AI 에이전트는 어떻게 기억을 관리할까? Hermes Agent와 Obsidian

최근 AI 에이전트 관련 커뮤니티를 둘러보다 보면 Hermes Agent라는 프로젝트가 자주 언급되는 것을 볼 수 있습니다. 처음에는 단순히 AI 에이전트 프레임워크의 한 종류 정도로 생각할 수 있지만, 조금 더 살펴보면 꽤 흥미로운 접근 방식을 취하고 있습니다.

많은 에이전트 프로젝트가 모델 성능이나 작업 자동화에 집중하는 반면, Hermes Agent는 AI 에이전트의 기억(Memory)과 지식 관리(Knowledge Management), 그리고 장기적인 작업 지속성에 더 많은 관심을 두고 있기 때문입니다.

특히 Obsidian과 같은 지식 관리 도구를 함께 활용해 AI가 필요한 정보를 찾아보고, 기억하고, 다시 활용할 수 있는 구조를 만드는 사례들이 눈에 띄었습니다.

사람도 모든 것을 기억하지 않고 메모와 문서를 참고하며 일하듯, AI 에이전트 역시 자신만의 기억 공간과 지식 저장소가 필요해지는 것은 아닐까요?

AI 에이전트도 기억이 필요하다

Claude, ChatGPT, Gemini 같은 AI는 매우 똑똑해 보이지만 기본적으로는 세션 기반으로 동작합니다.

새로운 대화를 시작하면 이전 맥락이 사라지고, 장기간 프로젝트를 수행하려면 같은 내용을 반복해서 설명해야 하는 경우가 많습니다.

예를 들어 특정 프로젝트의 목표, 선호하는 작업 방식, 과거에 내렸던 결정, 참고 문서 등을 매번 다시 전달해야 한다면 생산성이 크게 떨어질 수밖에 없습니다. AI가 똑똑해질수록 오히려 “무엇을 기억하고 있는가”가 더 중요해지는 이유이기도 합니다.

그래서 최근의 에이전트 시스템들은 단순히 모델을 호출하는 것을 넘어, AI가 지속적으로 작업을 이어갈 수 있도록 별도의 기억 계층과 작업 관리 계층을 함께 구축하려고 하고 있습니다.

이러한 요소들은 단순한 프롬프트를 넘어, AI가 프로젝트의 맥락을 유지하고 반복 작업을 수행하며 과거 경험을 재활용할 수 있도록 돕습니다.

Hermes Agent 역시 이러한 방향을 추구하는 대표적인 사례 중 하나입니다.

Hermes Agent의 핵심 구성

Hermes Agent는 단순히 AI 모델에게 작업을 요청하는 도구라기보다는, 장기간에 걸쳐 사용자와 프로젝트의 맥락을 유지하며 작업을 수행할 수 있도록 여러 계층을 함께 제공합니다. 그중에서도 Memory, Skills, Cron은 Hermes Agent를 이해하는 데 가장 중요한 핵심 개념입니다.

Memory

Memory는 사용자와 프로젝트에 대한 중요한 정보를 저장하는 공간입니다.

일반적인 AI 챗봇은 새로운 대화가 시작되면 이전 맥락을 잊어버리지만, Hermes Agent는 사용자의 선호도나 프로젝트 목표, 반복적으로 등장하는 정보들을 기억하고 필요할 때 다시 활용할 수 있습니다. 덕분에 매번 같은 내용을 설명하지 않아도 되고, 장기간에 걸쳐 보다 일관된 방식으로 작업을 이어갈 수 있습니다.

Skills

Skills는 반복적으로 수행하는 작업 절차를 문서화한 일종의 작업 매뉴얼입니다.

예를 들어 블로그 글을 작성하는 방식이나 프로젝트 릴리즈 절차, 리포트를 정리하는 방법 등을 Skill로 정의해둘 수 있습니다. 한 번 정리된 Skill은 이후에도 반복적으로 활용할 수 있기 때문에, AI가 단순히 답변하는 것을 넘어 특정 작업 방식을 학습하고 재사용하는 데 도움을 줍니다.

Cron

Cron은 정기적으로 수행해야 하는 작업을 자동화하기 위한 기능입니다.

매일 아침 정보를 수집하거나, 주간 회고를 작성하고, 프로젝트 상태를 점검하는 것처럼 반복적으로 발생하는 업무를 예약할 수 있습니다. 이를 통해 에이전트는 사용자의 요청을 기다리는 수동적인 도구가 아니라, 정해진 주기에 따라 스스로 작업을 수행하는 능동적인 시스템에 가까워집니다.

