봇의 두뇌를 어디에 둘 것인가, 두 갈래 — OpenClaw는 봇 성격에 붙박고, Hermes는 화면에서 갈아끼운다

개인 AI 어시스턴트 OpenClaw를 다룰 때, "이 봇은 어떤 LLM 모델(거대 언어 모델 — 텍스트를 이해하고 생성하는 AI)로 생각하는가"는 따로 떼어 고르는 항목이 아니었다. 모델은 봇 하나하나에 딸린 정책 묶음의 한 조각이었다 — 모델, 사고 깊이, 쓸 수 있는 도구, 스킬, 기억이 한 덩어리로 묶여 그 봇의 "성격"을 이룬다. 그래서 가족용 봇은 가벼운 모델을 달고, 프로젝트용 봇은 고급 모델을 달고, 메시지는 채널 라우팅으로 제 성격에 맞는 봇에게 흘러간다. 모델을 봇에 붙박아 둔 덕에 봇 성격의 일관성이 지켜지는 구조다.

또 다른 오픈소스 AI 에이전트 Hermes Agent를 같은 집 서버에 올려 대시보드를 뜯어보니, 정확히 반대편에서 같은 문제를 풀고 있었다. Hermes는 모델을 봇 성격에 묶지 않는다. 오히려 모델 전환의 자유 자체를 핵심 가치로 삼아, "Models"라는 독립된 대시보드 화면에 모델 선택을 따로 빼놓고 언제든 프로바이더·모델을 갈아끼우게 만든다. 이 글은 딱 그 한 가지 갈림길 — "모델 선택을 봇 성격의 일부로 붙박을 것인가, 아니면 갈아끼우는 자유로 떼어낼 것인가" — 만 따라간다.

같은 문제, 갈라지는 결정 — 모델을 어디에 두는가

두 봇 다 "이 에이전트는 어떤 모델로 사고하는가"라는 같은 질문 앞에 선다. 그런데 그 답을 어디에 적어 두느냐에서 갈린다. OpenClaw는 답을 봇 정의 안에 넣어 성격의 일부로 굳히고, Hermes는 답을 봇 바깥 독립 화면으로 빼내 언제든 바꾸게 한다.

▲ OpenClaw — 모델은 봇 성격을 이루는 한 조각

위 다이어그램은 OpenClaw가 모델 선택을 두는 자리를 보여준다. 하나의 봇 정의 안에 모델·사고 깊이·도구·스킬·기억이 한 묶음으로 딸려 있고, 모델은 그중 한 조각일 뿐이다. 설정 파일(openclaw.json)에서 봇마다 모델 키를 따로 달 수 있고, 전역 기본값을 깔아 두면 봇별로 필요한 것만 덮어쓴다. 핵심은, 모델이 봇 성격에 붙박여 있다는 점이다 — 가족용 봇은 늘 그 가벼운 모델로 대답하고, 프로젝트용 봇은 늘 그 고급 모델로 대답한다. 모델을 함부로 갈아끼우는 게 목적이 아니라, 봇이 일관된 성격을 유지하는 게 목적이기 때문이다.

▲ Hermes — 모델은 언제든 갈아끼우는 독립 화면의 값

위 다이어그램은 Hermes가 모델 선택을 두는 자리다. 봇 정의가 아니라 Models라는 독립 화면에 모델이 얹혀 있고, 사용자가 화면에서 프로바이더와 모델을 고르면 그 선택은 ~/.hermes/config.yaml 설정 파일의 한 줄로만 기록된다. 코드를 한 줄도 건드리지 않고, 다음 세션부터 에이전트는 새 모델로 생각한다. README가 이를 그대로 못 박는다 — "Use any model you want … Switch with hermes model — no code changes, no lock-in." OpenClaw가 모델을 봇 성격에 붙박아 바꾸기 어렵게(대신 일관되게) 만들었다면, Hermes는 모델을 봇 바깥으로 떼어 바꾸기 쉽게 만든 것이다. 두 그림을 같은 축에서 겹쳐 보면 차이가 선명하다 — 한쪽은 모델을 성격에 가두고, 다른 쪽은 성격에서 풀어놓는다.

전환 자유가 실제로 작동하는 법 — 프로바이더 하나가 수백 개 모델을 품는다

모델을 봇 바깥으로 빼놓기만 해서는 "자유"가 완성되지 않는다. 프로바이더(모델 API를 파는 회사·서버)를 바꿀 때마다 새 키를 받고 연결을 다시 걸어야 한다면, 화면에서 고른다는 것도 결국 번거로운 일이 된다. Hermes가 권하는 두 출처 OpenRouter와 Nous Portal은 이 번거로움을 없앤다 — 둘 다 수백 개 모델을 하나의 API·구독으로 묶어 파는 집계 게이트웨이(aggregator)다. README에 따르면 OpenRouter는 200여 개 모델을 한 API로, Nous Portal은 300여 개 모델을 한 구독으로 제공한다.

