헤르메스 에이전트가 미쳤습니다... 역대급 업데이트 4가지

한 줄 핵심

헤르메스 에이전트의 핵심 업데이트는 다중 모델 합의(MOA), 링크를 스킬로 바꾸는 재사용 기능, 기억·스킬의 가시화/수정, 그리고 코딩 작업을 프로젝트 단위로 관리하는 흐름이라서, 에이전트를 오래 쓸수록 효율이 커지는 구조를 보여준다.

시간별 요약

1. 0:00
   헤르메스 에이전트는 최근 업데이트가 매우 빠르게 쌓이고 있으며, 기억을 꾸준히 축적한 사용자는 브리핑·반복 작업·사업 자동화에서 이미 큰 효율을 얻고 있다. 설치 환경으로는 VPS를 쓰는 방식이 안전성과 24시간 가동 측면에서 유리하다.
2. 3:01
   작업별 모델 선택이 비용과 성능의 핵심이며, 중요한 작업에는 좋은 모델을 쓰고 단순 반복 작업에는 저렴한 모델을 섞어 쓰는 전략이 현실적이다. GLM 5.2, GPT 5.6 솔, Kimi K3처럼 에이전트 작업에 적합한 대안 모델이 늘어나 비용 관리 선택지가 넓어졌다.
3. 4:01
   첫 핵심 기능인 MOA는 하나의 질문을 여러 모델에 동시에 던진 뒤 답을 합쳐서 오류를 줄이는 방식이다. 아키텍처 결정이나 사업 방향처럼 틀리면 비용이 큰 문제에 특히 유용하고, 단순한 질문에는 시간과 토큰 낭비가 커서 비효율적이다.
4. 6:01
   slasherun은 링크나 자료를 재사용 가능한 스킬로 바꿔 주는 기능으로, 좋은 글을 읽고 끝나는 대신 실제 작업 방식으로 흡수할 수 있게 해 준다. slashex는 쌓인 기억과 스킬을 시간순·연결 구조로 확인하고 편집·삭제할 수 있어, 잘못된 정보가 누적되는 문제를 줄인다.
5. 8:01
   데스크톱 맵의 프로젝트 기능은 코딩 작업을 세션 단위가 아니라 프로젝트 단위로 묶어 관리하게 해 준다. 변경 사항을 리뷰 패널과 사이드바에서 바로 검토할 수 있어, 에이전트에게 일을 맡기고 결과물을 검토하는 흐름이 한층 자연스러워졌다.

실무 인사이트

• 에이전트 활용의 성패는 새 기능 자체보다 기억·스킬을 꾸준히 쌓고 정리하는 습관에 달려 있으므로, 자주 쓰는 자료는 북마크 대신 스킬로 전환하는 것이 좋다.
• MOA처럼 여러 모델의 의견을 합치는 기능은 답이 중요한 의사결정에 먼저 적용하면 체감 가치가 크며, 단순 반복 질문에는 쓰지 않는 것이 비용 효율적이다.
• 장기적으로는 에이전트가 무엇을 배웠는지 주기적으로 점검하고 잘못된 기억을 지우는 관리 루틴이 품질 저하를 막는 핵심이다.