🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Hermes에 xAI의 Grok 구독 기반 x_search가 연결되면서, X를 실시간 리서치 소스로 활용하는 개인 분석가 워크플로가 훨씬 강해졌다는 주장이다.

📌 핵심 요약

• 저자는 Nous Research와 xAI의 협력으로 Hermes가 Grok 구독과 x_search를 사용할 수 있게 된 점을 핵심 변화로 본다.
• 기존에는 X API로 계정·게시물·북마크 데이터를 가져올 수 있었지만, X 기사 본문이나 깊이 있는 리서치에는 한계가 있었다.
• x_search는 Hermes가 X를 직접 검색하고 X 기사 내용을 가져오게 해, 리서치 보고서 품질 개선과 API 비용 절감에 도움이 된다고 설명한다.
• 저자는 Hermes를 매일 아침 거시경제, 지정학, 기술, AI, 크립토 브리핑을 제공하는 개인 데이터·투자 분석가처럼 사용하고 있다.
• 다만 x_search 단독 결과는 SuperGrok 웹 인터페이스보다 덜 정제되어 있어, 여러 도구를 조합한 6단계 리서치 파이프라인이 필요하다고 본다.
• Grok 4.3을 Hermes의 기본 모델로 쓰는 것은 비추천하며, 저자는 DeepSeek v4 계열 모델과 x_search, Cookie MCP 조합을 더 선호한다.

🧩 주요 포인트

1. x_search 도입으로 Hermes가 X의 실시간 정보 흐름을 더 직접적으로 활용할 수 있게 됐다.
2. X API만 사용할 때는 X 기사 본문 접근, 깊이 있는 검색, 맥락 파악에 제한이 있었다.
3. 저자는 Hermes를 자신의 투자 논리, 선호, 포트폴리오 정보를 가진 “두 번째 뇌 + 분석가”로 운영한다.
4. 북마크 요약, 심층 리서치, 주요 X 계정 추적 워크플로가 이번 업데이트로 개선됐다고 설명한다.
5. x_search는 실시간 검색에 강하지만, 구조화된 소셜 데이터 분석에는 Cookie MCP 같은 도구와 병행하는 것이 낫다고 본다.
6. 저자는 AI 에이전트를 단순 실행 도구가 아니라, 문제를 정의하고 가설을 테스트하는 학습 보조 도구로 바라보게 됐다고 말한다.

🧠 상세 정리

1. Hermes의 리서치 능력이 강화됐다는 핵심 주장

저자의 핵심 thesis는 Nous Research와 xAI의 협력으로 Hermes가 Grok 구독과 x_search를 연결할 수 있게 되면서, 실시간 리서치 에이전트로서의 활용도가 크게 올라갔다는 것이다. 특히 X는 거시경제, 지정학, 기술, AI, 크립토 관련 뉴스와 의견, 미디어가 빠르게 모이는 공간이기 때문에, 이 데이터를 Hermes가 직접 검색할 수 있다는 점을 중요하게 본다. 기존에는 X API를 통해 계정, 게시물, 북마크 등의 데이터를 가져오는 방식이 중심이었다. 하지만 저자에 따르면 X API는 기본적인 데이터 수집에는 쓸 수 있어도, SuperGrok을 X에서 직접 사용하는 것처럼 깊이 있는 리서치를 하기에는 제한이 있었다. 이번 변화는 Hermes가 단순히 데이터를 가져오는 수준을 넘어, X 기반 리서치를 더 자연스럽게 수행할 수 있게 만들었다는 점에서 의미가 있다.

2. 기존 X API 방식의 한계와 x_search의 차이

저자가 반복해서 강조하는 기존 방식의 한계는 X API가 X 기사 본문을 충분히 읽지 못한다는 점이다. 예를 들어 Hermes가 최근 24시간 북마크를 가져오는 cron job을 운영할 때, X API는 기사 제목, 작성자, 일부 문장 정도만 읽을 수 있었다고 한다. 사용자가 실제로 북마크한 글이 X article 형태라면, 핵심 내용 분석이 제한될 수밖에 없었다. x_search는 이 문제를 완화한다. 저자는 X article을 던져 놓고 “summarize with x_search”라고 요청하면, x_search가 X 기사 내용을 가져오고, 기본 모델인 DeepSeek-v4-flash가 이를 분석·요약하는 방식으로 쓸 수 있다고 설명한다. 이때 중요한 설정으로 xai-oauth를 언급한다. 단순히 xai로 설정하면 Grok 구독이 아니라 xAI API 쪽으로 비용이 처리될 수 있으므로, Grok 구독을 Hermes와 연동하려면 OAuth 인증과 x_search 설정이 필요하다는 것이다.

