Hermes Agent, 도구를 5회 넘게 부르면 그 경험을 스킬로 저장한다

Nous Research가 2026년 2월 공개한 Hermes Agent는 사용 중 스스로 스킬을 생성하고 개선하는 자율 AI 에이전트다. 지속적 메모리(Persistent Memory), 자율 스킬 생성(Autonomous Skill Development), 멀티 플랫폼 접근이라는 핵심 축을 기반으로, 에이전트가 오래 실행될수록 더 능숙해지는 자기 학습 루프를 구현했다. MIT 라이선스의 완전한 오픈소스로 공개돼, 데이터 주권과 프라이버시를 보장하면서도 자율 에이전트의 실용성을 증명하고 있다.

Hermes-3 위에 얹은 학습 루프

Hermes Agent는 Nous Research가 개발한 오픈소스 자율 AI 에이전트다. Hermes-3 모델(Llama 3.1 기반)을 핵심 엔진으로 쓰며, Atropos라는 특수 강화학습 프레임워크로 훈련됐다. 핵심 특성은 복잡한 작업 완료 후 자동으로 스킬 문서를 생성해 지식을 축적하는 자기 학습, 세션 간 사용자 선호도·프로젝트 정보·환경 설정을 기억하는 지속적 메모리, Telegram·Discord·Slack·WhatsApp·Signal·CLI를 지원하는 멀티 플랫폼, 5달러 VPS부터 GPU 클러스터·서버리스 환경까지 배포 가능한 인프라 유연성, 그리고 MIT 라이선스에 텔레메트리 없이 클라우드 종속도 없는 완전 오픈소스다.

⤢✕

자기 학습 루프는 사용자의 요청에 따라 도구를 사용해 작업을 수행하는 단계에서 시작한다. 5회 이상의 도구 호출이 포함된 복잡한 작업이 완료되면, 에이전트는 해당 작업을 스킬로 변환할 가치가 있는지 자율적으로 판단한다. 가치가 있다고 판단하면 절차·주의사항·검증 단계를 포함한 구조화된 마크다운 문서로 스킬을 작성하고, 유사한 작업이 다시 발생하면 처음부터 문제를 해결하는 대신 저장된 스킬을 로드해 실행한다. 사용 중 더 나은 접근 방식을 발견하면 스킬을 자동으로 업데이트한다.

1,300 토큰짜리 단기 기억과 그 너머

Hermes Agent의 메모리 시스템은 세 계층으로 구성된다. 단기 바운디드 메모리는 MEMORY.md(2,200자)와 USER.md(1,375자)로 구성되며 합계 약 1,300 토큰 규모다. 이 크기는 컨텍스트 윈도우를 비대화시키지 않으면서도 15~20개의 유용한 항목을 저장할 수 있는 최적점으로 설계됐다. 에이전트가 메모리를 자체적으로 관리하는 것이 핵심으로, 유용한 정보를 학습하면 항목을 추가하고 정보가 변경되면 항목을 교체하며 메모리가 가득 차면 항목을 통합한다.

전문 검색 세션 DB는 FTS5(Full-Text Search 5)와 LLM 요약을 결합해 과거 모든 상호작용을 검색 가능한 데이터베이스로 유지하는데, 원시 대화 로그 대신 LLM이 요약한 핵심 정보를 저장한다. 사용자 모델링은 단순히 사용자의 발화를 기억하는 것을 넘어 사용자가 누구인지, 어떻게 일하는지, 무엇에 관심이 있는지에 대한 모델을 구축해 시간이 지날수록 더 개인화된 응답과 작업 수행을 가능하게 한다.

agentskills.io 표준으로 저장되는 경험

Hermes Agent가 생성하는 스킬은 agentskills.io 오픈 표준을 따르는 검색 가능한 마크다운 파일로 저장된다. 각 스킬 문서에는 단계별 작업 수행 방법인 절차(Procedures), 발생 가능한 문제와 회피 방법인 주의사항(Pitfalls), 작업 성공 여부 확인 방법인 검증 단계(Verification Steps)가 포함된다. 스킬은 검색 가능하고 다른 에이전트와 공유할 수 있으며 사용 중 자동으로 개선된다.

예컨대 Hermes Agent가 특정 마이크로서비스의 디버깅이나 데이터 파이프라인 최적화 같은 복잡한 작업을 완료하면, 해당 경험을 영구 기록으로 합성한다. 이후 유사한 요청이 들어오면 스킬을 로드해 즉시 실행하므로 동일한 문제 해결 과정을 반복하지 않는다.

경험을 쌓는 에이전트 vs 매번 처음부터 푸는 에이전트

항목	Hermes Agent	Auto-GPT	Devin	Claude Code
자기 학습	스킬 자동 생성/개선	제한적	없음	없음
지속적 메모리	3계층 메모리	제한적	프로젝트별	세션 내
오픈소스	MIT	MIT	비공개	소스 유출됨
데이터 주권	완전 로컬	로컬 가능	클라우드	클라우드
멀티 플랫폼	6개 플랫폼	CLI	웹	CLI
베이스 모델	Hermes-3 (Llama 3.1)	GPT-4	자체 모델	Claude

Hermes Agent의 가장 큰 차별점은 자기 학습 루프에 있다. 다른 에이전트들이 매 세션마다 동일한 문제를 처음부터 해결하는 반면, Hermes Agent는 경험을 스킬로 축적해 시간이 지남에 따라 실질적으로 더 능숙해진다.

5달러 VPS에서 GPU 클러스터까지

Hermes Agent는 다양한 인프라 환경에 배포할 수 있다. 최소 환경으로는 5달러 VPS에서도 실행 가능하고, GPU 환경에서는 로컬 모델 추론을 위한 GPU 클러스터를 배포할 수 있으며, 서버리스 환경에서는 Daytona·Modal 등 유휴 시 비용이 거의 없는 인프라를 지원한다. 게이트웨이는 단일 게이트웨이 프로세스로 Telegram·Discord·Slack 등 모든 플랫폼을 동시에 연결한다.

Hermes Agent는 자기 학습과 지속적 메모리를 결합해 "사용할수록 능숙해지는 에이전트"라는 비전을 실현한 프로젝트다. MIT 라이선스의 완전한 오픈소스로 데이터 주권을 보장하면서도, agentskills.io 표준 기반의 스킬 생성과 3계층 메모리 시스템은 자율 에이전트 분야의 새 기준을 제시한다. 경험의 축적과 재사용이라는 패러다임이 AI 에이전트 생태계에서 더욱 확산될 것으로 전망된다.