🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Hermes 에이전트는 로컬 실행과 장기 기억, 재사용 가능한 스킬을 바탕으로 사용할수록 개인에게 맞게 성장하는 오픈소스 AI 동료다.

📌 핵심 요점

1. Hermes는 사용자의 컴퓨터에 있는 코드와 파일을 직접 읽어 비공개 프로젝트까지 이해하고, 이전 작업의 맥락을 기억해 공동 작업을 이어 간다.
2. 성공한 작업 절차를 스킬로 축적하며, 이메일 검색·요약·보고처럼 반복되는 업무는 다시 가르치지 않아도 재사용하거나 새로운 스킬로 만들 수 있다.
3. 운영체제별 명령어 한 줄과 빠른 설정으로 설치할 수 있으며, AI 공급자와 수백 개 모델, 웹 조사·이미지·영상 생성 도구를 선택해 구성할 수 있다.
4. MCP, LINE, Discord, 크론, 서브에이전트와 칸반을 연결하면 외부 서비스 접근부터 예약 실행과 멀티 에이전트 협업까지 확장할 수 있다.
5. 위험한 명령은 실행 전에 사용자의 승인을 받도록 해, 에이전트가 실제 작업을 수행하면서도 최종 통제권은 사용자에게 남긴다.

🧩 배경과 문제 정의

일반 AI 채팅은 이전 맥락을 잊기 때문에 사용자가 같은 프로젝트와 요구사항을 반복해서 설명해야 하고, 로컬 파일을 읽거나 컴퓨터에서 직접 업무를 수행하는 데에도 한계가 있다. Hermes는 로컬 파일·터미널·브라우저를 다루면서 취향과 작업 절차를 기억하고, 성공한 방식을 스킬로 축적하는 개인화된 AI 동료를 지향한다. 여기에 오픈소스 직접 운영, 자유로운 모델·도구 선택, 외부 서비스 연동을 결합해 대화형 답변을 실제 업무 실행으로 확장한다.

🕒 시간순 섹션별 상세정리

1. 로컬 프로젝트를 이해하고 기억을 이어 가다

• 일본어 질의응답뿐 아니라 코드 작성, 조사, 문서 추가 등 서로 다른 유형의 요청을 처리할 수 있음을 보여준다. [00:10]
• PC의 코드와 파일을 읽어 인터넷에 공개되지 않은 브라우저 퍼즐게임의 구조까지 파악하고 공동 작업에 참여한다. [00:28]
• 전날 수행한 작업과 생성한 프로젝트를 기억해 사용자가 잊은 맥락도 다시 복원한다. [01:03]

2. 일본어 도전에서 개인화된 AI 동료로

• 일본 시청자의 관심을 확인한 X 게시물의 긍정적 반응을 계기로 자동 더빙 대신 직접 일본어로 보여준다. [01:49]
• 맥락을 잊는 일반 채팅과 달리 Hermes는 사용자 PC에서 일하고 결과를 기억하며 점차 사용자에게 맞춰진다. [03:20]

3. 답변을 넘어 실제 작업을 수행하다

• 오픈소스 자율형 AI 에이전트로서 사용자의 터미널과 파일을 직접 다루며 작업을 실행한다. [04:16]
• 한 번 성공한 작업 방식은 스킬로 남고, 절차가 누적될수록 같은 업무를 다시 가르칠 필요가 줄어든다. [04:50]
• 사용자가 목표를 제시하면 필요한 단계를 구성하고 터미널·브라우저·앱을 움직여 조사와 요약 결과를 만든다. [06:04]

4. 한 줄 설치와 자유로운 모델 설정

• 운영체제에 맞는 명령어 한 줄로 필요한 파일을 설치하며 과정 대부분이 자동으로 진행된다. [06:46]
• 빠른 설정은 약 30초 안에 마칠 수 있고, 전체 설정에서는 AI 공급자와 모델을 세부적으로 고를 수 있다. [07:22]
• 누스 포털의 무료 계정으로 수백 개 모델을 선택하고 웹 조사와 이미지·영상 생성 도구도 구성할 수 있다. [07:54]

5. 로컬 환경에서 첫 대화를 시작하다

• 터미널 백엔드에서 로컬 실행을 선택하면 에이전트가 사용자의 컴퓨터에서 직접 작동한다. [08:46]
• LINE 같은 메시징 플랫폼과 X 검색·메모리 등 필요한 기능을 추가로 연결할 수 있다. [09:23]
• 설정 후 hermes chat을 실행하면 바로 텍스트 요청을 입력할 수 있으며 대부분의 모델이 일본어 대화를 지원한다. [10:07]

6. 기억과 스킬로 개인화가 누적되다

• 취향과 사실을 USER.md에 남겨 오늘의 대화를 다음 날과 다음 달까지 이어 가고 반복 설명을 줄인다. [10:39]
• 이메일 검색·요약·보고 절차를 한 번 가르치면 스킬로 재사용하고, 반복 업무에 필요한 새 스킬도 만들 수 있다. [12:18]
• 간단한 작업은 저렴한 모델에 맡겨 비용을 낮추고 사용자 PC에서 작동하는 무료 로컬 모델도 선택할 수 있다. [13:00]