위 다이어그램은 Hermes의 전환 자유가 어떻게 값싸게 유지되는지 보여준다. 사용자는 통합 게이트웨이 한 곳(예: OpenRouter)에 API 키 하나만 등록해 두면, 그 아래 수백 개 모델 사이를 손가락 하나로 오간다. 여기에 집 서버의 GPU가 놀고 있다면 로컬 모델도 같은 화면에 끌어들일 수 있다 — vLLM(고성능 추론 서버)이나 Ollama(손쉬운 로컬 실행 도구)로 모델을 띄우면 OpenAI와 같은 형식의 주소가 생기고, 이걸 Custom Endpoint(직접 엔드포인트)라는 특수 프로바이더로 등록하면 클라우드 모델과 완전히 똑같이 고를 수 있다. 어느 경우든 모델을 바꿔도 바뀌는 건 설정 파일의 모델 이름 한 줄뿐이다. 이게 README의 "no code changes, no lock-in"이 실제로 도는 메커니즘이고, Hermes가 봇 성격 대신 전환의 마찰 없음을 최우선에 둔 결과다.

같은 자유가 짊어지는 대가 — 성격의 일관성은 스스로 지켜야 한다

모델을 봇 바깥으로 빼내 자유롭게 갈아끼우게 만든 대가는, OpenClaw가 공짜로 얻던 것을 Hermes는 스스로 챙겨야 한다는 데 있다. OpenClaw에서는 모델이 봇에 붙박여 있으니 "가족용 봇은 늘 가벼운 모델", "프로젝트용 봇은 늘 고급 모델"이라는 성격이 저절로 유지됐고, 채널 라우팅이 메시지를 제 성격의 봇에게 흘려보내면 그만이었다. 반면 Hermes에서 모델은 전역 값에 가깝다 — 화면에서 한 번 바꾸면 그 에이전트 전체의 두뇌가 바뀐다. 봇마다 다른 성격을 고정해 두는 일은 이 설계에서 기본으로 주어지지 않는다.

대신 Hermes는 그 자유를 다른 방향의 절약으로 되돌려 받는다. 에이전트는 사용자와 추론·대화하는 메인 작업 말고도, 이미지를 읽고 긴 대화를 압축하고 웹페이지를 요약하고 세션 제목을 짓는 보조 작업(auxiliary task)을 끊임없이 한다. 모델이 봇 바깥의 독립 값이라 나누기 쉬운 덕에, Hermes는 메인 슬롯과 보조 작업용 슬롯을 따로 두고 작업마다 다른 모델을 꽂을 수 있다 — 세션 제목 한 줄에 최고급 모델을 부르는 낭비를 막고, 문서 표현대로 "빠른 채팅 모델이면 1/50 비용으로 같은 일을" 시킨다. OpenClaw가 봇 성격을 묶어 일관성을 얻었다면, Hermes는 모델을 풀어놓은 자유를 작업별 최적화로 환전한 셈이다.

정리 — 자유를 사면 일관성을 내주고, 일관성을 사면 자유를 내준다

결국 두 봇은 "이 에이전트는 어떤 모델로 생각하는가"라는 같은 질문을, 그 답을 어디에 두느냐 하나로 정반대로 푼다. OpenClaw는 모델을 봇 성격에 붙박아 일관성을 사고 전환의 자유를 내줬고, Hermes는 모델을 독립 화면으로 떼어 전환의 자유를 사고 성격의 일관성을 내줬다.

	OpenClaw	Hermes
모델을 두는 자리	봇 정의 안 — 정책 묶음(모델·도구·스킬·기억)의 한 조각	봇 바깥 — 독립된 Models 대시보드 화면의 값
그 자리가 사는 것	봇 성격의 일관성 — 봇마다 고정된 두뇌	전환의 자유 — 언제든 프로바이더·모델을 갈아끼움

어느 쪽이 옳다기보다, 지키려는 것이 다르다. OpenClaw의 붙박이 방식은 "가족용 봇엔 가벼운 모델, 프로젝트용 봇엔 고급 모델"처럼 봇마다 역할이 고정된 운영에서 강하다 — 성격이 흔들리지 않는다. Hermes의 갈아끼우기 방식은 모델 경쟁이 한 달이 멀다 하고 뒤집히는 지금, 더 나은·더 싼 모델로 자주 갈아타며 실험하는 사람에게 강하다 — 두뇌를 부품처럼 교체한다. 봇을 봇답게 만드는 두뇌를 어디에 둘 것인가, 그 한 결정이 이 두 봇을 가르는 갈림길이었다.

---

이 글은 생성형 AI의 도움을 받아 작성되었습니다. 원본 자료를 기반으로 AI가 초안을 생성하고, 작성자가 검토·편집하였습니다.