# \#hermes-agent **URL:** https://discuss.pytorch.kr/tag/hermes-agent/6801.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [NVIDIA NeMo Relay로 에이전트 하네스 추적하기: 성공률 뒤에 숨은 호출을 트레이스로 읽는 법 (feat. Hermes Agent)](https://discuss.pytorch.kr/t/nvidia-nemo-relay-feat-hermes-agent/12076)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 2, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/nvidia-nemo-relay-feat-hermes-agent/12076 "2026-10-02T06:30:45Z")
핵심 요약 NVIDIA가 NeMo Relay로 Hermes Agent 실행을 ATOF 이벤트, ATIF 궤적, OpenTelemetry 트레이스로 기록하고 과업 검증 결과와 함께 읽는 튜토리얼과 동반 저장소를 공개했습니다. 실습에는 macOS 또는 Linux, Git, curl, Docker, NVIDIA Build API 키가 필요하고, 터미널 도구 과제와 웹 검색 과제 두 개를 Hermes 0.21.1, NeMo Relay 0.8.3으로 고정해 실행합니다. Nous Research의 Hermes ToolPerf 재실행(108회)에서 도구 계층 수정 후 Qwen3 Coder 30B의 성공률은 70%에서 81%로 올랐지만, 평균 LLM 호출은 3.8회에서 4.9회로, 소요 시간은 27초에서 42초로 늘었습니다. 공개된 실행별 기록을 확인해 보면 Qwen 기준선의 실패 8건 중 5건은 도구가 한 번도 실행되지 않은 채 제공자 쪽 템플릿 오류로 끝났고, 이를 빼면 성공률 차이는 86%와 88%로 좁혀집니다. NeMo Relay와 Hermes Agent 트레이싱 튜토리얼 소개 NVIDIA 기술 블로그의 Tracing Agent Harness Behavior with NVIDIA NeMo Relay 는 에이전트가 과업을 맞혔는지뿐 아니라 어떤 경로로 맞혔는지를 트레이스로 확인하는 방법을 다루는 튜토리얼입니다. 2026년 9월 30일 공개되었고, 저자는 William Markito Oliveira, Maryam Najafian, Moon Chung, Teknium 네 명입니다. 실습 코드는 NVIDIA/nemoclaw-community 저장소의 hermes-relay-tracing 예제로 함께 공개되었습니다. 원문이 출발점으로 삼는 문제는 단순합니다. 에이전트가 최종 답을 맞히더라도 그 과정에서 실패한 검색을 다시 시도하거나, 잘린 파일을 읽은 뒤 같은 내용을 명령으로 다시 가져오는 식의 추가 단계를 밟을 수 있습니다. 정답 하나만 보면 이런 단계는 보이지 … --- ## [자기 개선형 AI 에이전트인 Hermes Agent의 실무자 가이드 (feat. Blake Crosley)](https://discuss.pytorch.kr/t/ai-hermes-agent-feat-blake-crosley/10335)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 25, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/ai-hermes-agent-feat-blake-crosley/10335 "2026-05-25T21:30:32Z")
Hermes Agent 소개 지난 2년간 LLM 기반 에이전트 도구는 폭발적으로 늘어났지만, 대부분은 특정 벤더의 모델과 인프라에 강하게 결합되어 있습니다. Claude Code는 Anthropic 모델에, Codex CLI는 OpenAI에, Gemini CLI는 Google에 각각 고정되어 있어, 사용자는 한 도구로 모든 작업을 묶을지 아니면 여러 도구를 병행하며 컨텍스트와 메모리가 단절되는 비용을 감수할지 사이에서 선택해야 했습니다. 