Memory가 “무엇을 기억할 것인가”를 담당한다면, Skills는 “어떻게 작업할 것인가”를 담당하고, Cron은 “언제 실행할 것인가”를 담당한다고 볼 수 있습니다.

Obsidian이 함께 언급되는 이유

Hermes Agent 관련 글을 보면 Obsidian이 자주 등장하는데, 그 이유는 생각보다 단순합니다.

Memory는 사용자의 선호도나 프로젝트 목표처럼 비교적 짧고 핵심적인 정보를 저장하는 데 적합하지만, 수백 개의 문서와 메모, 조사 자료까지 모두 담아두기에는 한계가 있습니다.

실제 업무나 개인 프로젝트를 진행하다 보면 시간이 지날수록 다양한 정보가 쌓이게 됩니다.

이러한 자료들은 단순한 Memory라기보다는 장기적으로 보관하고 검색할 수 있는 지식 저장소에 가깝습니다.

그래서 Hermes Agent 사용자들은 종종 Obsidian Vault를 장기 지식 저장소(Knowledge Base)처럼 활용합니다. 모든 정보를 Memory에 넣어두는 대신, Obsidian에 문서를 체계적으로 정리해두고 필요할 때만 AI가 관련 문서를 찾아 읽도록 하는 방식입니다.

이 구조는 사람의 업무 방식과도 비슷합니다. 사람 역시 모든 정보를 머릿속에 기억하는 것이 아니라 필요할 때 문서, 노트, 위키를 찾아보며 작업합니다. Hermes Agent와 Obsidian의 조합은 AI 에이전트에게도 비슷한 형태의 장기 기억 체계를 제공하려는 시도라고 볼 수 있습니다.

AI가 읽기 좋은 메모는 따로 있다

흥미로운 점은 사람이 읽기 좋은 메모와 AI가 읽기 좋은 메모가 반드시 같지는 않다는 것입니다.

사람은 메모가 조금 엉성하더라도 작성 당시의 상황이나 기억을 바탕으로 빈칸을 채울 수 있습니다. 하지만 AI는 노트에 기록된 내용만을 보고 판단하기 때문에, 정보가 어떤 의미를 가지는지 스스로 추측해야 하는 경우가 많습니다.

그래서 최근 Hermes Agent 커뮤니티에서는 AI가 읽고 재활용하기 쉬운 노트 구조로 다음과 같은 구성을 제안하기도 합니다.

즉, 이 노트가 무엇에 대한 내용인지, 어디에서 얻은 정보인지, 왜 저장했는지, 어떤 문맥과 연결되는지, 그리고 다음에 무엇을 해야 하는지를 명확하게 구분하는 방식입니다.

예를 들어 하나의 노트 안에 원문 요약, 개인적인 생각, 관련 프로젝트, 앞으로의 작업 계획이 모두 섞여 있다면 사람은 어느 정도 이해할 수 있지만 AI는 각 정보의 역할을 구분하기 어려워집니다. 반대로 정보의 성격이 명확하게 분리되어 있다면 AI는 해당 노트를 더 정확하게 이해하고, 이후 작업에도 재활용하기 쉬워집니다.

결국 AI에게 중요한 것은 단순히 많은 정보를 제공하는 것이 아니라, 정보를 어떤 구조로 정리해두었는가에 더 가깝습니다. 사람이 메모를 읽기 쉽게 정리하듯, AI가 읽기 쉽게 정리하는 방법도 점점 중요해지고 있는 것입니다.

AI 시대의 새로운 지식 관리

예전에는 Obsidian 같은 도구를 개인의 두 번째 뇌(Second Brain)라고 불렀습니다.

하지만 앞으로는 사람이 사용하는 지식 저장소를 넘어, AI 에이전트가 함께 사용하는 지식 베이스(Knowledge Base)로 발전할 가능성도 있어 보입니다.

Hermes Agent와 Obsidian의 조합은 이러한 변화가 개인 생산성 영역에서 어떻게 나타나고 있는지 보여주는 흥미로운 사례 중 하나입니다. AI에게 단순히 답변을 요청하는 것을 넘어, 기억을 저장하고, 지식을 관리하고, 작업을 이어갈 수 있는 환경을 구축하려는 시도이기 때문입니다.

아직은 초기 단계의 실험에 가깝지만, 앞으로 AI 에이전트가 점점 더 많은 일을 수행하게 된다면 “어떻게 기억을 저장하고 관리할 것인가”는 모델 성능만큼 중요한 주제가 될지도 모릅니다.