Full Hermes Agent Setup Tutorial: Step-by-Step Walkthrough

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Hermes Agent는 서버 배포, AI 모델 연결, Telegram 연동을 차례로 진행하면 코드를 작성하지 않고도 첫 정기 모니터링 작업까지 설정할 수 있다.

📌 핵심 요점

1. Hermes Agent는 별도 서버에서 상시 실행되는 AI 에이전트다. 영상은 웹 검색과 파일 작업, 예약 실행, 변경 사항 알림을 일반적인 질의응답형 채팅과 구분되는 기능으로 소개한다.
2. 설치에는 Hostinger의 원클릭 배포를 이용한다. 진행자는 KVM 1과 12개월 결제를 선택하고, 별도 모델 서비스를 연결하기 위해 기본 선택된 AI 부가 서비스를 해제한다.
3. 서버에 설치한 뒤에는 모델 공급 계정을 연결해야 한다. 영상에서는 Nouse Portal에 가입하고, Hermes의 Keys에서 연결을 승인한 다음 Models에서 Deep Seek V4.1 Flash를 선택한다.
4. Telegram 연결은 QR 기반 봇 생성, 서버 연결, 허용 사용자 확인, 저장과 재시작 순서로 진행한다. 실제 메시지에 답하는지 확인한 뒤 /sethome으로 작업 결과를 받을 대화를 지정한다.
5. 첫 작업은 항공권 가격 감시다. 감시 대상, 재사용할 스킬, 이미 알린 내용의 기록, 실행 주기, 알림 조건을 함께 요청하고 Cron 화면에서 예약 등록을 확인한다.

🧩 배경과 문제 정의

이 영상은 기술 경험이 없는 사용자가 Hermes Agent를 처음 설치하고 실제 반복 작업을 맡기는 과정을 설명한다. 개인 컴퓨터가 꺼져 있어도 계속 실행되는 서버를 마련하고, 에이전트가 사용할 AI 모델과 휴대전화에서 접근할 Telegram 채널을 연결하는 것이 기본 구성이다.

진행자는 일반 AI 채팅이 사용자의 질문을 기다리는 방식이라면 에이전트는 도구를 사용해 목표를 수행하고, 일정에 따라 확인하며, 변화가 생기면 먼저 알릴 수 있다고 설명한다. 이를 확인하는 첫 사례로 오스틴과 올랜도 사이의 왕복 항공권 가격 감시를 설정한다. 영상의 설치 경로는 Hostinger 원클릭 배포와 별도 모델 공급 서비스 가입을 전제로 한다.

🕒 시간순 섹션별 상세정리

1. 설정 목표와 필요한 비용

• 코드를 작성하지 않고 Hermes Agent를 설치하는 초보자용 안내다. 별도 서버에서 상시 실행되므로 개인 컴퓨터가 꺼져 있어도 작업을 계속할 수 있다고 보여준다. [00:40]
• 소프트웨어 자체는 무료이며, 서버에는 월 몇 달러, AI 모델 서비스에는 월 20달러가 든다고 보여준다. [01:22]
• 서버 마련, 모델 연결, 휴대전화 연결, 첫 실제 작업의 순서로 진행하며 영상 설명의 구간별 타임스탬프를 안내한다. [01:51]

2. 일반 AI 채팅과 에이전트의 차이

• 에이전트는 웹 검색과 파일 읽기·쓰기 같은 도구를 이용하고, 목표를 향해 작업하며 사용자의 선호를 기억한다고 보여준다. [02:16]
• 진행자는 작업 난도에 따라 저렴한 모델과 강력한 모델을 선택할 수 있다는 점, 자체 서버에 무료 소프트웨어를 운영한다는 점을 차별점으로 제시한다. [03:05]
• Telegram 계정을 통해 휴대전화의 다른 연락처처럼 메시지를 주고받는 사용 방식을 보여준다. [03:19]

3. Hostinger 서버 상품과 결제 옵션 선택

• Hostinger를 선택한 이유로 Hermes 원클릭 설치와 업데이트·재시작 기능을 들고, 영상 설명의 링크에서 상품 페이지로 이동한다. [04:17]
• 에이전트 하나를 운영하는 용도로 KVM 1을 추천하고, 기본 24개월 대신 12개월 결제를 선택한다. [05:00]
• 별도 모델 서비스를 사용할 예정이므로 ready to use AI 부가 서비스를 해제한다. 서버 위치는 자동 선택값을 유지하고 다음 단계로 이동한다. [05:31]

