01핵심 개요 (표)
| 항목 | 내용 |
|---|---|
| 채널 | 배움의 달인 (AI·자동화), 진행자 김문장 |
| 주제 | Hermes(에르메스) Agent에서 MOA(Mixture of Agents) 세팅하기 |
| 핵심 모델 | 업스테이지 Solar Pro4 (국산 파운데이션 모델, 8월 10일까지 무료) |
| 목표 | 여러 프로바이더 모델을 섞어 한글 리포트 품질을 극대화 |
| 결과물 | 나만의 MOA 프리셋 'DPM'으로 작성한 리포트를 Obsidian에 저장 |
02핵심 내용 구조
이 영상은 크게 세 단계로 구성된다. 첫째, 업스테이지 Solar Pro4의 API 키를 발급받아 Hermes Agent의 프로바이더 설정에 등록하는 방법을 설명한다. 둘째, MOA(Mixture of Agents) 기능을 이용해 하나의 통합 모델(어그리게이터)과 여러 참조(reference) 모델을 조합하는 과정을 시연한다. 셋째, 완성된 MOA로 실제 리포트를 작성하고 이를 Obsidian 인박스 폴더에 저장하는 실사용 예를 보여준다. 진행자는 국산 독자 파운데이션 모델(독파모)이 잘 되기를 바라는 마음에서 만든 영상임을 강조한다.
03기술적 맥락
MOA(Mixture of Agents)는 서로 다른 여러 LLM을 동시에 활용하는 구조로, 각 모델이 답변을 생성하면 '어그리게이터(aggregator)' 모델이 이를 종합해 최종 결과를 만든다. 이 영상에서는 어그리게이터로 한국어에 강한 Solar Pro4를 두고, 참조 모델로 Luna Pro(Codex 계열), Grok 4.5, DeepSeek V4 Flash를 배치했다. 즉 리서치·추론은 외산 모델들이 담당하고, 최종 한글 문장 다듬기는 국산 Solar Pro4가 맡는 역할 분담 구조다. Solar Pro4는 업스테이지가 제공하는 API로 연결하며, 개발자용 API 키를 발급받아 Hermes Agent의 프로바이더 → API 키 항목에 붙여넣어 등록한다.
04전략적 의미
진행자는 외산 모델을 '교포 에이전트', 국산 독파모델을 '한국인 직원을 채용한 느낌'에 비유하며 한국어 자연스러움의 차이를 강조한다. 핵심 전략은 단일 모델에 의존하지 않고 비용·성능·언어 품질을 고려해 여러 모델을 조합하는 것이다. 외산 모델의 강한 추론·리서치 능력과 국산 모델의 뛰어난 한글 표현력을 상호 보완시키면, 비싼 외산 모델 의존도를 낮추면서도 품질을 유지할 수 있다. 나아가 저렴하고 성능 좋은 국산 모델은 교육·공공 행정 등 비용 민감한 분야에서 좋은 대안이 될 수 있다고 전망한다.
05핵심 워크플로우/방법론
첫째, 업스테이지 콘솔에서 언어를 한국어로 바꾸고 '직접 개발하기(API)' 방식으로 API 키를 발급·복사한다. 둘째, Hermes Agent 우측 상단의 오픈 세팅(톱니바퀴) → 프로바이더 → API 키에서 '업스테이지 솔라'를 찾아 키를 붙여넣고, 모델 목록에서 Solar Pro4를 선택해 테스트한다. 셋째, 설정 → 모델에서 'Mixture of Agents'로 들어가 어그리게이터에 Solar Pro4를 지정하고, 참조 모델로 Luna Pro·Grok 4.5·DeepSeek V4 Flash를 추가해 'DPM'이라는 MOA 프리셋을 만든다. 넷째, 모델 조합이 어렵다면 에이전트에게 직접 "리서치에 좋은 모델을 추천해 MOA를 만들어 달라"고 요청하면 자동으로 프리셋을 생성·세팅해 준다.
06활용 시나리오 (3개 이상)
- 한글 리포트 자동화: 여러 외산 모델이 리서치한 내용을 Solar Pro4가 자연스러운 한국어 리포트로 합성해 Obsidian 인박스에 자동 저장한다.
- 초보자용 자동 세팅: 어떤 모델을 섞을지 모를 때 에이전트에게 목적을 말하면 적합한 참조 모델을 추천하고 MOA 프리셋까지 만들어 준다.
- 비용 최적화 조합: 비싼 외산 모델은 핵심 추론에만 쓰고, 국산 무료·저가 모델을 어그리게이터로 두어 전체 비용을 낮춘다.
- 국산 모델 체험: 8월 10일까지 무료인 Solar Pro4를 직접 붙여 한국어 성능을 실측·비교해 볼 수 있다.
07현황 및 전망
Solar Pro4 모델은 2026년 8월 10일까지 무료로 제공되어 누구나 국산 파운데이션 모델의 성능을 체험할 수 있다. 진행자는 대부분의 사용자가 비용과 활용도 문제로 이미 여러 모델을 병행 사용하고 있다는 점을 지적하며, MOA 방식이 이런 흐름과 잘 맞는다고 본다. 앞으로 업스테이지, SKT 등 국산 모델들이 저렴하고 좋은 효율로 제공된다면 AI 산업 발전은 물론 교육·공공 행정용으로도 유력한 선택지가 될 것으로 전망한다.
08용어 사전 (표)
| 용어 | 설명 |
|---|---|
| Hermes(에르메스) Agent | 여러 프로바이더 모델과 MOA를 설정해 쓰는 LLM 에이전트 앱 |
| MOA (Mixture of Agents) | 여러 LLM을 조합하고 어그리게이터가 결과를 종합하는 기능 |
| 어그리게이터(Aggregator) | 참조 모델들의 답변을 취합해 최종 결과를 만드는 대표 모델 |
| Solar Pro4 | 업스테이지의 국산 파운데이션 모델, 한국어 성능 강점 |
| 독파모(DPM) | '독자적 파운데이션 모델'의 줄임말, 영상 속 MOA 프리셋 이름 |
