Hermes Agent 기반 AI 어시스턴트 자동화 심층 사용 경험

草梅友仁

2026-06-28 10:36:56 1 조회수 324 글자 수 2분기술 튜토리얼

요약

Docker 배포부터 실제 사용까지, Hermes Agent를 기반으로 한 자체 배포 AI 어시스턴트를 Feishu에 연동하고, MCP 검색을 구성하며, 저비용으로 DeepSeek V4 Flash를 호출하는 완벽한 경험과 노하우를 공유합니다.

요약: 이 글은 Hermes Agent를 Docker에 배포하고 Feishu에 연결하며, tinyfish-mcp 검색을 구성하고, DeepSeek V4 Flash 저비용 솔루션과 함께 사용한 2주간의 심층 사용 경험을 기록합니다. Docker 기초 지식이 있고 자체 배포 AI 어시스턴트를 구축하고 싶은 독자에게 적합합니다.

지난 블로그 《Hermes Agent AI 어시스턴트와 모메이 블로그 업데이트 | 2026년 제24주 차오메이 주간 보고》에서 간단히 언급한 Hermes Agent에 대해, 이번에는 최근 몇 주간의 실제 사용 경험을 바탕으로 완전한 배포 및 사용 보고서를 제공합니다.

공식 문서: https://hermes-agent.nousresearch.com/docs/zh-Hans/

배포

먼저, OpenClaw와 마찬가지로 Hermes Agent를 사용하려면 먼저 Hermes Agent를 배포해야 합니다.

이러한 AI 어시스턴트가 필요로 하는 권한이 매우 크기 때문에, 개인 컴퓨터에 배포하는 것은 극히 비추천합니다. 배포가 필요한 경우 Docker와 같은 컨테이너 환경을 우선적으로 사용하여 호스트 환경과 격리하는 것이 좋습니다. 이는 파일이 실수로 삭제되거나 공격을 받는 위험을 줄이기 위함입니다.

Docker 컨테이너 자체가 보안 경계입니다.

다음으로 Docker를 통해 Hermes Agent를 배포하는 방법을 소개합니다.

먼저 Linux 서버, Docker, LLM의 API 키 등 몇 가지 사전 준비가 필요합니다.

환경 요구 사항

서버: Linux (최소 2코어 4GB 미만일 경우 멈출 위험이 있음)
Docker: docker 및 docker-compose가 설치되어 있어야 함
API 키: 최소 하나의 LLM 제공업체 키 (DeepSeek, OpenAI 등)
메시징 게이트웨이: 여기서는 Feishu를 예로 듭니다 (지원되는 메시징 플랫폼 중 하나를 선택할 수 있음, 예: QQ, 기업 WeChat, DingTalk 등)

설치

서버의 적절한 디렉터리에 다음 docker-compose.yml 설정 파일을 작성하세요.


# 
# Hermes Agent — Docker Compose 배포

설정: DeepSeek V4 Flash + Feishu WebSocket

services: hermes: image: nousresearch/hermes-agent:latest container_name: hermes restart: unless-stopped volumes: - ./hermes_data:/opt/data env_file: - .env environment: # ---- 사용자 권한 ---- - HERMES_UID=${HERMES_UID:-1000} - HERMES_GID=${HERMES_GID:-1000} # ---- DeepSeek Provider ---- - DEEPSEEK_API_KEY=${DEEPSEEK_API_KEY} # ---- Feishu 채널 (WebSocket 모드) ---- - FEISHU_APP_ID=${FEISHU_APP_ID} - FEISHU_APP_SECRET=${FEISHU_APP_SECRET} - FEISHU_DOMAIN=feishu - FEISHU_CONNECTION_MODE=websocket # ---- Feishu 보안 허용 목록 (강력 권장) ---- - FEISHU_ALLOWED_USERS=${FEISHU_ALLOWED_USERS} # ---- 권장: cron/알림용 home chat 설정 ---- - FEISHU_HOME_CHANNEL=${FEISHU_HOME_CHANNEL} # - GATEWAY_ALLOW_ALL_USERS=${GATEWAY_ALLOW_ALL_USERS:-false} - GATEWAY_ALLOWED_USERS=${GATEWAY_ALLOWED_USERS} - OPENCODE_GO_API_KEY=${OPENCODE_GO_API_KEY} command:[“gateway”, “run”]



