본문으로 건너뛰기

JFlow에 AI 팀 붙이기: Hermes에서 Staff와 Intel 에이전트 만들고 협업 실험 (1주 차)

아이콩

2026.10.08

JFlow에 AI 팀 붙이기: Hermes에서 Staff와 Intel 에이전트 만들고 협업 실험 (1주 차) 본문 이미지

JFlow에 AI 팀 붙이기: Hermes Staff와 Intel 협업 실험 (1주 차)

1. 왜 자비스 대신 Hermes로 실험했나?

이번 지피터스 24기 AI 팀 하네스 스터디에서는 자비스(CYS Terminal)를 예제로 소개했습니다. Master, CSO, Worker, Reviewer 등의 역할을 활용해 AI 팀에 업무를 맡기고, 결과를 검토하고 개선하는 방식입니다.

저는 이미 JFlow라는 프로젝트 관리 웹앱을 개발하고 있어 조금 다른 방향으로 접근했습니다.

새로운 AI 팀 관리 플랫폼을 만드는 것보다, 기존 JFlow에서 AI 에이전트를 활용하는 것이 목표였기 때문입니다.

스터디 예제

제가 선택한 방향

자비스 기반 AI 팀 운영

JFlow와 Hermes 결합

예제 플랫폼의 업무 관리 구조 활용

기존 JFlow의 업무 구조 유지

역할별 에이전트 구성과 협업

Staff와 Intel로 협업 방식 검증

처음부터 실제 운영에 필요한 모든 기능을 구축하기보다는, 작게 실험한 뒤 효과가 있는 기능만 JFlow에 연결하기로 했습니다.


2. JFlow는 무엇이고, 어디까지 만들었나?

JFlow는 여러 프로젝트를 한눈에 관리하고, 사람과 AI가 함께 업무를 진행하도록 만드는 웹앱입니다.

구분

내용

목적

프로젝트, 마일스톤, 태스크를 한곳에서 관리

현재

기본 관리 UI와 업무 규칙 구성, 사람과 AI의 업무 실행 흐름 일부 설계 및 개선

최종 목표

JFlow에서 AI에 업무를 요청하고, 실행 결과를 다시 웹앱에서 확인하고 관리

지난 9월 워케이션에서는 사람과 AI가 함께 프로젝트를 진행하는 구조를 검토하고 일부 작업했습니다.

이번 스터디에서는 그 구조에 실제 AI 에이전트를 연결하려고 합니다.


3. 최종적으로 만들고 싶은 시스템 구조

3-1. JFlow에서 요청하고 Hermes가 실행한다

파이썬 프로그램의 다이어그램

이 그림은 최종 목표 구조입니다. JFlow와 Hermes의 직접 연동은 3주 차에 구현할 예정입니다.

3-2. 이렇게 설계한 이유

한국어 텍스트가 적힌 블루 스크린

핵심은 업무 관리와 AI 실행을 분리하는 것입니다.

JFlow는 프로젝트와 태스크를 관리하고, Hermes는 실제 AI 작업을 수행합니다. 공통 저장소에는 작업 정의, 실행 결과, 검증 근거를 남깁니다.

이렇게 하면 업무 관리 기능의 중복을 줄이고, 필요하면 AI 실행 엔진을 교체하거나 확장할 수도 있습니다.

최종적으로는 JFlow에서 태스크 하나를 AI에 요청하면, Hermes가 실행하고 결과를 다시 JFlow에 전달하는 방식을 구현하려고 합니다.


4. 4주 스터디 로드맵

화면에 한국어가 표시됩니다

시점

주요 작업

목표

1주 차 완료

Staff와 Intel 구성, 조사 및 검토

두 에이전트 협업 검증

2주 차 초반

Hermes 최신 버전 업데이트, JFlow 업무 맥락 보강

실험 준비와 공통 컨텍스트 확보

2주 차

싱글, 멀티, 서브 에이전트 비교와 자동 위임 실험

적합한 구성 선택, 자동 위임 1건 검증

2주 차 말

Hermes API 연동 사전 검증

JFlow 연동 방식 확인

3주 차

JFlow와 Hermes 연결

웹앱에서 태스크 요청, 실행 결과 확인

4주 차

개선, 안정화, 전체 회고

최종 데모와 사례글 작성

현재 위치는 1주 차 완료, 2주 차 준비 단계입니다.

4주 동안 완성된 상용 시스템을 만들기보다는, JFlow에서 AI 업무를 실행하고 결과를 확인하는 최소 동작을 실제로 시연하는 것이 목표입니다.


5. 1주 차에는 무엇을 했나?

5-1. Staff와 Intel 구성

기존 Ubuntu 24시간 서버의 Hermes Agent v0.20.0을 활용해 두 개의 독립 Profile을 만들었습니다.

한국어 웹사이트의 스크린샷

에이전트

역할

Staff

업무 총괄, 작업 정의, 결과 검토, 후속 작업 제안

Intel

AI 기술 조사, 출처 검증, 업무 적합도 평가

두 에이전트 모두 GPT-6.1 Sol로 설정하고, 각각 별도의 SOUL.md에 역할과 운영 원칙을 정의했습니다.