이러한 단절은 단순한 불편을 넘어, 에이전트가 사용할수록 똑똑해지는 learning-by-doing 효과를 사실상 사라지게 만듭니다. Hermes Agent는 Nous Research가 만든 오픈소스 자기 개선형 AI 에이전트로, 이 결합을 풀어내는 것을 목표로 합니다. CLI로 실행되면서 동시에 멀티 플랫폼 메시징 게이트웨이로도 작동하고, 디스크에 오래 유지되는 정체성(identity)과 지속 메모리(persistent memory)를 저장하며, 사용할수록 개선되는 스킬(skill)을 모으고, OpenAI와 호환되는 어떤 LLM 프로바이더와도 함께 사용할 수 있습니다. Nous Portal, OpenRouter, Anthropic, GitHub Copilot, z.ai, Kimi, MiniMax, DeepSeek, Qwen Cloud, Hugging Face, Google, xAI/SuperGrok, 또는 직접 self-hosted 엔드포인트까지 모두 한 도구에서 다룰 수 있다는 점이 핵심 차별점입니다. 이 글은 Blake Crosley가 정리한 "Hermes Agent: 실무자를 위한 레퍼런스 (2026)" 를 바탕으로, 2026년 5월 16일 출시된 v0.14.0 기준의 Hermes 동작 원리를 가능한 한 자기완결적으로 풀어 정리한 자료입니다. Hermes Agent는 chat wrapper가 아니라 완전한 agent runtime으로 작동합니다 — 파일 시스템을 읽고, sandboxed 백엔드에서 명령을 실행하… --- ## [Hermes Agent Self-Evolution: Hermes Agent의 스킬과 프롬프트를 자동 진화시키는 NousResearch의 자가 개선 프레임워크](https://discuss.pytorch.kr/t/hermes-agent-self-evolution-hermes-agent-nousresearch/10136)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 12, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/hermes-agent-self-evolution-hermes-agent-nousresearch/10136 "2026-05-12T06:30:39Z")
Hermes Agent Self-Evolution 소개 NousResearch가 공개한 Hermes Agent는 사용자와의 상호작용을 통해 스스로 성장하는 AI 비서를 목표로 하는 에이전트 프로젝트입니다. 그러나 에이전트가 시간이 지날수록 더 똑똑해지려면, 사람이 일일이 시스템 프롬프트(System Prompt)를 다듬고, 도구 설명(Tool Description)을 손보고, SKILL.md 파일을 다시 쓰는 노동이 끊임없이 반복되어야 합니다. 강화학습(Reinforcement Learning) 기반 자가 개선은 GPU 학습 비용이 큰 반면, 프롬프트와 코드 수준의 개선은 LLM 기반 평가와 변이만으로도 충분히 자동화할 여지가 있습니다. Hermes Agent Self-Evolution은 이러한 자동화 영역을 본격적으로 다루는 진화적 자가 개선 프레임워크입니다. DSPy와 GEPA(Genetic-Pareto Prompt Evolution, ICLR 2026 Oral)를 결합해 Hermes Agent의 스킬·도구 설명·시스템 프롬프트·코드를 자동으로 변이시키고 평가하여, 측정 가능한 수준에서 더 좋은 변종(Variant)을 선별합니다. 모든 단계가 API 호출 기반으로 동작하기 때문에 GPU 학습이 필요 없으며, 한 번의 최적화 실행은 약 2~10달러 수준의 토큰 비용으로 수행됩니다. 이 프로젝트는 Hermes Agent를 직접 변형하지 않고, 별도 저장소(hermes-agent-self-evolution)에서 진화 과정을 돌린 뒤 검증된 결과만 PR(Pull Request) 형태로 본 저장소에 제출합니다. 즉, 모든 자동 변경사항은 최종적으로 사람의 코드 리뷰를 거쳐 메인 브랜치에 반영되도록 가드레일이 잡혀 있습니다. 이런 구조 덕분에 자기 개선 루프(Self-Improvement Loop)를 안전한 방식으로 운영할 수 있고, 진화의 결과물을 다른 Hermes Agent 사용자도 PR 단위로 추적할 수 있습니다. 라이선스는 MIT이며, ©2026 No… --- ## [RunbookHermes: Hermes Agent 기반의 증거 중심 AIOps 인시던트 대응 에이전트](https://discuss.pytorch.kr/t/runbookhermes-hermes-agent-aiops/10096)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 7, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/runbookhermes-hermes-agent-aiops/10096 "2026-05-07T21:30:37Z")