여기에서는 DeepSeek V4 Flash를 백엔드 AI 모델로, Feishu(비서)를 프론트엔드 상호작용 클라이언트로 선택합니다. 여기에서는 웹 대시보드를 사용하지 않으며, 어떤 포트도 개방하지 않습니다. 모든 메시지는 Feishu를 통해 송수신됩니다. 모든 데이터는 현재 디렉토리 아래의 `hermes_data` 디렉토리에 저장됩니다(공식 설정과 차이가 있습니다. 공식 기본값은 `~/.hermes/`이지만, 여기서는 백업을 용이하게 하기 위해 사용자 정의 마운트를 사용합니다).

물론, 위 설정은 아직 완전하지 않습니다. 해당 환경 변수가 없기 때문입니다.

같은 디렉토리에 `.env` 파일을 새로 만들고, 다음을 참조하여 구성합니다. 실제 값으로 대체해야 합니다.

```ini
# === DeepSeek API ===
# https://platform.deepseek.com 에서 신청
DEEPSEEK_API_KEY=sk-xxxx

# === Feishu 앱 자격 증명 ===
# https://open.feishu.cn/app 에서 신청, 구체적인 신청 과정은 아래 참조
FEISHU_APP_ID=cli_xxxx
FEISHU_APP_SECRET=xxxxx
FEISHU_DOMAIN=feishu
FEISHU_CONNECTION_MODE=websocket

# === Feishu 보안 허용 목록 (사용자 open_id를 쉼표로 구분) ===
FEISHU_ALLOWED_USERS=ou_xxxx

# === 선택 사항: 홈 채팅 ID (cron job 결과, 알림을 여기로 전송) ===
# FEISHU_HOME_CHANNEL=oc_xxx
# 허용된 사용자 ID.
# GATEWAY_ALLOWED_USERS=xxx
# 처음 사용 시 모든 사용자를 허용하도록 설정하는 것을 권장하지만, 해당 앱을 본인만 사용하도록 주의하세요!
GATEWAY_ALLOW_ALL_USERS=true

이 외에도 hermes_data 디렉토리에 config.yaml 파일을 생성하고 다음 내용을 추가해야 합니다:


model:
  provider: deepseek
  default: deepseek-v4-flash

지원되는 AI 공급자 중 아무 것이나 사용할 수도 있습니다.

물론, 명령줄을 통해 설정할 수도 있습니다. 다음 명령어로 설정 마법사를 실행하면 API 키를 입력하라는 안내가 표시되고, ./hermes_data/.env 파일에 기록됩니다.


docker run -it --rm \
  -v ./hermes_data:/opt/data \
  nousresearch/hermes-agent setup

페이슈(飞书) 플랫폼 연동

여기서는 페이슈 애플리케이션 인증 정보와 사용자의 open_id가 필요합니다. 먼저 페이슈 AI 에이전트 애플리케이션을 생성하는 방법을 설명하겠습니다.

먼저 페이슈 개발자 백엔드에 로그인하면, 홈페이지 상단에 페이슈 AI 에이전트 애플리케이션 생성 항목이 표시됩니다. 만약 보이지 않는다면 아래의 기업 자체 애플리케이션 생성 항목을 클릭하여 생성할 수 있습니다.

페이슈 개발자 백엔드 - AI 에이전트 애플리케이션 생성 항목

그러면 애플리케이션의 아바타와 이름을 설정하는 페이지가 표시됩니다. 즉시 생성을 클릭하면 됩니다.

페이슈 개발자 백엔드 - AI 에이전트 애플리케이션 생성

이제 App ID와 App Secret을 확인할 수 있습니다. 이 값을 환경 변수에 복사합니다.

이후 프로젝트 디렉터리에서 다음 명령어를 실행하여 Hermes Agent의 Docker 이미지를 활성화합니다.


docker compose up -d

이제 봇에게 메시지를 보내 연동이 성공적으로 이루어졌는지 확인할 수 있습니다.

응답이 없는 경우, 일반적으로 페이슈 보안 화이트리스트와 허용된 사용자 ID가 설정되지 않았기 때문입니다.