공통 문서와 결과물은 Hermes 내부가 아닌 **~/ai-hub**에 저장하도록 했습니다.

ai-hub/
├── INDEX.md
└── reports/
    ├── 20261008-intel-task.md
    ├── 20261008-intel-v1.md
    ├── 20261008-intel-sources.md
    ├── 20261008-staff-review-v1.md
    └── 20261008-intel-v2.md

5-2. 실제 협업 흐름

한국어 도표

이번에는 두 에이전트를 제가 CLI에서 순서대로 실행했습니다.

아직 자동 위임은 아니지만, 공유 문서를 통해 업무를 전달하고 결과를 검토하는 협업 흐름을 실제로 확인했습니다.

5-3. 진행하면서 발생한 문제

처음에는 두 에이전트 모두 공통 Index 문서를 읽지 못했습니다.

원인은 Ubuntu 호스트와 Docker 컨테이너의 경로 차이였습니다.

  • Ubuntu 호스트: /home/jp/ai-hub

  • Docker 컨테이너: /workspace/ai-hub

기존 볼륨 연결을 확인하고 경로를 수정하자 Staff와 Intel 모두 동일한 공통 문서를 정상적으로 읽었습니다.


6. 첫 번째 조사 결과는 어땠나?

Intel에게 2026년 10월 1~8일의 AI 에이전트 하네스와 개발 도구 변경 사항을 조사하도록 했습니다.

Claude Code, Codex CLI, Hermes, Aside 등 기존 도구와 비교해 실제 도움이 될 만한 후보를 평가하도록 했습니다.

Intel V1 결과

항목

결과

주요 기술 후보

5건

인용한 고유 공식 출처 URL

32개

업무 적합도 4.0점 이상 후보

2건

실행 시간

15분 25초

도구 호출

84회

그런데 Intel이 높은 점수를 준 기술이 실제로 제 업무에 필요한 개선인지는 확실하지 않았습니다.

그래서 Staff에게 조사 결과를 검토하도록 했습니다.


7. Staff 검토 후 V2에서 실제로 무엇이 달라졌나?

사례 ① Claude Code의 Hook과 권한 처리 수정

Intel은 Claude Code에서 일부 Hook 동작과 권한 처리 문제가 수정된 내용을 발견했습니다.

Hook은 도구 실행을 허용·차단하거나 작업 종료 시 검사를 수행하도록 구성할 수 있는 기능입니다.

V1

V2

4.40점 추천

평가 보류

JP가 Claude Code를 사용하므로 중요한 개선이라고 판단

해당 Hook을 실제 사용하는지, 영향받는 버전인지 확인 후 판단

달라진 점: 제품에 중요한 변경인지와 내 업무에 실제로 필요한 변경인지를 구분했습니다.

사례 ② Codex CLI의 세션 재개와 권한 처리 개선

Intel은 Codex CLI 0.161.0에서 세션 재개 이력, 실행 권한, 손상된 데이터베이스 보존 관련 개선 사항을 조사했습니다.

예를 들어 JFlow 개발 중 Codex의 작업이 중단되고, 재개했을 때 이전 작업 이력이 누락되어 같은 분석을 반복한다면 문제가 됩니다.

이런 문제를 해결하는 업데이트라면 실제 도움이 될 수 있습니다.

V1

V2

4.40점 추천

조건부 검토, 확정 점수 보류

Codex로 개발하므로 효과가 높을 것으로 예상

실제로 세션 재개 문제가 있었는지, 수정이 필요한 버전인지 먼저 확인

달라진 점: 도구 업데이트 자체가 아니라 실제 문제 해결 여부를 판단 기준으로 삼았습니다.

위 상황은 이해를 돕기 위한 예시이며, 제 환경에서 해당 오류가 실제 발생한 것으로 확인된 것은 아닙니다.

사례 ③ 근거가 부족한 주장 삭제

V1에는 Claude Code의 read-deny 관련 수정 주장도 포함되어 있었습니다.

Staff가 근거 자료를 확인한 결과, 해당 표현을 직접 뒷받침하는 출처가 부족했습니다.

V2에서는 해당 주장을 삭제했습니다.

V1과 V2 비교 요약

실제 사례

V1

V2

Claude Code Hook 수정

적합도 4.40점 추천

실제 사용 조건 확인 전 평가 보류

Codex CLI 세션 재개 개선

적합도 4.40점 추천

문제 발생 여부 확인 후 판단

근거가 부족한 주장

포함

삭제

신규 운영 방식 제안

기존 방식과 중복 가능

기존 개발 방식 확인 우선

실행 판단

기술 변경의 잠재적 가치 중심

실제 순효과와 적용 조건 중심

이번 개선의 핵심은 새로운 정보를 더 많이 찾은 것이 아닙니다.