4. 계정 생성과 Hermes 배포

• Hostinger 계정을 만들고 결제를 마치면 Hermes Agent Configuration 화면으로 이동한다. 별도 모델을 연결할 예정이므로 AI 모델용 키 생성은 건너뛴다. [06:10]
• 관리자 사용자명 Hermes를 유지하고 비밀번호를 안전하게 저장한다. 선택 항목인 Oxylabs는 비워 둔 채 Deploy를 누른다. [06:41]
• Docker Manager에서 상태가 created에서 running으로 바뀔 때까지 기다린 뒤, Hermes Agent 행의 Open 링크로 대시보드를 연다. [07:25]

5. 대시보드 로그인과 모델 공급 서비스 가입

• 저장한 관리자 정보로 로그인하고 대시보드를 북마크한다. 사용량 공유 제안에는 동의하지 않는 선택을 하며, 설치 후에도 모델을 연결해야 응답할 수 있다고 보여준다. [08:18]
• 영상에서 Nouse Portal로 소개하는 서비스에 가입한다. 진행자는 200개 이상의 모델, 호스팅 도구, 월 22달러 크레딧과 링크를 통한 첫 달 15달러 할인을 보여준다. [08:53]
• 이메일 인증과 구독 결제를 마치고 잔액에 22달러 크레딧이 표시되는 것을 확인한다. [09:44]

6. 모델 계정 연결과 첫 응답 확인

• Hermes의 Keys에서 모델 공급 서비스의 Login을 누르고 구독 사용 연결을 승인한다. 대시보드에 connected가 표시되는지 확인한다. [10:25]
• Models에서 Main model을 변경하고 Deep Seek V4.1 Flash를 선택한다. 진행자는 시청 시점에 더 최신 Flash 모델이 있으면 해당 모델을 고르라고 안내한다. [11:28]
• 모델 적용 후 Chat에서 새 대화를 열고 hello를 보낸다. 첫 응답에는 약 20초가 걸릴 수 있으며, 시연에서는 정상 응답을 확인한다. [12:10]

7. Telegram 봇 생성과 서버 연결

• Channels의 Telegram Quick setup에서 Create with QR을 선택한다. QR은 30분간 유효하며, 휴대전화로 스캔하거나 데스크톱 Telegram을 열 수 있다. [12:58]
• Hermes 봇 대화에서 Start와 Create bot을 누르고 새 봇을 만든다. 생성만으로 서버 연결이 끝나지는 않아 기존 Hermes 봇 대화로 돌아가 Connect to this bot을 선택한다. [13:45]
• 대시보드에 돌아와 봇과 허용 사용자 Telegram ID를 확인한 다음 Save and restart를 누른다. [14:05]

8. 재시작과 Telegram 홈 채널 지정

• gateway stopped가 나타나자 진행자는 Hostinger Docker Manager에서 Hermes 애플리케이션 전체를 재시작한다. [14:35]
• 대시보드에 같은 표시가 남아 있어도 실제 봇 응답을 확인하라고 안내한다. 새 봇을 검색해 Start를 누른 뒤 Can you hear me?를 보내고 답변을 받는다. [15:38]
• 자동 작업 결과를 보낼 홈 채널이 없다는 안내에서 /sethome을 선택한다. 이후 이 대화가 에이전트의 알림 수신 위치가 된다. [15:55]

9. 첫 반복 작업의 요구사항 전달

• 첫 작업으로 정기적으로 확인하고 변화가 있을 때만 알려주는 watcher를 제안한다. 시연 대상은 12월 오스틴과 올랜도 사이의 왕복 항공권 가격이다. [16:24]
• 재사용할 스킬을 만들고 이미 보여준 내용을 기록하며, 몇 시간마다 확인해 새로운 정보가 있을 때만 Telegram으로 알리라고 요청한다. [16:46]
• 에이전트는 웹에서 방법을 찾고 스킬을 만들며 실행 일정을 설정한다. 진행자의 사례에서는 초기 구성이 약 30분 걸렸다고 보여준다. [17:01]

10. 감시 결과와 Cron 등록 확인

• 에이전트의 응답에는 감시 대상, 현재까지 찾은 최저 요금, 확인 주기가 담긴다. 시연에서는 3시간 간격으로 설정됐다. [17:14]
• Hermes 대시보드의 Cron에서 항공권 감시 작업, 3시간 실행 간격, 다음 실행 시각을 확인한다. [17:35]
• 이후 새 정보가 생기면 사용자가 다시 질문하지 않아도 Telegram으로 알려주는 흐름이라고 보여준다. [17:42]

