Hermes Agentとは？自己学習型OSSの仕組み・使い方・OpenClawとの違い

自律型 AI エージェントの OSS は 2026 年に入って一気に存在感を増し、Hermes Agent、OpenClaw、OpenHands、Aider など、選択肢が乱立しています。どれも「自律的にタスクを進める」「長時間稼働する」と謳っており、リポジトリの README を読むだけでは自分のユースケースに合うかを判断するのは容易ではありません。

なかでも Hermes Agent はリポジトリのスター数が約 19.3 万（2026 年 6 月時点）まで急伸し、「self-improving（自己改善）」というキャッチコピーも目を引きます。さらに 2026 年 6 月の v0.16.0 でネイティブのデスクトップアプリが登場し、「業務常駐アシスタントとして試してみたい」と考えるエンジニアが増えています。

一方で、スター数や標語だけでは「他のエージェントと何が違うのか」「自分の目的に合うのか」は判断できません。加えて、実際に試そうとすると「LLM は自前で接続するのか」「curl ワンライナーをそのまま叩いていいのか」「記事に書いてあるコマンドがバージョンで変わっていないか」といった、最初のつまずきが待ち構えています。

この記事は、Hermes Agent を初めて知ったエンジニアが、まず採用可否を判断し、合うと判断した場合につまずかずにインストール〜初回起動まで到達できることを目的にしています。機能の網羅的な紹介ではなく、固有の設計思想・類似 OSS との使い分け・最初のつまずきポイントの回避に重点を置きます。

記載する情報はすべて公式 README、Hermes Agent 公式ドキュメント、および GitHub リポジトリ に基づくドキュメントベースの情報です。なお、本記事では動作検証を行っていないため、各コマンドの実行結果や最新の挙動は必ず一次情報で確認してください。バージョンによってコマンドや前提条件が変わる前提で読み進めることをおすすめします。

Hermes Agentとは？Nous Researchの自己学習型OSSエージェント

Hermes Agent は、米国の AI 研究組織 Nous Research が公開している OSS の自律型 AI エージェントです。公式 GitHub リポジトリ では "The agent that grows with you"（あなたと共に成長するエージェント）というキャッチコピーで紹介されています。

特徴的なのは、単に LLM をツール呼び出しでラップしたエージェントではなく、エージェント自身が使用する中で記憶を整理し、スキル（再利用可能な手順）を自律的に生成して蓄積していく仕組みを持つ点です。Nous Research はこれを "built-in learning loop（組み込みの学習ループ）" と呼んでいます。

Nous Researchとの位置づけ

Nous Research は独自の LLM シリーズ「Hermes」や推論ランタイム、分散学習基盤「Psyche」、ユーザー向け UI「Nous Portal」などを公開している研究組織です。Hermes Agent はその名のとおり Hermes モデル群の応用実装として位置づけられており、Nous Portal や自前の Hermes モデルと組み合わせて使うことも、後述のとおり OpenAI / Anthropic などの外部プロバイダを差し替えて使うことも可能です。

基本スペック（2026年6月時点）

スター数・フォーク数は調査時点（2026 年 6 月 15 日、gh api /repos/NousResearch/hermes-agent での取得値）の概数です。Hermes Agent は 2026 年 2 月末のリリースからわずか数か月でスター 19 万超まで伸びており（出典: GitHub リポジトリ、The Agent Report 2026年6月）、成長スピードが速いぶん、ネット上の解説記事に載っているコマンドやバージョンは古くなりやすい点に注意してください。ライセンスが MIT であるため、商用利用を含めて比較的柔軟に採用を検討できる点も押さえておきたいポイントです。

Hermes Agentの特徴｜「閉じた学習ループ」が他のOSSエージェントと違う

Hermes Agent の最大の差別ポイントは、冒頭でも触れた閉じた学習ループ（closed learning loop）です。公式では「使い続けるほど能力が上がる、組み込みの学習ループを持つ唯一のエージェント」と表現されており、これを支える要素が 4 つ組み合わさっていることを README で明示しています（出典: README）。

