1. 서론: 세 가지 에이전트 도구가 던지는 질문
2026년 현재 AI 코딩·자율 에이전트 생태계에서 가장 자주 비교되는 세 도구는 Claude Code CLI(Anthropic), Hermes Agent(Nous Research), MoAI-ADK(modu-ai)입니다. 세 도구는 모두 “모델을 둘러싼 환경”을 중시한다는 점에서 공통점이 있으나, 해결하려는 문제의 층위가 다릅니다.
Claude Code는 리포지토리 내부의 집중적 코딩 작업을 위한 agentic harness입니다. Hermes Agent는 세션을 넘는 장기 자율성과 자기개선 학습 루프를 중심으로 설계된 범용 자율 에이전트입니다. MoAI-ADK는 Claude Code 위에 SPEC·품질·비용·세션 연속성을 강제하는 메타 하네스입니다.
본고는 세 도구의 설계 철학, 아키텍처, 메모리·품질 메커니즘, 설치 방법, 필수 명령어, 실무 선택 기준, 학문적 함의를 비교·분석합니다. 목표는 “어느 것이 더 우수한가”가 아니라 “어떤 문제에 어떤 층위의 도구가 적합한가”를 명확히 하는 데 있습니다.
2. 각 도구의 개요
2.1 Claude Code CLI
Anthropic이 제공하는 agentic coding tool입니다. 터미널·IDE·데스크톱·웹 등 여러 surface에서 동작하며, 코드베이스를 읽고, 파일을 편집하며, 셸 명령을 실행하고, 테스트를 검증하는 agentic loop를 수행합니다. 공식 문서에서는 “agentic harness around Claude”로 정의됩니다. 모델이 추론을 담당하고, 하네스가 도구·권한·컨텍스트 관리·실행 환경을 제공합니다.
2.2 Hermes Agent
Nous Research의 오픈소스(MIT) 자율 에이전트입니다. 내장 학습 루프를 통해 경험을 스킬로 전환하고, FTS5 기반 지속 메모리를 유지하며, Telegram·Discord·Slack·WhatsApp·CLI 등 20개 이상의 플랫폼에서 단일 인스턴스로 동작합니다. 모델에 종속되지 않으며 OpenRouter·직접 API·로컬 추론을 자유롭게 전환할 수 있습니다. “the agent that grows with you”라는 수사가 핵심입니다.
2.3 MoAI-ADK
modu-ai가 개발한 Claude Code 전용 Agentic Development Kit입니다. Claude Code를 대체하지 않고, 그 위에 SPEC-First 워크플로우, TRUST 5 품질 게이트, Progressive Disclosure, 모델 라우팅, Git Worktree 병렬 개발을 구조적으로 강제합니다. 단일 Go 바이너리로 배포되며, 비용·자기개선·품질이라는 세 축을 명시적으로 목표로 합니다.
3. 설계 철학 비교
Claude Code의 철학은 “엔지니어가 목표를 정의하면 에이전트가 구현·검증까지 수행한다”는 점입니다. 자율성과 사용자 통제(권한 승인)의 균형을 중시합니다.
Hermes Agent의 철학은 “세션이 끝나도 학습이 남는다”는 점입니다. 스킬 자동 생성·개선과 사용자 모델링을 통해 시간이 지날수록 개인화된 능력이 축적됩니다.
MoAI-ADK의 철학은 “확률적 모델의 출력을 결정론적 프로세스로 감싼다”는 점입니다. SPEC 없이 코드를 작성하지 못하게 하고, TRUST 5로 품질을 강제하며, Progressive Disclosure로 토큰을 절감합니다.
요약하면, Claude Code는 “코딩 작업의 자율 실행”, Hermes는 “장기 자율성과 자기개선”, MoAI-ADK는 “코딩 품질과 재현 가능한 프로세스”에 각각 초점을 맞춥니다.
4. 아키텍처 심층 비교
4.1 Claude Code
핵심은 gather context → take action → verify results의 agentic loop입니다. 단일 스레드 루프 위에 권한 시스템, 다층 컨텍스트 압축, 도구 레지스트리, 서브에이전트, MCP·Skills·Hooks가 결합됩니다. 연구 분석에 따르면 코드의 상당 부분은 결정론적 인프라(권한·압축·라우팅)이며, 모델은 그 루프 안의 추론 노드로 위치합니다.
