HERMES AGENT PROFILES를 통해 하나의 머신을 전문 에이전트 팀으로 전환하기
요약
HERMES AGENT PROFILES를 사용하여 단일 머신 내에서 독립적인 메모리, 모델, 기술을 가진 전문 에이전트 팀을 구축하는 방법을 설명합니다. 각 프로필은 서브 에이전트와 달리 영구적이며 고유한 게이트웨이를 가집니다.
핵심 포인트
- 프로필은 모델, 메모리, 기술이 완전히 격리된 독립적 에이전트임
- 서브 에이전트는 일시적 도우미인 반면, 프로필은 지속적인 팀원 역할을 수행
- CLI, 대시보드, 데스크톱 앱을 통해 프로필 생성 및 복제가 가능함
- 각 프로필은 고유한 봇 토큰을 통해 Telegram이나 Slack 등 개별 게이트웨이 연결 가능
HERMES AGENT PROFILES는 하나의 머신을 전문 에이전트(Specialized Agents) 팀으로 전환합니다. 각 에이전트는 자신만의 두뇌, 메모리(Memory), 모델(Model), 그리고 전화번호를 가집니다. Kanban은 이들이 협업할 수 있도록 만듭니다.
@tonbistudio가 프로필(Profiles), 멀티 인스턴스(Multi-instance), 그리고 Kanban 오케스트레이션(Orchestration)을 다루는 마스터클래스의 모듈 9를 방금 공개했습니다. 여기 전체 아키텍처가 있습니다.
프로필(PROFILE)이란 무엇인가:
설정 토글(Settings toggle)이 아닙니다. 완전한 두 번째 Hermes 에이전트입니다.
각 프로필은 다음을 가집니다:
→ 자체 config.yaml
→ 자체 모델 (Model)
→ 자체 SOUL.md
→ 자체 memory.md + user.md
→ 자체 기술 (Skills)
→ 자체 크론 잡 (Cron jobs)
→ 자체 세션 (Sessions)
→ 자체 게이트웨이 (Gateway) (자체 Telegram 봇, 자체 Slack 워크스페이스)
모든 것이 격리되어 있습니다. 공유되는 것은 아무것도 없습니다.
~/.hermes/profiles/[name]/은 귀하의 전체 기본 Hermes 디렉토리를 미러링(Mirror)합니다.
프로필(PROFILES) vs 서브 에이전트(SUB-AGENTS):
서브 에이전트 (모듈 8):
→ 부모의 설정을 빌려옴
→ 일시적(Ephemeral)이며, 턴이 끝나면 소멸함
→ 요약본만 부모에게 반환함
→ 하나의 에이전트 세션 내부의 도우미
프로필:
→ 자체 모델, 메모리, 기술, 게이트웨이, 페르소나 (Persona)
→ 지속적(Persistent)이며, 자체 프로세스를 실행함
→ 재시작 후에도 생존함
→ 완전히 다른 에이전트
서브 에이전트는 당신이 완료되기를 지켜보는 포크(Fork)입니다. 프로필은 영구적인 팀원입니다.
프로필 생성하기:
세 가지 경로:
CLI:
hermes profile create researcher
대시보드 (Dashboard):
Profiles → Create → 이름, 모델, 설정 복제 (Clone config)
데스크톱 앱 (Desktop app):
하단 사이드바 → New Profile → 구성 (Configure)
기존 프로필 복제하기:
hermes profile create writer --clone-from default
모든 것(메모리, 기술, 세션, 상태)을 복제할지, 설정만 복제할지는 당신의 선택입니다.
활성 프로필 전환:
hermes profile use researcher
또는 데스크톱 앱 / 대시보드에서 프로필을 클릭하십시오.
특정 프로필 실행:
researcher chat
researcher gateway
여러 게이트웨이를 동시에 실행하기:
각 프로필은 자체 봇 토큰(Bot token)을 가진 자체 게이트웨이를 실행할 수 있습니다.
researcher는 Telegram 봇 A에 연결됨.
writer는 Telegram 봇 B에 연결됨.
coder는 Slack에 연결됨.
모두 하나의 머신에서, 모두 동시에 실행됩니다.
한 가지 규칙: 두 프로필가 동일한 봇 토큰을 공유할 수 없습니다.
두 번째 게이트웨이는 차단됩니다.
먼저 시작하는 쪽이 토큰을 점유합니다.
지속적인 서비스로 설치하기:
researcher gateway install
재부팅 후에도 유지되는
systemd/launchd 서비스를 생성합니다.
프로필이 수행하지 않는 작업:
프로필은 상태 (state)를 격리하지만, 파일 시스템을 격리하지는 않습니다.
로컬 백엔드 (local backend)의 프로필은 여전히 사용자의 디스크 전체를 읽을 수 있습니다.
SOUL.md는 동작을 안내할 뿐, 경계 (boundaries)를 강제하지 않습니다.
진정한 격리를 위해서는:
→ terminal.cwd를 설정하여 작업 디렉토리 (working directory)를 고정하세요.