3. Hermes를 개인 데이터·투자 분석가로 운영하는 방식

저자는 Hermes를 단순 챗봇이 아니라 자신의 투자 thesis, 선호, 포트폴리오 보유 내역을 알고 있는 데이터·투자 분석가처럼 사용한다고 설명한다. Hermes는 매일 아침 거시경제, 지정학, 기술, AI, 크립토 등 다양한 영역에 대한 브리핑을 제공하고, 이전에 작성한 보고서들을 학습해 점점 개인화된 분석을 제공하는 구조로 운영된다. 이 지점에서 중요한 것은 Hermes의 역할이 “정보 요약기”를 넘어선다는 점이다. 저자에게 Hermes는 두 번째 뇌이자 분석가에 가깝다. 즉, 매일 쏟아지는 정보를 개인의 투자 관점과 연결하고, 이미 축적된 지식 기반과 새 정보를 교차 참조해 우선순위를 정하는 도구로 쓰인다. 이번 x_search 업데이트는 이 개인 분석가 워크플로의 입력 데이터 품질과 범위를 넓혀주는 변화로 해석된다.

4. 북마크, 심층 리서치, X 계정 추적 워크플로 개선

저자는 세 가지 구체적인 워크플로에서 변화가 있었다고 설명한다. 첫째는 X bookmark cron job이다. 기존에는 지난 24시간 북마크를 X API로 가져오고, 이미 본 항목은 제거한 뒤 새로운 항목만 보여주는 방식이었다. 하지만 X article 본문을 읽지 못하는 한계가 있었고, x_search를 통해 이 병목을 줄일 수 있게 됐다. 둘째는 Deep Research Pipeline이다. 저자는 Claude Opus 4.7과 함께 6단계 리서치 파이프라인을 설계했다고 말한다. 여기에는 x_search를 통한 타깃 검색, Cookie MCP를 통한 sentiment trend와 KOL 논의 분석, Hermes의 브라우저 CDP 도구를 통한 SuperGrok 직접 사용, DeepSeek의 종합 분석, Hindsight recall/reflect를 통한 과거 인사이트와의 교차 검증이 포함된다. 셋째는 X Tracker workflow로, 매일 유용한 인사이트를 내는 7~8명의 X 계정을 추적하는 작업이다. 기존 X API 기반 추적 비용이 전체 cron job 기준 하루 약 0.5달러였는데, x_search 도입 후 X API 사용을 줄이면서 하루 약 0.1달러 수준으로 낮아졌다고 설명한다.

5. x_search는 강력하지만 SuperGrok 웹 경험과 같지는 않다

저자는 x_search를 매우 유용하게 평가하면서도, 단독으로는 SuperGrok을 X나 Grok 웹사이트에서 직접 사용하는 것과 같은 품질이 나오지는 않는다고 선을 긋는다. 이유로는 웹 인터페이스가 더 최적화된 후처리, 더 신선한 컨텍스트, 더 나은 프롬프트 엔지니어링을 갖고 있기 때문이라고 설명한다. 반면 에이전트의 x_search 도구는 더 “raw”한 형태라는 것이다. 따라서 저자의 접근은 x_search 하나에 모든 것을 맡기는 것이 아니라, 여러 도구를 결합해 약점을 보완하는 쪽이다. x_search는 실시간 X 검색과 X article 접근에 강하고, Cookie MCP는 KOL 리더보드, mindshare 시계열, social decay metrics, 프로젝트 분석처럼 구조화된 데이터를 얻는 데 강점이 있다. 즉, 실시간 뉴스와 “왜 그런 일이 일어나는가”에 대한 설명은 x_search가 보완하고, 정량적·구조화된 소셜 분석은 Cookie MCP가 맡는 식의 역할 분담이다.

6. Grok 4.3 기본 모델 사용에 대한 강한 비추천

저자는 Grok 4.3을 Hermes의 기본 모델로 사용하는 것에 부정적이다. 원문에서는 Grok 4.3으로 end-to-end 리서치 워크플로를 실행해 봤지만 결과가 “beyond horrible”이었다고 표현한다. 특히 브라우저 harness에서 자주 실패했고, AI 에이전트 도구 사용, reasoning과 summarizing, 여러 정보를 연결하는 작업, multi-turn tool calling과 실행 면에서 좋지 않았다고 평가한다. 다만 이는 Grok 4.3 자체가 x_search 내부에서 쓰이는 것과, Hermes의 base model로 쓰이는 것을 구분해야 한다. 저자는 x_search 도구가 Grok 구독 기반으로 이미 Grok 4.3을 기본 사용하므로, Hermes의 기본 모델까지 Grok 4.3으로 바꿀 필요는 없다고 본다. 실제 분석과 종합에는 자신이 선호하는 open model, 예컨대 DeepSeek v4 계열을 유지하는 편이 낫다는 의견이다.

