Hermes Agent Threshold Release: Bot Screen, Local Models, Connectors & More

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Hermes Agent의 Threshold 릴리스는 Bot Screen 협업, 로컬 모델 설정, 커넥터와 온보딩을 개선해 에이전트를 설치하고 실제 작업에 활용하는 과정을 단순화한다.

📌 핵심 요점

1. Bot Screen으로 작업 화면을 함께 다룬다. 사용자가 원격 에이전트의 브라우저를 직접 조작하고 선택한 대상을 바탕으로 수정 요청을 전달하며, 결과도 화면에서 검증한다.
2. 로컬 모델 준비 과정을 앱 안으로 통합했다. 런타임 설치, 모델 검색·다운로드, 하드웨어 적합도 확인, 새 대화의 기본 모델 설정을 데스크톱 앱에서 진행한다.
3. 포털에서 ChatGPT 구독을 연결하는 기능을 소개한다. 영상에서는 해당 모델의 추론을 기존 구독 한도로 처리한다고 설명한다. 도구와 클라우드 호스팅은 별도 과금 대상이며 구독의 사용 한도도 유지된다.
4. 기본 업데이트 대상이 stable 릴리스로 바뀐다. 최신 main 커밋을 계속 받는 방식과 안정 버전을 받는 방식을 구분하고, CLI와 데스크톱 설정에서 채널을 선택한다.
5. 온보딩에서 외부 서비스와 로컬 도구까지 연결한다. 이름·색상·레이아웃 설정에 이어 Cloudflare 인증, Blender MCP 설치, 화면 안내, 포털 계정 연결을 시연한다.

🧩 배경과 문제 정의

영상은 Hermes Agent의 Threshold 릴리스에서 달라진 사용 경험을 여러 데모로 소개한다. 도입부에서 온보딩, 커넥터, 로컬 모델, 안정 릴리스 채널, 플러그인 카탈로그, Bot Screen을 열거하며, 본문에서는 화면 협업과 로컬 실행, 구독 연결, 업데이트 및 초기 설정을 집중적으로 보여준다.

다루는 문제는 에이전트를 실제로 쓰는 과정의 마찰이다. 화면 상태를 말로 설명하기 어렵고, 로컬 모델은 설치와 메모리 판단이 부담스러우며, 외부 서비스 연결과 공급자 전환도 번거롭다. 영상은 이러한 과정을 데스크톱 앱과 포털에서 처리하는 모습을 제시한다. 다만 여러 시점의 데모를 합친 구성이고, 워크플로 시각화 앱은 발표자가 별도로 개발 중인 프로젝트다.

🕒 시간순 섹션별 상세정리

1. Threshold 릴리스의 범위와 영상 구성

• 새 릴리스의 주요 항목으로 온보딩, 커넥터, 로컬 모델, 안정 릴리스 채널, 플러그인 카탈로그와 Bot Screen을 보여준다. 기존 X 데모와 이번 영상용 데모를 함께 구성했다고 보여준다. [01:15]
• 본격적인 시연에 앞서 발표자의 지식베이스 서비스와 유료 콘텐츠를 홍보한다. 이는 Hermes 기능 설명과 구분되는 구간이다. [01:54]

2. 원격 에이전트의 화면을 함께 보는 작업 환경

• Hermes 데스크톱의 bot 모드에서 DGX Spark에 있는 빌더 에이전트를 사용한다. 발표자는 PC에서 접속하고, 원격 장비의 Chromium과 로컬 서버 화면을 본다. [02:59]
• 채팅과 작업 화면을 나란히 배치해 개발 중인 워크플로 시각화 앱을 함께 살펴본다. [03:09]

