 9.9 포함) |
| 멀티에이전트 | 부모-서브에이전트 모델 | 팀 기반 에이전트 조직 모델 |
| 마이그레이션 | hermes claw migrate 공식 지원 | — |
- 오픈클로우는 2025년 말 오스트리아 개발자 Peter Steinberger가 주말 프로젝트로 시작
- 2026년 2월 Steinberger가 OpenAI에 합류하면서 오픈클로우는 독립 재단으로 이관
- 보안 측면에서 오픈클로우는 ClawHavoc 공급망 공격(악성 스킬 341개 발견)을 경험
- 헤르메스는 공식 마이그레이션 도구로 오픈클로우 사용자의 전환을 직접 지원
GEPA 기반 자기 최적화
헤르메스만의 독자적인 기술인 **GEPA(Genetic-Pareto)**는 스킬, 프롬프트, 에이전트 코드를 벤치마크 대비 자동 최적화하는 알고리즘입니다. 단순한 강화학습이 아닌 유전 알고리즘과 파레토 최적화를 결합한 방식으로, ICLR 2026 Oral로 선정되어 학술적으로도 인정받았습니다.
이 기술은 헤르메스의 ‘시간이 지날수록 더 강해지는 에이전트’라는 비전을 기술적으로 뒷받침합니다.
- 단일 보상 스칼라로 실행 경로를 압축하는 RL 방식과 달리, 다목적 최적화로 복잡한 트레이드오프 처리
- DSPy와 결합하여 프롬프트와 스킬을 공개 벤치마크 기준으로 자동 개선
- 성공한 워크플로우를 ShareGPT 형식 트레젝토리로 변환하여 파인튜닝 데이터 생성 가능
hermes-agent-self-evolution컴패니언 프로젝트(MIT 라이선스)로 별도 제공
실전 활용 꿀팁 🍯
헤르메스 에이전트를 처음 도입하거나 오픈클로우에서 전환할 때 알아두면 유용한 실용적인 팁을 정리했습니다.
- 소규모 테스트 시작: Telegram 또는 Slack 채널에 연결 후 반복적인 소규모 작업 2~3주 운영 → 학습 루프 검증 후 확대
- 헤르메스+오픈클로우 병행 운영: 오픈클로우를 프론트엔드 오케스트레이터로, 헤르메스를 백엔드 스페셜리스트로 분리 운영하는 하이브리드 패턴이 프로덕션에서 효과적
- 스킬 파일 Git 관리:
~/.hermes/skills/를 Git 저장소로 관리하면 팀 간 스킬 공유 가능 - SkillClaw 플러그인 활용: 스킬 라이브러리 자동 진화, 중복 제거, 개선을 도와주는 오픈소스 컴패니언 도구(GitHub 700+ 스타, MIT 라이선스)
- Python 버전 주의: 반드시 Python 3.11을 사용해야 하며, 다른 버전과의 혼용 시 호환성 문제 발생 가능
- OpenRouter 연동 시 비용 최적화: 복잡한 추론에는 고비용 모델, 단순 작업에는 저비용 모델을 태스크별로 라우팅하면 API 비용 절감 가능
자주 묻는 질문 (Q&A)
Q1. 헤르메스 에이전트는 오픈클로우와 함께 사용할 수 있나요? A1. 네, 가능합니다. 실제로 프로덕션 환경에서 오픈클로우를 고객 대면 게이트웨이(멀티 채널 메시징, 라우팅)로, 헤르메스를 복잡한 반복 작업의 백엔드 전문 에이전트로 분리 운영하는 패턴이 검증되어 있습니다. 헤르메스는 hermes claw migrate 명령어로 오픈클로우 설정을 공식 임포트할 수도 있습니다.
Q2. 헤르메스 에이전트의 보안은 안전한가요? A2. 오픈클로우 대비 상대적으로 안전한 편입니다. 2026년 5월 현재 공개된 CVE는 구버전(v0.8.0) 웹훅 엔드포인트 인증 누락 1건(CVSS 5.6 MEDIUM)이며, 최신 v0.13.0에서 8개의 P0 보안 이슈를 추가로 패치했습니다. 반면 오픈클로우는 2026년 3월 4일 만에 9개 CVE(최고 CVSS 9.9)가 공개된 바 있습니다.
Q3. 헤르메스 에이전트는 어떤 LLM 모델을 지원하나요? A3. 헤르메스 에이전트는 모델 및 프로바이더에 구애받지 않는 모델 불가지론적(Model-Agnostic) 설계를 채택하고 있습니다. Claude, GPT, Gemini, Qwen 등 400개 이상의 LLM 프로바이더를 지원하며, 설정 파일 하나만 변경하면 모델을 손쉽게 전환할 수 있습니다. NVIDIA NIM, AWS Bedrock, Vercel AI Gateway, GPT-5.5(Codex OAuth)도 공식 지원합니다.
Q4. 스킬은 직접 만들어야 하나요? A4. 아닙니다. 헤르메스의 가장 큰 장점 중 하나가 스킬 자동 생성입니다. 5회 이상의 툴 호출이 포함된 작업이 완료되면, 에이전트가 자동으로 해당 작업 흐름을 Markdown 스킬 파일로 변환해 저장합니다. 물론 직접 편집하거나 삭제할 수도 있으며, v0.12 이후 Curator 시스템이 스킬 라이브러리를 자율적으로 유지·개선합니다.
Q5. 오픈클로우에서 헤르메스 에이전트로 마이그레이션하기 어렵나요? A5. Nous Research가 공식 마이그레이션 도구인 hermes claw migrate를 제공하고 있어 전환 장벽이 낮습니다. 이 도구는 오픈클로우 설정을 임포트하고, 호환 가능한 스킬을 헤르메스 포맷으로 변환하며, 메시징 채널 설정도 그대로 이전합니다. 단, Python 3.11 환경 준비와 일부 복잡한 멀티에이전트 워크플로우의 수동 조정은 필요할 수 있습니다.