7. 비용, 설정, 그리고 운영상의 실전 교훈

저자는 Grok 구독 비용에 대해서도 실전 팁을 공유한다. 원래 Grok 구독을 월 30달러에 구매했지만, X Premium 사용자가 Hermes에서 Grok 구독을 사용할 수 있게 된 이후에는 월 10달러 수준의 전략도 탐색할 수 있다고 말한다. 구체적으로는 월 30달러 구독 후 취소하면 3개월 30달러 제안을 받을 수 있다는 경험을 언급한다. 다만 이는 저자의 경험 공유이며, 항상 동일하게 적용된다고 단정할 수는 없다. 설정 측면에서는 Hermes의 tools 메뉴와 CLI용 tools에서 x_search를 켜고, config.yaml에서 x_search timeout을 240초 또는 300초로 늘릴 것을 권한다. 저자는 timeout 문제를 여러 번 겪었고 300초로 바꾼 뒤 정상 작동했다고 설명한다. 또한 Grok 구독을 먼저 인증하고, hermes model 명령을 통해 로그인·연동을 마친 뒤 테스트해야 한다고 말한다. 이처럼 이번 업데이트의 가치는 기능 자체뿐 아니라, 제대로 설정했을 때 실제 워크플로 비용과 품질을 개선할 수 있다는 운영적 측면에도 있다.

8. AI 에이전트를 대하는 관점의 변화

마지막으로 저자는 Hermes를 약 두 달간 사용하면서 자신의 관점이 바뀌었다고 말한다. 처음에는 Hermes가 생각하고 실행해 주는 도구에 기대는 방식이었다면, 이제는 자신이 문제를 식별하고 가설을 세운 뒤, 그 가설을 에이전트와 함께 테스트하는 방향으로 옮겨가고 있다는 것이다. 이 변화는 x_search 업데이트의 기술적 의미와 연결된다. 실시간 데이터 접근성이 좋아질수록, 사용자는 단순히 “요약해줘”라고 요청하는 것을 넘어 “무엇을 봐야 하는가”, “어떤 신호가 중요한가”, “앞으로 2주간 무엇을 관찰해야 하는가”처럼 더 전략적인 질문을 던질 수 있다. 저자에게 Hermes는 추론을 완전히 대체하는 도구라기보다, 학습 속도를 높이고 도구별 강점을 익히며, 원하는 결과를 더 낮은 추론 비용으로 얻기 위한 learning augment에 가깝다.

🧾 핵심 주장 / 시사점

• Hermes의 x_search 통합은 X를 실시간 리서치 데이터베이스처럼 활용하려는 사용자에게 중요한 기능 확장이다.
• X API 중심 워크플로는 데이터 수집에는 유용하지만, X article 본문 분석과 깊이 있는 리서치에는 한계가 있었다.
• x_search는 단독 만능 도구라기보다 Cookie MCP, 브라우저 CDP, DeepSeek, Hindsight recall/reflect와 결합될 때 더 강력해진다.
• Grok 4.3은 x_search 내부 모델로는 활용되지만, 저자는 Hermes의 기본 모델로 쓰는 것은 비추천한다.
• AI 에이전트 활용의 핵심은 모델 하나를 고르는 일이 아니라, 문제 정의·가설 설정·도구 조합·비용 관리까지 포함한 운영 설계에 있다.

✅ 액션 아이템

• Hermes에서 Grok 구독을 사용하려면 xai-oauth 인증과 hermes model 기반 로그인 절차를 먼저 확인한다.
• Hermes tools 및 CLI tools 설정에서 x_search를 활성화하고, config.yaml의 timeout을 240~300초 수준으로 조정해 테스트한다.
• X bookmark cron job에서 X API만으로 처리하던 X article 요약 구간을 x_search 기반 요약으로 대체할 수 있는지 검토한다.
• 심층 리서치 워크플로에는 x_search, Cookie MCP, browser CDP, DeepSeek, Hindsight recall/reflect를 역할별로 나누어 조합한다.

❓ 열린 질문

• x_search 결과가 SuperGrok 웹 인터페이스보다 덜 정제되어 있다면, 어떤 후처리 프롬프트나 검증 단계가 품질 격차를 가장 크게 줄일 수 있을까?
• Grok 구독 기반 x_search 사용이 장기적으로도 X API 비용을 안정적으로 대체할 수 있을까?
• Hermes의 기본 모델로 DeepSeek 계열을 유지하고 x_search만 Grok 기반으로 쓰는 조합이 다른 리서치 주제에서도 일관되게 좋은 결과를 낼까?