3. 직접 조작하고 에이전트에게 수정 요청하기

• 사용자가 화면을 넘겨받아 체크리스트를 시험한다. 개발 중인 앱은 모델 선택이나 외부 API 키처럼 남은 설정 작업과 관련 링크를 시각화하려는 도구다. [03:46]
• 노드를 클릭한 뒤 해당 노드의 작업을 체크해 달라고 요청한다. 발표자는 에이전트가 클릭·선택 상태를 파악해 요청을 수행하는 모습을 보여준다. [04:10]
• 체크리스트 완료에 따라 configured 상태가 바뀌는지 직접 확인하면서, 에이전트의 작업 결과를 사용자가 검증하는 협업 방식을 강조한다. [04:56]

4. 마케팅 계획을 복잡한 워크플로로 시각화하기

• 마케팅 에이전트의 작업 공간에 있는 계획을 읽어 시각적 워크플로를 만들도록 요청한다. 고장 난 부분이나 추가 작업이 필요한 지점을 쉽게 보려는 목적이다. [05:34]
• 발표자는 이 도구가 향후 Hermes 플러그인이 될 가능성을 언급하지만, 아직 테스트와 작업이 더 필요하다고 보여준다. [05:45]
• 실제 Meta Ads 워크플로가 Bot Screen에 열리고, 발표자는 확대해 복잡한 구성을 살펴본다. [06:10]

5. 기능 검증과 사람·에이전트의 역할 구분

• 체크리스트 링크와 드롭다운을 직접 시험하고, 각 항목에 사람과 에이전트의 담당 내용을 요약해 달라고 요청한다. [06:55]
• 초안 작성은 에이전트가 담당하고, 어조·분량·독자는 사람이 정하는 예시로 역할 구분을 보여준다. [07:25]
• 화면을 보면서 색상이나 UI 수정도 요청할 수 있다고 보여준다. 이 앱은 실제 개발 프로젝트이며 Bot Screen 활용 사례로 소개한 것이라고 정리한다. [07:51]

6. 로컬 모델의 원클릭 설정 진입

• 로컬 모델에 관심이 있어도 직접 설치·설정하는 과정이 부담스러운 사용자를 위해 데스크톱 앱의 통합 설정 기능을 보여준다. [08:34]
• 설정의 providers에서 local models로 들어간다. 추천 모델과 함께 로컬 엔진, 모델, 새 대화의 기본 설정을 준비하는 원클릭 설정을 보여준다. [09:17]

7. 하드웨어 적합도와 실행 엔진 확인

• configure 화면에서 RTX 3060과 GPU 메모리 12GB를 확인한다. 모델별 적합도 표시를 통해 GPU에 들어가는지, 시스템 RAM이 필요한지, 장비에 너무 큰지 살펴본다. [09:53]
• 로컬 런타임으로 llama.cpp가 설치된 상태를 보여준다. 설치되지 않은 경우에는 해당 화면에서 설치할 수 있다고 보여준다. [10:09]

8. 모델 검색과 양자화 선택

• 앱 안에서 Hugging Face 모델을 검색하고 배포자별 결과와 다운로드 순위를 살펴본다. 개별 모델의 파일 목록에서 여러 양자화 형식과 크기를 확인한다. [10:55]
• BF16 파일은 해당 장비에 너무 크다고 설명하고, 4비트 양자화를 모델 크기를 줄이는 흔한 선택지로 보여준다. 품질 손실에 대한 설명은 일반적인 수준이며 비교 실험은 제시하지 않는다. [11:31]
• 시스템 RAM을 쓰면 느릴 수 있고, GPU에 들어가는 매우 작은 양자화 모델도 품질은 확인이 필요하다고 드러낸다. [11:49]

9. NVIDIA 로컬 모델 설치와 응답 확인

• NVIDIA의 Nemotron 3 Nano로 소개한 모델에서 GPU에 맞는 Q4 파일을 선택해 앱 안에서 다운로드한다. 설치 후 use를 눌러 새 대화의 기본 모델로 지정한다. [12:49]
• 별도 터미널 명령 없이 런타임이 켜지고, 새 세션에서 인사와 자기소개 응답이 나오는지 확인한다. [13:51]
• 모델 탐색부터 실행까지 앱 안에서 처리할 수 있다는 편의성을 강조하며 로컬 모델 데모를 마친다. [14:25]

