Hermes Agent: что это и как пользоваться

Hermes Agent — это не IDE-плагин, который подсказывает код. Это отдельный AI-агент с persistent memory: запоминает контекст между сессиями, сам создаёт Skills (процедурную память) и работает через CLI, Telegram, Discord и ещё 18 мессенджеров. Разработан Nous Research под MIT-лицензией. Open-source, поднимается за 2 минуты, пашет на локальных моделях.

Что такое Hermes Agent

Hermes Agent — автономный AI-агент от Nous Research. В отличие от Cursor, Claude Code и Copilot, которые живут в вашем редакторе и умирают, когда вы закрыли IDE, Hermes — это агент с памятью. Он работает через CLI или мессенджеры, запоминает ваши разговоры, автоматически создаёт Skills (процедурную память) и сам себя улучшает по ходу работы.

Разработчик — Nous Research, та же лаборатория, что сделала модели Hermes, Nomos, Psyche. MIT-лицензия, репозиторий открыт. Можете поднять на своих серверах или подключить через Nous Portal (BYOK-альтернатива для тех, у кого нет желания управлять инфраструктурой).

Архитектура: закрытый цикл обучения

Главная фишка Hermes — closed learning loop. Агент не просто выполняет команды. Он курирует свою память и процедурные знания. Вот как это работает:

• Agent-curated memory — система подсказывает, агент сохраняет durable facts в persistent memory. Это не RAG, это FTS5 (full-text search) + LLM-суммаризация. Память не протухает между сессиями.
• Autonomous skill creation — после сложной задачи (5+ вызовов инструментов, преодолённые ошибки, нетривиальный workflow) агент предлагает сохранить подход как Skill. Это процедурная память: не данные, а способ их обработать.
• Skill self-improvement — если скилл устарел или ошибочен, агент сам патчит его через skill_manage(action='patch'). Вы не правите руками, агент сам поддерживает актуальность.
• FTS5 cross-session recall — агент ищет контекст из прошлых диалогов через SQLite FTS5, не LLM embeddings. Быстро, локально, без облачного embedding API.
• Honcho dialectic user modeling (опционально) — Honcho — бэкэнд для построения модели пользователя через диалектику. Не обязательно, но если подключить, агент начинает понимать, кто вы и что для вас важно.

Это и есть главная разница с Cursor или Claude Code: память не умирает, когда вы закрыли окно.

Skills System — процедурная память

Skills — это markdown-файлы с frontmatter (YAML). Агент создаёт их автоматически при успешном решении задачи. Вы можете устанавливать Skills из Skills Hub (agentskills.io) через hermes skills install <name>. Skills совместимы со стандартом agentskills.io — переносимые, shareable.

Агент загружает скилл через skill_view(name), когда задача релевантна. Например, есть скилл software-development-lifecycle — агент подгружает его, когда вы просите спроектировать фичу. Или github-workflows — когда вы работаете с PR.

Если скилл сломан или устарел, агент не ждёт, когда вы его исправите. Он сам патчит через skill_manage(action='patch'). Процедурная память самообслуживается.

MCP и интеграция с внешними сервисами

Model Context Protocol (MCP) — стандарт для подключения LLM-агентов к внешним источникам данных. Hermes поддерживает MCP-серверы из коробки: вы можете подключить GitHub, Slack, базы данных, file watcher, custom API — всё через единый протокол.

Как это работает: вы запускаете MCP-сервер (например, для GitHub), добавляете его в config.yaml, и агент получает доступ к инструментам этого сервера. Например, github_create_pr, github_search_issues, github_read_file. MCP-серверы работают в отдельных процессах, агент не зависит от их падений.

Кроме MCP, Hermes встраивает 20+ мессенджеров: Telegram, Discord, Slack, WhatsApp, Signal, Matrix, Email, Teams, WeChat, DingTalk и другие. Вы запускаете агента один раз на сервере, подключаете Telegram gateway, и дальше взаимодействуете с агентом прямо из чата. Он отвечает, выполняет задачи, пишет код, коммитит, открывает PR — всё через мессенджер.

Для кого Hermes Agent

Hermes подходит разработчикам, founders, freelancers, researchers — всем, кому нужна автоматизация через AI-агента с памятью. Вот кому он точно не подходит: если вы хотите inline code completion в IDE, как в Copilot, берите Copilot. Hermes не про автокомплит, он про полноценные задачи.