1. Agent-curated memory with periodic nudges — エージェント自身がメモリを整理し、定期的にユーザーへリマインドを行う
2. Autonomous skill creation after complex tasks — 複雑なタスクを解いた後、再利用可能なスキルを自律生成する
3. Skill self-improvement during use — 使用中にスキル自体をエージェントが改善する
4. FTS5 cross-session recall with LLM summarization — SQLite の FTS5 による全文検索と LLM 要約を組み合わせ、過去セッションを横断的に想起する

これらは「単機能」として個別に存在するのではなく、記憶 → スキル化 → 再利用 → 改善 というループを閉じさせる形で設計されています。多くの AI エージェント OSS が「記憶」と「ツール呼び出し」を別個に持つのに対し、Hermes Agent は両者を学習ループとして接続している点が他と一線を画します。さらに README では、対話の積み重ねからユーザー像を深めていく仕組みとして、Honcho によるユーザーモデリングも組み込まれていると説明されています。

Agent-curated memoryとスキル自動生成

Hermes Agent のスキルは、一般的なプラグインのように人間が事前に定義するだけでなく、エージェント自身がタスク完了後に生成する点が特徴です。公式ドキュメントによれば、スキルは ~/.hermes/skills/ に "on-demand knowledge documents" として保存され、以下のような条件で自律生成が発火します（出典: 公式ドキュメント）。

• 5 回以上のツール呼び出しを伴う複雑タスクを完了したとき
• 試行錯誤の末に解決策を発見したとき
• ユーザーから修正指摘を受けたとき
• 非自明なワークフローを発見したとき

生成されるスキルは agentskills.io のオープン標準フォーマットに準拠しており、SKILL.md という YAML フロントマター付き Markdown として表現されます。README に掲載されている代表的なフォーマット例は以下のとおりです（出典: README。改変せず引用）。

---
name: skill-name
description: 説明
version: 1.0.0
platforms: [macos, linux]
metadata:
  hermes:
    tags: [category]
    category: devops
    requires_toolsets: [terminal]
---

この形式に準拠しているため、エージェントが生成したスキルを人間がレビュー・修正し、他のエージェントや他ユーザーと共有するという運用も可能です。スキルハブ経由で公式・コミュニティ配布のスキルを取得することもでき、2026 年 6 月時点ではコミュニティスキルが 9 万件規模まで拡大していると報じられています（出典: The Agent Report 2026年6月）。

15以上のプラットフォーム対応メッセージングゲートウェイ

もう一つの特徴が、単一ゲートウェイプロセスで 15 以上のメッセージングプラットフォームを扱えることです。README では Telegram / Discord / Slack / WhatsApp / Signal / Matrix / Mattermost / Email / SMS / DingTalk / Feishu / WeCom などが対応先として挙げられています（出典: README）。

起動は hermes gateway 系のコマンドで行い、プロファイルごとに独立した Gateway プロセスを立ち上げる設計です。CLI で対話するだけでなく、自分宛ての Telegram bot 的に使う、チームの Slack チャンネルに常駐させる、といった運用パターンを同じバイナリで切り替えられる点は、他の多くのコーディングエージェント OSS にはない価値です。README にも「ノート PC に縛られない。クラウド VM で作業しながら Telegram から話しかけられる」と明記されています。

スケジュール実行とサブエージェント

v0.16.0 時点の Hermes Agent には、自然言語で記述したタスクを定期実行する組み込みの cron スケジューラが備わっており、日次レポートや夜間バックアップといったジョブを、無人で各メッセージングプラットフォームに配信できます。また、並列ワークストリームのために隔離されたサブエージェントを起動する機能もあり、複数ステップのパイプラインをまとめて処理できます（出典: README）。「長時間走らせて自動化したい」という用途を最初から想定している設計だと言えます。

6種類のターミナルバックエンド

Hermes Agent の実行環境（シェルコマンドを動かす先）は、用途に応じて切り替えられます。

個人 PC からの利用ならローカル、業務利用でサンドボックスを効かせたいなら Docker、長時間タスクをコスト効率よく回したいなら Daytona / Modal、というように利用シーンごとに実行基盤を差し替えられる設計になっています。Daytona と Modal はアイドル時に環境がハイバネートするため、待機中のコストをほぼゼロに抑えられる点が README でも強調されています。

MCP連携と対応LLMプロバイダの広さ

Hermes Agent は Model Context Protocol（MCP） のクライアントとして動作し、任意の MCP サーバーを接続することでツールを拡張できます。公式の記述では「MCP サーバーに接続し、ツールをフィルタして安全に Hermes を拡張する」と明言されており（出典: README）、既存の MCP エコシステムをそのまま取り込める点も強みです。