4.2 Hermes Agent
Agent-first 설계입니다. 게이트웨이는 에이전트에 종속된 채널일 뿐, 학습과 메모리의 중심은 에이전트 본체에 있습니다. 스킬은 Markdown 파일로 저장되고, 메모리는 로컬 SQLite+FTS5로 관리됩니다. 도구 호출은 병렬 처리가 가능하며, 실행 백엔드(local/Docker/SSH 등)를 선택할 수 있습니다.
4.3 MoAI-ADK
Claude Code를 감싸는 메타 계층입니다. 24\~28개의 전문화 에이전트와 50개 이상의 스킬, Progressive Disclosure(3단계 토큰 로딩), SPEC 생명주기, TRUST 5 게이트, Worktree 격리가 핵심입니다. Go로 재작성되어 시작 지연이 매우 낮고, 단일 바이너리로 배포됩니다.
5. 메모리·학습·품질 메커니즘
Claude Code는 CLAUDE.md와 세션 내 컨텍스트 압축, 체크포인트(/rewind)를 통해 상태를 관리합니다. 크로스 세션 학습은 기본적으로 사용자가 CLAUDE.md를 유지하는 방식에 의존합니다.
Hermes Agent는 내장 학습 루프와 FTS5 메모리, 스킬 자동 생성·개선이 핵심입니다. 사용 기간이 길어질수록 개인화된 절차 지식이 축적됩니다.
MoAI-ADK는 SPEC→TEST→CODE→DOCS의 추적 가능한 체인과 TRUST 5(Tested, Readable, Unified, Secured, Trackable)를 강제합니다. 품질은 “사후 검토”가 아니라 “사전·자동 게이트”로 다룹니다.
6. 모델 지원과 비용 구조
Claude Code는 Anthropic Claude 모델 계열을 중심으로 동작하며, 엔터프라이즈에서는 Bedrock/Vertex 연동이 가능합니다. Hermes는 모델 비종속적으로 OpenRouter·직접 API·로컬 모델을 자유롭게 전환합니다. MoAI-ADK는 Claude Code 위에서 동작하면서도 Claude/GLM 등 모드 전환(cc/glm/cg)을 지원하여 비용 최적화를 시도합니다.
비용 관점에서 Hermes는 유휴 시 거의 비용이 들지 않는 배포와 저가 모델 전환이 용이합니다. MoAI-ADK는 Progressive Disclosure로 토큰을 구조적으로 절감합니다. Claude Code는 모델 성능이 높은 대신 토큰 비용이 상대적으로 클 수 있습니다.
7. 플랫폼·Surface 비교
Claude Code는 터미널·VS Code·JetBrains·데스크톱·웹을 지원합니다. Hermes는 CLI/TUI와 함께 Telegram·Discord·Slack·WhatsApp·Signal·Email 등 메시징 중심 확장이 강점입니다. MoAI-ADK는 Claude Code surface 위에서 동작하며, Worktree를 통한 병렬 개발 환경 분리에 특화되어 있습니다.
8. 설치 방법 (필수)
8.1 Claude Code CLI
macOS / Linux / WSL
curl -fsSL https://claude.ai/install.sh | bash
Windows PowerShell
irm https://claude.ai/install.ps1 | iex
설치 후 cd 프로젝트경로 && claude로 시작합니다. 최초 실행 시 계정 로그인이 필요합니다. claude --version, claude doctor로 확인할 수 있습니다.
8.2 Hermes Agent
Linux / macOS / WSL2 / Termux
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash source \~/.bashrc
Windows PowerShell
iex (irm https://hermes-agent.nousresearch.com/install.ps1)
이후 hermes setup, hermes model로 초기 설정을 진행합니다.
8.3 MoAI-ADK
macOS / Linux / WSL
curl -fsSL https://raw.githubusercontent.com/modu-ai/moai-adk/main/install.sh | bash
Windows PowerShell 7+
irm https://raw.githubusercontent.com/modu-ai/moai-adk/main/install.ps1 | iex
Claude Code가 선행 설치되어 있어야 합니다. moai init 프로젝트명으로 하네스를 생성합니다.
