Hermes Agent와 OpenClaw: 로컬 AI 에이전트 선택하기

Hermes Agent와 OpenClaw의 설치, 메모리, 채널, 권한, OpenAI 호환 API 테스트를 비교합니다.

Hermes Agent와 OpenClaw는 도구, 메모리, 외부 모델 지원을 갖춘 로컬 AI 에이전트입니다. Hermes Agent는 누적 메모리와 재사용 가능한 스킬이 도움이 되는 터미널 우선 작업에 맞습니다. OpenClaw는 Telegram, Slack, WhatsApp 등 채널에 연결된 상시 실행 Gateway에 맞습니다. 선택은 런타임, 권한, 에이전트와 상호작용할 방법에 달려 있습니다.

공정한 비교에는 하나의 API 연결을 사용하세요. 두 에이전트 모두 자신의 API Key로 BetterToken을 OpenAI 호환 엔드포인트로 사용할 수 있고 Dashboard에서 Token 사용량을 기록합니다. BetterToken은 두 프로젝트의 일부가 아닌 외부 API provider입니다. BetterToken 안내를 열고 shell, browser, 타사 스킬을 켜기 전에 짧은 요청으로 테스트하세요.

Hermes Agent와 OpenClaw의 차이

Hermes Agent는 Nous Research의 내장 학습 루프를 가진 터미널 에이전트입니다. 선택한 사실을 세션 사이에 저장하고 절차형 스킬을 만들며 CLI 또는 단일 메시징 gateway로 작업합니다. 성공한 절차를 재사용하면서 한 에이전트가 문맥을 쌓는 구조입니다.

OpenClaw는 AI 에이전트를 채팅 서비스, Web Control UI, 모바일 노드에 연결하는 자체 호스팅 Gateway입니다. Gateway가 세션, 라우팅, 채널을 관리합니다. 터미널을 닫은 뒤에도 전화나 여러 메신저에서 메시지를 받고 계속 사용할 어시스턴트에 적합합니다.

기준Hermes AgentOpenClaw
주 시나리오메모리와 스킬을 축적하는 터미널 에이전트채널과 다중 세션용 지속 Gateway
주 인터페이스TUI/CLI, 메시징 gateway는 별도 연결Web Control UI, CLI, Gateway 경유 채널
메모리제한된 MEMORY.md/USER.md, 과거 세션 검색에이전트 workspace와 세션의 메모리/문맥
스킬생성·업데이트 가능, 입력은 확인 요청 가능번들·관리·workspace 스킬, 에이전트별 제한 가능
채널Gateway를 통한 Telegram, Discord, Slack, WhatsApp, Signal 등Discord, Google Chat, iMessage, Matrix, Teams, Signal, Slack, Telegram, WhatsApp, Zalo 등
장기 작업Gateway, cron, 원격 terminal backendGateway daemon, 채널, cron, multi-agent routing
접근 모델지원 provider 또는 자체 endpointProvider/model, auth profile, custom provider

보편적인 승자는 없습니다. 작업이 터미널에서 시작해 반복 가능한 절차로 발전해야 한다면 Hermes Agent를 먼저 보세요. 메신저 메시지에서 시작해 여러 채널이나 분리된 세션을 거친다면 OpenClaw 아키텍처가 더 가깝습니다.

환경과 설치

요건은 빠르게 바뀝니다. 아래 명령은 2026년 8월 3일 공식 소스로 확인되었습니다.

Hermes Agent

공식 설치 프로그램은 Linux, macOS, WSL2, Termux를 지원합니다.

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

네이티브 Windows에는 현재 PowerShell 설치 프로그램이 있습니다.

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

설치 뒤 환경을 검사하고 설정 마법사를 엽니다.

hermes doctor hermes setup

Hermes 설치 프로그램은 Python 환경과 추가 의존성을 관리합니다. 먼저 시스템 인터프리터에 임의 Python 패키지를 설치하지 말고, 공식 설치가 끝난 뒤 hermes doctor 결과를 확인하세요.

