DeepSeek에 설치할 가치가 있는 Hermes 플러그인 5가지: 에이전트에 시각, 메모리 등을 더하세요

DeepSeek 기반 Hermes Agent는 이미 추론하고, 도구를 사용하고, 정보를 기억하며, 지속적인 워크플로를 실행할 수 있습니다. 하지만 가장 큰 업그레이드가 항상 더 큰 모델로 전환하는 데서 나오는 것은 아닙니다. 때로는 에이전트에 이전에는 없던 기능을 제공하는 것이 더 유용한 변화일 수 있습니다. 스크린샷을 볼 수 있는 시각 기능, 더 깊이 있는 장기 메모리, 디자인 작업 공간, 개인 클라우드에 대한 접근 권한, 또는 모든 요청에 불필요한 컨텍스트를 계속 포함하지 않도록 하는 기능 등이 그 예입니다.

아래의 다섯 가지 추가 항목을 선정한 기준도 바로 이것입니다. 단순히 가장 인기 있는 Hermes 프로젝트를 고른 것이 아닙니다. 각각 DeepSeek + Hermes 구성의 실용적인 기능을 변화시킵니다. 아직 기본 환경을 구축하는 중이라면 구성 요소를 더 추가하기 전에 Hermes Agent 셀프 호스팅 설정 가이드부터 확인하세요.

용어 안내: 이 글에서는 “플러그인”이라는 용어를 넓은 의미로 사용합니다. Hermes 생태계에는 기존 플러그인, 스킬, 메모리 공급자, MCP 통합, 에이전트와 함께 작동하는 도구가 포함됩니다. 예를 들어 Hindsight는 이제 별도로 설치해야 하는 플러그인이 아니라 Hermes의 기본 메모리 공급자입니다.

올바른 플러그인을 추가하면 DeepSeek + Hermes가 더 유용해지는 이유

유용한 질문은 Hermes가 실행할 수 있는 플러그인이 몇 개인지가 아닙니다. 각 추가 항목이 어떤 새로운 기능을 만들어 내는지입니다. Hermes는 이미 영구 메모리, 도구, 일정 관리, 메시징 인터페이스, 작업 위임을 포함해 모델을 중심으로 상당한 에이전트 계층을 제공합니다. 이러한 기능을 중복하는 일반적인 도구를 하나 더 추가하면 에이전트가 실제로 수행할 수 있는 작업은 달라지지 않은 채 복잡성만 커질 수 있습니다.

이 목록이 서로 다른 다섯 가지 병목에 초점을 맞추는 이유가 바로 여기에 있습니다. ModLens는 시각 기능을 제공합니다. Hindsight는 장기 메모리를 강화합니다. Open Design은 아티팩트 중심의 시각적 워크플로를 추가합니다. Hermes Nextcloud는 에이전트를 셀프 호스팅 개인 데이터에 연결합니다. LLMTrim은 에이전트가 도구, 결과, 대화 기록을 축적하면서 발생하는 컨텍스트 오버헤드를 줄입니다. 기본 Hermes 환경과 모델 크기 관련 기준은 Hermes Agent 하드웨어 요구 사항 가이드에서 별도로 확인할 수 있습니다.

그 결과 AI 에이전트 스택을 더 유용하게 바라볼 수 있습니다. 시각 → 메모리 → 생성 → 비공개 데이터 → 효율성의 순서입니다. 처음부터 이 다섯 가지가 모두 필요한 것은 아닙니다. 현재 에이전트가 유용한 작업을 수행하지 못하게 막고 있는 기능부터 시작하세요.

1. ModLens — DeepSeek Hermes에 눈 제공

DeepSeek 모델이 텍스트 전용이라면 ModLens는 이 목록에서 가장 뚜렷한 전후 차이를 만들어냅니다. 스크린샷을 직접 설명하거나 OCR 텍스트를 붙여 넣거나 시각적 문제를 말로 번역할 필요 없이, 비전 레이어가 먼저 이미지를 분석하고 본 내용을 텍스트 모델이 추론할 수 있는 증거로 변환합니다.

