Hermes Agent

Memory、過去セッション、Skillsを分けて持ち、経験を次の作業へ再利用する

Hermesは、重要な環境情報や作業上の学びをMEMORY.md、ユーザーの好みや期待をUSER.mdへ保存し、新しいセッションのsystem promptへ読み込みます。長い会話履歴はSQLiteとFTS5によるsession_searchから必要な箇所だけ取り出せるため、すべてを常時contextへ載せ続ける必要がありません。さらに、繰り返し使う手順はagentskills.io互換のSkillsとして保存でき、/learnを使えばローカルのコードやドキュメント、Webページ、直前に行った作業手順などから再利用可能なSkillを作成できます。背景のself-improvement reviewがMemoryやSkillsを更新する構成もあり、学んだ内容を次回以降へ持ち越すことが設計の中心にあります。

出典：[1][2][3]

チャットの入口と実行場所を分け、ローカルPCからクラウドsandboxまで同じAgentを動かす

Messaging Gatewayを起動するとTelegram、Discord、Slack、WhatsApp、Signalなどから同じ会話へアクセスでき、CLIで始めた作業を別の端末から継続できます。terminal backendはローカルだけでなくDocker、SSH、Singularity、Modal、Daytona、Vercel Sandboxなどを選択できるため、手元のファイルを操作する開発作業と、隔離された環境で行う自動処理を用途に応じて切り替えられます。Cronによる定期実行、isolated subagentによる並列作業、MCP server連携も備えており、単発チャットより継続的な作業基盤として構成できます。

出典：[1][4]

AIに毎回ゼロから説明するのではなく、自分の仕事のやり方を育てたい人へ

コーディング、調査、運用作業などで同じ説明や手順を何度もAIへ渡しており、それをMemoryやSkillsとして徐々に蓄積したい開発者に向きます。また、PCの前ではTUIを使い、外出時はメッセージアプリから依頼し、重い処理だけクラウドsandboxへ逃がすような運用とも相性があります。OpenRouter、OpenAI、Nous Portal、自前endpointなどモデルproviderを切り替えられるため、エージェントの状態や作業手順を特定モデルへ固定せずに運用したい場合にも比較候補になります。

出典：[1][2][3]

学習内容と実行権限の両方を管理する必要があり、常駐運用では隔離backendが重要になる

Hermesはshellやファイル操作を実行できるため、local terminal backendでは生成されたコマンドがホスト環境へ直接作用します。公式のSecurityドキュメントは、常駐Gatewayなど本番用途ではDocker、Modal、Daytona、Vercel Sandboxなどの隔離backendを使うことを推奨しています。dangerous command approvalは既定でsmartですが、設定によって弱めることもできるため、無人実行や外部メッセージ連携を行う場合はapproval、利用者allowlist、実行backendをセットで設計する必要があります。

Memoryは既定ではエージェントが自動更新できます。誤った推測や不要な情報を将来のsessionへ残したくない場合はmemory.write_approvalを有効にして保存前レビューを挟めます。Skillsもエージェント自身が作成・変更できるため、便利さと同時に『何を学習済みとして残すか』を定期的に確認する運用が必要です。LLM providerや外部チャットサービスへ送るデータは、それぞれのサービス側の条件にも従います。Hermes Agent本体はMITライセンスです。

出典：[4][2][3][5]