LLM プロバイダは特定ベンダーに縛られず、Nous Portal、OpenRouter（200+ モデル）、OpenAI、Anthropic（Claude）、Hugging Face、NVIDIA NIM、Xiaomi MiMo、z.ai GLM、Kimi・Moonshot、MiniMax、自前エンドポイントなどから選択でき、hermes model でコード変更なしに切り替えられます（出典: README）。ここで重要なのは、Hermes Agent は LLM を内蔵していないため、利用には必ず何らかのモデルプロバイダの接続が必要という点です。この「自前で LLM を接続する」前提が、後述する最初のつまずきポイントのひとつになります。

Hermes Agentのアーキテクチャ概要｜AIAgentを核とする3エントリポイント構成

ここからは、Hermes Agent の採否を判断する上で重要なアーキテクチャを整理します。詳細は公式ドキュメントの Developer Guide を参照してください。

3つのエントリポイントと単一AIAgent

Hermes Agent の実行系は、単一の AIAgent クラスを複数のエントリポイントが共有する構造です。エントリポイントの違いは「誰から入力を受け取るか」だけで、エージェント本体のロジックは一つに集約されています。

公式ドキュメントでは「プラットフォームの差異はエントリポイント側に閉じ込められ、AIAgent 本体には持ち込まれない」と説明されています（出典: 公式ドキュメント）。この設計により、CLI で動いたスキルが Telegram bot としてもそのまま動作することが保証されやすく、運用環境の切り替えコストが小さいことが期待できます。

なお 2026 年 6 月の v0.16.0 では、これらに加えてネイティブのデスクトップアプリ（macOS / Linux / Windows）と Web ダッシュボードという新しい接点が追加されました。デスクトップアプリはストリーミングチャット・ドラッグ&ドロップでのファイル投入・コマンドパレットなどを備えており、CLI に不慣れなユーザーでも入りやすくなっています（出典: Hermes Agent v0.16 リリースブログ）。

セッション永続化とSQLite+FTS5

セッション・メモリは SQLite に永続化され、全文検索には FTS5 が使われます。ここに先述の LLM 要約を組み合わせることで、長期にわたるセッション横断の想起を実現しています。プロファイル単位で HERMES_HOME・設定・メモリ・セッション・Gateway PID が独立する設計のため、複数プロファイルを並行稼働させることも可能です（出典: 公式ドキュメント）。

プラグイン・拡張ポイント

Hermes Agent は拡張ポイントを明確に切り分けています。

• プラグイン: ~/.hermes/plugins/（ユーザー）/ .hermes/plugins/（プロジェクト）/ pip entry points
• メモリプロバイダ: 差し替え可能（1 つのみ有効）
• コンテキストエンジン: 差し替え可能（デフォルトはロッシー要約）
• スキル: バンドル + 公式オプション + ハブ（agentskills.io 経由）
• MCP: サーバー接続の追加により、実質的に任意のツールを拡張可能

メモリやコンテキストエンジンがプラグインとして差し替え可能である点は注目に値します。たとえば独自の長期記憶実装や、社内情報を含めたコンテキスト最適化エンジンを差し込みたい場合にも、コア側を改変せず拡張できる構造になっています。

セキュリティ境界

自律エージェントをプロダクション環境に近い形で運用するうえで避けて通れないのがセキュリティです。Hermes Agent は以下の境界を設けています（出典: README / 公式ドキュメント）。

• 危険コマンド検出: rm -rf などの破壊的コマンドを検出し、承認フローに載せる
• ゲートウェイ認可: allowlist と DM ペアリングによりメッセージング経由の利用者を制限
• コンテナ分離: Docker バックエンドなどの実行サンドボックスを標準で提供
• クレデンシャル管理: Credential Files / 環境変数パススルーでシークレットを中央管理
• プラットフォーム間セッション隔離: 異なるメッセージングプラットフォームのセッションを論理的に分離

v0.16.0 では Web ダッシュボードの追加にあわせて、SSRF 対策・クレデンシャルのサニタイズ・Starlette の CVE 対応などのセキュリティ強化も入りました。ただし公式は「Web UI は運用・管理用の面であり、localhost・VPN・SSH トンネルの背後に置くべきで、公開ダッシュボードにはしない」と明確に注意喚起しています（出典: Hermes Agent v0.16 リリースブログ）。これらの機能が揃っていることから、Hermes Agent は研究・実験用途に留まらず、小規模チームのプロダクション運用も視野に入れた設計になっていると判断できます。