이 경우 일시적으로 GATEWAY_ALLOW_ALL_USERS를 true로 설정한 후, AI에게 사용자의 open_id를 직접 물어보고 FEISHU_ALLOWED_USERS 및 GATEWAY_ALLOWED_USERS에 입력하면 됩니다.

logs/gateway.log 로그 파일을 직접 확인할 수도 있습니다.

사용 방법

AI가 Feishu 채널을 통해 응답할 수 있게 되면 본격적으로 사용할 수 있습니다.

예를 들어, 먼저 자기소개를 해보면 AI는 이를 기억했다가 이후에 직접 인용할 것입니다.

그리고 몇 가지 사용 팁을 소개합니다.

검색 MCP 배포

알려진 바와 같이, 검색 도구가 없는 AI 대형 모델은 여전히 멍청합니다. 실제 사용 과정에서 검색 유형 도구의 트리거 확률은 기본적으로 80%~90%에 이르며, 조사, 탐색, 확인 등의 작업을 할 때는 거의 필수적입니다. 그래서 tinyfish-mcp를 연결하기로 했는데, 정말 잘 작동합니다.

tinyfish-mcp 배포는 공식 문서를 참조하세요.

tinyfish-mcp 배포 후 config.yaml에서 설정하면 됩니다.


mcp_servers:
  tinyfish-search:
    url: "https://tinyfish.example.com/mcp"
    headers:
      Authorization: "Bearer xxxxxx"

저렴한 AI 모델 사용

Hermes Agent로 프로그래밍하는 경우도 있지만, 대부분은 채팅을 더 많이 합니다. 이런 경우에는 너무 좋은 모델이 필요하지 않으며, 고급 모델 사용으로 인한 지출은 무시할 수 없습니다. 따라서 DeepSeek V4 Pro가 아닌 가성비 좋은 DeepSeek V4 Flash와 같은 저렴한 AI 모델을 사용하는 것이 좋습니다. 정말 프로그래밍이 필요한 경우에는 Claude Code, OpenCode 등의 AI 도구를 호출하여 프로그래밍할 수 있습니다.

개인적으로는 OpenCode Go를 통해 DeepSeek V4 Flash를 호출하는 것을 추천합니다. DeepSeek 공식보다 조금 더 저렴하게 이용할 수 있습니다.

위 링크에는 제 초대 코드가 포함되어 있습니다. 이 링크로 가입하면 여러분과 저 모두 일정량의 무료 사용 额度 를 얻을 수 있습니다.

OpenCode Go 공식 문서: https://opencode.ai/docs/zh-cn/go

원리는 OpenCode Go가 월 10달러이지만, 사용 额度 는 60달러라는 점입니다.

현재 OpenCode Go의 DeepSeek V4 Pro는 아직 DeepSeek 공식의 2.5할 할인과 동기화되지 않았지만, DeepSeek V4 Flash의 가격은 동일합니다. 따라서 10달러로 60달러 额度 의 DeepSeek V4 Flash를 사용할 수 있어, 다양한 AI 모델 중에서도 가성비가 가장 뛰어난 편에 속합니다.

또한 OpenCode Go는 Qwen3.7 Plus와 함께 사용하여 이미지 인식 문제를 해결할 수 있어, 가장 가성비 좋은 AI 모델 패키지 중 하나입니다.

OpenCode Go를 사용하는 경우, 환경 변수의 설정 항목을 OpenCode Go에 맞게 변경해야 합니다. 예를 들어:


OPENCODE_GO_API_KEY=xxxx

그리고 config.yaml 파일에서 model.provider 필드도 다음과 같이 수정해야 합니다:


model:
  provider: opencode-go
  default: deepseek-v4-flash

시각 모델 설정

DeepSeek V4 시리즈를 Hermes Agent 백엔드의 주력 AI 모델로 사용하는 경우, deepseek-v4가 아직 이미지 인식을 지원하지 않아 보낸 사진을 인식하지 못하는 문제가 발생할 수 있습니다. 이는 사용 경험에 영향을 줄 수 있습니다.