OpenClaw

현재 OpenClaw 문서는 Node 26을 권장하며 Node 22.22.3+, 24.15+, 25.9+도 지원 목록에 둡니다. 설치 전 버전을 확인합니다.

node --version npm install -g openclaw@latest openclaw onboard --install-daemon openclaw dashboard

구성은 ~/.openclaw/openclaw.json에 저장되고 로컬 Control UI는 기본적으로 http://127.0.0.1:18789/에서 열립니다. 접근과 보안 검사를 따로 마련하지 않은 채 이 UI를 인터넷에 공개하지 마세요.

도구, 메모리, 통합 비교

첫 선택에는 작업 시작점, 누적 문맥 저장 방식, 계속 필요한 통합, 자동 스킬 업데이트 필요성이라는 네 질문이면 충분합니다. Hermes는 프로젝트 디렉터리에서 hermes를 열어 시작하고, 같은 에이전트를 채팅으로 접근할 때만 Messaging gateway가 필요합니다. OpenClaw의 시작점은 Gateway로, 메시지를 받고 세션을 고른 뒤 에이전트로 전달합니다. CLI는 구성과 진단에 계속 유용하지만 일상 작업은 Web Control UI나 채널에서 가능할 수 있습니다.

Hermes의 메모리는 ~/.hermes/memories/의 간결한 MEMORY.md, USER.md이고 절차는 ~/.hermes/skills/에 스킬로 분리됩니다. OpenClaw는 메모리를 에이전트 workspace와 Gateway 세션에 연결합니다. 여러 에이전트의 workspace, tool policy, route를 분리할 수 있지만 설정 오류 시 메시지가 잘못된 권한의 세션에 도착할 수 있습니다.

두 프로젝트 모두 메신저와 연동하지만 OpenClaw는 채널을 아키텍처 중심에 두고 Hermes에서는 터미널 프로세스를 보완합니다. 가끔 Telegram 명령만 필요하면 둘 다 가능하고, 여러 채널과 에이전트 간 라우팅을 설계한다면 OpenClaw를 먼저 살펴보세요. Hermes는 복잡한 작업 뒤 스킬을 만들고 개선할 수 있으나 쓰기 확인을 켜는 것이 좋습니다. OpenClaw는 여러 계층의 스킬을 연결하고 agent별 allowlist로 제한합니다. SKILL.md는 행동을 바꿀 수 있으므로 스킬 개수보다 source와 diff가 중요합니다.

로컬 권한과 타사 스킬의 보안 위험

로컬 에이전트는 프로세스 권한을 상속합니다. 편의를 위해 모두 켜지 말고 shell, browser, files, secrets를 각각 허용하세요. Hermes는 approvals.mode: smart를 유지하거나 위험 명령을 수동 확인합니다. --yolo는 확인을 없애므로 첫 검증에는 맞지 않습니다. Hermes 보안 페이지는 Docker, Modal, Daytona를 격리 terminal backend로 제안하며 메모리·스킬 기록도 확인할 수 있습니다.

OpenClaw는 Gateway 하나당 신뢰할 수 있는 운영자 경계를 전제합니다. 서로 신뢰하지 않는 사용자가 같은 도구 사용 가능 에이전트에 접속하면 실제로는 그 권한을 공유합니다. Gateway를 분리하고 가능하면 다른 OS user나 host를 쓰세요. OpenClaw 스킬 문서는 타사 스킬을 신뢰할 수 없는 코드로 보고, 켜기 전에 읽고 위험 도구를 sandbox에서 실행하라고 명시합니다.

첫 실제 작업 전에는 1. .env, SSH key, 작업 저장소가 없는 별도 테스트 디렉터리를 만들고, 2. 불필요한 도구와 community skill을 끄며, 3. 그 디렉터리만 허용합니다. OpenClaw는 workspaceAccess: "none" 또는 "ro" sandbox, Hermes는 격리 backend 또는 제한된 safe root를 사용합니다. 4. provider 하나를 연결해 파일 작업 없는 짧은 prompt를 보내고, 5. 통과 후에만 file write, browser, channels, cron을 더합니다.

