Hermes Agent: 스스로 스킬을 쌓아가는 자율 에이전트의 폐쇄 학습 루프

작업을 마친 에이전트가 그 과정을 기록해두고, 다음번 비슷한 요청이 오면 처음부터 다시 풀지 않는다면 어떨까. Nous Research가 2026년 2월에 공개한 오픈소스 AI 에이전트 프레임워크 Hermes Agent는 이 질문에 대한 답으로 설계됐다. 출시 수주 만에 GitHub 스타 22,000개와 242명의 기여자를 확보하며 자율 AI 에이전트 생태계에서 빠르게 존재감을 키우고 있다.

프롬프트가 조립되는 방식

Hermes Agent의 아키텍처는 프롬프트 빌더, 도구 레지스트리, 메모리 시스템, 스킬 엔진 네 모듈로 나뉜다. 프롬프트 빌더는 시스템 프롬프트를 조립할 때 성격 정의(SOUL.md), 메모리(MEMORY.md, USER.md), 스킬 파일, 컨텍스트 파일(AGENTS.md, .hermes.md), 도구 사용 가이던스, 모델별 지시사항을 한데 통합한다.

⤢✕

도구 레지스트리는 20개 툴셋에 걸쳐 47개 등록 도구를 관리하며, 각 도구 파일은 임포트 시점에 자동 등록된다. 레지스트리가 스키마 수집, 디스패치, 가용성 확인, 오류 래핑을 일괄 처리해 도구 관리의 복잡성을 감춘다.

경험을 스킬로 바꾸는 루프

Hermes Agent를 다른 에이전트 프레임워크와 갈라놓는 지점은 폐쇄 학습 루프다. 에이전트가 복잡한 작업을 해결하면 그 과정을 Markdown 기반 스킬 파일로 자동 기록하고, 결과를 영속적 메모리에 저장한 뒤, 다음 유사 작업에서 해당 스킬을 재활용한다. 스킬은 사용 과정에서 스스로 개선되며, agentskills.io 오픈 표준과 호환돼 에이전트 간 이식과 공유가 가능하다.

⤢✕

이 루프는 Honcho 변증법적 사용자 모델링(Dialectic User Modeling)과 결합돼 에이전트가 사용자의 선호도, 작업 패턴, 프로젝트 맥락을 점진적으로 학습한다. 주기적 넛지(Periodic Nudge) 메커니즘은 에이전트가 메모리를 능동적으로 정리하고 업데이트하도록 유도하는 장치다.

세션이 끊겨도 남는 기억

Hermes Agent는 이중 메모리 아키텍처를 쓴다. 활성 메모리(Active Memory)는 ~/.hermes/memories/ 디렉토리에 저장되며, 세션이 시작될 때 시스템 프롬프트에 동결 스냅샷(Frozen Snapshot)으로 주입된다. 에이전트는 메모리 도구를 통해 항목을 추가·교체·삭제할 수 있어, 스스로 메모리를 큐레이션하는 자율성을 갖는다.

세션 기록(Session History)은 SQLite 데이터베이스(~/.hermes/state.db)에 저장되며 FTS5 전문 검색 인덱스를 지원한다. LLM 요약과 결합된 이 검색 기능은 수주 전 대화 맥락까지 효율적으로 회상할 수 있게 해, 장기 프로젝트에서의 연속성을 보장한다.

하나의 게이트웨이, 여러 채널

Hermes Agent는 단일 게이트웨이에서 14개 이상의 플랫폼을 지원한다. CLI, Telegram, Discord, Slack, WhatsApp, Signal, Matrix, Mattermost, 이메일, SMS 등 다양한 채널에서 동일한 에이전트와 상호작용할 수 있고, 플랫폼을 전환해도 메모리와 맥락이 유지된다.

터미널 백엔드는 로컬, Docker, SSH, Daytona, Singularity, Modal 여섯 가지를 지원한다. Daytona와 Modal은 서버리스 영속성을 제공해, 에이전트 환경이 유휴 상태일 때 하이버네이션으로 전환되고 요청이 오면 즉시 복원되므로 세션 간 비용이 거의 발생하지 않는다.

v0.6.0이 넓힌 것

2026년 3월 말 출시된 v0.6.0에서는 MCP(Model Context Protocol) 지원과 타입 안전 SDK 워크플로우가 추가됐다. MCP 지원으로 Hermes Agent는 외부 도구와 데이터 소스를 표준화된 프로토콜로 연결할 수 있게 되어, 확장성이 한층 강화됐다.

MIT 라이선스로 공개된 이 프레임워크는 오픈소스 커뮤니티의 빠른 기여를 가능하게 하며, 출시 수주 만에 242명의 기여자가 참여한 것은 자율 AI 에이전트에 대한 개발자 커뮤니티의 높은 관심을 반영한다.

오래 쓸수록 나아지는 구조

경험 기반 스킬 자동 생성, 영속적 메모리, 크로스 세션 검색을 결합한 폐쇄 학습 루프는 장기 운용할수록 성능이 향상되는 자율 AI 에이전트를 구현한다. 14개 이상의 플랫폼과 6종의 터미널 백엔드를 지원하는 배포 유연성, MIT 라이선스 기반의 오픈소스 생태계는 개인 개발자부터 기업까지 폭넓은 채택을 가능하게 한다. MCP 지원 추가와 함께 에이전트 간 스킬 공유 표준이 확산되면, 자율 AI 에이전트 생태계의 네트워크 효과가 본격화될 것으로 전망된다.