한줄 요약
Hermes의 기본 메모리 한계를 넘어, 회사 전체 컨텍스트를 기억하는 AI 에이전트 Almanac의 등장.
무엇이 달라지나?
AI 에이전트가 "회사의 모든 맥락을 아는 존재"가 될 수 있다면 어떨까. Almanac은 바로 그 질문에서 출발한 서비스다. 세 명의 창업자 중 한 명인 Kushagra가 HackerNews에 직접 공개한 내용에 따르면, Almanac은 Hermes를 기반으로 하되 회사 정보 전체를 학습하고 기억하는 AI 에이전트를 지향한다.
Hermes는 현재 많은 팀이 내부 AI 어시스턴트를 구축할 때 출발점으로 삼는 도구다. 그런데 막상 실무에 붙이려 하면 문제가 쏟아진다. 커넥터마다 OAuth 앱을 직접 만들어야 하고, 컨텍스트를 수동으로 주입해야 하며, Hermes의 기본 메모리 구조가 기업 환경에 맞지 않는다. 창업자들 스스로 이 고통을 겪었고, YC 동기 팀들도 같은 문제를 반복하고 있다는 걸 목격한 뒤 Almanac을 만들었다.
Almanac이 기존 Hermes 직접 구축 방식과 다른 핵심 포인트는 세 가지다.
첫째, 원클릭 연동이다. Gmail, Calendar, Granola, PostHog 등 외부 서비스를 별도의 OAuth 앱 개발 없이 바로 연결할 수 있다. 개발자가 없는 팀도 직접 붙일 수 있다는 뜻이다.
둘째, 계정 권한 구조다. 개인 계정(본인만 접근 가능)과 공유 계정(팀 전체 접근 가능)을 분리해서 관리한다. 회사 내에서 민감한 정보와 공개 가능한 정보를 구분해 에이전트에게 먹이는 구조가 처음부터 설계되어 있다.
셋째, 컨텍스트 자동 축적이다. 수동으로 프롬프트를 정제하거나 문서를 밀어 넣는 작업 없이, 연결된 서비스들로부터 회사 맥락이 지속적으로 누적된다.
실무에서 어떤 의미인가?
AI 에이전트를 팀에 도입하려는 시도는 이미 많다. 그런데 상당수가 프로토타입 단계에서 막힌다. 범용 LLM 기반 챗봇은 회사 내부 맥락을 모른다. RAG 파이프라인을 직접 구축하자니 공수가 크고, Hermes 같은 에이전트 프레임워크를 사용하면 또 커넥터 연동과 메모리 관리라는 새 문제가 생긴다.
Almanac이 겨냥하는 건 바로 이 간극이다. 팀이 에이전트 인프라를 직접 구축하지 않아도, 회사 정보를 맥락으로 활용하는 AI 어시스턴트를 쓸 수 있게 하겠다는 것이다.
개발 외주나 내부 개발팀을 운영하는 조직 입장에서 보면, 이런 도구의 가치는 명확하다. 신규 입사자가 사내 히스토리를 파악하는 데 걸리는 시간, 반복적인 내부 질의 응답, 흩어진 SaaS 데이터를 종합해 판단해야 하는 상황, 이 모든 비용이 줄어들 수 있다. 단, 에이전트가 "진짜로" 회사 맥락을 잘 이해하고 있다는 전제가 붙는다.
도입 전 체크포인트
Almanac 같은 AI 에이전트 플랫폼을 실무에 도입하기 전 확인해야 할 사항들이 있다.
연동 서비스 호환 여부 확인이 먼저다. Gmail, PostHog, Granola 등 원문에 언급된 서비스들이 우리 팀 스택과 겹치는지 확인해야 한다. 지원하지 않는 내부 시스템이 핵심 데이터 소스라면 효용이 반감된다.
데이터 권한 설계를 미리 잡아야 한다. 개인 계정과 공유 계정을 어떻게 나눌지, 누가 어떤 컨텍스트에 접근할 수 있는지는 기술 문제가 아니라 조직 정책 문제다. 도구가 아무리 좋아도 이 설계가 엉성하면 에이전트가 잘못된 정보를 참조할 수 있다.
Hermes 기반이라는 점을 이해해야 한다. Almanac은 Hermes 위에 올라가 있다. Hermes 생태계의 장단점을 어느 정도 이해하는 사람이 팀 내에 있으면 운영 측면에서 훨씬 유리하다.
실제 사용 시나리오를 먼저 정의하라. "AI 에이전트가 있으면 좋겠다"는 막연한 기대보다, "신규 입사자가 슬랙 히스토리를 검색하는 시간을 줄이겠다"처럼 구체적인 시나리오가 있어야 도입 효과를 측정할 수 있다.
