화니의 세상

Hermes Agent는 한 번 쓰고 끝나는 챗봇보다, 오래 운영할수록 기억과 스킬이 쌓이는 “운영형 AI 에이전트”에 더 가깝습니다.

CLI와 텔레그램·슬랙 같은 메시징 채널을 함께 쓰면서, 원하는 모델을 붙여 자동화와 도구 실행을 이어갈 수 있다는 점이 핵심입니다.

공식 문서 기준으로 멀티 플랫폼 게이트웨이, 지속 메모리, 스킬 시스템, MCP 연동, 예약 실행까지 폭넓게 갖춘 오픈소스 프로젝트입니다.

Hermes Agent는 Nous Research가 공개한 오픈소스 AI 에이전트 프로젝트입니다. 공식 소개에서 가장 앞에 내세우는 개념은 “self-improving”, 즉 사용하면서 더 나아지는 구조입니다. 단순히 질문에 답하는 챗봇이 아니라, 경험에서 스킬을 만들고, 이전 대화를 다시 찾아 활용하며, 세션이 바뀌어도 사용자를 점점 더 깊이 이해하는 방향을 지향한다는 점이 인상적입니다.

핵심 기능을 보면 이 서비스의 성격이 더 분명해집니다. 원하는 LLM 제공자를 붙이고 모델을 바꿀 수 있어 특정 API에 묶이지 않는 구조를 지향하고, 터미널 인터페이스에서는 멀티라인 입력, 슬래시 명령어 자동완성, 대화 기록, 작업 중단과 재지시 같은 사용성을 제공합니다. 여기에 지속 메모리, 사용자 프로필, 스킬 시스템, 컨텍스트 파일, MCP 연동, 수십 개의 내장 도구까지 문서화되어 있어 “답변을 잘하는 모델”보다 “계속 일하게 만드는 실행 환경”에 더 가까운 느낌을 줍니다.

실제 활용 장면도 꽤 선명합니다. CLI에서 바로 대화를 시작할 수도 있고, gateway를 실행하면 텔레그램·디스코드·슬랙·왓츠앱·시그널 같은 채널에서 같은 에이전트와 이어서 대화할 수 있습니다. 여기에 내장 크론 스케줄러를 붙이면 일일 리포트, 야간 백업, 주간 점검 같은 작업을 자연어 기반 자동화로 돌릴 수 있고, 필요할 때는 보조 에이전트를 따로 띄워 복잡한 일을 병렬로 나누는 방식도 가능합니다. 공식 설명에 나온 “클라우드 VM에서 일시키고 메신저로 결과를 받는” 시나리오가 Hermes Agent의 성격을 잘 보여줍니다.

비슷한 AI 서비스와 비교했을 때 Hermes Agent가 눈에 띄는 이유는, 스스로를 IDE에 묶인 코딩 보조 도구나 단일 API 래퍼처럼 소개하지 않는다는 점입니다. 공식 문서는 오히려 6가지 터미널 백엔드, 15개 이상 플랫폼 지원, 47개 내장 도구, 오픈 표준 스킬 호환, MCP 서버 연결, 보안 관련 문서까지 함께 제시하며 “장기 실행형 에이전트 런타임”에 가까운 그림을 보여줍니다. 그래서 이 프로젝트는 채팅창 하나를 똑똑하게 만드는 도구라기보다, 여러 환경에서 오래 굴릴 수 있는 AI 작업 기반을 만들고 싶은 사람에게 더 매력적으로 보입니다.

추천 대상도 비교적 분명합니다. 개인 개발자나 AI 파워유저, 반복 업무를 자동화하려는 1인 운영자, 메신저와 CLI를 오가며 같은 에이전트를 계속 키우고 싶은 팀에게 특히 잘 맞아 보입니다. 반대로 가볍게 몇 번 질문하고 끝내는 용도라면 다소 크고 복합적으로 느껴질 수 있습니다. 설치 안내는 Linux, macOS, WSL2, Android(Termux)를 중심으로 제공되고, Windows는 네이티브 대신 WSL2 사용이 안내되어 있다는 점도 함께 참고하면 좋겠습니다.

