ai:platformy:hermes-agent

Hermes Agent

Hermes Agent je open-source AI agent od Nous Research, který kombinuje CLI rozhraní, messaging gateway, persistentní paměť, skills, MCP integrace a plánované automatizace. Podle oficiální dokumentace nejde jen o chat nad jedním API, ale o běhové prostředí pro dlouhodoběji fungujícího agenta, který může běžet lokálně i vzdáleně. Prakticky dává smysl všude tam, kde nestačí jednorázový chat s LLM a je potřeba agent s nástroji, pamětí, vlastní konfigurací a více vstupními kanály.

Z README a dokumentace vychází, že Hermes Agent staví hlavně na kombinaci několika vrstev:

  • CLI a terminálové TUI – interaktivní rozhraní s historií, slash příkazy, multiline editací a průběžným výstupem nástrojů.
  • Messaging gateway – komunikace přes Telegram, Discord, Slack a WhatsApp; README zmiňuje i Signal. Jeden gateway proces obsluhuje více platforem.
  • Volbu modelu bez lock-inu – lze přepínat mezi Nous Portal, OpenRouter, OpenAI a vlastním endpointem bez změn kódu.
  • Toolsets a MCP – web, browser automation, terminál, práce se soubory, paměť, cron a další integrace.
  • Skills systém – dovednosti jako on-demand knowledge documents a slash příkazy; Hermes je umí i vytvářet a upravovat.
  • Persistentní paměť a session search – ukládá stručné poznámky o prostředí i uživateli a umí hledat ve starších sezeních přes SQLite a FTS5.
  • Delegaci a paralelizaci – umí spouštět izolované subagenty a skládat vícekrokové workflow přes programatické volání nástrojů.
  • Plánované úlohy – vestavěný cron scheduler pro pravidelné reporty, kontroly nebo doručování výstupů.
  • Více backendů pro běh – local, Docker, SSH, Singularity, Modal a Daytona.

Hermes Agent dává smysl hlavně v situacích, kde je potřeba z agenta udělat spíš dlouhodobě běžící pracovní prostředí než jen jednorázový chat:

  • Agent na VPS nebo vzdáleném stroji – může běžet mimo notebook a být dostupný přes chat z mobilu nebo z jiného zařízení.
  • Osobní nebo týmový pracovní agent – díky paměti, skills a session search si drží kontext napříč delším používáním.
  • Automatizace a pravidelné úlohy – denní reporty, noční kontroly, periodické maintenance úkoly nebo plánované zprávy.
  • Bezpečnější oddělení běhu od hostitele – projekt podporuje kontejnery, SSH i cloud sandboxy, takže agent nemusí běžet přímo na host systému.
  • Výzkum a sběr trajektorií – repozitář obsahuje i infrastrukturu pro batch generování trajektorií, RL prostředí a export trénovacích dat.

Pokud tedy někdo hledá AI agenta, který má žít mimo IDE, být dostupný z více kanálů a postupně si budovat provozní paměť, dává Hermes Agent větší smysl než klasické „chat UI nad modelem“.

Podle architektury projektu už nejde o jeden jednoduchý chat loop. Hermes je rozdělený do několika samostatných subsystémů:

  • run_agent.py – jádro agent loopu
  • cli.py – interaktivní terminálové rozhraní
  • model_tools.py a toolsets.py – registr nástrojů a jejich skupin
  • hermes_state.py – session storage nad SQLite
  • gateway/ – messaging gateway a routing konverzací
  • cron/ – plánované úlohy
  • plugins/memory/ – pluginy pro paměťové providery
  • acp_adapter/ – editorová integrace přes ACP
  • environments/ – benchmarky, RL a generování dat

To je důležité i prakticky: Hermes není vlastní foundation model, ale orchestrace nad vybraným modelem, nástroji a provozním prostředím.

Projekt se prezentuje jako „self-improving“ agent. Z dokumentace ale vyplývá, že to není automatické přeučování modelu, ale kombinace několika mechanismů:

  • agent si udržuje krátkou persistentní paměť v MEMORY.md a USER.md
  • umí vyhledávat ve starších sezeních a shrnovat je pro další použití
  • používá skills jako procedural memory
  • po složitějších úkolech může vytvářet nebo upravovat vlastní skills
  • podporuje dlouhodobé používání napříč různými kanály a sessions

Jinými slovy: „zlepšování“ stojí hlavně na paměti, dovednostech, session recall a lepší organizaci práce agenta, ne na tom, že by si Hermes sám trénoval nový LLM.

README uvádí rychlou instalaci takto:

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc
hermes

Projekt podle dokumentace podporuje Linux, macOS a WSL2. Nativní Windows podporované nejsou.

Po instalaci dávají smysl hlavně tyto příkazy:

hermes model
hermes tools
hermes setup
hermes gateway
hermes doctor

Prakticky je rozumné začít nejdřív lokálně v CLI, nastavit model a nástroje, a teprve potom přidávat gateway, vzdálený backend nebo plánované úlohy.

Podle bezpečnostní dokumentace má Hermes více obranných vrstev:

  • autorizaci uživatelů pro messaging gateway
  • schvalování nebezpečných příkazů
  • izolaci přes Docker, Singularity, Modal nebo Daytona
  • filtrování credentialů pro MCP a subprocessy
  • skenování kontextových souborů kvůli prompt injection

Prakticky jsou důležité hlavně tyto body:

  • v lokálním běhu kontroluje nebezpečné shell příkazy a může žádat potvrzení
  • v kontejnerových backendech je hlavní bezpečnostní hranicí samotný sandbox
  • gateway má allowlisty a párovací mechanismus pro schvalování uživatelů
  • proměnné prostředí a credential files se do sandboxů nepouští automaticky bez řízeného passthrough

Pokud má agent běžet dlouhodobě a být dostupný z chatu, není to detail navíc, ale jedna z klíčových částí celého nasazení.

  • Široký záběr projektu – Hermes řeší CLI, messaging, paměť, skills, toolsets, MCP i automatizace. To je silné, ale znamená to i složitější setup než u jednoduchých agent CLI nástrojů.
  • Bezpečnost není volitelná kosmetika – persistentní agent s přístupem k terminálu a chat platformám potřebuje dobře nastavené backendy, allowlisty a práci s tajemstvími.
  • Self-improving je potřeba chápat správně – nejde o autonomní trénování modelu, ale o lepší dlouhodobou práci s pamětí, skills a historií.
  • Nejde o produkt pro každého – pokud někdo chce jen rychlý chat nad jedním modelem, může být Hermes zbytečně robustní. Pokud ale chce provozovat vlastního agenta jako systém, dává tenhle přístup smysl.
  • ai/platformy/hermes-agent.txt
  • Poslední úprava: 2026/04/05 07:34
  • autor: Petr Nosek