Типичные use cases:

• Code review — скармливаете PR, агент анализирует, находит баги, предлагает рефакторинг.
• Рефакторинг — "убери дубли в папке /src, оставь общую утилиту" — агент сам найдёт повторения, выделит функцию, обновит импорты.
• Генерация кода по спеке — "напиши REST API для юзеров, FastAPI, Pydantic, SQLAlchemy, три эндпоинта: create, get, delete" — агент пишет, тесты, миграции.
• Автоматизация DevOps — запуск CI/CD, деплой через MCP, мониторинг логов.
• Работа с документацией — "найди в доках, как настроить rate limiting в FastAPI" — агент ищет, цитирует, предлагает код.
• Мультимодальная автоматизация — через Telegram gateway: "возьми скриншот, найди баг, опиши, открой issue" — агент делает всё.

Кому не подходит: если вам нужно просто писать код быстрее с автокомплитом в IDE и вы не хотите возиться с CLI или мессенджерами, Cursor или Copilot будут удобнее.

Как начать

Установка занимает 2 минуты. Вот команда для Linux/macOS:

curl -fsSL https://install.hermes-agent.nousresearch.com | bash

Для Windows (PowerShell):

irm https://install.hermes-agent.nousresearch.com/windows | iex

После установки запустите hermes setup --portal — откроется веб-интерфейс в браузере. Там выберите провайдера (OpenAI, Anthropic, Groq, локальная модель через Ollama), введите API-ключ (или подключите локальную модель), и агент готов.

Первая задача:

hermes chat -q "Напиши FastAPI эндпоинт /health, который возвращает {\"status\": \"ok\"}"

Агент напишет код, сохранит в файл, предложит запустить сервер и проверить.

Сравнение: Hermes vs Claude Code vs Cursor vs Copilot

Вот краткая таблица, чтобы понять, когда выбирать Hermes:

Hermes выигрывает в трёх сценариях:

• Cross-session work — когда нужна память между сессиями (например, вы работаете над проектом неделями, и агент должен помнить контекст).
• Multi-platform automation — когда вы хотите управлять агентом через Telegram/Discord, а не через IDE.
• Open-source и self-hosting — когда вы не хотите зависеть от облачных провайдеров или вам нужен full control над данными.

Claude Code, Cursor и Copilot лучше, если вам важен inline autocomplete в IDE и вы не хотите возиться с CLI.

Pricing

Hermes Agent — open-source (MIT-лицензия), поэтому если вы поднимаете на своих серверах, платите только за API-вызовы к LLM (OpenAI, Anthropic, Groq, локальная модель через Ollama). Self-hosting стоит $0.

Если не хотите управлять инфраструктурой, есть Nous Portal — BYOK (bring your own key) альтернатива. Вы подключаете свой API-ключ OpenAI или Anthropic, и Nous Portal управляет агентом за вас. Цена зависит от провайдера (OpenAI API, Anthropic API), но Nous Portal сам не берёт абонентку.

Ограничения и подводные камни

Hermes не заменяет IDE. Если вы привыкли к inline autocomplete в Cursor или Copilot, Hermes не даст такого UX. Он про полноценные задачи, не про автокомплит.

Skills Hub ещё молодой. Скиллов не так много, как хотелось бы. Но агент сам создаёт скиллы, так что со временем база растёт.

MCP-серверы требуют настройки. Если вы не хотите возиться с конфигами, проще взять готовое облачное решение (Claude Code, Cursor).

Telegram gateway работает только с одним аккаунтом за раз. Если вам нужна мультитенантность (несколько юзеров → один агент), придётся поднимать несколько инстансов или использовать профили.

@yourself_realize

Разбираю AI-агентов и MCP

В канале — кейсы, гайды и честные обзоры инструментов для разработчиков.

Подписаться

FAQ

Если хотите глубже разобраться в MCP и как строить AI-агентов, есть курс Тимура про LangChain, MCP и интеграцию с Yandex. Там разбор архитектуры, кейсы и практика.

@yourself_realize

Больше про AI-агенты и автоматизацию

Подписывайтесь на канал — там кейсы, гайды и честные обзоры без хайпа.

Подписаться