바야흐로 AI 툴 춘추전국시대입니다. 세상은 너무 빠르게 바뀌고, AI 툴은 범람하고 있어요.
새롭게 나온 AI 툴을 계속 배워야만 할 것 같고, 그래야 AI 시대에 뒤처지지 않을 수 있을 것 같죠. 저도 그런 FOMO에 빠져 매일 최신 AI 트렌드를 검색하던 시기가 있었습니다.
그런데 어느 순간부터 ‘얼마나 많은 AI 툴을 쓰느냐’가 핵심이 아니라는 걸 깨달았어요. 하나의 AI를 쓰더라도 그 도구에 정통하면 되고, 여러 개의 에이전트를 거느린다고 해도 에이전트 간 맥락이 공유되지 않거나 학습된 리소스가 제각각이면 “많이 알고 많이 쓴다”는 사실만으로는 문제가 해결되지 않더라고요.
그러던 중 Nous Research가 오픈소스로 공개한 헤르메스 에이전트(Hermes Agent)를 접했습니다. GitHub 문서에서 특히 이 문구가 눈에 들어왔어요.
헤르메스 에이전트(Hermes Agent)는 자체 학습형 AI 에이전트 입니다. 내장된 학습 루프를 갖춘 유일한 에이전트로, 경험을 통해 기술을 습득하고, 사용 중에 이를 개선하며, 지식을 저장하도록 스스로를 자극하고, 과거 대화를 검색하며, 세션이 진행될수록 사용자에 대한 심층적인 모델을 구축합니다.
https://github.com/NousResearch/hermes-agent
‘스스로 성장하는 AI 에이전트’라니 매력적이지 않나요? 그래서 “헤르메스 에이전트의 진가는 한 달 정도 써봐야 진짜 알 수 있다”는 말도 들었습니다.
오늘은 헤르메스가 정말 이 거대한 AI 시대에, 옆에 두고 꾸준히 학습시킬 ‘나만의 전용 AI 비서’가 될 수 있을지 이야기해보려 합니다. 또한 함께 비교되는 OpenClaw와의 차이도 정리해보겠습니다.
1. 멀티탭 피로도: AI가 많아질수록 사람이 더 지치는 이유
현장에서 흔히 볼 수 있는 상황으로 시작해볼게요. 1인 기업이 마케팅·아웃리치·개발·커뮤니티 운영·데일리 브리핑을 자동화하려고 서로 다른 특화 에이전트 여러 개를 동시에 세팅하면, 의외로 금방 “운영 부담”이 커집니다. 에이전트 성능의 문제가 아니라 에이전트 간 메모리/맥락이 공유되지 않아 사람이 각 탭을 오가며 컨텍스트를 다시 주입하고 조율해야 하면서, 극심한 컨텍스트 스위칭 비용(Context Switching Cost)을 치르게 되기 때문이죠.
[WHY] 멀티탭 피로도가 왜 생산성의 진짜 병목인가요?
AI 도입의 역설이 여기 있습니다. 도구가 많아질수록 사람이 조율해야 할 접점도 함께 늘어납니다. 탭을 전환할 때마다 뇌는 이전 컨텍스트를 내려놓고 새 컨텍스트를 불러와야 하는데, 최근 연구들도 이메일/메신저/통화/대면 등 업무 인터럽션이 피로(소진)·인지적 부담을 높인다는 점을 보여줍니다.
[HOW] 멀티탭 피로도를 진단하고 줄이는 방법은 무엇인가요?
한 가지 해결책은 ‘단일 채널 진입점’을 정하는 것입니다. 슬랙·텔레그램·CLI처럼 팀이 이미 상주하는 채널 하나를 에이전트의 유일한 소통 창구로 지정하는 거죠. 새 툴을 배울 필요 없이, 기존 채널에서 지시하고 조율할 수 있습니다.
그리고 이 접근을 헤르메스 에이전트가 지원합니다.