9. 필수 명령어 비교
9.1 Claude Code
claude— 대화형 세션 시작claude -p "query"— 일회성 쿼리 후 종료claude -c— 최근 대화 이어가기/init— CLAUDE.md 생성/clear— 컨텍스트 초기화/help,/doctor,/rewind
9.2 Hermes Agent
hermes— CLI/TUI 시작hermes setup— 전체 설정hermes model— 모델·프로바이더 전환hermes tools— 도구 설정hermes gateway— 메시징 게이트웨이 시작hermes doctor,hermes update
9.3 MoAI-ADK
moai init,moai doctor,moai updatemoai cc / moai glm / moai cg— 모델 모드 전환- Claude Code 내부:
/moai plan "...",/moai run SPEC-XXX,/moai sync SPEC-XXX moai worktree go SPEC-XXX— 병렬 작업 환경 진입
10. 워크플로우 예시
순수 코딩 집중 작업에서는 Claude Code만으로도 충분합니다. /init 후 자연어로 기능을 지시하고, 테스트·커밋까지 진행할 수 있습니다.
품질·추적성이 중요한 팀 개발에서는 MoAI-ADK의 plan-run-sync 파이프라인이 유리합니다. SPEC을 먼저 고정한 뒤 TDD/DDD로 구현하고 문서를 동기화합니다.
장기 비서·멀티 채널 자동화에서는 Hermes Agent가 적합합니다. 게이트웨이를 띄워 두고, 스킬이 축적되면서 반복 업무의 효율이 높아집니다.
실무에서는 세 도구를 계층적으로 조합하는 경우가 많습니다. 예: Hermes로 일상 지시와 모니터링을 받고, 본격 코딩은 Claude Code(+MoAI-ADK)로 수행하는 방식입니다.
11. 강점·약점 요약
Claude Code의 강점은 코딩 성능, IDE 통합, 권한 모델, 대규모 코드베이스 탐색입니다. 약점은 기본적으로 Anthropic 모델 중심이며, 크로스 세션 자기개선은 제한적입니다.
Hermes Agent의 강점은 자기개선 학습 루프, 지속 메모리, 모델 비종속성, 멀티 플랫폼 게이트웨이입니다. 약점은 스킬 품질이 사용 패턴에 의존하고, 보안·격리 설정 책임이 사용자에게 크다는 점입니다.
MoAI-ADK의 강점은 SPEC-First, TRUST 5, 토큰 절감, Worktree 병렬성입니다. 약점은 Claude Code에 강하게 결합되어 있고, SPEC 작성 역량이 전체 성과의 상한을 결정한다는 점입니다.
12. 선택 기준과 조합 패턴
개인이 빠르게 기능을 구현하거나 디버깅할 때는 Claude Code가 1순위입니다. 팀에서 재현 가능한 프로세스와 품질 게이트가 필요할 때는 MoAI-ADK를 올리는 것이 좋습니다. 세션을 넘는 비서·자동화·멀티 채널 대응이 필요할 때는 Hermes Agent가 적합합니다.
이상적인 조합 중 하나는 다음과 같습니다. Hermes를 일상 인터페이스로 두고, 코딩 작업이 발생하면 Claude Code(필요 시 MoAI-ADK)로 넘기며, 결과와 학습은 다시 Hermes 메모리·스킬에 축적하는 흐름입니다.
13. 학문적 함의
세 도구는 공통적으로 “모델만으로는 부족하다”는 점을 인정합니다. 차이는 하네스가 무엇을 강제하느냐에 있습니다. Claude Code는 도구 사용과 권한·컨텍스트 관리, Hermes는 장기 메모리와 절차 학습, MoAI-ADK는 요구사항·테스트·추적성을 강제합니다.
이는 AI 에이전트 연구의 핵심 문제—자율성 대 통제, 장기 기억, 비용·품질 트레이드오프, 평가 방법론—를 제품 수준에서 서로 다른 해법으로 구현한 사례입니다. 특히 “에이전트가 스스로 쓴 스킬·SPEC이 실제로 성능을 향상시키는가”를 정량적으로 검증하는 연구는 아직 충분하지 않습니다.
14. 한계와 주의점
세 도구 모두 모델 성능의 상한에서 자유롭지 않습니다. 복잡한 아키텍처 결정과 도메인 특수 지식은 여전히 인간의 판단이 필요합니다. 또한 권한·격리·API 키 관리를 소홀히 하면 보안 위험이 커집니다. Windows 환경에서는 WSL 사용이 권장되는 경우가 많습니다.
MoAI-ADK는 Claude Code 없이는 의미가 제한적이고, Hermes의 스킬은 잘못된 절차가 축적될 위험이 있으며, Claude Code는 토큰 비용과 벤더 종속성 이슈를 고려해야 합니다.