7. 외부 연동과 상시 자동화로 확장하다

• MCP로 GitHub·브라우저·주가 정보와 연결하고 LINE·Discord를 통해 스마트폰에서도 접근한다. [13:23]
• 크론으로 뉴스 요약이나 원하는 업무를 예약하고, 유휴 상태에서는 작동하지 않게 해 비용을 거의 0에 가깝게 유지한다. [14:12]
• 서브에이전트와 칸반을 활용하면 여러 에이전트가 팀을 구성해 업무를 나누는 구조로 확장된다. [14:54]

8. 멀티 에이전트와 사용자 통제를 결합하다

• 하나의 에이전트가 감당하기 어려운 큰 작업을 여러 전문 에이전트가 동시에 나눠 처리한다. [15:07]
• 위험한 명령은 실행 전에 사용자 승인을 받도록 해 불안을 줄이고 최종 통제권을 사용자에게 남긴다. [15:50]

9. 기업 조사 사례와 후속 주제를 제시하다

• Hermes는 개인 컴퓨터에서 작동하며 설치 후 대화만으로 업무를 맡기고 지속적으로 키울 수 있는 AI 에이전트로 압축된다. [16:15]
• 일본 AI 모델 개발 기업 조사 요청에 스킬과 웹 검색 도구를 사용해 정보를 모으고 긴 기업 조사 리포트로 완성한다. [16:33]
• 기억, 스킬, 자동화, LINE 연동을 후속 심화 주제로 제시하며 시청자 관심에 따라 일본어 콘텐츠를 이어 갈 수 있다고 마무리한다. [17:26]

🧾 결론

• Hermes의 핵심은 질문에 답하는 챗봇이 아니라 터미널·파일·브라우저·앱을 움직여 실제 결과물을 만드는 실행형 에이전트라는 점이다.
• 장기 기억과 스킬 축적이 결합되면서 반복 설명은 줄고, 사용 기간이 길어질수록 개인의 취향과 업무 절차에 맞는 동료로 발전한다.
• 로컬 실행, 오픈소스 운영, 모델 선택권은 비용과 기능을 업무별로 조절할 수 있게 한다.
• 외부 연동과 멀티 에이전트 기능은 개인 비서 수준을 넘어 예약 업무와 팀 단위 자동화로 확장할 가능성을 보여준다.

📈 투자·시사 포인트

• AI 도구의 비교 기준이 답변 품질뿐 아니라 로컬 실행, 지속 기억, 스킬 재사용, 외부 서비스 연동 능력으로 넓어지고 있음을 시사한다.
• 단일 모델에 종속되지 않고 작업 난도에 따라 저렴한 모델이나 무료 로컬 모델을 선택하는 구조는 에이전트 운영비를 세분화할 수 있게 한다.
• 크론과 멀티 에이전트가 결합되면 AI 활용 단위가 일회성 대화에서 반복 업무와 역할 기반 협업으로 이동할 수 있다.
• 다만 영상에는 매출, 수익성, 시장점유율 같은 기업가치 자료가 없으므로 특정 기업이나 서비스에 대한 투자 판단 근거로는 충분하지 않다.

⚠️ 불확실하거나 확인이 필요한 부분

• 한 줄 설치와 약 30초의 빠른 설정이 소개되지만, 지원 운영체제별 차이와 하드웨어·의존성 조건은 구체적으로 제시되지 않는다.
• 무료 계정의 수백 개 모델과 비용이 거의 들지 않는 유휴 운영이 언급되지만, 모델별 제한·성능·실제 사용량에 따른 비용은 확인이 필요하다.
• 로컬 파일 처리와 외부 AI 공급자·MCP 서비스 이용이 함께 소개되므로, 데이터가 로컬에만 남는 범위와 외부로 전달되는 범위를 별도로 확인해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 운영체제에 맞는 한 줄 설치와 빠른 설정을 실행하고, 선택한 AI 공급자와 모델이 정상적으로 연결되는지 확인한다.
• 로컬 터미널 백엔드를 선택한 뒤 hermes chat에서 일본어 질의와 파일·프로젝트 설명 요청을 각각 시험한다.
• USER.md에는 장기간 유지할 취향과 요구사항만 먼저 기록하고, 다음 대화에서 기억이 이어지는지 검증한다.
• 반복 빈도가 높은 검색·요약·보고 업무 하나를 가르친 뒤 스킬로 재사용되는 과정을 확인한다.

❓ 열린 질문

• 장기 기억에 잘못 저장된 정보는 어떤 방식으로 수정·삭제하고 최신 상태로 유지하는가?
• 자가 생성된 스킬의 정확성과 안전성을 사용자가 어떻게 검토하고 업데이트할 수 있는가?
• 여러 서브에이전트가 동시에 작업할 때 충돌, 실패, 중복 실행은 어떤 방식으로 조정되는가?