Hermes Agent ist ein Kandidat, wenn persistentes Memory, wiederverwendbare Skills und parallele Subagents für einen länger laufenden Workflow benötigt werden. Ob daraus im Betrieb bessere Ergebnisse entstehen, muss über feste Testfälle und Qualitätsmetriken belegt werden.
Hersteller und Lizenz
Hermes Agent kommt von Nous Research - derselben Gruppe, die auch das Hermes-4-Modell und andere Open-Weight-Modelle veröffentlicht. Das Agent-Framework ist MIT-lizenziert, getrennt von den Modell-Weights, und funktioniert mit jedem LLM-Provider.
Repo: github.com/NousResearch/hermes-agent · Site: hermes-agent.nousresearch.com
Architektur in Stichpunkten
- Python 87,8 % / TypeScript 9 % - CLI-first mit voller TUI
- Streaming-Tool-Output, Slash-Commands, Multiline-Editing
- Memory: agent-curated, FTS5-Volltext über Sessions, LLM-basiertes Cross-Session-Summarizing, Honcho-Dialectic-User-Modeling
- 60+ Built-in Tools laut aktueller Dokumentation, plus native MCP-Integration
- Mehrere Modellprovider und OpenAI-kompatible beziehungsweise individuelle Endpoints
- 6 dokumentierte Terminal-Backends: lokal, Docker, SSH, Singularity, Modal und Daytona
- Parallele Subagents über Python-RPC mit isolierten Konversationen
- Skill-Standard kompatibel mit agentskills.io
Was Hermes besonders macht: Self-Improvement
Klassische Agenten-Frameworks führen Tools aus und antworten. Hermes geht einen Schritt weiter: Der Agent analysiert sein eigenes Verhalten und schlägt Skill-Konsolidierungen vor.
Illustratives Beispiel: Ein Recherche-Agent nutzt für eine wiederkehrende Anfrage dieselben freigegebenen Quellen und Prüfschritte. Diese Sequenz kann als Skill vorgeschlagen und nach menschlicher Prüfung persistiert werden. Ob der Skill Qualität oder Kosten verbessert, wird anschließend gegen feste Testfälle gemessen.
Subagent-Orchestrierung
Ein Hermes-Master-Agent kann parallele Subagents mit getrennten Konversationskontexten starten. Das kann relevant sein, wenn Sie:
- Marktdaten aus mehreren Quellen parallel aufbereiten möchten
- Multi-Tenant-Setups baust (jeder Kunde bekommt eigenen Subagent-Kontext)
- Lange laufende Recherchen aufteilst (5 Subagents je 30 Min, parent aggregiert)
Self-Host-Anforderungen
- Linux/macOS empfohlen (Windows via WSL2)
- Python-Runtime (Repo nennt keine harte Mindestversion - typisch 3.11+)
- Optional Docker für isolierte Sandboxes
- Bei lokalen Modellen: GPU sinnvoll, Ollama oder vLLM-Compatible-Endpoint
Für ein Setup mit Cloud-Modell ist keine lokale Modell-GPU nötig. Trotzdem müssen RAM, CPU und Speicher zu parallelen Agenten, Browser-Sessions, Containern, Gateway und Datenbanken passen. Ein kleiner VPS kann für einen begrenzten Agenten genügen; produktive Multi-Agent-Workloads werden nach Lasttest dimensioniert.
Killer-Features im Überblick
- Agentenverwaltete Skills - wiederkehrende Abläufe können als prüfbare Fähigkeiten persistiert werden
- Natural-Language-Cron: "Jeden Mo, Mi, Fr um 8:00 schick mir einen Pipeline-Bericht in Slack" - fertig
- Messaging: Telegram, Discord, Slack, WhatsApp, Signal, Email, CLI
- Erweiterungen: Web-Search, Browser-Automation, Vision, Image-Gen, TTS, Multi-Model-Reasoning
- Serverless-Deploy via Modal/Daytona - kostet im Idle fast nichts
Use-Cases im DACH-Mittelstand
- Autonomer DevOps-Agent: Backups prüfen, Disk-Auslastung melden, Hot-Fixes vorbereiten
- Long-running Research-Agent: Marktdaten kontinuierlich beobachten, Briefings erstellen
- Kundenservice-Triage mit Skill-Pflege: wiederkehrende Abläufe und gewünschte Tonalität werden versioniert und evaluiert
- Daily Briefings: Sales-Pipeline, Top-Tickets, Kalender - auf den Punkt um 7:00
- Multi-Tenant-Subagents: für SaaS, wo jeder Kunde isolierten Agenten braucht
Hermes als Agent in Paperclip
Hermes führt Arbeit aus. Paperclip organisiert, warum, für wen, in welchem Budget und mit welcher Eskalation diese Arbeit geschieht. Über den offenen Hermes-Paperclip-Adapter kann eine Hermes-Laufzeit als verwaltete Rolle mit dem Adaptertyp hermes_local in einer Paperclip-Organisation geführt werden.