Hermes Agentの使い方｜インストールから初回起動までの手順

ここまでの内容を踏まえて採用候補として検討する場合、次に知りたいのは「どう試すか」です。本節では README・公式ドキュメントの記述に沿って、インストールと初回起動の流れ、そして検索者がつまずきやすいポイントを整理します。繰り返しになりますが、動作検証は行っていないため、各コマンドの実行結果や最新の挙動は一次情報で確認してください。

ステップ1：インストール（curlワンライナー）

README 記載のインストールスクリプトは以下のとおりです（出典: README。改変せず引用）。

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

このインストーラは uv・Python 3.11・Node.js・ripgrep・ffmpeg をまとめて用意してくれます。Windows の場合は、システムの Git に干渉しないポータブルな Git Bash（MinGit）も自動でセットアップされる設計です。対応 OS は Linux / macOS / WSL2 と公式で案内されています。

つまずきポイントの一つ目がここです。curl 経由でスクリプトを実行する形式のため、本番環境や共有マシンに導入する場合は、スクリプトの内容を一度ダウンロードしてレビューしてから実行することをおすすめします。スクリプト URL も以前の raw.githubusercontent.com/... 配下から公式ドメイン配下へ変わっているため、古い解説記事のコマンドをそのままコピーしないよう注意してください。

ステップ2：シェルの再読み込みと初期セットアップ

インストール後は、PATH を通すためにシェルを再読み込みします（出典: README）。

source ~/.bashrc    # zsh の場合は source ~/.zshrc

その後、初期セットアップを行います。Hermes Agent は対話形式のセットアップウィザードを用意しており、まとめて設定したい場合は次のコマンドが便利です。

hermes setup        # 設定をまとめて行うフルセットアップウィザード

ここで二つ目のつまずきポイントが出てきます。前述のとおり Hermes Agent は LLM を内蔵していないため、何らかのモデルプロバイダの接続が必須です。OpenAI・Anthropic・OpenRouter などを使う場合、それぞれの API キーを取得しておく必要があります。モデルのほかに Web 検索・画像生成・音声合成・クラウドブラウザなどを使おうとすると、API キーが複数枚に膨らみがちで、ここで手が止まりやすいのが実情です。

ステップ3：API キー集めを省略したい場合（Nous Portal）

複数の API キーを用意するのが面倒な場合の近道として、公式は Nous Portal というサブスクリプションを案内しています。モデル（300+）に加えて、Web 検索・画像生成・TTS・クラウドブラウザをひとつのサブスクリプションでまとめて扱えるため、キー集めのつまずきを回避できます（出典: README）。

hermes setup --portal    # OAuth でログインし Nous をプロバイダに設定

「とりあえず最短で動かしたい」段階では Nous Portal で一括設定し、用途が固まってから hermes model で自前プロバイダに切り替える、という進め方が現実的です。プロバイダ非依存の設計なので、後から乗り換えてもコード変更は不要です。

ステップ4：起動と主要コマンド

セットアップが終わったら、対話を開始します。README で案内されている代表的なコマンドは次のとおりです（出典: README）。

うまく動かないときは hermes doctor で診断できる点を覚えておくと、三つ目のつまずきを早く切り分けられます。Telegram や Slack で運用したい場合は、対話 CLI とは別に hermes gateway 系のセットアップ・起動を行う流れになります。なお、デスクトップアプリ（v0.16.0 以降）を使う場合は、ワンクリックインストールとアプリ内の自動アップデートに対応しているため、CLI 操作に不安がある場合はこちらから入るのも選択肢です。