→ Docker 또는 SSH 샌드박스 (sandbox) 백엔드를 사용하세요 (모듈 2).
프로필은 샌드박스 (sandbox)가 아닙니다.
에이전트 내보내기 및 공유하기:
전체 에이전트를 휴대 가능한 아카이브 (archive)로 패키징하세요:
hermes profile export researcher
.tar.gz 스냅샷을 생성합니다.
어디에서나 복구하세요:
hermes profile import researcher.tar.gz
또는 git 리포지토리 (repo)로 배포하세요:
hermes profile install github.com/you/researcher
--alias researcher
soul, config, skills, cron, MCP = 모두 포함됩니다.
API 키와 메모리 (memories)는 머신별로 유지됩니다.
에이전트를 한 번 구축하고, 리포지토리로 공유하세요.
디지털 직원들을 git 리포지토리로 관리하세요.
칸반 보드 (KANBAN BOARD):
프로필이 단독 행동을 멈추고
협업을 시작하는 곳입니다.
목표 (goal)가 보드에 올라갑니다.
Kanban 분해기 (decomposer)가 이를 하위 작업 (child tasks)으로 펼칩니다.
각 하위 작업은 프로필의 설명을 읽고
가장 적합한 프로필로 라우팅 (routed)됩니다.
라우팅은 이름이 아닌 설명에 의해 이루어집니다.
생성 시 설정한 한 줄의 역할 (role)이
어떤 작업이 어떤 프로필에 할당될지를 결정합니다.
보드는 영구적인 SQLite 파일입니다:
~/.hermes/kanban.db
담당자 (assignee)는 사람이 아니라 프로필입니다.
보드 파이프라인 (BOARD PIPELINE):
triage → ready → in progress → blocked → review → done
blocked = 인간의 입력이 필요함.
Dashboard에서 unblock을 클릭하여 재개하세요.
진행 중인 카드에 언제든 댓글을 달 수 있습니다.
보드는 재시작 후에도 유지됩니다.
게이트웨이 (gateway)를 종료했다가 다시 실행해도,
작업은 멈췄던 지점에서 재개됩니다.
사용 방법:
목표 생성하기:
hermes kanban create "research ML in sports,
prototype the approach, write it up" --triage
작업으로 분해하기:
hermes kanban decompose [card-id]
분해기 (decomposer)가 목표를 작업으로 나누고
각 작업을 적절한 프로필로 자동 라우팅합니다.
또는 스웜 모드 (swarm mode)를 사용하세요:
hermes kanban swarm "research ML in sports"
--workers researcher,coder
--verifier researcher
--synthesizer writer
에이전트 측 도구 (AGENT-SIDE TOOLS):
에이전트들은 hermes kanban을 직접 셸(shell)로 호출하지 않습니다.
대신 제한된 도구 세트 (gated toolset)를 부여받습니다:
→ kanban_show
→ kanban_create
→ kanban_complete
→ kanban_block
→ kanban_comment
에이전트들은 오직 도구를 통해서만 보드를 업데이트합니다.
데모 (THE DEMO):
세 가지 프로필:
→ researcher (GPT-5.5, 소스를 읽고 조사 결과 작성)
→ coder (GPT-5.5, 명세(spec)에 따라 구현 및 테스트 수행)
→ writer (GLM 5.2, 조사 결과를 명확한 글로 작성)
하나의 목표: "스포츠 분야의 머신러닝 (ML) 조사,
접근 방식 프로토타입 제작, 결과물 작성."
분해기 (decomposer)의 자동 라우팅:
→ 조사 작업 (research task) → researcher 프로필
→ 프로토타입 작업 (prototype task) → coder 프로필
→ 작성 작업 (writeup task) → writer 프로필
researcher 완료. coder에게 인계됨.
coder가 체크포인트(checkpoint)에 도달함. 인간의 검토를 위해 차단(blocked)됨.
클릭 한 번으로 차단 해제. coder 완료.
writer가 작업을 이어받음. 최종 보고서 작성.
세 명의 에이전트. 하나의 목표. 완전 자동 라우팅.
인간은 필요한 경우에만 루프에 참여 (human in the loop).
언제 무엇을 사용할 것인가 (WHEN TO USE WHAT):
→ 단일 루프 (single loop): 50턴 미만의 순차적이고 의존적인 단계
→ delegate_task: 하나의 세션 내에서 병렬로 확산 (parallel fan-out)
→ 칸반 보드 (kanban board): 인간의 검토 단계 (human gates)를 포함하며
재시작 후에도 유지되는 프로필 간의 지속적인 작업
delegate_task = 당신이 완료되는 것을 지켜보는 분기 (fork)
kanban = 당신이 프로젝트를 맡기는 팀
전체 Hermes 아키텍처에 대한 심층 분석은 아래 기사에서 확인하세요 👇
AI 자동 생성 콘텐츠
본 콘텐츠는 X 토픽: MCP의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기