10. 포털에서 기존 ChatGPT 구독 사용하기

• 포털에 ChatGPT 계정을 연결하면 지원되는 모델의 추론을 기존 구독으로 처리할 수 있다고 보여준다. 도구와 Hermes Cloud 호스팅은 별도 과금이라고 구분한다. [15:14]
• 공급자를 계속 바꾸지 않고 포털의 모델·도구와 ChatGPT 구독을 함께 쓰는 편의성을 강조한다. 포털 무료 계정에서도 plan sharing을 사용할 수 있다고 보여준다. [15:41]

11. 계정 연결과 사용량 경로 시연

• 계정 설정의 linked accounts에서 ChatGPT를 연결하고 OpenAI OAuth 인증을 진행한다. 이후 구독 사용 토글을 켜며 기존 구독 한도는 그대로 적용된다고 보여준다. [16:28]
• 팀 사용 선택과 연결 해제 위치를 안내한 뒤, 데스크톱 앱에서 포털을 공급자로 유지한 채 GPT-6 Astra로 표시된 모델에 조사 작업을 요청한다. [17:13]
• 작업 후 포털 크레딧이 사용되지 않은 화면을 보여주며 추론이 구독으로 처리됐다고 보여준다. 여러 모델과 도구를 한 계정에서 쓰는 편의성을 정리한다. [17:59]

12. 기본 업데이트 채널을 stable로 전환

• 과거에는 main의 최신 커밋까지 업데이트하고 수백·수천 개의 뒤처진 커밋 수를 표시했지만, 이제 기본 대상이 최신 stable 릴리스로 바뀐다고 보여준다. [18:32]
• CLI에서 업데이트 채널을 확인하고 main으로 바꾸는 예시를 보여준다. stable은 태그가 붙은 릴리스를, main은 개별 커밋의 변경을 받는 방식으로 구분한다. [19:34]
• 데스크톱 설정의 about 아래 versions and updates에서도 stable releases와 every commit을 선택할 수 있음을 보여준다. [20:16]

13. 무료 모델이 안내하는 첫 실행 설정

• 처음 시작하면 이름, 색상, 레이아웃을 고르는 온보딩이 나온다. 채팅 중심 basic과 터미널·파일·diff를 제공하는 개발자용 elite를 보여준다. [20:58]
• 무료 포털 모델이 설정을 안내하며, 외부 서비스 연결 화면도 온보딩에 포함된다. 로그인 전에는 연결이 해당 컴퓨터에 머문다고 보여준다. [21:18]

14. Cloudflare 인증과 Blender MCP 설치

• Cloudflare를 선택해 브라우저에서 MCP 연결을 진행하고 읽기 권한을 부여한 뒤 인증한다. Shopify, Stripe, Railway 등 다른 서비스 선택지도 보여준다. [22:14]
• 이어 Blender와 NVIDIA 관련 커넥터를 보여주고, Blender MCP를 설치해 연결 및 도구 준비 상태를 확인한다. [22:58]

15. 화면 안내와 포털 계정 귀속

• 채팅 목록, 입력창, 파일을 가져오는 @ 기능, 새 세션, 모델 선택기를 둘러본다. 이어 모델이 Hermes 작동 방식을 설명하는 HTML 파일을 만들어 채팅 옆에 여는 모습을 보여준다. [23:54]
• 무료 온보딩 모델에도 한도가 있으므로 공급자나 포털 계정으로 로그인해야 한다고 보여준다. 브라우저에서 계정을 연결하고 해당 Hermes 설치를 자신의 계정에 귀속시키는 과정을 시연한다. [24:57]
• 로그인 이후에도 계정의 connectors에서 연결을 추가할 수 있으며, 포털에는 여러 모델과 주마다 바뀌는 무료 모델이 있다고 보여준다. [25:29]