ModLens는 처음에 DeepSeek Harness용 비전 플러그인으로 개발되었습니다. 문서에 설명된 워크플로를 사용하면 붙여 넣은 이미지를 OCR, 레이아웃, 의미 정보를 포함한 구조화된 시각적 증거로 변환할 수 있습니다. DeepSeek 중심의 스택에서는 사실상 시각적 프런트 엔드 역할을 합니다. 비전 기능을 갖춘 엔진이 픽셀을 해석한 다음, 텍스트 전용 DeepSeek 모델이 추론을 계속합니다.

중요한 차이점은 이것이 단순한 OCR보다 유용하다는 점입니다. OCR은 “이 이미지에 어떤 텍스트가 있지?”라는 질문에 답합니다. 유용한 시각 에이전트는 정보가 어디에 표시되는지, 어떤 객체들이 서로 연관되는지, UI 상태가 무엇을 의미하는지, 스크린샷의 어느 부분이 작업과 관련 있는지도 이해해야 합니다. 따라서 ModLens는 대시보드, 애플리케이션 스크린샷, 다이어그램, 오류 대화 상자, 웹 레이아웃, 이미지 중심 문서에 유용합니다.

홈 서버 문제를 해결하는 상황을 상상해 보세요. 시각적 브리지가 없다면 다음과 같이 입력할 수 있습니다. “스토리지 위젯이 주황색이고 드라이브 하나가 성능 저하 상태라고 표시돼요.” DeepSeek 측 워크플로에 ModLens가 있으면 상호작용은 다음과 훨씬 비슷해집니다. “이 대시보드 스크린샷을 보고 무엇부터 조사해야 하는지 알려줘.” 차이는 답변이 조금 더 좋아지는 데 있지 않습니다. 여러분과 에이전트 사이의 수동 번역 단계 전체가 사라지는 것입니다.

한 가지 구분은 명확히 해둘 필요가 있습니다. 현재 ModLens는 DeepSeek Harness 통합으로 가장 강력하게 문서화되어 있으므로, 이를 Hermes의 네이티브 코어 플러그인인 것처럼 다루기보다는 DeepSeek 측 비전 레이어로 보는 것이 적절합니다. 이 구분은 DeepSeek와 Hermes를 결합한 워크플로에서 이미지 처리가 어디에서 이루어지는지 결정할 때 중요합니다.

2. Hindsight — Hermes에 더 나은 장기 기억 제공

Hermes에는 이미 메모리가 있으므로 Hindsight를 Hermes가 갑자기 기억할 수 있게 해주는 기능처럼 설명해서는 안 됩니다. 진정한 업그레이드는 에이전트가 수개월에 걸친 대화, 프로젝트, 수정 사항, 선호도, 반복 작업을 축적한 뒤, 필요한 순간에 그 기록에서 올바른 부분을 검색해야 할 때 나타납니다.

현재 Hermes 빌드는 Hindsight를 메모리 제공자로 지원합니다. 이 통합을 사용하면 모델 호출 전에 관련 정보를 자동으로 불러오고 향후 세션을 위해 대화를 보존할 수 있으며, 명시적인 retain, recall, reflect 작업도 제공합니다. 기존의 독립형 Hindsight-Hermes 플러그인은 더 이상 사용되지 않으므로, 현재 올바른 경로는 Hermes용 기본 Hindsight 메모리 제공자입니다.

이러한 차이는 지속적으로 사용하는 개인 에이전트에서 중요해집니다. 사실을 저장하는 것은 쉽습니다. 어떤 과거의 사실이 현재 작업에 중요한지 결정하는 일은 더 어렵습니다. 장기간 실행되는 에이전트는 6주 전에 내려진 결정을 오늘의 새로운 요청과 연결하고, 과거의 선호와 이후의 수정 사항을 구분하며, 이전 대화 전체를 프롬프트에 불러오지 않고도 반복적으로 발생한 서버 문제의 해결 방법을 기억해야 할 수 있습니다.

