주권적 AI 에이전트 스택 구축하기: 실전형 Hermes 스타일 자율 에이전트 MAX ALPHA 구축기

Nous Research가 Hermes Agent 프레임워크를 발표했을 때, 이는 제가 이미 현장에서 구축해 오던 것, 즉 단순히 질문에 답하는 것을 넘어 실제로 무언가를 수행하는 완전 자율형 자가 개선 AI 에이전트(AI agent)의 가치를 입증해 주었습니다.

이 글은 제가 MAX ALPHA를 어떻게 설계하고 배포했는지에 대한 기술적 분석입니다. MAX ALPHA는 100개 이상의 기술(skills), 실시간 도구 사용(tool use), 다중 인터페이스 통신(multi-surface communication), 그리고 자가 수리 루프(self-repair loop)를 갖춘 주권적(sovereign) VPS 호스팅 AI 에이전트로, 관리형 AI 플랫폼에 대한 의존성 없이 모두 작동합니다.

무엇이 에이전트를 "진짜"로 만드는가?

2026년 현재 대부분의 "AI 에이전트"는 래퍼(wrapper)에 불과합니다. 이들은 LLM(대규모 언어 모델)을 호출하고, 아마도 두 개의 도구를 체이닝(chaining)한 뒤 에이전트라고 부릅니다. 진짜 에이전트에게는 다음이 필요합니다:

1. 지속적 메모리 (Persistent memory) — 세션 전반에 걸쳐 사용자가 누구인지 인지함
2. 검증을 동반한 도구 사용 (Tool use with verification) — 동작을 실행하고 결과를 확인함
3. 다중 인터페이스 출력 (Multi-surface output) — Telegram, 이메일, 웹, API를 통해 동작함
4. 자가 수리 능력 (Self-repair capability) — 고장 난 자신의 코드를 스스로 수정함
5. 스케줄링 기반의 자율성 (Autonomy under scheduling) — 요청 시에만 작동하는 것이 아니라 스스로 실행됨

MAX ALPHA는 이 다섯 가지를 모두 충족합니다. 그 방법은 다음과 같습니다.

아키텍처 (The Architecture)

┌─────────────────────────────────────────────────────┐
│                  MAX ALPHA BRAIN                    │
│                                                     │
...

모든 것은 월 20달러의 VPS에서 실행됩니다. 벤더 종속성(vendor lock-in)도 없고, 관리형 서비스(managed services)도 없습니다. 완전히 주권적(sovereign)입니다.

Hermes와의 연결 고리: 일급 시민으로서의 도구 사용 (Tool Use as First-Class Behavior)

Nous Research의 Hermes Agent 아키텍처는 도구 사용을 보조 수단이 아닌 **주요 실행 모드 (primary execution mode)**로 취급합니다. 에이전트는 어떤 도구를 호출할지 추론하고, 이를 호출하며, 결과를 검증하고, 다음 동작으로 체이닝합니다. 이것이 바로 제가 구현한 패턴입니다.

다음은 power_agent.py에 구현된 핵심 도구 디스패치 루프(tool dispatch loop)입니다:

def run_agent_loop(user_message: str, context: dict) -> str:
    # Step 1: 적절한 모델로 라우팅 (Route to appropriate model)
    model = route_model(user_message)  # 도구 사용은 Groq, 분석은 Claude
...

Hermes로부터 얻은 핵심 통찰은 **합성(synthesis) 전 도구 검증(tool verification)**입니다. 모델이 결과를 환각(hallucinate)하게 두지 마십시오. 항상 도구가 실행되었는지 확인한 다음, 실제 데이터를 바탕으로 응답을 구축해야 합니다.

스킬 라이브러리: 100개 이상의 모듈형 기능 (Modular Capabilities)

각 스킬은 .agents/skills/ 디렉토리에 있는 독립적인 Python 스크립트입니다. 에이전트는 이름만으로 이 중 어떤 것이든 호출할 수 있습니다. 다음은 FX 트레이딩 스킬의 샘플입니다:

# fx_bot_runner.py — OANDA 연습 계정에서 실행됨
import oandapyV20
from qiskit_aer import AerSimulator
...

이것은 VPS cron을 통해 30분마다 실행됩니다. 인간의 개입은 필요하지 않습니다.

자기 인식 메모리 아키텍처 (Self-Aware Memory Architecture)

에이전트는 인지 과학(cognitive science)에서 영감을 받은 3계층 메모리 시스템을 유지합니다:

HOT MEMORY      → 항상 로드됨. 영구 규칙. ("비즈니스 용도로 개인 번호를 사용하지 말 것")
CONTEXT MEMORY  → 프로젝트/도메인 특정. 관련성이 있을 때 로드됨.
ARCHIVE         → 오래된 패턴. 매주 검토되며 자동으로 정리됨.

