Hermes Agent, 7주 만에 95.6K 스타 — OpenClaw와 다른 길을 잡았다
2026년 2월 25일 출시된 자율 에이전트 프레임워크가 큐레이션·학습 루프·격리라는 세 갈래 결정으로 후발주자의 길을 열었다.
2026년 출시 7주 차의 의미
Hermes Agent는 2026-02-25 출시됐다 (출처: TokenMix 리뷰). 7주 만에 GitHub 95.6K 스타를 모았다.
같은 자율 에이전트 분야의 OpenClaw가 같은 시점 345K 스타라는 점을 감안하면 후발주자다. 그러나 2026년 들어 가장 빠르게 성장하는 agent framework로 보고됐다.
v0.13.0이 2026-05-07에 릴리스됐고, 라이선스는 MIT다. 이 점은 OpenClaw와 동일하다 — 두 갈래의 비교가 라이선스가 아니라 설계 결정에서 갈리는 이유다.
핵심 설계 결정 — Hermes가 다른 선택을 한 부분
Hermes Agent README가 명시한 v0.13.0 시점 기능 구성은 다음과 같다.
- · 학습 루프 내장 — "경험에서 스킬을 만들고, 사용하며 개선한다" (출처: README v0.13.0)
- · 메모리 시스템 — Agent-curated memory + FTS5 세션 검색 + Honcho dialectic user modeling
- · 스킬 시스템 — agentskills.io 오픈 표준 호환, 118개 번들 스킬
- · LLM 다중 지원 — Nous Portal, OpenRouter(200+ 모델), NVIDIA NIM, OpenAI, 커스텀 엔드포인트. hermes model 명령으로 코드 변경 없이 전환
- · 인터페이스 6개 — Telegram, Discord, Slack, WhatsApp, Signal, Email + CLI(풀 TUI, 멀티라인 편집)
- · 실행 백엔드 7개 — local, Docker, SSH, Singularity, Modal, Daytona, Vercel Sandbox
- · 데이터 — 로컬 SQLite에 메모리·스킬·대화 이력 보관, 3rd party 클라우드 미경유
대조군인 OpenClaw는 커뮤니티 스킬 13,000개 이상 보유. Hermes는 큐레이션된 118개 스킬로 시작한다 (출처: TokenMix 정리). 폭 대신 검증된 깊이를 택한 설계다.
학습 루프 — Hermes가 강조하는 차별점
Hermes Agent README는 "내장 학습 루프"를 핵심 차별점으로 표기한다. 경험에서 스킬을 생성하고, 사용 중 개선하며, persistence를 스스로 nudge하고, 세션 간 사용자 모델을 누적 구축한다는 설명이다.
독립 벤치마크 결과를 인용하면, 자체 생성 스킬 20개 이상 누적한 에이전트가 비슷한 후속 리서치 작업을 약 40% 빨리 끝낸다고 보고됐다 (출처: TokenMix Reviewer 벤치마크). 즉 사용할수록 빨라지는 구조가 측정 가능한 수준으로 작동한다는 뜻이다.
다만 README의 명시적 주의사항이 한 줄 있다 — 이 self-improvement 기능은 기본 비활성화 상태다. 사용자가 설정 파일에서 명시적으로 persistent memory와 skill 생성을 켜야 작동하며, 첫 사용자가 흔히 놓치는 단계로 보고됐다 (출처: Hostinger 튜토리얼).
운영 비용 — 실제 숫자
비용 항목 4가지가 1차 출처에서 확인됐다.
OpenClaw가 같은 시점 9개 CVE를 4일 안에 공시한 사례(2026-03)와 비교하면, Hermes는 2026-04 기준 agent-specific CVE 보고 0건이다 (출처: TokenMix 보안 비교). 큐레이션 모델의 보안 이점이 수치로 드러난 셈이다.
가령 어디서 막히나 — 설치·운영 한계
가령 윈도우 네이티브 환경을 쓰는 사용자는 README가 명시적으로 경고한다. 네이티브 Windows 지원은 early beta이며 검증된 경험을 위해서는 WSL2 사용을 권장한다.
이 외에 반복적으로 보고되는 진입 장벽 두 가지가 있다.
- self-improvement 옵션 기본 비활성화 — 처음 켤 때 설정 파일 위치·포맷 파악 단계가 별도 시간 소요
- 스킬 표준(agentskills.io) 학습 — 자체 스킬 작성 시 표준 포맷 익혀야 함. 입문자 가이드가 README보다 외부 튜토리얼에 더 정리돼 있음
"OpenClaw가 이미 표준 아니냐"는 반론에 대해
물론 이렇게 생각할 수 있다. "345K vs 95.6K 스타 차이가 너무 크지 않냐"는 시각이다.
다른 사용처에 맞는 도구로 분리되고 있다 —
폭이 필요하면 OpenClaw,
격리·학습 누적이 필요하면 Hermes."
맞는 말이다. 하지만 두 가지 설계 갈림길이 의미를 다르게 만든다.
- → 스킬 수 13,000+ vs 118 — Hermes는 처음부터 큐레이션·검증·보안을 우선했다. CVE 수치 0 vs 9가 그 결과로 보고됨
- → 학습 루프 — OpenClaw는 사용자가 스킬을 추가하는 구조, Hermes는 에이전트가 스킬을 생성·개선한다. 20개 누적 시 40% 가속의 출처 데이터가 후자 모델의 검증 신호
정리하면 — 지금 누가 쓰면 좋은가
망설이는 이유는 "설정이 복잡할 것 같다"는 본능적 회피일 뿐, 실제로는 README의 7개 백엔드 중 가장 단순한 local 모드에 5달러짜리 VPS만 있으면 시작된다.
관심 있으면 Nous Research 공식 페이지와 GitHub 저장소를 같이 읽으면 그림이 잡힌다.
참고 자료
- · Hermes Agent GitHub 저장소 (README v0.13.0)
- · Nous Research — Hermes Agent 공식 페이지
- · TokenMix — Hermes Agent Self-Improving Open Source 리뷰 (2026)
- · agentskills.io — 오픈 스킬 표준 사양
- · Hostinger — Hermes Agent 설치·self-improvement 활성화 튜토리얼
'AI.IT' 카테고리의 다른 글
| EU AI Act 협상 두 번 결렬, 8월 2일 전에 이것만은 체크해야 한다 (0) | 2026.05.11 |
|---|---|
| Figma AI 기능 팁 모음, 3개월 쓰고 살아남은 것만 정리했다 (0) | 2026.05.11 |
| Perplexity Sonar API 모델 선택, 비용이 40배 차이 나는 이유가 있었다 (0) | 2026.05.11 |
| Vercel AI SDK v6 써봤는데, /api/chat 없애는 게 생각보다 복잡했다 (0) | 2026.05.11 |
| Claude 멀티 에이전트 OS 표준화, ClaudeClaw V3와 공식 발표 정리 (0) | 2026.05.10 |
