nanobot vs Hermes Agent — 소유와 성장, 어떤 에이전트 프레임워크를 골라야 하나

핵심 요약

• **nanobot(HKUDS, 47,160★)**과 **Hermes Agent(Nous Research, 232,673★)**는 둘 다 Python 기반 오픈소스 AI 에이전트 프레임워크지만, 지향점이 정반대입니다. nanobot은 "초경량·소유·투명", Hermes는 "자기개선·성장" 입니다 (nanobot, Hermes).
• nanobot은 "읽을 수 있는 작은 코어"를 강조합니다. pip로 설치해 자체호스팅하고, config와 workspace를 명확히 분리해 내가 에이전트를 완전히 통제합니다 (nanobot concepts).
• Hermes는 "The agent that grows with you"를 내걸고, 경험에서 스킬을 자동 생성하고 사용 중 개선하며 사용자 모델을 쌓는 학습 루프를 내장합니다 (Hermes).
• 배포 철학도 다릅니다. nanobot은 자체호스팅 게이트웨이 우선이고, Hermes는 $5 VPS부터 GPU 클러스터, 서버리스(Modal/Daytona)까지 어디서든 실행됩니다 (Hermes).
• 결론: "에이전트를 도구로 통제하고 싶다면 nanobot, 에이전트가 나를 학습하며 성장하길 원한다면 Hermes" 입니다.

같은 목적, 다른 철학

AI 에이전트 프레임워크를 고르다 보면 두 프로젝트가 자주 등장합니다. nanobot은 홍콩대(HKUDS)에서, Hermes Agent는 AI 연구소 Nous Research에서 만들었습니다. 둘 다 Python, 둘 다 MIT, 둘 다 채팅 인터페이스와 도구 사용을 지원합니다. 별 수는 Hermes가 232,673개로 nanobot(47,160개)의 약 5배입니다 (GitHub).

그런데 이 둘을 나란히 놓으면 지향점이 정반대라는 것이 분명해집니다. nanobot의 README는 "Ultra-lightweight, open-source, self-hosted"를 앞세우고, Hermes의 슬로건은 "The agent that grows with you"입니다 (nanobot, Hermes).

이 차이는 단순한 마케팅 문구가 아니라, 에이전트가 무엇을 해야 하는가에 대한 서로 다른 답입니다. 그리고 그 답은 프로젝트를 만든 조직의 배경에서 나옵니다. 대학 연구소가 만든 도구는 '읽고 배우는 것'에 최적화되고, AI 연구소가 만든 도구는 '스스로 성장하는 것'에 최적화됩니다.

nanobot: 초경량, 소유, 투명

nanobot의 핵심 철학은 "작고 읽을 수 있는 코어 + 내가 전부 통제" 입니다 (nanobot). README에 "Own your stack"이라는 문구가 그대로 드러납니다. 거대한 플랫폼에 기대지 않고, 코드를 검사하고 수정하고 자체호스팅할 수 있는 구조를 지향합니다.

아키텍처는 하나의 작은 코어 루프와 여러 진입점으로 구성됩니다 (concepts.md). 에이전트 루프가 컨텍스트를 구성하고 세션을 선택하고 프로바이더를 호출하고 도구를 실행하고 답변을 발행합니다. 프로바이더는 OpenRouter, Anthropic, OpenAI, Ollama, vLLM 등 다양하고, 채널은 CLI, WebUI, Telegram, Discord, Slack, Feishu, WeChat, Email, Mattermost까지 폭넓습니다.

가장 인상적인 설계는 config와 workspace의 분리입니다 (concepts.md). config.json은 에이전트가 무엇을 쓸 수 있는지(프로바이더·모델·채널·도구)를 정의하고, workspace/는 에이전트의 상태(메모리·크론·스킬·산출물)를 담습니다. 심지어 에이전트 워크스페이스와 프로젝트 워크스페이스를 분리해, 프로젝트 지시(AGENTS.md)와 에이전트 정체성(SOUL.md, USER.md)을 명확히 구분합니다. 이건 "에이전트가 내 환경을 함부로 바꾸지 못하게" 하는 설계입니다.

장기 메모리는 "Dream"이라는 이름으로 제공됩니다. 워크스페이스 파일과 세션 히스토리가 컨텍스트를 유지합니다. 전반적으로 명시적이고 예측 가능한 상태 관리가 nanobot의 방식입니다.

Hermes Agent: 자기개선, 성장, 어디서든

Hermes의 핵심 철학은 "에이전트가 경험에서 배우는 학습 루프" 입니다 (Hermes). 슬로건 그대로, 에이전트가 사용자와 함께 성장합니다. 복잡한 작업을 마치면 스스로 스킬을 만들고, 그 스킬을 사용하며 개선하고, 지식 보존을 위해 스스로를 넛지하고, 과거 대화를 검색하고, 사용자에 대한 모델을 쌓아갑니다.

이 학습 루프는 nanobot과 가장 크게 갈리는 지점입니다. nanobot은 에이전트의 상태를 명시적으로 관리하지만, Hermes는 에이전트가 스스로의 지식 구조를 만들고 고치는 암묵적 학습을 지향합니다. "스킬을 경험에서 생성한다"는 것은 에이전트가 단순히 도구를 쓰는 존재가 아니라, 자기 자신을 개선하는 존재라는 뜻입니다.

배포도 다릅니다. Hermes는 7개의 터미널 백엔드를 지원합니다 — 로컬, Docker, SSH, Singularity, Modal, Daytona, Vercel Sandbox (Hermes). Modal과 Daytona는 서버리스 하이버네이션을 제공해 유휴 시 환경이 잠들고 필요할 때 깨어납니다. "$5 VPS에서 GPU 클러스터까지, 노트북에 묶이지 않는다"는 문구가 이 철학을 압축합니다. 클라우드 VM에서 작업하는 동안 텔레그램으로 대화하는 것이 전제된 설계입니다.

