Hermes Agent
学習し、記憶し、任せるほど育つ
自律型AIエージェント

hermes.yaml の例

# hermes.yaml — 最小構成例
agent:
  name: hermes
  model: hermes-4
memory:
  path: ./MEMORY.md
  user_profile: ./USER.md
  max_tokens: 4096
skills:
  dir: ./skills
channels:
  - type: cli
  - type: slack
    token: ${SLACK_BOT_TOKEN}
    channels: ["#ops-hermes"]
cron:
  - name: morning-brief
    schedule: "0 8 * * 1-5"
    prompt: "昨日の進捗と今日のタスクを #ops-hermes に要約投稿して"

この構成では、CLI と Slack の二系統で同じエージェントにアクセスしながら、平日の朝8時に自動で要約を投げる最小ループが動きます。慣れてきたら MCP 連携や外部メモリプロバイダを段階的に追加していくのが扱いやすい流れです。

CLI での起動コマンド例

# インストールと起動
$ pip install hermes-agent
$ hermes init --config hermes.yaml
$ hermes serve --daemon

# 別のターミナルから対話
$ hermes chat "今日の Slack #ops-hermes の要約を作って"

# スキルの追加
$ hermes skill add ./skills/weekly-report.md

CLI を中心に扱うと、Hermes Agent が単なるチャット UI ではなく、長期常駐で働くプロセスであることが実感しやすくなります。

推奨される導入ステップ

1. ステップ1: ローカル CLI で Hermes Agent を立ち上げ、基本的な対話と MEMORY.md の動作を確認する。
2. ステップ2: 1つの業務（例: 日次要約）を選び、cron での定期実行と1チャネル配信だけに絞って自動化する。
3. ステップ3: スキルファイルを1〜2個作成し、繰り返し作業を Hermes 側に定着させる。
4. ステップ4: Slack や Telegram などのマルチチャネルを追加し、複数導線からの呼び出しに慣れる。
5. ステップ5: MCP で社内システム・データベース・外部 API と接続し、参照範囲を広げる。
6. ステップ6: 外部メモリプロバイダ（ByteRover、Honcho、Mem0 等）を必要に応じて追加し、長期記憶を強化する。

いきなりステップ6までまとめて入れようとすると、設定の迷路に入りやすくなります。まずは「ひとつだけ自動で回る仕事」を作るのが、運用定着の最短経路です。

最初の一週間: 「会話できるAI」という先入観が邪魔になる

正直に言うと、最初の数日は Hermes Agent を ChatGPT の高機能版のような感覚で触っていました。質問して、回答が返ってきて、便利だなで終わる——その使い方だと、Hermes の本当の良さはほとんど引き出せません。MEMORY.md にメモを残す習慣、cron に仕事を任せる発想、スキルファイルで手順を固定化する運用、この三つに切り替えたあたりから、ようやく「運用するAI」としての挙動が見えてきました。

一方で最初にハマったのは、MEMORY.md を膨らませすぎたことです。なんでも書き込んでいたら情報が肥大化して、逆に的外れな回答が増えました。後から「要点だけ」に削ったら精度が戻った、というのが最初に得た学びです。

一ヶ月運用してからの手応え

cron で毎朝の要約、Slack での一次応答、スキルによる定型作業——この三点をまとめて任せるようになってから、作業の体感は明らかに変わりました。自分の手を動かす前に、すでに下ごしらえが済んでいる感覚です。とくに週明けの朝、Slack に先週のまとめと今週やるべきことが整理済みで投稿されているのは、想像以上に大きな助けでした。

ただし「人間側の運用ルール」もきっちり整備しないと、Hermes は忠実に間違いを繰り返します。指示が曖昧だと曖昧なまま働き続けてしまうので、SOUL.md や MEMORY.md に運用ルールを明文化するのが必須だと感じます。

Q1. ChatGPT や Claude とは何が違うのですか？

ChatGPT や Claude は基本的にチャット UI のエクスペリエンスが中心で、単発の会話に強みがあります。Hermes Agent は「会話」ではなく「作業の継続実行」が中核で、永続メモリ、スキル、cron、MCP、マルチチャネル配信などが標準で統合されています。比較対象はチャット AI というより、「AI ワーカーの運用基盤」です。

Q2. OpenClaw から移行する必要はありますか？

既存の OpenClaw 環境が安定しているなら、急いで移行する必要はありません。ただし Hermes は人格設計や記憶構造、拡張性の面でより洗練されているため、これから新規にエージェントを組むなら Hermes から始めるほうが扱いやすいと感じます。

Q3. どれくらいのハードウェアで動きますか？

クラウド提供のモデルを使う場合は、Hermes Agent 自身のランタイムは軽量で、一般的な業務端末でも問題なく動きます。ローカル LLM を使う場合は GPU メモリ要件が別途発生します。

Q4. セキュリティや社内データの扱いはどうなりますか？

MCP 経由で社内ツールに接続する場合、認証は各 MCP サーバの設計に依存します。MEMORY.md や外部メモリプロバイダに機密情報を書き込まない設計ルールを最初に定めておくことが重要です。

Q5. 運用をやめたくなったら、どうデータを引き上げればよいですか？

MEMORY.md、USER.md、スキル、cron 定義はすべてテキストファイルとして手元に残ります。クラウド依存のメモリプロバイダを使っている場合のみ、そちらから明示的にエクスポートしてください。