Management- und Governance-Ebene
Mission, Organigramm, Ziele, Projekte, Tickets, Zuständigkeiten, Heartbeats, Budgets und menschliche Eingriffe.
Ausführende Agenten-Laufzeit
Kontext, Memory, Skills, Tools, MCP, Recherche, Schreiben, Aktionen und isolierte Subagent-Arbeit.
Ein typischer Rollout beginnt mit einer Rolle und einem lesenden oder vorschlagenden Workflow. Erst wenn Authentifizierung, Heartbeats, Session-Fortsetzung, Toolrechte, Kosten und Fehlerfälle stabil sind, wird die Autonomie erweitert.
Was wir vor dem produktiven Betrieb testen
- Kompatibilität der konkreten Paperclip-, Hermes- und Adapter-Versionen
- Erreichbarkeit und Authentifizierung zwischen Paperclip und Hermes-Laufzeit
- Ticketübernahme, Heartbeat, Session-Fortsetzung und Abbruchverhalten
- Skill-Verfügbarkeit und Synchronisierung in der eingesetzten Version
- Tool- und MCP-Berechtigungen sowie die Behandlung von Secrets
- Kostenmessung, Provider-Limits und menschliche Freigabepunkte
Vollständiger Leitfaden: Paperclip + Hermes für Unternehmen →
Vergleich: Wann Hermes statt OpenClaw oder NanoClaw?
| Schwerpunkt | Zu prüfender Kandidat |
|---|---|
| Self-improving / lernender Agent | Hermes |
| Parallele Subagents | Hermes |
| Python-Stack | Hermes |
| Maximale Channel-Breite | OpenClaw |
| Container-Isolation pro Agent (DSGVO) | NanoClaw |
| Minimaler Footprint / 1-GB-VPS | NanoClaw |
So beginnen Sie
- VPS aufsetzen (z.B. Hostinger KVM)
- Offiziellen Installer beziehungsweise die aktuelle Installationsanleitung verwenden
- Modellprovider und Kostenlimit konfigurieren
- Hermes zunächst ohne kritische Geschäftszugriffe testen
- Memory-, Skill- und Tool-Regeln definieren
- Für Team-Orchestrierung die Paperclip-Integration im Shadow Mode prüfen
Cross-Site-Verbindungen
Wir betreiben eine separate, ausführliche DACH-Site speziell zu Hermes-Agent-Setup, Templates und Affiliate-Hosting:
- hermesagenten.de - Detail-Setup-Guides, Templates, Hostinger-Empfehlung
Häufige Fragen
Ist Hermes Agent dasselbe wie das Hermes-4-Modell?
Nein. Hermes Agent ist eine Agenten-Laufzeit; Hermes-Modelle sind mögliche Sprachmodelle. Beides kommt aus dem Umfeld von Nous Research, ist technisch aber getrennt. Hermes Agent unterstützt mehrere Provider und OpenAI-kompatible Endpoints.
Was ist "self-improving"?
Hermes Agent kann eigene Skills erstellen und verbessern. Wenn der Agent merkt, dass er regelmäßig dieselbe Sequenz an Schritten ausführt (z.B. immer gleiche Quellen für eine bestimmte Frage prüft), schlägt er vor, das als Skill zu persistieren - und beim nächsten Mal ruft er den Skill direkt auf, statt zu rekonstruieren.
Welche Hardware brauche ich?
Bei Nutzung externer Modell-APIs benötigt Hermes vor allem eine stabile Laufzeit für Gateway, Tools und geplante Jobs. Der Bedarf wächst mit parallelen Agenten, Browsern, Containern und lokalen Datenbanken. Lokale Modelle benötigen je nach Modell und Quantisierung deutlich mehr RAM oder GPU-Speicher. Wir dimensionieren nach realem Workload statt mit einer pauschalen VPS-Angabe.
Was ist Honcho-Dialectic-User-Modeling?
Honcho ist ein Memory-Subsystem, das nicht nur Sessions speichert, sondern Modelle des Benutzers aufbaut. Über Zeit lernt der Agent Vorlieben, Schreibstile, Fachgebiete des Users. In B2B-Settings ist das mächtig: Account-Manager-Agent erinnert sich, wie Kunde X verhandelt.
Welche Modelle kann Hermes ansprechen?
Hermes unterstützt mehrere Provider, darunter Nous Portal, OpenRouter und OpenAI-kompatible Endpoints. Die aktuelle Providerliste ändert sich mit Releases; entscheidend ist, dass Modell und Provider pro Zielumgebung geprüft und austauschbar geplant werden.
Lock-in-Risiko?
Der MIT-lizenzierte Code und mehrere Provider reduzieren den Lock-in. Ganz verschwindet er nicht: Skills, Providerfunktionen, Tool-APIs und Betriebsprozesse können Abhängigkeiten erzeugen. Wir dokumentieren diese bewusst und halten Daten sowie Konfiguration soweit möglich portabel.