도구 검색 — 필요 시 도구 로드

열쇠고리에 3000개나 되는 열쇠를 달고 다니면서 현관문을 연다고 상상해 보세요. AI 어시스턴트가 수백 개의 외부 도구를 작업 메모리에 모두 로드해 두면 벌어지는 일이 바로 이런 겁니다. 모든 도구에는 “사용 설명서”(JSON 스키마)가 딸려 있는데, AI는 아무리 사소한 작업을 할 때조차 그 설명서를 전부 읽어야 하거든요.

도구 검색(Tool Search) 은 여기에 똑똑한 창고 관리자를 하나 붙여주는 셈입니다. 평소에는 자주 쓰는 도구 몇 개만 손에 쥐고 있다가, 실제로 필요할 때만 나머지 도구를 꺼내 쓰는 방식이죠.

왜 필요할까?

Hermes Agent에 GitHub, Cloudflare, Linear 같은 외부 서비스를 여러 개 연결하면, 서비스마다 AI의 컨텍스트 창에 문서 한 덩어리씩 추가됩니다. 이건 소중한 “작업 메모리”인데, 관련 없는 지침들로 희석되기 쉽습니다. 결과는? 응답 속도 저하, 추론 능력 악화, 심지어 AI가 핵심 지침을 통째로 “까먹는” 일까지 생깁니다.

어떻게 동작하나?

도구 검색을 활성화하면 AI는 더 이상 모든 도구를 직접 보지 못합니다. 대신 세 개의 “브리지” 도구만 보게 됩니다.

tool_search(query, limit?)     # 도구 카탈로그 검색
tool_describe(name)            # 도구의 전체 매뉴얼 읽기
tool_call(name, arguments)     # 도구 실행

일반적인 흐름은 이렇습니다.

# 1. 맞는 도구 찾기
tool_search("create a github issue")
# → 일치하는 도구 반환

# 2. 매뉴얼 읽기
tool_describe("mcp_github_create_issue")
# → 필수 파라미터 표시

# 3. 실행하기
tool_call("mcp_github_create_issue", {"title": "Fix bug", "body": "..."})
# → 이슈 생성 성공

핵심 포인트: AI가 tool_call을 호출하면 시스템이 브리지를 “풀고” 실제 도구를 실행합니다. 모든 보안 검사와 승인 절차는 그대로 적용됩니다. AI가 보는 것만 줄어들 뿐, 하는 일은 동일하다는 거죠.

언제 작동할까?

도구 검색은 단계적 공개(티어드 디스클로저) 전략을 사용합니다.

단계	조건	AI가 보는 것
0	외부 도구 없음	모든 도구 직접 표시, 브리지 없음
1	도구 수 적음	브리지 + 짧은 목록 (이름 + 한 줄 설명)
2	도구 수 많음 (예: Cloudflare의 3300개)	브리지 + 서버별 한 줄 요약 (이름 + 도구 개수)

센스 있는 부분: 작은 도구(Linear)와 거대한 도구(Cloudflare)를 함께 쓰는 경우, 시스템은 Linear의 전체 목록은 유지하고 Cloudflare만 한 줄로 접어버립니다. 무작정 전부 숨기는 게 아니에요.

핵심 도구는 항상 유지

Hermes의 내장 도구(터미널, 파일 입출력, 웹 검색)는 절대 지연 로딩되지 않습니다. 이들은 AI의 핵심 기능이므로 항상 직접 사용 가능한 상태로 유지됩니다. 창고에 들어가는 건 오직 외부 MCP 도구와 플러그인뿐입니다.

마무리

도구 검색은 AI에게 적시 재고 시스템을 달아주는 것과 같습니다. 도구 개수가 폭발적으로 늘어날 때 발생하는 “주의력 분산” 문제를 해결해 주죠. 실용 팁: AI가 간단한 작업에서 느리거나 엉뚱한 반응을 보인다면, 연결된 외부 도구 개수를 확인해 보세요. 도구 검색을 활성화하면 속도와 정확도 모두 눈에 띄게 개선되는 걸 느낄 수 있을 겁니다. 일상적으로는 도구 개수를 10개 미만으로 유지하는 게 가장 매끄러운 경험을 보장합니다.

---