LLMプロバイダ・モデルの選び方

前述のとおり Hermes Agent はプロバイダ非依存ですが、運用観点で以下のトレードオフを考慮する必要があります。

• 自前モデル（Hermes / Nous Portal） — Nous Research のモデルと相性が良く、研究用途や同社エコシステム内で使う場合に有利。Portal なら関連ツールもまとめて使える
• OpenAI / Anthropic — 信頼性が高く、コード生成・長文推論の実績が豊富。コストは高め
• OpenRouter — 200+ モデルに横断アクセスできるため、ベンチマークやコスト最適化に有利
• OSS / 自前エンドポイント — プライバシー要件が厳しい環境で有効。ただし応答品質・ツール呼び出し精度は要検証

どのプロバイダを選ぶかで Hermes Agent のエージェントとしての振る舞いが大きく変わる点は、試す前に意識しておきたいポイントです。学習ループの性質上、ツール呼び出しを多く伴うため、ツール呼び出し（function calling）の精度が高いモデルを選ぶと初期の体験がスムーズになります。

類似OSSとの比較｜OpenClaw・Aider・OpenHandsとの使い分け

ここまで読んで「Hermes Agent はわかった。ただ OpenClaw や Aider と何が違うのか」という問いが残るはずです。2026 年に入ってからの日本語の検索結果でも、Hermes Agent と並んで比較されることが最も多いのは OpenClaw です。本節では代表的な類似 OSS との差分を整理し、どんな場面でどれを選ぶべきかを言語化します。

OpenClawとの比較（ゲートウェイ統合 vs 学習ループ）

OpenClaw は、Discord / Telegram / Slack / WhatsApp などのメッセージングプラットフォームを束ねる、ゲートウェイ型のアシスタント制御プレーンです。コミュニティスキルや連携先の「幅」が広いのが特徴で、複数チャネルのルーティングを中心に据えています。一方の Hermes Agent は、サーバー上で動き、永続メモリを保ち、経験からスキルを生成する「学習の深さ」に焦点を当てています（出典: Kanaries 比較記事、innFactory 比較記事）。

興味深いことに、Hermes Agent 側には OpenClaw からの移行機能が組み込まれています。hermes setup の実行時に ~/.openclaw を自動検出して設定・メモリ・スキル・API キーの移行を提案するほか、hermes claw migrate でいつでも移行できます（出典: README）。比較記事のなかには「OpenClaw をオーケストレータ、Hermes を実行スペシャリストとして両方動かすのが最も賢い」とする見解もあり（出典: KuCoin 比較記事）、二者択一ではなく組み合わせる選択肢も視野に入ります。

多数のチャネル統合とルーティングを重視するなら OpenClaw、使うほどに賢くなる学習ループと深いメモリを重視するなら Hermes Agent、という棲み分けが基本です。

Aiderとの比較（コーディング特化 vs 汎用自律）

Aider-AI/aider は、ターミナル上で LLM とペアプロできるコーディング特化のツールです。

明確なコーディング用途（Git 差分を逐次確認しながらコミットを積む）なら Aider が軽量で扱いやすく、コーディングに限らず「パーソナル AI アシスタント」「Slack 常駐 bot」「業務自動化」を同じエージェントで扱いたいなら Hermes Agent が適します。

OpenHandsとの比較（GUI/エンタープライズ vs 学習ループ）

All-Hands-AI/OpenHands は汎用 AI 開発プラットフォーム（旧 OpenDevin）で、Web GUI・クラウド版・エンタープライズ版を持つ点が最大の特徴です。

Web GUI が前提で、複数開発者がクラウド版や Web UI で使う形を取りたいなら OpenHands、CLI とメッセージングで常駐させ、使うほどに賢くなる学習ループが欲しいなら Hermes Agent、という棲み分けになります。

採用判断フローチャート（簡易）

採用可否を最短で判断するための質問を絞り込むと、次のようになります。

1. 用途はコーディング支援に特化しているか？ → YES なら Aider が軽量で扱いやすい
2. Web GUI やクラウド/エンタープライズ版での配備が必要か？ → YES なら OpenHands が有力
3. 多数のメッセージングチャネルの統合・ルーティングが主目的か？ → YES なら OpenClaw が有力

上記がいずれも NO で、「使うほどに賢くなる学習ループ」「CLI とメッセージングの両対応」「永続メモリと自己改善」を重視する場合に Hermes Agent が最有力候補となります。なお OpenClaw を既に使っている場合は、移行機能があるため Hermes Agent への乗り換えコストは比較的低い点も判断材料になります。