Staff 검토와 사용자 피드백을 통해 과도한 추천을 줄이고, 근거가 부족한 주장을 수정하고, 실제 적용 조건을 명확하게 만든 것입니다.

다만 단일 에이전트만으로도 유사하게 개선할 수 있는지는 비교하지 않았고, 실제 개발 생산성이 향상됐다는 결과도 아직 없습니다.


8. 이번 실험에서 얻은 점

확인한 것

발견한 한계

다음 단계

Staff와 Intel의 역할별 협업 성공

JP가 중간에서 에이전트를 실행해야 함

2주 차 자동 위임 검증

공통 문서 읽기와 공유 성공

실제 업무 맥락이 부족함

2주 차 실험 전 컨텍스트 보강

검토와 피드백으로 V1 → V2 개선

멀티 에이전트의 효율은 미검증

2주 차 동일 업무 비교

조사와 검토 결과를 문서로 보관

JFlow 웹앱과 연결되지 않음

3주 차 연동

특히 공통 Index가 있다고 해서 AI가 기존 업무를 충분히 이해하는 것은 아니라는 점을 확인했습니다.

에이전트가 이미 구축한 개발 절차를 모르고 중복되는 문서나 업무를 제안하는 경우가 있었습니다.

또한 두 에이전트를 사용했다고 해서 반드시 더 좋은 결과가 나온다고 결론 내릴 수는 없었습니다.

다음에는 동일한 업무를 여러 에이전트 구성으로 비교해 보려고 합니다.


9. 앞으로의 계획

2주 차: 업무 맥락 보강과 에이전트 구성 비교

먼저 Hermes를 최신 안정 버전으로 업데이트하고, 기존 Staff와 Intel이 정상 동작하는지 확인할 예정입니다.

이어서 JFlow의 기존 설계와 실제 개발 환경을 공통 컨텍스트에 연결하려고 합니다.

별도의 복잡한 기억 시스템을 만드는 대신 이미 있는 문서를 필요한 만큼 선택적으로 읽는 방식을 우선 적용할 생각입니다.

이후 동일한 JFlow 관련 업무를 세 가지 방식으로 비교합니다.

방식

구성

싱글 에이전트

Staff 단독 수행

멀티 에이전트

Staff와 독립 Intel Profile 협업

싱글 + 서브 에이전트

Staff가 하위 에이전트에 업무 위임

결과 품질, 소요 시간, 비용, JP 개입 횟수를 비교할 계획입니다.

특히 이번에는 Staff가 Intel에게 실제로 자동 위임하고 결과를 돌려받는지 검증하려고 합니다.

최신 Hermes의 Bot Mode와 에이전트 통신 기능을 확인하되, 사용 조건에 따라 대체 실행 방식도 검토할 예정입니다.

2주 차 말에는 JFlow에서 사용할 Hermes API의 호출과 응답 방식도 미리 점검하려고 합니다.

3주 차: JFlow와 Hermes 연결

JFlow에서 태스크 하나를 AI에 요청하고, Hermes 실행 결과를 다시 JFlow 웹앱에서 확인하는 것이 핵심 목표입니다.

자동 위임 구조가 복잡해지면 우선 단일 에이전트로 왕복 실행을 성공시키고, 검증된 멀티 에이전트 방식을 연결하는 순서로 진행할 생각입니다.

4주 차: 개선과 전체 회고

3주 차까지 구현한 기능의 오류와 사용성을 개선하고, 큰 신규 기능 추가보다는 전체 실험 결과를 정리할 계획입니다.

마지막에는 JFlow에서 실제 AI 업무를 실행하는 데모와 4주 전체 사례글을 만들려고 합니다.


10. 마무리

이번 1주 차에는 JFlow와 Hermes를 직접 연결하지는 않았습니다.

대신 두 에이전트를 구성하고, 공통 저장소를 통해 작업 정의 → 조사 → 검토 → 피드백 → 개선까지 실제로 수행했습니다.

가장 의미 있었던 부분은 조사 에이전트가 높은 점수를 준 기술을 총괄 에이전트가 다시 검토하면서 최종 추천이 달라졌다는 점입니다.

동시에 AI가 기존 업무 맥락을 충분히 모르면 불필요한 작업을 제안할 수 있다는 한계도 확인했습니다.

다음 주에는 같은 업무를 여러 에이전트 구성으로 비교하고 자동 위임을 검증한 뒤, 이를 JFlow의 실제 업무 실행 기능과 연결해 보려고 합니다.

1

함께 이야기해요 1

로그인하고 댓글을 남겨 주세요

망원궁예 프로필 이미지
망원궁예2026.10.15

J Flow 기능이 정말 방대하네요! 다음주에 헤르메스 연결하시는것도 기대됩니다. 고생많으셨습니다!

필요한 AI 정보만
메일함에 쏙쏙 넣어드려요.

지금 핫한 AI 소식부터 직접 해 본 사례까지, 월요일마다 무료로 받아보세요

이런 사례도 있어요

사례 전체 보기