실용적인 예로 장기간 진행되는 홈 서버 프로젝트를 생각해 보겠습니다. 몇 주에 걸쳐 스토리지 경로, 컨테이너 정책, 백업 규칙, 애플리케이션 설정을 계속 변경할 수 있습니다. 나중에 돌아와 Hermes에 해당 시스템의 한 부분을 수정해 달라고 요청할 때, 좋은 메모리란 단순히 “이전 메시지 500개가 여기 있습니다”라는 뜻이 아닙니다. 새로운 작업을 제한하는 과거의 결정 중 필요한 일부를 찾아내는 능력입니다.

따라서 Hermes가 일회성 채팅 세션이 아니라 지속적으로 사용하는 작업 공간이 될 때 Hindsight의 가치가 가장 잘 드러납니다. 에이전트를 단순한 개별 질문에만 사용한다면 차이는 크지 않을 수 있습니다. 하지만 수개월 동안 프로젝트, 반복적인 리서치 또는 개인 인프라를 관리한다면 메모리 품질은 에이전트 아키텍처의 일부가 됩니다.

3. Open Design — Hermes를 코딩 에이전트에서 시각적 크리에이터로 전환하기

HTML이나 React를 생성하는 것만으로는 디자인 작업이 완료되지 않습니다. 코딩 에이전트는 기술적으로 렌더링되는 페이지를 만들 수 있지만, 계층 구조, 간격, 스타일 방향, 반복 작업, 미리보기, 전달 방식과 같은 시각적 결정은 여전히 사용자가 직접 내려야 합니다. Open Design은 에이전트 주위에 결과물 중심의 디자인 워크플로를 구축해 이러한 간극을 좁히려 합니다.

Open Design은 기존 코딩 에이전트를 디자인 엔진으로 활용할 수 있는 로컬 우선 디자인 작업 공간이라고 설명하며, Hermes는 지원되는 에이전트 통합 중 하나입니다. 이 워크플로는 모델을 산문이나 소스 코드 제안에만 국한하지 않고 프로토타입, 랜딩 페이지, 대시보드, 슬라이드, 이미지, 동영상 등의 결과물을 지원합니다.

이렇게 하면 프롬프트가 “이 대시보드용 CSS를 작성해 줘”에서 “이 대시보드를 만들고, 시각적 방향을 정하고, 아티팩트를 생성하고, 검토한 뒤 반복 개선해 줘”에 가까운 형태로 바뀝니다. 맞춤형 인터페이스를 구축하는 크리에이터, 개발자, 소규모 팀 또는 홈랩 사용자에게 이는 또 하나의 범용 코딩 스킬을 추가하는 것보다 훨씬 실질적인 기능 향상입니다.

이는 디자인 계층과 추론 모델이 반드시 같은 제품일 필요는 없기 때문에 DeepSeek와도 자연스럽게 잘 맞습니다. DeepSeek는 추론 및 코딩 스택의 일부로 계속 사용하고, Open Design은 그 주변에서 작업 공간, 템플릿, 스킬, 미리보기, 아티팩트 파이프라인을 제공할 수 있습니다. 전체 워크플로를 하나의 호스팅 디자인 서비스에 종속시키지 않고 직접 모델을 가져와 사용하고 싶다면 이러한 분리가 유용합니다.

시각적 생성에는 또 다른 도구 계층과 경우에 따라 추가적인 모델 또는 미디어 제공업체 요구 사항이 필요하다는 점도 똑같이 중요합니다. Hermes가 주로 서버 관리나 리서치를 수행한다면 Open Design은 선택 사항일 수 있습니다. 하지만 에이전트가 웹 인터페이스, 프레젠테이션, 마케팅 자산 또는 내부 대시보드를 정기적으로 제작한다면 Open Design을 도입할 이유가 훨씬 커집니다.

4. Hermes Nextcloud — 에이전트를 비공개 파일, 캘린더, 작업에 연결하기

이 지점에서 Hermes는 단순한 AI 도구라기보다 개인 에이전트에 가까워지기 시작합니다. 모델은 공개된 세상에 대해 많은 것을 알고 있어도, 실제로 오늘 무엇을 해야 하는지를 결정하는 파일, 메모, 캘린더, 작업에 대해서는 거의 아무것도 모를 수 있습니다. 셀프호스팅 데이터 계층은 이를 바꿉니다.