Hermes Agentのユースケースと導入時の注意点

ここまでで挙げた特徴・アーキテクチャ・比較結果を踏まえ、実際の採用判断に使えるユースケースマップと注意点を整理します。公式に明示された「推奨ユースケース」セクションは確認できなかったため、以下は機能とアーキテクチャから推定される想定用途です。

向いているユースケース

1. 長時間稼働のパーソナルアシスタント：学習ループが生きる。使い続けるほどスキルとメモリが蓄積される
2. 個人・小チームの Slack / Telegram チャットボット化：ゲートウェイ機能が標準で揃っている
3. 複数プラットフォーム横断の業務オペレーション自動化：組み込み cron スケジューラ + メッセージングで日次ジョブを各プラットフォームに配信できる
4. 手順の蓄積とチーム共有が必要な繰り返し作業：スキルが agentskills.io のオープン標準に準拠しているため、チーム内での共有・再利用が現実的
5. 研究用途：Hermes モデル系列やトラジェクトリ生成機能との組み合わせで、LLM 研究のハーネスとしても使える

向いていないユースケース

• 純粋なコーディング支援のみ：Git 連携と差分ワークフローに特化した Aider の方が軽量・高速
• GUI ありきのチーム運用・エンタープライズ配備：Web GUI と SaaS 版を持つ OpenHands の方が親和性が高い
• 多数チャネルの統合・ルーティングが中心：連携の幅が広い OpenClaw の方が扱いやすい

導入前のチェックポイント

• ライセンス：MIT のため商用利用・改変は比較的柔軟。ただし、依存ライブラリ（Honcho、各 MCP サーバー、LLM プロバイダ SDK 等）のライセンスも別途確認が必要です
• セキュリティ：curl ワンライナーのインストールスクリプトは内容をレビューしてから実行する。本番用途では Docker バックエンドでのサンドボックス化を前提に設計する。Web ダッシュボードは公開せず localhost・VPN・SSH トンネルの背後に置く
• モデル選定とコスト：学習ループの性質上、継続的に LLM を呼び出す設計のため、API 利用コストが累積しやすい。/usage でのトークン消費モニタリングと、/compress による文脈圧縮を運用に組み込むと安心です
• 運用体制：ゲートウェイを常駐させる場合、プロセス監視・ログ監視・シークレット管理の運用設計を事前に検討する
• 学習ループが生み出すアーティファクト：自律生成されたスキルをレビュー対象に含める運用（スキルの Git 管理、レビュー、削除方針）を決めておくと、ブラックボックス化を防げる
• バージョン差異：成長が速くコマンドや前提条件が変わりやすい。記事のコマンドを鵜呑みにせず、hermes --help と公式ドキュメントで現行の仕様を確認する

まとめ｜Hermes Agentを試すべきエンジニア像

ここまで、Hermes Agent の概要、学習ループという固有の特徴、3 エントリポイント共有のアーキテクチャ、インストールから初回起動までの手順、そして OpenClaw を含む類似 OSS との使い分けを見てきました。最後に、この記事の結論として「どんなエンジニアが試す価値があるか」を整理します。

• 試すべき：長時間稼働のパーソナルアシスタント、または複数プラットフォーム横断の業務自動化を OSS で実現したいエンジニア。特に「使うほどに賢くなる」学習ループを重視し、メモリ・スキル・コンテキストエンジンをプラグインで差し替えられる柔軟性を求める場合
• 見送りを検討：純粋なコーディング支援が目的（→ Aider）、Web GUI やエンタープライズ配備が前提（→ OpenHands）、多数チャネルの統合・ルーティングが中心（→ OpenClaw）

Hermes Agent は「万能エージェント」を目指しているわけではなく、「長期間走らせて蓄積する」「複数プラットフォームから同一エージェントにアクセスする」という運用モデルに最適化されています。このモデルに合致する用途であれば、2026 年 6 月時点で OSS として有力な選択肢のひとつと言えます。

合うと判断した場合は、まず Nous Portal で最短セットアップして動かし、用途が固まってから自前プロバイダやゲートウェイ運用に広げていくのが、最初のつまずきを避ける現実的な進め方です。次の一歩として、公式 GitHub リポジトリ の README と Hermes Agent 公式ドキュメント で現行バージョンの仕様を確認し、スキルのエコシステムに興味があれば agentskills.io も併せてご確認ください。