메모리는 단순히 저장되는 것이 아니라, **능동적으로 큐레이션(actively curated)**됩니다. 매주 일요일 오전 2시에 다음과 같은 자동화 프로세스가 실행됩니다:

1. 모든 메모리 파일에서 중복 항목 스캔
2. 유사한 항목 통합
3. 오래된 항목을 아카이브(archive)로 이동
4. Telegram으로 요약본(digest) 전송

# daily_autonomous_improvement.py에서 발췌
def curate_memory():
    hot = load_file('.agents/memory/hot_memory.md')
...

멀티 서피스 자율 운영 (Multi-Surface Autonomous Operation)

에이전트는 5개의 서피스(surfaces)에서 동시에 작동합니다:

서피스 (Surface)	사용 사례 (Use Case)	자동화 (Automation)
Telegram Bot	주요 사용자 인터페이스	3초마다 폴링 (Polling)
...

Telegram 봇은 **주요 명령 인터페이스(primary command interface)**이기 때문에 가장 흥미로운 서피스입니다. 에이전트는 자연어(natural language)를 수신하고, 도구로 라우팅하며, 실행하고, 검증한 뒤 응답합니다. 이 모든 과정이 단 몇 초 만에 이루어집니다.

Telegram 명령 라우팅 — power_agent.py

COMMAND_MAP = {
'/fx': run_fx_status,
...

## 양자 계층 (The Quantum Layer)

가장 실험적인 구성 요소 중 하나는 트레이딩 및 스포츠 분석에 적용되는 양자 전처리 필터 (quantum pre-filter)입니다. Qiskit의 AerSimulator (그리고 궁극적으로는 야간 보정 작업(nightly calibration job)을 통한 실제 IBM 양자 하드웨어)를 사용하여, 신호 데이터를 큐비트 회전 각도 (qubit rotation angles)로 인코딩하고, 상관관계 (correlations)를 포착하기 위해 얽힘 (entanglement)을 적용하며, 결과의 분포를 확신 점수 (conviction score)로 측정합니다.

양자 격투 분석 — 모든 복싱 매치업에 대해 실행됨

def quantum_fight_analysis(fighter_a_factors: dict, fighter_b_factors: dict) -> dict:
results = {}
...

오늘 밤 저는 이를 4개의 챔피언십 복싱 경기에서 실행했습니다. 양자 점수는 4경기 중 3경기에서 배당률 제작자(oddsmaker)가 암시한 확률의 3~5% 이내로 일치했으며, 하나의 거대한 가치 기회(value opportunity)를 포착했습니다 (약 50%의 양자 승리 확률을 가졌음에도 +180의 배당이 책정된 디펜딩 챔피언).

## 이를 구축하며 배운 점

**1. 생성보다 검증이 우선이다 (Verification beats generation).** 가장 중요한 아키텍처 결정은 도구 실행 (tool execution)과 응답 합성 (response synthesis)을 분리하는 것이었습니다. Groq는 실행하고, Claude는 합성합니다. 절대 동일한 호출(call)을 사용하지 마십시오.

**2. 메모리가 해자(Moat)다.** 메모리가 없는 에이전트는 챗봇에 불과합니다. Hot/Context/Archive 계층에 걸쳐 구조화되고 큐레이션된 메모리가 있다면, 에이전트는 시간이 지남에 따라 진정으로 개선됩니다.

**3. 주권은 복리로 작용한다 (Sovereignty compounds).** 자신만의 VPS에서 실행한다는 것은 속도 제한 (rate limits), 사용량 제한 (usage caps), 그리고 스택에 영향을 미치는 벤더의 결정이 없음을 의미합니다. 10개의 자동화 프로세스가 병렬로 실행되는 비용은 한계 계산 비용 (marginal compute)이 제로에 가깝습니다.

**4. Hermes 패턴은 효과적이다.** 에이전트가 무엇을 말할지 결정하기 전에 무엇을 호출할지 결정하는 도구 우선 추론 (Tool-first reasoning) 방식은 생성 우선 (generation-first) 방식보다 훨씬 더 나은 결과물을 만들어냅니다. Nous Research가 이를 정확히 짚어냈습니다.

## 다음 단계

- 야간 보정 작업 (nightly calibration job)을 통해 실제 IBM 양자 하드웨어 (127-qubit Eagle 프로세서)에 연결
- 에이전트 자신의 상호작용 이력 (interaction history)을 바탕으로 미세 조정된 (fine-tuned) Hermes 모델 학습
- 멀티 에이전트 협업 (Multi-agent coordination) — 병렬 작업 실행을 위한 서브 에이전트 (sub-agents) 생성

전체 기술 라이브러리 및 아키텍처 노트는 요청 시 제공 가능합니다. 이와 유사한 것을 구축 중이거나 양자 프리필터 (quantum pre-filter) 접근 방식에 대해 논의하고 싶다면 아래에 댓글을 남겨주세요.

— MAX ALPHA / Shawn Childs