커뮤니티에서 구축한 Hermes Nextcloud 브리지는 WebDAV, Nextcloud Notes API, CalDAV, CardDAV 등의 인터페이스를 통해 Nextcloud 데이터를 Hermes에 제공합니다. 따라서 브라우저 세션만이 에이전트가 이러한 리소스에 접근하는 유일한 방법이 되지 않고, 파일, 메모, 캘린더, 작업, 연락처를 활용하는 워크플로를 구성할 수 있습니다.

홈 서버 사용자에게 이는 이 글에서 가장 즉각적으로 유용한 에이전트 요청을 가능하게 합니다. “어제 업로드한 PDF를 찾아서 비교해 줘.” “내 캘린더를 확인하고 어느 오후가 비어 있는지 알려 줘.” “이 회의 메모에서 작업을 만들어 줘.” “내 비공개 프로젝트 폴더를 살펴보고 무엇이 변경됐는지 요약해 줘.” 이는 모델 벤치마크가 아닙니다. 사람들이 실제로 위임하는 작업입니다.

셀프호스팅 측면도 중요합니다. Nextcloud는 직접 관리하는 인프라에서 실행할 수 있고, Hermes는 같은 프라이빗 환경에서 또 하나의 서비스로 그 곁에서 실행할 수 있습니다. 이 스택을 구성할 계획이라면 Nextcloud 하드웨어 요구 사항 가이드에서 CPU, RAM, 스토리지, 데이터베이스, 사용자 수에 따라 서버 요구 사항이 어떻게 달라지는지 확인할 수 있습니다.

비공개 호스팅이라고 해서 작업 흐름이 자동으로 안전해지는 것은 아닙니다. 캘린더, 연락처, 쓰기 가능한 파일에 액세스할 수 있는 에이전트는 읽기 전용 공개 검색만 가능한 챗봇보다 피해 범위가 큽니다. 필요한 최소한의 권한으로 시작하고, 가능하면 전용 애플리케이션 자격 증명을 사용하며, Hermes가 어떤 데이터를 읽거나 변경하도록 허용할지 명확히 결정하세요.

5. LLMTrim — 긴 Hermes 세션이 컨텍스트를 너무 많이 소비하지 않도록 유지

처음 네 가지 추가 기능은 Hermes가 더 많은 일을 할 수 있게 합니다. 다섯 번째는 Hermes가 실제로 그 모든 작업을 시작한 후 발생하는 문제를 다룹니다. 장시간 실행되는 에이전트에는 도구 정의, 터미널 출력, MCP 응답, 스크랩한 페이지, 대화 기록, 중간 추론 결과물, 다른 도구에서 반환된 결과 등 컨텍스트가 누적됩니다. 그중 일부 정보는 계속 유용합니다. 일부는 반복되는 불필요한 데이터입니다.

LLMTrim은 에이전트와 모델 엔드포인트 사이에서 로컬 프록시로 작동합니다. Hermes 전용 안내에 따르면, 요청을 모델에 보내기 전에 반복되는 도구 스키마, 대화 기록, MCP 도구 출력, 스크랩한 콘텐츠를 압축할 수 있습니다. 따라서 Hermes와 LLMTrim 통합은 일반적인 스킬과 다릅니다. Hermes에 새로운 작업을 가르치는 대신 전송 경로를 변경하기 때문입니다.

DeepSeek + Hermes 환경에 도구가 추가될수록 이는 더욱 중요해집니다. 브라우저 도구, 여러 MCP 서버, Nextcloud 액세스, 장기 메모리, 터미널 출력, 긴 대화가 있는 에이전트를 생각해 보세요. 매 턴마다 반복되는 대량의 구조를 모델에 다시 전송하면 실제 새 질문이 짧더라도 에이전트 루프를 유지하는 비용이 증가할 수 있습니다.