RunbookHermes 소개 운영 환경에서 결제 시스템 장애 같은 인시던트(Incident)가 발생하면, 메트릭(Metrics)·로그(Logs)·트레이스(Traces)·배포 이력 같은 증거를 모으고, 가설을 세우고, 위험한 조치는 승인을 받아 점검(Checkpoint) 후 실행하며, 복구 검증과 사후 회고까지 마쳐야 합니다. 단순히 챗봇 형태의 에이전트(Agent)가 답을 내놓는 것만으로는 운영 책임 영역을 다루기에 부족합니다. RunbookHermes는 NousResearch의 Hermes Agent 런타임을 바탕으로, 이러한 인시던트 대응 워크플로우를 도메인 레이어로 얹은 오픈소스 AIOps 에이전트입니다. 이 프로젝트의 설계 의도는 명확합니다. Hermes Agent의 런타임 루프, 프로바이더 라우팅(Provider Routing), 도구 시스템, 메모리 프로바이더, 컨텍스트 엔진(Context Engine), 스킬 시스템, 게이트웨이 구조, 안전 경계(Safety Boundary)를 그대로 계승한 위에, AIOps에 필요한 인시던트 정의·증거 수집·승인 게이트·롤백·복구 검증·런북 학습 같은 기능을 별도의 플러그인 계층으로 추가하는 방식입니다. 결과적으로 별도의 데모 대시보드가 아니라, Hermes Agent의 강점을 그대로 살린 운영 가능한 수준의 AIOps 시스템을 목표로 합니다. 또한 RunbookHermes는 모델이 환각(Hallucination)으로 답을 메우는 것을 막기 위해 결정론적 증거(Deterministic Evidence)와 모델 보조 분석(Model-Assisted Analysis)을 분리합니다. 증거 수집과 안전 게이트는 결정론적으로 동작하고, 모델은 운영자에게 보여 줄 인시던트 요약·근본 원인 설명·운영자용 액션 요약 같이 가독성을 높이는 부분에 한정해 사용됩니다. 모델 프로바이더가 설정되어 있지 않으면 모델 보조 요약은 비활성화되며, 핵심 워크플로우는 모델 없이도 동작합니다. RunbookHermes의 시스템 구성 … --- ## [Hermes Agent⚕: NousResearch가 공개한, 사용자와의 상호작용 경험을 통해 스스로 성장하는 AI 비서 프로젝트](https://discuss.pytorch.kr/t/hermes-agent-nousresearch-ai/9184)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 11, 2026, 4:00오전 UTC](https://discuss.pytorch.kr/t/hermes-agent-nousresearch-ai/9184 "2026-03-11T04:00:08Z")
Hermes Agent 소개 최근 인공지능 분야에서는 사용자의 명령을 단순히 한 번만 수행하고 끝나는 것이 아니라, 사용자와 상호작용하며 지속적으로 배우고 적응하는 자율형 AI 에이전트(Autonomous AI Agent) 가 큰 화두로 떠오르고 있습니다. 이러한 흐름 속에서 Nous Research가 공개한 Hermes Agent는 사용자 경험을 통해 스스로 스킬을 생성하고 개선하는 진정한 의미의 자가 발전형 AI 비서로 주목받고 있습니다. 기존의 챗봇이나 단순 자동화 스크립트를 넘어, 장기적인 기억력을 바탕으로 사용자가 누구인지 이해하는 깊이 있는 모델링을 제공한다는 점이 가장 큰 특징입니다. Hermes Agent의 핵심 가치는 단절된 환경이 아니라 우리가 일상적으로 생활하고 업무를 보는 공간 속에 스며든다는 것입니다. 텔레그램(Telegram), 디스코드(Discord), 슬랙(Slack), 왓츠앱(WhatsApp), 시그널(Signal)과 같은 다양한 메신저 플랫폼부터 전통적인 명령줄 인터페이스(CLI) 환경까지 단일 게이트웨이를 통해 매끄럽게 연결됩니다. 사용자는 노트북 앞에 앉아있지 않더라도 스마트폰 메신저를 통해 에이전트에게 업무를 지시하고, 클라우드 가상머신(VM)에서 작업을 수행 중인 에이전트와 실시간으로 소통할 수 있습니다. 이는 개발자와 엔지니어의 작업 환경을 물리적 제약에서 완전히 해방시켜 줍니다. 또한, 이 에이전트는 특정 하드웨어나 독점적인 인프라에 종속되지 않는 놀라운 유연성을 자랑합니다. 월 5달러 수준의 저렴한 VPS(가상 사설 서버)부터 고성능 GPU 클러스터, 그리고 작업이 없을 때는 유휴 상태로 전환되어 비용을 거의 발생시키지 않는 서버리스 인프라 환경까지 어디서든 구동이 가능합니다. 특정한 초거대 AI 모델에 갇히지 않고 OpenRouter를 통한 200여 개의 모델이나 자체 구축한 로컬 엔드포인트를 자유롭게 오가며 사용할 수 있다는 점 역시 변화가 빠른 IT 환경에 최적화된 강력한 무기라고 할 수 있습니다. H…