16. 초기 설정부터 실제 프로젝트 시작까지

• 온보딩을 외부 앱 연결, MCP 서버 설정, 데스크톱 둘러보기를 묶어 다음 프로젝트를 시작할 준비를 돕는 과정으로 정리한다. [25:54]
• 전체 데모를 마치며 Threshold 릴리스가 Hermes Agent 사용을 더 쉽고 효과적으로 만드는 개선이라고 평가하고, 시청자의 활용 사례를 요청한다. [26:21]

🧾 결론

• 이번 소개의 중심은 에이전트 사용 과정의 편의성이다. 설치, 연결, 화면 확인, 업데이트 관리가 주요 개선 대상으로 제시된다.
• Bot Screen은 사용자가 직접 조작하고 에이전트에게 다시 작업을 맡기는 협업 방식을 보여준다. 화면 기반 검증이 반복 작업의 중요한 일부다.
• 로컬 모델의 설치가 쉬워져도 메모리와 속도 제약은 남는다. 영상에서 확인한 실행 성공과 실제 업무 수행 능력은 구분해 평가해야 한다.
• 시연에 등장하는 워크플로 시각화 앱은 발표자의 개발 중인 프로젝트다. Hermes에 기본 제공되는 완성 기능으로 해석해서는 안 된다.

📈 투자·시사 포인트

• 제품 채택 관점: 무료 모델을 활용한 온보딩과 앱 내부 설정은 처음 사용하는 사람이 실제 작업을 시작하기까지의 부담을 줄이는 방향이다.
• 하드웨어 관점: 모델 선택 과정에서 GPU 메모리와 시스템 RAM의 차이가 드러난다. 로컬 AI 활용도를 판단할 때 설치 가능 여부와 체감 속도를 함께 살펴야 한다.
• 플랫폼 관점: 서비스 인증, MCP 도구, 여러 모델을 한곳에서 관리하는 경험이 제품의 활용 범위를 넓히는 요소로 제시된다.
• 비용 관점: 추론, 도구, 호스팅의 과금 경로가 다르므로 구독 연결만으로 전체 운영비가 해결된다고 볼 수 없다. 영상은 매출·수익성이나 투자수익을 판단할 자료를 제공하지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 도입에서는 버전 0.22.0을 언급하지만 이후 발화에는 2.2가 나오고, 업데이트 시연에는 0.21.7이 등장한다. 여러 데모를 묶은 영상이므로 기능별 적용 버전과 촬영 시점을 구분해 확인해야 한다.
• 전사에는 개발사·포털·모델 이름의 표기가 흔들리는 부분이 있다. 특히 검색한 Qwen 모델과 실제 설치한 NVIDIA 모델의 정확한 이름은 화면이나 배포 정보를 확인필요가 있다.
• ChatGPT 구독 연결의 지원 모델, 계정별 제공 여부, 팀 공유 조건은 영상 설명만으로 확정하기 어렵다. 시연에서 포털 크레딧이 줄지 않은 결과가 모든 사용 조건을 보장하지는 않는다.
• 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

• 사용 중인 Hermes 버전과 업데이트 채널을 확인하고, stable과 main 중 작업 목적에 맞는 채널을 선택한다.
• 로컬 모델 설정에서 GPU 메모리·시스템 RAM·모델 크기를 확인한 뒤, 실제로 사용할 작업으로 응답 속도와 품질을 시험한다.
• Bot Screen에서 직접 조작, 에이전트에게 작업 넘기기, 결과 검증의 흐름을 간단한 프로젝트로 재현한다.
• 필요한 서비스만 커넥터로 연결하고, Cloudflare 시연처럼 요청되는 접근 권한을 확인한다.

❓ 열린 질문

• 실제 업무에서는 어떤 모델 크기와 양자화 수준이 해당 PC의 속도·품질 요구를 충족할까?
• Bot Screen 협업이 복잡한 워크플로의 수정 시간과 검증 부담을 얼마나 줄일 수 있을까?
• 커넥터가 늘어날 때 인증 상태와 접근 권한을 어떻게 관리하게 될까?