01 · 강의 개요
02 · AI Harness란?
기존에는 사람이 AI에게 질문 → AI가 답변하는 방식이 중심이었다. AI Harness는 여기에 도구, 규칙, 기억, 자동화 기능을 결합하여 AI가 실제로 일을 수행하도록 만드는 실행 환경에 가깝다.
“이메일을 확인하고 → 내용을 판단하고 → 문서를 작성하고 → 파일을 저장하고 → 일정에 등록해줘.”
Hermes Agent는 이러한 에이전트를 구성할 수 있는 오픈소스 AI Harness로 소개되었다.
03 · Hermes의 기본 구조
soul.md — 에이전트의 성격
말투, 성격, 커뮤니케이션 방식, 사용자를 대하는 방식 등을 정의한다.
agents.md — 에이전트의 규칙
업무 수행 절차와 행동 원칙을 정의한다. 예를 들어 파일 삭제 전 승인, 이메일 발송 전 검토 등의 규칙을 설정할 수 있다.
어떤 성격인가?+agents.md
어떻게 일하는가?→Agent
Routing Table & Runbook
모든 규칙을 하나의 파일에 넣는 대신 업무별 절차를 별도의 Runbook으로 나누고 Routing Table을 통해 필요한 절차를 찾아 실행한다.
| 업무 | Runbook 예시 |
|---|---|
| 이메일 | email.md |
| 회계 | finance.md |
| 고객지원 | support.md |
| 영상 편집 | video-edit.md |
04 · MCP와 Tools
MCP(Model Context Protocol)는 AI가 외부 프로그램과 서비스의 기능을 사용할 수 있도록 연결하는 중요한 기술로 소개되었다.
두뇌→Hermes
실행 환경→MCP / Tools
손과 발
Google Drive, Notion, Monday.com, 이메일, 캘린더, 데이터베이스, 개발 도구 등 다양한 서비스를 연결할 수 있다. 강의에서는 Composio Dev가 주요 연결 수단으로 소개되었다.
05 · Multi-Agent System
하나의 AI가 모든 일을 처리하는 대신 여러 에이전트에게 역할을 나누어 협업하도록 만들 수 있다.
이런 구조를 Multi-Agent System 또는 강의에서 설명한 Graph Engineering 관점으로 볼 수 있다. 특정 업무를 계속 담당하는 봇은 Durable Bot 형태로 운영할 수 있다.
06 · Context Window와 Lossless Memory
AI에는 한 번에 다룰 수 있는 Context Window의 한계가 있다. 대화와 자료가 계속 쌓이면 과거 내용을 요약하거나 일부 정보가 빠질 수 있다.
Lossless Memory 접근에서는 모든 정보를 한 번에 컨텍스트에 넣기보다 외부 저장소에 보관하고 필요할 때 검색하여 가져온다.
GBrain
강의에서는 이메일, 메시지, 문서, 과거 대화 등의 개인 데이터를 지식 기반으로 연결해 더욱 개인화된 AI를 만드는 개념도 소개되었다.
07 · 다양한 모델과 비용 전략
Hermes에서는 하나의 모델에 고정되지 않고 업무에 따라 Codex, Claude, OpenRouter, DeepSeek, Llama, Z.AI/GLM 계열 등 다양한 모델을 사용할 수 있다고 설명했다.
| 업무 | 전략 |
|---|---|
| 복잡한 추론 | 고성능 모델 |
| 간단한 요약 | 저렴한 모델 |
| 대량 반복 작업 | 비용 효율적인 모델 |
강의에서는 비싼 최신 모델만 고집하기보다 저렴한 모델로 시스템을 구축하고 필요할 때 고성능 모델을 사용하는 전략을 강조했다.
08 · Cron Job과 업무 자동화
Cron Job을 사용하면 AI 에이전트가 특정 시간에 자동으로 업무를 수행하도록 만들 수 있다.
09 · Prompting, Looping & Evals
Grill Me
AI가 바로 작업을 시작하기보다 필요한 정보를 먼저 질문하도록 만드는 방식이다. 복잡한 업무의 요구사항을 명확히 하는 데 유용하다.
Looping
한 번 결과를 만드는 것으로 끝내지 않고 작성 → 검토 → 수정 → 재검토를 반복한다.
