OpenClaw와 Hermes Agent 비교: 세션을 잊지 않는 AI 코딩 에이전트는 어떻게 만들어지고 있는가

이 글은 AI 코딩 어시스턴트가 매번 맥락을 잃어버리는 문제를 해결하려는 두 오픈소스 프로젝트, OpenClaw와 Hermes Agent를 비교 분석합니다.
두 프로젝트는 모두 “기억을 유지하는 AI 에이전트”를 목표로 하지만, 접근 방식은 완전히 다릅니다. 하나는 생태계 확장과 접근성, 다른 하나는 시간이 지날수록 학습하는 구조에 집중합니다.
이 글을 통해 지속형 AI 에이전트가 무엇인지, 왜 중요한지, 그리고 두 프로젝트가 어떤 선택지를 제시하는지 정리해봅니다.

반응형

---

AI 코딩 어시스턴트가 가진 근본적인 한계

AI 코딩 도구를 사용해 본 개발자라면 비슷한 경험이 있습니다.
프로젝트 구조, 네이밍 규칙, 배포 파이프라인, 문서화되지 않은 레거시 DB 구조까지 하나하나 설명해줬는데, 세션을 닫고 다시 열면 대부분 사라집니다.

현재의 AI 코딩 도구는 대부분 세션 기반(stateless) 입니다.
컨테이너를 재시작하면 데이터가 날아가는 것처럼, 세션이 끝나면 AI는 거의 백지 상태로 돌아갑니다. 이를 보완하기 위해 개발자들은 별도의 문서나 메모 파일을 관리해야 했고, 이 과정 자체가 또 다른 부담이 됐습니다.

이 문제를 정면으로 해결하려는 시도가 바로 지속 실행되는(always-on) AI 에이전트입니다.

---

세션 기반 도구 vs 지속형 AI 에이전트

현재 AI 에이전트는 크게 두 방향으로 나뉘고 있습니다.

1. 세션 기반 AI 도구

• IDE, 터미널, 브라우저 안에서 실행
• 세션 동안은 강력하지만 종료 시 맥락 손실
• 일부 자동 메모 기능은 추가되고 있으나 구조적 한계 존재

2. 지속형 AI 에이전트

• 인프라 위에서 항상 실행
• 과거 대화와 작업을 기억
• 시간이 지날수록 사용자를 더 잘 이해
• 메시징 앱, IDE 등 여러 채널과 연결

OpenClaw와 Hermes Agent는 이 두 번째 방향을 대표하는 프로젝트입니다.

---

OpenClaw: 생태계 중심의 지속형 AI 에이전트

OpenClaw는 2025년 말 개인 프로젝트로 시작해, 2026년 초 기준 GitHub 스타 수 34만 개를 넘긴 초대형 오픈소스 프로젝트입니다.

핵심 특징

1. 폭넓은 메시징 플랫폼 연동

• WhatsApp, Telegram, Slack, Discord, Signal 등 50개 이상 지원
• 하나의 에이전트가 여러 채널에 동시에 상주
• PC에서 시작한 작업을 모바일 메신저에서 이어서 지시 가능

이 크로스 채널 지속성이 OpenClaw의 폭발적인 확산을 이끌었습니다.

2. 모델 독립성

• OpenAI, Anthropic, Google, Ollama 기반 로컬 모델까지 지원
• 특정 모델에 종속되지 않아 비용·성능 기준으로 유연한 선택 가능

3. 거대한 스킬 생태계

• ClawHub를 통한 수천 개의 커뮤니티 스킬
• 빠른 확장과 다양한 기능 확보 가능

한계와 보안 이슈

OpenClaw의 빠른 성장은 동시에 공급망 보안 문제를 드러냈습니다.

• 악성 스킬 다수 발견
• 자동 연결 구조로 인한 인증 토큰 노출 취약점
• 보안 전문가 및 대형 기업들의 주의 권고

현재 보안 스캔 및 가이드라인이 강화되고 있지만, 대규모 생태계가 가진 구조적 리스크는 여전히 과제로 남아 있습니다.

---

Hermes Agent: 학습 중심의 지속형 AI 에이전트

Hermes Agent는 규모는 작지만, 구조적으로 매우 다른 선택을 한 프로젝트입니다.
이 프로젝트의 핵심은 **“에이전트가 사용자와 함께 성장한다”**는 개념입니다.

핵심 아키텍처

1. 진짜 지속 메모리

• SQLite + FTS5 기반 전체 대화 검색
• LLM 요약을 통한 장기 기억 관리
• 사용자가 수동으로 관리할 필요 없음

2. 자율 스킬 생성

• 복잡한 작업 완료 후, 절차·주의점·검증 단계를 스킬로 자동 기록
• 다음에 유사한 작업이 발생하면 스킬을 재사용
• agentskills.io 표준을 사용해 이식 가능

3. 자기 학습 루프

• Nous Research의 Atropos 강화학습 프레임워크 연동
• 수천 개의 툴 호출 트래젝터리 생성 가능
• 소형 모델을 미세조정해 비용 효율적인 운영 가능

팀과 IDE를 고려한 기능

• 다중 프로파일 지원으로 팀 단위 운영 가능
• MCP 서버 모드를 통해 IDE와 세션 검색 연동
• 컨테이너 격리, 실행 전 명령 분석 등 보수적인 보안 설계

Hermes Agent는 제품보다는 연구 인프라에 가까운 성격을 지니며, 깊이 있는 학습과 통제를 중시합니다.

---

OpenClaw와 Hermes Agent 선택 기준

두 프로젝트의 차이는 기능 비교가 아니라 철학의 차이에 가깝습니다.

요구 사항	추천
다양한 메신저 연동	OpenClaw
장기 기억과 검색	Hermes Agent
즉시 사용 가능한 스킬	OpenClaw
시간이 지날수록 똑똑해지는 에이전트	Hermes Agent
연구·학습 중심 워크플로우	Hermes Agent
커뮤니티 규모와 지원	OpenClaw
최소 인프라 비용	Hermes Agent

실제로는 두 접근이 서로 수렴하고 있으며, 스킬 이식 및 마이그레이션 도구도 이미 존재합니다.

---

728x90

OpenClaw와 Hermes Agent는 모두 세션 기반 AI 도구에서 지속형 에이전트로 넘어가는 전환기를 보여주는 대표적인 사례입니다.

• OpenClaw는 생태계와 접근성을 증명했고
• Hermes Agent는 학습과 기억의 깊이를 보여줬습니다

앞으로 AI 에이전트가 장기 실행 프로세스가 되면, 한 가지 질문이 더 중요해집니다.

“에이전트가 학습한 지식은 누구의 것인가?”

사용자, 플랫폼, 모델 제공자 중 누가 그 가치를 소유하는지에 따라 차세대 개발 도구의 방향은 크게 달라질 것입니다.
지금은 아직 초기 단계지만, 이 두 프로젝트는 분명 그 미래의 윤곽을 보여주고 있습니다.

300x250

https://thenewstack.io/persistent-ai-agents-compared/?fbclid=IwY2xjawRTCDNleHRuA2FlbQIxMQBzcnRjBmFwcF9pZBAyMjIwMzkxNzg4MjAwODkyAAEe_4i8cZ22KjEr_5hWNhBp3c5iZzmHAAxhLnaz8EacRFwtAY-HmxxccuhOzdk_aem_iEIF_BB13FwnRdNdoH-fpA

OpenClaw vs. Hermes Agent: The race to build AI assistants that never forget