Hermes는 두 가지 진입점을 제공합니다. 터미널 UI를 실행하거나 hermes, 게이트웨이를 실행한 후 Telegram, Discord, Slack, WhatsApp, Signal 또는 이메일을 통해 게이트웨이와 대화할 수 있습니다. 대화가 시작되면 두 인터페이스에서 공통으로 사용되는 슬래시 명령어가 많습니다.
https://github.com/NousResearch/hermes-agent
2. 헤르메스 vs OpenClaw: 같은 단일 에이전트, 다른 철학
헤르메스와 OpenClaw는 둘 다 단일 에이전트 기반의 오픈소스 프레임워크입니다. 그런데 현장에서 “어떤 문제를 먼저 풀 것인가”라는 우선순위가 완전히 다릅니다.
OpenClaw는 (작성 시점 기준) GitHub 스타 수가 매우 많고, Gmail·Calendar·Notion·Slack 연동과 마켓플레이스를 통해 커뮤니티 스킬을 폭넓게 활용할 수 있다는 점이 강점입니다. 또한 로컬 실행을 강조해 프라이버시 측면에서 매력적인 선택지이기도 합니다.
반면 헤르메스의 차별점은 “스킬을 누가, 어떻게 만드는가”에 있습니다.
[WHY] 두 구조가 왜 현장에서 다른 결과를 만드나요?
OpenClaw의 마켓플레이스 방식은 사람이 스킬을 찾아 설치하는 흐름에 가깝습니다. 반복 작업을 자동화하려면 사람이 먼저 “이 작업이 반복된다”는 걸 인식하고, 검색하고, 설정해야 하죠. 좋은 방식이지만 인간의 인지 개입이 여전히 필요합니다.
헤르메스는 이 전제를 뒤집습니다. 고난도 작업을 완료하면, 에이전트가 그 실행 과정을 스킬 문서(Markdown Playbook)로 정리해 ‘절차’로 남기는 방식(= 절차적 메모리)을 지향합니다. 즉, 사람이 스킬을 먼저 정의하기 전에, 작업 과정 자체가 재사용 가능한 플레이북으로 축적되는 구조입니다.
[HOW] 두 에이전트를 상황에 맞게 선택하는 방법은 무엇인가요?
선택 기준을 “통합의 폭”과 “학습/재사용 방식”으로 나눠보면 명확해집니다.
- OpenClaw가 더 잘 맞는 경우
- 이미 쓰는 서비스들이 많고(메일·캘린더·노션·슬랙 등), 다양한 연동을 빠르게 붙여 “되는 것부터” 확장하고 싶을 때
- 마켓플레이스에서 검증된 스킬을 찾아 설치·조합하는 방식이 팀 문화에 맞을 때
- 로컬 실행/프라이버시 요구가 강하고, 환경을 직접 통제하고 싶을 때
- 헤르메스가 더 잘 맞는 경우
- “반복 업무의 절차”를 플레이북으로 남겨, 같은 유형의 작업을 점점 더 적은 비용으로 돌리고 싶을 때
- 작업이 복잡하고 길어서, 한 번의 수행 결과가 곧바로 ‘재사용 가능한 표준 절차’로 남는 게 중요할 때
- 단일 채널(예: 슬랙/텔레그램)에서 지시하고, 에이전트가 내부적으로 학습·축적하며 발전하는 흐름을 만들고 싶을 때
| 비교 항목 | OpenClaw | Hermes Agent |
|---|---|---|
| 핵심 철학 | "The AI that actually does things" (지금 당장 내 PC/앱의 도구들을 조작해 일을 해주는 비서) | "The agent that grows with you" (경험을 축적하여 쓸수록 똑똑해지는 동료) |
| 스킬 획득 방식 | 준비된 마켓플레이스/플러그인 설치 및 조합 | 작업 성공 경험을 바탕으로 에이전트가 자율 생성 및 개선 |
| 작업 스타일 | 넓은 범위의 API/앱 통합을 활용한 범용적 태스크 처리 | 복잡하고 긴 절차를 표준화하여 연속성 있게 수행 |
| 세션 관리 | 세션별 독립적 도구 실행 (상대적 평면 구조) | 세션을 넘나드는 사용자 모델 및 영속적 컨텍스트 축적 |
요약하면, OpenClaw는 넓은 통합과 접근성, 헤르메스는 절차를 축적해 점점 ‘내 일을 잘 아는 에이전트’로 만드는 방향에 강점이 있습니다.
3. 헤르메스의 메모리/스킬 구조가 주목받는 이유
헤르메스가 현장 빌더들에게 가장 강한 인상을 남긴 지점은 비용 구조입니다.