왜 지향점이 다른가

이 차이는 우연이 아닙니다. 만든 조직의 배경이 철학을 결정합니다.

nanobot을 만든 HKUDS는 대학 데이터사이언스 연구소입니다. 대학 컨텍스트에서 중요한 것은 교육과 재현입니다. 학생이 코드를 읽고 이해하고 수정할 수 있어야 하고, 환경을 완전히 통제할 수 있어야 합니다. 그래서 "읽을 수 있는 작은 코어", "명시적 config/workspace 분리", "자체호스팅"이 핵심 가치가 됩니다. 에이전트가 자기 멋대로 상태를 바꾸는 것은 교육 도구로서 최악의 시나리오입니다.

Hermes를 만든 Nous Research는 자체 모델(Nous Portal)을 가진 AI 연구소입니다. 연구 컨텍스트에서 중요한 것은 장기적인 지식 축적과 실험 자동화입니다. 에이전트가 스킬을 쌓고, 사용자를 모델링하고, 과거 대화에서 재사용하는 것은 연구 워크플로우와 자연스럽게 맞습니다. "에이전트가 성장한다"는 것은 연구 도구로서 최적의 형태입니다.

정리하면, 통제와 예측 가능성이 중요한 조직이 만든 도구는 '소유'를 지향하고, 지식 축적과 자율성이 중요한 조직이 만든 도구는 '성장'을 지향합니다. 이건 우열이 아니라 설계 우선순위의 차이입니다.

어떤 경우 무엇을 써야 하는가

두 프레임워크의 선택 기준을 표로 정리합니다.

nanobot을 선택할 때:

• 코드를 읽고 수정하며 확장하고 싶을 때 (투명성 우선)
• 리소스가 제한된 환경, 초경량이 필요할 때
• 자체호스팅·프라이버시가 최우선일 때
• 에이전트가 내 환경을 스스로 바꾸는 것을 원하지 않을 때

Hermes를 선택할 때:

• 에이전트가 스스로 개선하며 지식이 축적되길 원할 때
• 모바일(Telegram/WhatsApp/Signal)에서 클라우드 에이전트를 제어할 때
• 서버리스·원격 배포가 필요할 때 (유휴 비용 최소화)
• 사용자 모델링 — 에이전트가 나를 학습하길 원할 때

한계와 주의점

두 프로젝트를 비교할 때 명심해야 할 한계가 있습니다. 첫째, 별 수가 곧 품질을 뜻하지 않습니다. Hermes가 232,673★로 5배 많지만, 이는 Nous Research의 브랜드와 생태계 덕분일 수 있습니다. 둘째, 학습 루프의 실효성은 검증이 어렵습니다. Hermes의 스킬 자동 생성이 실제로 장기 성능을 끌어올리는지에 대한 독립적 벤치마크는 공개되지 않았습니다. 셋째, nanobot의 '초경량'은 기능 범위와 교환입니다. 47,160★ 규모의 프로젝트가 Hermes만큼의 배포 백엔드(서버리스, 7개 터미널)를 갖추지 못한 것은 설계 의도이자 한계입니다. 넷째, 두 프로젝트 모두 빠르게 변합니다. 오픈소스 에이전트는 릴리스마다 기능이 크게 바뀌므로, 이 비교는 2026년 8월 시점의 스냅샷입니다 (nanobot, Hermes).

판단과 실용 체크리스트

두 프로젝트 모두 MIT 라이선스의 실용적인 선택지입니다. 판단 기준은 하나로 요약됩니다 — "에이전트가 나를 위해 일하는 도구여야 하는가, 아니면 나와 함께 성장하는 존재여야 하는가" 입니다 (nanobot, Hermes).

직접 선택한다면 아래 체크리스트를 참고하시기 바랍니다.

• 1단계 — 통제 수준을 정합니다. 에이전트가 내 파일·설정을 스스로 바꾸는 것을 허용할지, 금지할지 결정합니다. 허용 = Hermes, 금지 = nanobot.
• 2단계 — 배포 환경을 확인합니다. 로컬 자체호스팅만 필요하면 nanobot, 서버리스/원격/모바일 제어가 필요하면 Hermes가 유리합니다.
• 3단계 — 메모리 철학을 고릅니다. 명시적 상태 관리가 편하면 nanobot, 에이전트가 자동으로 스킬·지식을 쌓는 것이 좋으면 Hermes입니다.
• 4단계 — 필요한 채널을 확인합니다. Feishu/WeChat이 필요하면 nanobot, WhatsApp/Signal이 필요하면 Hermes입니다.
• 5단계 — 코드를 직접 열어봅니다. nanobot은 읽을 수 있는 작은 코어를, Hermes는 학습 루프와 배포 백엔드를 중심으로 살펴봅니다.

결론은 이렇습니다. nanobot과 Hermes Agent는 같은 '개인 AI 에이전트'라는 목적에서 출발했지만, 소유와 성장이라는 다른 가치를 지향합니다. 대학 연구소의 교육적 배경이 통제 가능한 도구를 만들었고, AI 연구소의 연구 배경이 스스로 성장하는 에이전트를 만들었습니다. 어떤 것이 '더 낫다'가 아니라, 내 환경과 목적에 맞는 철학을 고르는 것이 올바른 선택입니다.

참고 링크

• nanobot (HKUDS/nanobot)
• nanobot concepts 문서
• nanobot 공식 문서 (nanobot.wiki)
• Hermes Agent (NousResearch/hermes-agent)
• Hermes Agent 공식 문서