정리하면 Hermes Agent는 “AI와 대화한다”보다 “AI를 운영한다”는 표현이 더 잘 어울리는 프로젝트입니다. 메모리, 스킬, 멀티 채널, 자동화, 모델 선택 자유도까지 한데 묶어두었고, 공식 문서 범위도 넓습니다. GitHub 저장소 페이지에는 MIT 라이선스, 2026년 4월 16일의 최신 릴리스, 10.5만 스타와 535명의 기여자가 표시되어 있어, 실험적인 데모보다 빠르게 성장하는 오픈소스 생태계로 보는 편이 더 자연스럽습니다. 오래 함께 일할 AI 에이전트를 찾고 있다면 한 번쯤 자세히 살펴볼 만한 프로젝트입니다.

Sim은 AI 에이전트 워크플로우를 시각적으로 만들고 배포할 수 있는 오픈소스 플랫폼입니다. GitHub에서 공개되어 있으며, Next.js와 Bun, PostgreSQL(pgvector) 기반으로 돌아가는 모던한 AI 자동화 도구입니다. 

Sim의 핵심 기능

• 캔버스 기반 워크플로우 빌더
• 블록을 캔버스에 올리고, 에이전트·툴·조건 블록을 선으로 연결해서 흐름을 설계할 수 있습니다. 복잡한 에이전트 파이프라인도 플로우 차트 그리듯 만들 수 있습니다. 
• Copilot 연동으로 자동 노드 생성
• 자연어로 “웹 크롤링 후 요약해서 슬랙으로 보내줘” 같은 요구를 하면, Copilot이 필요한 노드를 제안하고 오류 수정까지 도와줘 워크플로우 설계를 빠르게 반복할 수 있습니다. 
• 벡터 DB 연동(RAG 지원)
• 문서를 업로드해서 벡터스토어에 저장한 뒤, 에이전트가 해당 지식을 기반으로 질의응답을 할 수 있는 RAG(검색 기반 생성) 워크플로우를 구성할 수 있습니다. 

사용 방법 (클라우드 & 셀프 호스팅)

• 클라우드 버전
• 공식 사이트(sim.ai)에 접속해 바로 워크플로우를 만들 수 있는 클라우드 환경을 제공합니다. 
• 로컬/온프레미스 셀프 호스팅
  • NPM으로 간단 실행: npx simstudio
  • Docker Compose로 프로덕션 환경 실행
  • Ollama, vLLM과 연동해 로컬 LLM 또는 자체 호스팅한 모델도 사용할 수 있어, 외부 API 없이 폐쇄망에서도 운영이 가능합니다. 

기술 스택

• Framework: Next.js (App Router)
• Runtime: Bun
• DB: PostgreSQL + pgvector(임베딩·RAG용)
• UI: Shadcn + Tailwind CSS
• 상태관리/플로우: Zustand, ReactFlow
• 실시간 & 잡 처리: Socket.io, Trigger.dev 등 

이런 분들께 추천

• 여러 LLM·툴·API를 조합한 에이전트/자동화 플로우를 만들고 싶은 개발자
• 사내 문서·데이터를 기반으로 맞춤형 AI 도우미를 구축하려는 팀
• 클라우드가 아닌 셀프 호스팅 AI 에이전트 플랫폼이 필요한 조직

Sim은 Apache-2.0 라이선스로 공개되어 있어, 기업 환경에서도 자유롭게 커스터마이징하고 배포할 수 있는 점이 큰 장점입니다.  

https://github.com/simstudioai/sim

peRAG는 프로덕션 환경에서도 안정적으로 사용할 수 있는 RAG(Retrieval-Augmented Generation) 플랫폼입니다. 그래프 기반 RAG, 벡터 검색, 풀텍스트 검색을 결합하여 지능형 AI 애플리케이션을 구축할 수 있습니다.

주요 특징은 다음과 같습니다:

• 멀티모달 문서 처리 지원
• AI 에이전트를 통한 지능적 검색과 추론
• MCP(Model Context Protocol) 연동으로 지식 베이스와 직접 상호작용
• 쿠버네티스 배포를 통한 확장성과 안정성

간단히 Docker Compose로 실행할 수 있으며, 웹 인터페이스와 API 문서를 바로 확인할 수 있습니다.

https://rag.apecloud.com/