피드로 돌아가기
Dev.toAI/ML
원문 읽기
16만 GitHub Star 기록한 Closed Learning Loop 기반의 자가 발전형 Agent
Hermes, The Self-Improving Agent You Can Actually Run Yourself
AI 요약
Context
기존 AI Agent의 짧은 유효 기간과 세션 간 Context 유실로 인한 반복적 설정 요구 문제 발생. 특정 데모 최적화 구조로 인해 실제 장기 운영 환경에서의 생산성 저하 및 도구 확장성 한계 노출.
Technical Solution
- Closed Learning Loop 도입을 통한 상호작용 기반의 재사용 가능한 Skill 자동 생성 및 로컬 파일 시스템 저장
- SQLite FTS5 기반의 검색 가능한 세션 히스토리와 LLM 요약 리콜을 결합한 Persistent Memory 구조 설계
- 단일 컨텍스트 폭발 방지를 위해 독립적 터미널 및 Python RPC 세션을 갖춘 Isolated Subagents 스폰 방식 채택
- 모델 종속성 제거를 위한 Model-agnostic 인터페이스 설계로 OpenAI, Anthropic, Ollama 등 다양한 Provider 유연한 교체 지원
- MCP integration 및 Gateway Process 구축을 통한 플랫폼 간 세션 연속성 및 외부 도구 확장성 확보
실천 포인트
- 세션 간 상태 유지 필요 시 SQLite FTS5와 같은 Full-Text Search 기반의 메모리 계층 검토 - 복잡한 태스크 수행 시 Context Window 관리를 위해 Subagent 기반의 작업 분리와 결과 집계 구조 적용 - 특정 LLM 종속성을 피하기 위해 모델 선택자와 API Key 관리 레이어를 분리한 추상화 계층 설계