11. Hermes 운영 메뉴 둘러보기

• Chat은 브라우저 대화, Sessions는 과거 대화, Skills는 에이전트가 익힌 작업 방법을 확인하는 화면이다. 항공권 감시를 위해 만든 스킬도 여기에서 다룬다. [18:09]
• Cron은 예약 작업, Channels는 Telegram 같은 앱 연결, Models는 사용할 모델 변경을 담당한다. [18:20]
• 문제가 생기면 Logs에서 수행 내역을 확인하고, Gateway status에서 실행 상태를 살펴보도록 안내한다. [18:34]

12. 서버 관리와 영상 마무리

• Hostinger Overview에서 애플리케이션 실행 상태, 서버 CPU·메모리·디스크 사용량, 이용 상품과 갱신 시점을 확인한다. [18:59]
• Docker Manager는 애플리케이션 실행과 재시작에, Backups and monitoring은 백업 확인에 사용한다. 필요한 메뉴를 찾기 어려우면 Hostinger AI 도우미에 질문할 수 있다고 보여준다. [19:21]
• 전체 설정 완료를 알리고 서버 상품 링크를 다시 안내한다. 이어 좋아요와 구독을 요청하며 영상을 마친다. [19:39]

🧾 결론

• 설치 완료의 기준은 서버의 실행 표시만이 아니다. 모델 응답, Telegram 대화, 홈 채널 지정, 예약 작업 등록까지 확인해야 영상의 전체 설정 흐름이 완성된다.
• 반복 작업을 맡길 때는 무엇을 확인할지뿐 아니라 언제 실행하고 어떤 경우에 알릴지도 구체적으로 전달해야 한다.
• 영상의 항공권 감시 작업은 초기 구성에 약 30분이 걸렸으며, 이후 3시간마다 확인하도록 등록됐다. 이 시간과 주기는 시연 사례의 결과다.

📈 투자·시사 포인트

• 비용은 무료 에이전트 소프트웨어와 유료 서버·모델 서비스를 나눠 봐야 한다. 영상은 서버를 월 몇 달러, 모델 서비스를 월 20달러로 소개하므로 무료 설치가 무비용 운영을 뜻하지는 않는다.
• 모델 선택권은 작업별 비용 조정 수단으로 제시된다. 진행자는 학습 단계에서 빠르고 저렴한 Flash 모델을 권하지만, 실제 반복 작업에 드는 비용은 별도로 확인해야 한다.
• 원클릭 배포와 메신저 연결은 초보자의 도입 절차를 줄이는 요소다. 다만 지속적인 활용 가치는 예약 실행이 유지되는지, 필요한 변화만 알려주는지에 달려 있다.
• 이 영상은 구축과 사용법을 보여주는 자료다. 특정 기업이나 자산의 투자 매력, 수익률을 판단할 근거는 제공하지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 서버 가격, 할인, 모델 서비스의 월 20달러 요금, 월 22달러 크레딧과 첫 달 15달러 할인은 영상에서 소개한 조건이다. 현재 적용 가격과 갱신 조건은 전사만으로 확인할 수 없다.
• 모델 공급 서비스 이름이 전사에서 Nouse Portal과 News Portal로 다르게 나타난다. Deep Seek V4.1 Flash라는 모델 표기도 실제 선택 화면에서 확인필요가 있다.
• 진행자는 자체 서버 운영을 설명하며 제한이 없다고 표현하지만, 서버 자원과 유료 모델 크레딧도 함께 소개한다. 이를 사용량이나 외부 서비스 제약이 전혀 없다는 보장으로 해석하기는 어렵다.
• 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

• 결제 전 서버의 이용 기간, 총 결제액, 갱신 조건과 기본 선택된 AI 부가 서비스를 확인한다.
• 관리자 비밀번호를 안전한 곳에 보관하고 Hermes 대시보드 주소를 북마크한다.
• Keys의 모델 공급 계정 연결과 Models의 주 모델 선택을 마친 뒤 Chat에서 실제 응답을 확인한다.
• Telegram의 허용 사용자 ID를 확인하고, 저장·재시작 후 봇에 직접 메시지를 보내 연결을 검증한다.

❓ 열린 질문

• 항공권 감시가 반복 실행될 때 월간 크레딧을 얼마나 소비하며, 제공 크레딧을 소진하면 어떻게 되는가?
• 가격을 가져오는 정보원은 무엇이며, 조회 실패나 정보 변경이 발생하면 에이전트는 어떻게 처리하는가?
• 이미 알린 내용과 새로운 내용을 구분하는 기록은 어디에 저장되고, 재시작 뒤에도 유지되는가?