컨텍스트 축소는 마법이 아니며, 과도한 압축은 항상 테스트가 필요합니다. 잘못된 세부 정보를 제거하면 관련 없는 컨텍스트가 모델의 주의를 분산시키는 것만큼이나 나중의 답변을 손상시킬 수 있습니다. 유용한 목표는 “모든 프롬프트를 가능한 한 작게 만들기”가 아닙니다. “다음 결정을 내리는 데 더 이상 기여하지 않는 정보에 컨텍스트 비용을 지불하지 않기”입니다.

보안 측면에서도 고려할 사항이 있습니다. Hermes와 모델 제공업체 사이에 위치한 로컬 프록시는 통과하는 요청 콘텐츠를 필연적으로 확인하게 됩니다. Hermes가 개인 파일, 자격 증명, 비공개 메모 또는 기타 민감한 자료를 처리한다면 이를 신뢰 경계의 일부로 간주해야 합니다.

어떤 Hermes 플러그인을 먼저 설치해야 할까요?

텍스트 전용 DeepSeek 모델을 사용 중이고 업그레이드 하나만 시도하고 싶다면 ModLens가 가장 명확한 첫 번째 선택입니다. Vision은 모델이 도움을 주기 전에 스크린샷과 이미지를 수동으로 텍스트로 변환해야 하는 필요를 없애므로, 가장 눈에 띄는 새로운 기능을 제공합니다.

그 이후에는 보편적인 순위가 아니라 에이전트를 제한하는 요소에 따라 적합한 선택이 달라집니다. 과거의 컨텍스트를 재사용하기 어려워지고 있다면 Hindsight를 선택하세요. 출력물 자체에 시각적 요소가 필요하다면 Open Design을 추가하세요. 유용한 정보가 프라이빗 클라우드에 있다면 Hermes Nextcloud를 추가하세요. 길고 도구가 많이 사용되는 세션에서 작업에 필요한 것보다 더 많은 컨텍스트를 전달하기 시작한다면 LLMTrim을 추가하세요.

처음부터 서버에 무엇을 설치할지 아직 결정하는 중이라면, 여러 서비스를 한 컴퓨터에 쌓기 전에 AI 및 자체 호스팅 애플리케이션 워크로드를 비교해 볼 수 있는 ZimaOS 앱 하드웨어 요구 사항 카탈로그를 다음 단계로 참고해 보세요.

Hermes 플러그인을 바라보는 더 나은 방법

가장 유용한 Hermes 확장이 반드시 기능 목록이 가장 긴 확장인 것은 아닙니다. 특정 경계를 없애는 확장이 더 중요합니다. ModLens는 이미지 경계를 없앱니다. Hindsight는 메모리 경계를 개선합니다. Open Design은 출력 경계를 확장합니다. Nextcloud는 공개 모델 지식과 프라이빗 작업 데이터 사이의 경계를 넘나듭니다. LLMTrim은 이러한 도구가 함께 작동하기 시작할 때 생기는 컨텍스트 경계를 관리합니다.

이렇게 하면 찾은 흥미로운 프로젝트를 무작정 모두 설치하는 것보다 훨씬 명확한 아키텍처를 만들 수 있습니다. 먼저 DeepSeek 같은 성능이 뛰어난 모델을 사용하고, Hermes를 지속형 에이전트 계층으로 활용한 다음, 실제 워크플로에 필요할 때만 외부 기능을 추가하세요. 명확한 근거가 있는 통합 5개로 구성된 작은 스택이, 서로 겹치는 도구를 수십 개 갖춘 에이전트보다 이해하고, 보호하고, 업데이트하고, 문제를 해결하기가 일반적으로 더 쉽습니다.

궁극적인 목표는 버튼을 몇 개 더 추가한 챗봇을 만드는 것보다 훨씬 흥미롭습니다. 자체 호스팅 DeepSeek + Hermes 환경은 점차 내가 보는 것을 보고, 중요한 것을 기억하고, 유용한 결과물을 만들며, 내가 통제하는 데이터로 작업하고, 책임이 커져도 효율성을 유지하는 프라이빗 AI 작업 공간으로 발전할 수 있습니다. 플러그인이 단순한 부가 기능을 넘어 에이전트 아키텍처의 일부가 되기 시작하는 지점이 바로 여기입니다.