자율형 에이전트를 상시 구동할 때 가장 무서운 현실적 장벽은 API 토큰 비용입니다. 에이전트가 긴 작업을 처리할수록 컨텍스트가 쌓이고 비용이 폭발적으로 늘어나는 구조입니다. 이 때문에 많은 팀이 에이전트를 "가끔 쓰는 툴"로 묶어두게 됩니다.
[WHY] 헤르메스의 메모리 분리 구조가 왜 게임 체인저인가요?
헤르메스는 메모리를 두 층으로 완전히 분리합니다. 사실(Facts)을 저장하는 단기 메모리와 절차(Procedures)를 저장하는 스킬 시스템이 독립적으로 작동합니다. 대형 태스크는 컨텍스트 비용이 없는 하위 에이전트(Subagent)에게 독립 병렬 위임합니다.
이런 구조가 잘 맞는 업무에서는, 긴 작업을 반복할수록 절차가 플레이북처럼 축적되어 “긴 작업 = 매번 비싼 작업”이라는 공식을 완화할 가능성이 있습니다. OpenClaw가 방대한 통합과 스타 수로 넓은 사용자층을 끌어안는다면, 헤르메스는 이 비용 구조 하나로 개발자·빌더 커뮤니티의 깊은 신뢰를 얻었습니다.
[HOW] 헤르메스 아키텍처를 내 조직에 적용하는 방법은 무엇인가요?
1) 단일 채널을 진입점으로 설정하세요. 팀이 이미 쓰는 슬랙이나 텔레그램에 헤르메스를 연결합니다. 이동 중 휴대폰에서도 끊김 없이 디렉팅이 가능한 Cross-platform continuity가 구현됩니다.
2) 복잡한 반복 작업부터 맡겨보세요. 처음 몇 번은 헤르메스가 실행 과정을 기록하며 스킬 플레이북을 자동 생성합니다. 이후 같은 유형의 작업은 플레이북 기반으로 추가 비용 없이 실행됩니다.
3) 사람의 역할을 디렉터로 재정의하세요. 헤르메스를 도입한 팀에서 인간의 역할은 단순 실행자에서 결과물의 품질과 방향을 승인하는 디렉터(Director)로 전환됩니다. 이 전환이 명확해야 조직 내 도입 저항이 낮아집니다.
마무리: 탭이 줄어야 집중이 시작된다
지금까지 살펴본 내용을 정리하겠습니다.
멀티탭 피로도는 AI 도구가 많아질수록 오히려 사람이 더 지치는 구조적 역설입니다. 에이전트가 나빠서가 아니라, 에이전트 사이의 메모리가 단절되어 있기 때문에 사람이 그 간극을 탭 전환으로 메우게 됩니다.
헤르메스와 OpenClaw는 둘 다 이 문제에 응답하는 단일 에이전트지만 철학이 다릅니다. OpenClaw는 347,000개의 스타와 4,000개의 커뮤니티 스킬로 넓은 사용자층을 끌어안고, 헤르메스는 AI가 스스로 스킬을 만들고 비용을 줄이는 구조로 빌더들의 신뢰를 얻었습니다.
헤르메스의 핵심은 사실과 절차를 분리한 메모리 구조와 하위 에이전트 병렬 처리입니다. 이 구조가 사람의 인지 공간을 온전히 보호하며, 탭 전환 없이 한 채널에서 디렉팅만 하는 업무 방식을 가능하게 합니다.
오늘 이 글을 읽고 내일 당장 해볼 수 있는 것:
Step 1) 오늘 열었던 AI 탭의 수를 세고, 탭 전환의 원인이 "메모리 단절"인지 확인하세요.
Step 2) 팀에서 가장 자주 반복하는 작업 하나를 골라, 헤르메스와 OpenClaw 중 어느 구조가 맞는지 위 기준으로 판단해보세요.
Step 3) 슬랙 또는 텔레그램 채널 하나를 에이전트 진입점으로 지정하고, 이번 주 안에 첫 지시를 던져보세요.
탭 하나를 줄이는 것이 집중력 한 시간을 되찾는 일입니다. AI 시대의 진짜 생산성은 도구의 개수가 아니라, 인간이 온전히 몰입할 수 있는 공간의 깊이에서 결정됩니다.
감사합니다.
의견을 남겨주세요