BetterToken으로 선택한 에이전트 확인

API 연결과 agent tools를 분리하세요. 먼저 짧은 텍스트 응답을 얻습니다. Hermes에서는 모델 선택기를 엽니다.

hermes model

OpenAI 또는 OpenAI Compatible를 선택하고 Hermes Agent용 현재 BetterToken 안내의 Base URL https://www.bettertoken.ai/v1, 자신의 BetterToken API Key, 모델 카탈로그의 현재 Model ID를 넣습니다. 활성 세션을 닫고 hermes를 다시 실행해 도구 없이 짧은 요청을 보냅니다. 401, 404, model not found 없는 응답은 기반 연결을 확인합니다.

OpenClaw onboarding 뒤 일반 auth flow로 credential을 추가합니다.

openclaw models auth add

OpenClaw용 현재 BetterToken 안내에 따라 custom provider에 baseUrl https://www.bettertoken.ai/v1, 자신의 apiKey, api openai-responses, idnameYOUR_MODEL_ID인 모델을 입력합니다. 두 에이전트 사이에서 전체 구성을 옮기지 마세요. 필드 이름, credential 저장법, 재시작 명령이 다릅니다.

openclaw gateway restart openclaw models status

Gateway를 재시작하고 새 세션에서 모델을 확인합니다. 짧은 응답 뒤 BetterToken Dashboard에서 model, status, input/output Tokens, charge를 확인하세요. OpenClaw가 이전 route를 보이면 main의 명시 모델과 agents.defaults.models 목록을 점검하고 /new로 새 세션을 만듭니다.

5분 안에 선택하기

주 작업이 terminal 또는 remote backend이고, 간결한 memory와 절차형 skills를 나누며, 에이전트가 검증된 방법을 점차 기억하고, 메시징은 보조 입력이면 Hermes Agent를 선택합니다. 주 UI가 메신저 또는 Web Control UI이고, 하나의 Gateway가 여러 채널을 제공하며, 세션·workspace·agent routing을 분리해야 하고 Gateway access와 tool sandbox를 따로 구성할 수 있다면 OpenClaw를 선택합니다.

두 목록이 모두 맞으면 격리 테스트 디렉터리에 하나씩 설치합니다. 같은 짧은 prompt, 같은 모델 등급, 같은 도구 금지를 사용하고 수동 단계 수, 진단 명확성, 접근 경계를 비교하세요. 이런 테스트 없이는 “최고 에이전트”라는 말은 기능 목록 비교에 그칩니다.

FAQ

어느 에이전트의 장기 메모리가 더 낫습니까?

메모리 모델이 다릅니다. Hermes는 간결한 사실과 사용자 프로필을 절차형 스킬과 분리하고 과거 세션 검색도 지원합니다. OpenClaw는 문맥과 메모리를 agent workspace 및 Gateway sessions에 연결합니다. 절차를 쌓는 단일 에이전트가 필요한지, 여러 분리 route가 필요한지에 따라 선택합니다.

Hermes Agent와 OpenClaw를 Windows에서 쓸 수 있습니까?

예. Hermes에는 네이티브 PowerShell installer와 WSL2 경로가 있고, OpenClaw도 PowerShell installer와 WSL2 Gateway를 포함해 Windows를 지원합니다. 요구사항은 비교 글보다 빨리 바뀌므로 설치 전 현재 요건을 확인하세요.

marketplace 검사를 받은 스킬은 신뢰할 수 있습니까?

Marketplace 검사는 위험을 낮출 뿐 타사 스킬을 신뢰 코드로 만들지 않습니다. SKILL.md와 관련 scripts를 읽고 요청 binaries, network calls, secrets를 확인한 뒤 최소 workspace access의 sandbox에서 실행하세요.

BetterToken이 두 에이전트를 직접 지원합니까?

BetterToken Docs에는 Hermes Agent와 OpenClaw 각각의 최신 안내가 있습니다. 이는 외부 프로젝트이며 BetterToken은 API access를 제공할 뿐 installation, channels, skills, local permissions에 책임지지 않습니다.

LLM 워크플로를 최적화할 준비가 되셨나요?

하나의 API로 모델을 연결하고 키와 AI 비용을 관리하세요.