잠든 사이에도 일하는 AI를 들였습니다

요즘 업무 계획을 세우거나 코딩, 기술 전략을 짤 때 LLM을 정말 유용하게 활용하고 있습니다. 궁금한 점을 물어보면 즉각적인 답을 얻을 수 있어 좋지만, 문제는 그 뒤였습니다. 나중을 위해 답변을 선별해 Obsidian에 옮겨 담는 과정은 번거롭고 시간이 많이 소요되었습니다. 특히 ChatGPT, Claude, Gemini를 상황에 따라 골라 쓰다 보니 파편화된 정보를 관리하는 수고가 배가 되었습니다. 도구는 많아졌지만, 정작 업무의 흐름은 흩어져 있었던 거죠. 좀 더 편리하게 질문하고 답변을 저장·관리할 방법이 없을까 고민하던 중, 요즘 크게 각광받는 AI 에이전트인 'Hermes Agent'를 알게 되었습니다. 다양한 설치 영상과 사용기를 보며 제 업무 스타일에 적합할 것 같다는 확신이 들어 바로 VPS(Hostinger)에 도커로 설치했고, 지금까지 매우 만족스럽게 사용하고 있습니다(현재는 로컬 컴퓨터에 설치 가능한 Desktop 버전도 출시). 이번 글에서는 그간 Hermes Agent를 직접 사용하며 느낀 경험을 토대로 몇 가지 인상적이었던 내용을 중심으로 정리해 보고자 합니다.

[출처] Hermes Agent, https://hermes-agent.nousresearch.com/

Nous Research에서 선보인 Hermes Agent는 단순한 질의응답을 넘어 실제 액션까지 이어지는 오픈소스 에이전트 프레임워크입니다. 단순히 답을 주는 챗봇 수준을 벗어나, 도구를 활용해 문서 검토부터 파일 생성, 터미널 제어, 이미지 분석 및 생성까지 직접 수행하는 능력을 갖고 있습니다. 특히 다양한 LLM을 유연하게 교체하며 사용할 수 있고, 강력한 skill 시스템 덕분에 필요한 기능을 즉석에서 확장해 업무에 투입할 수 있다는 점이 강점입니다. 여기에 memory와 세션 검색을 통해 사용자의 맥락을 깊이 이해하며, Slack이나 Discord 같은 메신저 게이트웨이로 언제 어디서든 소통할 수 있는 환경을 제공합니다. 무엇보다 인상적인 것은 cronjob 기능입니다. 매일 아침 특정 테마를 리서치해 요약본을 만들거나 관심 주식 지표를 주기적으로 점검할 수 있도록 반복적인 작업을 자동화해주는 점이 무척이나 마음에 듭니다. Hermes Agent를 개인 생산성 도구로 활용하신다면, 아래의 다양한 영역에서 바쁜 업무와 일상에 큰 도움이 될 것으로 생각됩니다.

현재 저의 경우 GPT-5.5 모델을 기반으로 Slack을 연동하여 사용하고 있는데요. 업무 중 한쪽 화면에 Slack을 상시 배치해두고, 아이디어가 떠오를 때마다 Hermes Agent에게 DM을 통해 질문하며 답변을 업무에 활용하고 있습니다. 단순히 대화가 일회성으로 끝나는 기존의 Claude나 ChatGPT 사용 패턴과는 달리, 질문을 통해 얻은 지식을 자동으로 Obsidian 노트에 축적하도록 흐름을 설계했기에, 생성된 답변은 즉시 Markdown 파일로 정리되고 다른 업무의 새로운 리소스로 재활용할 수 있어서 무척이나 유용하더군요.  사용해보면서 체감한 몇 가지 사항들을 정리하면 다음과 같습니다.

1. Slack을 통한 즉각적인 작업 지시 환경 구축

Hermes를 쓰면서 체감상 가장 큰 변화는 Slack을 메인 인터페이스로 활용한 점인데요. Slack뿐만 아니라 Discord, Telegram에서도 동일하게 활용할 수 있습니다. 복잡한 터미널 접속 없이 메신저 DM만으로도 작업 지시가 가능해 업무 흐름이 끊기지 않습니다. 도구 사용을 위한 진입 장벽이 낮아지니 업무 흐름이 끊기지 않는다는 점이 무척이나 인상적이더군요.

• “이 리서치 내용을 Obsidian에 바로 저장해줘.”
• “Hermes Agent와 개인 생산성을 테마로 초안을 잡아줘.”
• “수집된 자료를 기반으로 블로그 게시물 형태(1,500자 내외)로 구성해줘.”
• “완성된 텍스트를 Markdown 파일로 생성하고 저장 경로까지 체크해줘.”

이처럼 자연스러운 대화의 흐름 속에서 실제 다양한 과정을 거쳐 실행이 이루어집니다. 현재 저는 Slack 게이트웨이를 통해 Hermes(기본), Researcher, Writer, Editor라는 4개의 특화된 프로필을 운용하고 있는데요. 사용자의 필요에 따라 적합한 에이전트를 호출해 업무를 배분하면, 그 뒤의 복잡한 수행 과정은 시스템이 알아서 처리합니다. 가령 양질의 아티클을 써야 할 때, Editor에게 전체적인 기획과 톤앤매너 설정을 맡기고 Researcher를 통해 사실 관계를 보완한 뒤 Writer가 최종적으로 문장을 다듬게 하는 식이죠. 각자의 역할에 최적화된 에이전트들이 유기적으로 협업하며 결과물을 만들어내는 구조는 단순한 자동화를 넘어 하나의 ‘팀’과 일하는 듯한 느낌을 줍니다. 무엇보다 이 모든 과정이 복잡한 코드 없이 일상적인 언어로 제어되고 수행되는 것이 신기하고 재미있네요.