Hermes Agent에서는 시각 모델을 별도로 설정할 수 있으므로, config.yaml 설정 파일의 auxiliary.vision.model 필드에 qwen3.7-plus와 같은 이미지 인식을 지원하는 AI 모델을 지정하여 DeepSeek V4 Flash의 부족한 부분을 보완할 수 있습니다.


auxiliary:
  vision:
    provider: opencode-go
    model: qwen3.7-plus

자동화된 기억 정리

Hermes Agent는 스케줄링 작업을 지원합니다. 자율 학습 능력을 강화하기 위해, 매일 새벽에 지난 24시간 동안의 대화를 자동으로 스캔하여 재사용 가능한 지식을 추출하도록 설정할 수 있습니다. 이를 통해 수동으로 지식을 재사용하도록 요청하는 번거로움을 줄일 수 있습니다.

참고 프롬프트: “지난 24시간 동안의 모든 대화를 스캔하고, 재사용 가능한 지식을 추출하세요…”

여기서 작은 문제점은 cron job에서 직접 Memory에 기록할 수 없기 때문에, 에이전트의 기억을 직접 수정할 수 없다는 것입니다. 따라서 간접적인 방법으로 file 도구를 사용해 reusable-knowledge.json 파일을 파일 기반 지식 저장소로 기록해야 합니다.

마크다운으로 메시지 전송

Feishu(비서)의 제한으로 인해, 메시지 내에서 테이블을 렌더링할 수 없습니다. 따라서 마크다운 파일로 변환하여 첨부 파일로 전송하는 방법을 고려할 수 있습니다. 이렇게 하면 레이아웃 문제를 해결할 뿐만 아니라, 메시지에서 지원하지 않는 마크다운 서식 문자가 포함되는 것을 방지할 수 있습니다.

AI에게 직접 마크다운 파일 형식으로 첨부 파일을 전송하도록 요청하거나, 테이블 문자가 감지되면 자동으로 마크다운 첨부 파일로 변환하도록 요청할 수 있습니다.

사용 후기

이번에는 Hermes Agent를 사용하면서 느낀 점을 공유해 보겠습니다.

먼저, 매우 강력하고 사용하기 편리합니다.

처음에는 단순히 고도로 커스터마이징된 Doubao(두바오) 정도를 기대했지만, 실제로는 Doubao보다 훨씬 더 뛰어난 성능을 보여줍니다.

왜 그럴까요?

豆包 는 코드를 실행하거나 파일을 조작할 수 없으며, 정기적인 자체 검토 기능도 없습니다. 반면 Hermes Agent는 이 모든 기능을 하나의 인터페이스에 통합했기 때문에 더 편리하게 사용할 수 있습니다.

한편, 자체 개발한 tinyfish-mcp를 통해 검색 품질 문제를 해결했고, super-search를 통해 조사 보고서의 품질 문제를 해결했습니다. 이는 대부분의 AI 검색 도구보다 뛰어난 결과 품질의 기반이 되었습니다.

두 번째로는 정기 작업 시스템입니다.

개인적으로 n8n과 같은 시각적 로우코드 플랫폼을 사용해 본 적이 있습니다. 정기 작업을 만드는 것이 복잡하지는 않지만, 수동으로 작성하고 연결하는 것은 다소 번거롭습니다. 직접 스크립트를 작성하는 것도 귀찮은 일인데, Hermes Agent를 사용하면 간단한 명령으로 스크립트를 자동 생성할 수 있을 뿐만 아니라 문제가 발생하면 스스로 수정까지 할 수 있어 매우 편리합니다.

이러한 기능들은 Hermes Agent의 가장 기본적인 기능에 불과합니다. Hermes Agent는 본질적으로 자체 호스팅 가능한 AI 어시스턴트로, 대부분의 워크플로우에 쉽게 통합할 수 있습니다. 작업 그룹에 추가하는 것만으로도 간단하게 사용할 수 있습니다(단, 권한 관리는 잊지 말아야 합니다). 나머지는 시간에 맡기고 자주 상호작용하면 점점 더 유용해질 것입니다.

적절한 사용 방법을 바로 찾지 못하더라도, 일단 AI 채팅 도구로 활용해 보세요. 질문을 하고 답변을 받으며 경험을 정리하는 데 도움을 받을 수 있습니다.