15. 결론
Claude Code CLI, Hermes Agent, MoAI-ADK는 서로 다른 층위의 문제를 해결합니다. Claude Code는 코딩 작업의 agentic 실행, Hermes는 세션을 넘는 자기개선 자율 에이전트, MoAI-ADK는 코딩 품질과 프로세스 강제에 최적화되어 있습니다.
“하나만 고르는” 접근보다, 작업의 성격에 따라 계층적으로 조합하는 접근이 실무적으로 더 타당합니다. 설치는 세 도구 모두 원라인에 가깝게 단순하며, 필수 명령어만 숙지해도 바로 생산성을 얻을 수 있습니다. 장기적으로는 각 도구가 강제하는 규범(권한, 스킬, SPEC)을 팀의 개발 문화에 맞게 조정하는 능력이 성패를 가를 것입니다.
주요 근거
Claude Code: code.claude.com/docs , anthropic.com 공식 문서
Hermes Agent: github.com/NousResearch/hermes-agent , hermes-agent.nousresearch.com
MoAI-ADK: adk.mo.ai.kr , github.com/modu-ai/moai-adk
선택 기준 비교
| 기준 | Claude Code CLI | MoAI-ADK | Hermes |
|---|---|---|---|
| 추상화 층 | 저장소 작업 실행기 | 예산·품질 하네스 | 세션 밖 학습 루프 |
| 벤더 | Anthropic | Claude 밀착 | 오픈 가중치 가능 |
| 도입 조건 | 당장 코드를 고쳐야 할 때 | 팀 규율을 코드화할 때 | 반복 실패를 남겨야 할 때 |
| 비용 위험 | 긴 세션 토큰 | 하네스 학습 비용 | 로컬 GPU·라이선스 |
세 도구를 한 팀의 동시 표준으로 두지 마십시오. 허브 하나와 예외 하나를 정합니다.
문제 정의: 세 도구는 같은 층의 경쟁 제품이 아니다
CLI, 하네스, 학습 루프를 한 표의 승자로 고르면 도입이 실패합니다. 제약(보안, 벤더, 인원)이 승자를 정합니다. 평가 주에는 같은 버그를 넣어 재현 시간과 토큰을 재십시오.
Takeaway
- 세 도구는 경쟁 제품이라기보다 계층이 다릅니다. CLI, 학습 루프, 개발 킷을 같은 표의 “승자”로 고르지 마십시오.
- 벤더 종속을 못 받으면 Hermes 쪽, 팀 규율을 코드화하려면 MoAI, 당장 저장소를 고치려면 Claude Code입니다.
- 평가 항목은 스타가 아니라 실패 재현, 로그, 온프레미스 가능 여부입니다.
- 한 팀에 세 개를 동시에 표준으로 두지 마십시오. 허브 하나와 예외 하나를 정합니다.
파일럿 설계: 3주 안에 가짜 신호를 걸러내는 법
세 도구 모두 데모 시연은 인상적이다. 문제는 실제 저장소, 실제 팀 규율에서의 재현성이다. 아래는 도입 전 파일럿에서 반드시 확인해야 할 항목이다.
- 실패 재현성: 동일 버그 티켓을 월요일과 금요일, 서로 다른 컨텍스트 상태에서 각각 실행했을 때 같은 수준의 해결책이 나오는지 비교한다. 도구 소개 자료의 성공 사례는 대개 최적 조건에서의 1회 실행 결과다.
- 로그와 감사 추적: 자율 실행이 어떤 파일을 왜 수정했는지 사후에 재구성할 수 있는 로그가 남는지 확인한다. MoAI-ADK처럼 SSOT를 프로젝트 자산으로 관리하는 도구는 이 지점에서 유리하지만, 세 도구 모두 로그 보존 정책을 팀이 직접 점검해야 한다.
- 온프레미스·폐쇄망 가능 여부: 금융·공공 프로젝트처럼 외부 API 호출이 제한된 환경이라면, 모델 API 엔드포인트를 사내 프록시로 우회할 수 있는지, 원격 텔레메트리를 완전히 끌 수 있는지를 계약 전에 확인해야 한다.
- 롤백 시나리오: 자율 실행 중 잘못된 변경이 커밋되었을 때, 도구 자체의 되돌리기 기능에 의존하지 말고 브랜치 보호·PR 리뷰 같은 저장소 레벨 안전장치를 별도로 유지해야 한다.
세 지표에서 뚜렷한 차이가 없다면, 결정은 팀의 벤더 제약과 보안 요구 수준으로 내리는 것이 합리적이다.