Scorecard / Eval
“좋은 결과”의 기준을 미리 정한다. 예: 사실 정확성, 출처, 누락 여부, 가독성, 중복 여부. AI가 이 기준으로 결과를 평가하고 부족한 부분을 개선하도록 한다.
Steering & Thrashing
AI가 잘못된 방향으로 진행하면 사용자가 중간에 방향을 수정하는 것이 Steering이다. 같은 작업을 반복하면서 진전하지 못하는 상황은 Thrashing으로 설명했다.
10 · 원격 사용과 디바이스 제어
AI 에이전트는 컴퓨터 앞에서만 사용할 필요가 없다. Telegram, Discord, Slack, iMessage 등의 메신저를 통해 원격으로 명령할 수 있는 구조가 소개되었다.
또한 웹사이트 접속, 로그인, 파일 처리, 프로그램 실행, 브라우저 조작 등 실제 컴퓨터 작업을 자동화하는 방향도 다뤘다.
11 · 보안과 개인정보
Prompt Injection
웹페이지나 문서 안에 악의적인 지시를 넣어 AI가 이를 명령으로 오인하게 만드는 공격이다. AI가 실제 파일이나 서비스에 접근할 수 있을수록 위험성이 커진다.
Smart Mode vs YOLO Mode
| Smart Mode | 중요한 작업에서 사용자의 승인을 받는 방식 |
|---|---|
| YOLO Mode | 사용자의 개입을 최소화하고 높은 자율성으로 실행 |
파일 삭제, 결제, 이메일 발송 등 위험한 작업은 승인 절차와 최소 권한 원칙을 적용하는 것이 중요하다.
로컬 AI vs 클라우드 AI
클라우드는 최신 모델을 쉽게 사용할 수 있고 초기 비용이 낮지만 데이터가 외부 서비스와 연결된다. 로컬 AI는 데이터 통제력이 높지만 고성능 하드웨어와 관리가 필요하다.
12 · 주요 도구 한눈에 보기
| 도구 | 역할 |
|---|---|
| Hermes Agent | AI 에이전트 실행 및 관리 |
| Codex / Claude / DeepSeek | AI 모델 |
| OpenRouter | 여러 모델 연결 |
| Composio | 외부 서비스 연결 |
| MCP | AI와 외부 도구 연결 |
| GBrain | 개인 데이터 기반 지식 시스템 |
| Kanban | 업무 진행 관리 |
| Grill Me | 작업 전 요구사항 확인 |
| Last Thirty Days / Agent Reach | 최신 정보 검색 |
| Fish Audio / ElevenLabs | 음성 AI |
| BrowserBase | 브라우저 자동화 |
13 · 실제 업무에 적용한다면
- 개인 AI 비서 — 이메일 + 일정 + 문서 + 메신저 연결
- 정기 업무 자동화 — 반복 업무를 Cron Job으로 실행
- 업무별 Skill 구축 — 학교 업무, 자료조사, 문서작성 등을 Runbook으로 구성
- AI 자체 검토 — Scorecard/Eval로 결과 평가 및 수정
- Multi-Agent 협업 — 조사 → 작성 → 검수 → 최종 편집
- 원격 관리 — 메신저를 통해 외부에서 AI에 업무 지시
14 · 실습 과제
기본
- ☐ Hermes Agent 설치
- ☐ AI Provider 연결
- ☐
soul.md작성 - ☐
agents.md작성 - ☐ 기본 Skill 및 MCP 설치
중급
- ☐ Routing Table 구축
- ☐ 업무별 Runbook 작성
- ☐ Cron Job 설정
- ☐ Telegram 등 메신저 연결
- ☐ Kanban Workflow 구축
고급
- ☐ Multi-Agent 시스템 구축
- ☐ Durable Bot 제작
- ☐ Scorecard/Eval 구축
- ☐ Looping을 통한 결과 개선
- ☐ 개인 데이터 기반 Memory 구축
- ☐ 음성 인터페이스 구축
보안
- ☐ AI 권한 최소화
- ☐ 위험 작업 승인 절차 적용
- ☐ Prompt Injection 대비
- ☐ 클라우드 개인정보 정책 확인
- ☐ 로컬 AI와 클라우드 AI 비교