Speaker A
서로서로 필요한 친구들을 연결을 해서 작업을 [음악] 할 수 있게 돌아갑니다. 클로드 코드나 코덱스를 처음 사용하면 정말 놀랍죠. 사실 저는 2월부터 클로드 코드를 사용하면서 최소 누적 1천 시간 이상을 사용을 해왔던 거 같아요. 그런데 제가 이쯤 돼서 느꼈던 가장 큰 병목은, 사실 모델의 성능이나 코딩 능력은 아니었습니다. 아쉬웠던 점은, 첫 번째는 결과물의 품질이 일정하지 않다는 것이었고요. 두 번째는, 모바일 앱의 스케줄이나 루틴 기능이 있더라도 결국 24시간 동안 동작하지 않고, 제 노트북이 닫히게 되면 제가 작업했던 것들이 중단된다는 것에 있었습니다. 그래서 다시 돌아가면, 어제는 굉장히 잘했던 작업을 오늘은 제대로 하지 못하기도 하고, 같은 프롬프트를 사용을 하더라도 결과물의 품질이 달라집니다. 이 문제를 해결하기 위해서 규칙이나 체크리스트, 검증 에이전트들을 계속 추가하게 되면, 처음에는 결과가 좋아지는 것처럼 보입니다. 그러나 어느 순간부터 검증 로직이 너무 무거워져요. 에이전트가 실제 업무보다 규칙을 확인하는 데 더 많은 컨텍스트를 사용하면서, 결국 시간과 비용은 늘어나지만 결과물의 품질은 떨어지더라고요. 오히려 중요한 지시들을 놓치기도 합니다. 그래서 저는 이런 생각을 하게 됐어요. 매번 더 긴 프롬프트를 쓰는 대신에, 에이전트가 교정하거나 변경을 요청했던 메모리를 명확하게 기억하고 있다면, 효과가 있었던 작업 방식을 다음 업무에서도 계속 사용하게 만들 수 있지 않을까라는 생각이었어요. 그리고 제가 매번 터미널을 열지 않아도, 노트북이 꺼진 상태에서도 에이전트가 계속 일하게 만들고 싶다는 것이 저의 가장 큰 니즈였습니다. 물론 이제 스케줄이나 루틴 업무를 사용하면 제가 자는 동안에도 이를 실행할 수는 있지만, 메신저 연결이나 작업 예약, 대화 기록 장기 기억, 권한 관리와 같은 다양하게 연계된 기능은 제가 직접 구성해야 된다는 리스크가 있었습니다. 이때 제가 니즈를 강하게 느꼈던 부분이 오픈클로, 헤르메스인데요. 네. 간단히 설명을 드리자면, 헤르메스는 현재 25만 스타를 보유한 오픈 소스이고요, MIT 라이선스를 취득한 오픈 소스입니다. 오픈클로는 여러 메신저와 기기나 외부 서비스를 연결하는 개인 AI 비서에 좀 더 가깝다면, 헤르메스 시스템의 하네스 안에는 자가 학습 루프가 들어가 있습니다. 그래서 반복 업무에서 얻은 교정과 노하우를 기억하고 다음 작업에 다시 활용하는 AI 직원에 좀 더 가깝습니다. 그래서 저는 헤르메스 에이전트를 가장 먼저 셋업을 했고요. 저는 그 자가 학습 루프를 내 에이전트 안에 들여와야겠다고 결정을 했었습니다. 그러나 저는 사실 이런 의문이 있었어요. 클로드 코드나 코덱스도 지금 잘 사용하고 있는데, 굳이 헤르메스까지 써야 될까라는 생각이었는데요. 그래서 이번 영상에서는 단순히 설치하는 것에 그치지 않고, 어떤 식으로 다양한 메신저 안에서 사용할 수 있을지 확장해서 연결을 해 드리도록 하겠습니다. 그리고 최근 굉장히 핫해졌던 멀티 모드, 여러 에이전트가 하나의 그룹 채팅방에서 서로 역할을 나눠서 협업하는 방식까지 단계적으로 확장을 해 보겠습니다. 특히 리서치나 연구 업무가 많으신 분, 또는 직장에서 반복적으로 많은 자료를 분석하시는 분들께서는, 다음날 출근하실 때 결과를 받아보시는 그런 기능들도 제공을 받을 수가 있거든요. 24시간 동안 작동하고, 어떻게 나만의 AI 직원으로 발전시키고 싶은지 궁금하신 분들이라면 꼭 끝까지 시청 부탁드립니다.