Hermes Agent چیست؟ راهنمای کامل ساخت یک Agent شخصی، محلی و قابل توسعه

Hermes Agent یک فریم‌ورک Agent متن‌باز از Nous Research است که به یک مدل زبانی اجازه می‌دهد فقط «چت» نکند، بلکه ابزار اجرا کند، فایل بخواند و ویرایش کند، از ترمینال استفاده کند، در وب جستجو کند، مرورگر را کنترل کند، اطلاعاتی را بین جلسات به خاطر بسپارد، Skill یاد بگیرد، وظایف را زمان‌بندی کند و حتی به Agentهای دیگر یا سرویس‌های خارجی متصل شود.

در یک نگاه: Hermes Agent یک LLM نیست؛ یک لایه‌ی Agent و orchestration است که مدل زبانی را به ابزارها، فایل‌ها، Terminal، Browser، Memory، Skills، MCP و Automation متصل می‌کند.

نکته مهم این است که Hermes Agent خودش یک LLM نیست. مدل زبانی مغز سیستم است و Hermes لایه Agent، ابزارها، حافظه، orchestration و کنترل اجرای آن را فراهم می‌کند.

معماری ساده را می‌توان این‌طور دید:

User
 ↓
Hermes Agent
 ↓
LLM
 ↓
Decision / Tool Call
 ↓
Tools, Files, Browser, Terminal, MCP, Memory
 ↓
Result
 ↓
LLM
 ↓
Final Action / Answer

بنابراین می‌توان Hermes را به یک مدل Cloud مثل Claude، GPT، Gemini یا DeepSeek متصل کرد یا یک مدل کاملاً Local را از طریق Ollama، LM Studio، llama.cpp، vLLM یا دیگر endpointهای سازگار اجرا کرد.

آیا Hermes Agent می‌تواند کاملاً Private باشد؟

بله، اگر مدل و ابزارهایی که استفاده می‌کنید Local باشند. Hermes می‌تواند مدل‌های Open Weight را روی همان کامپیوتر اجرا کند و در حالت Local Model، پس از دانلود مدل، inference می‌تواند بدون ارسال درخواست به سرویس LLM خارجی انجام شود. Conversationها، حافظه داخلی و Skillهای Hermes نیز به‌صورت Local ذخیره می‌شوند.

اما Private بودن به تنظیمات شما بستگی دارد. اگر OpenAI، Anthropic، OpenRouter، Browser Cloud، سرویس تولید تصویر یا سرویس دیگری را فعال کنید، اطلاعات موردنیاز آن قابلیت به ارائه‌دهنده مربوطه ارسال خواهد شد. بنابراین «Hermes Local» و «Hermes کاملاً Offline» دو مفهوم متفاوت هستند.

Hermes چه تفاوتی با Ollama دارد؟

Ollama یک Runtime برای اجرای مدل‌های Local است؛ Hermes یک Agent Runtime است.

Ollama = اجرای LLM
Hermes = استفاده از LLM برای تصمیم‌گیری و انجام کار

ترکیب رایج:

Hermes Agent
 ↓
Ollama
 ↓
Qwen / Gemma / Llama / سایر مدل‌ها
 ↓
GPU

Hermes چه کارهایی می‌تواند انجام دهد؟

1. کار با Terminal و فایل‌ها

Hermes می‌تواند دستورات سیستم‌عامل را اجرا کند، پردازش‌ها را مدیریت کند، فایل‌ها را بخواند و تغییر دهد و روی پروژه‌های نرم‌افزاری کار کند.

برای مثال می‌توانید بگویید:

این پروژه را بررسی کن، خطای build را پیدا کن، فایل مشکل‌دار را اصلاح کن و تست‌ها را اجرا کن.

Agent می‌تواند فایل‌ها را بررسی کند، دستور build یا test را اجرا کند، خروجی را تحلیل کند و در صورت نیاز اصلاحات بعدی را انجام دهد.

این قابلیت Hermes را برای Coding Agent، DevOps، مدیریت سرور و Automation بسیار کاربردی می‌کند.

2. Browser Automation

Hermes می‌تواند مرورگر را کنترل کند. قابلیت‌هایی مانند باز کردن صفحات، کلیک روی عناصر، تایپ در فرم‌ها، استخراج اطلاعات و بررسی محتوای صفحه وجود دارد.

Backend مرورگر می‌تواند Local یا Cloud باشد. Hermes می‌تواند با Chrome، Chromium، Edge یا Brave و همچنین backendهای ابری کار کند.

مثال کاربردی:

وارد پنل مدیریتی شو، گزارش امروز را باز کن و اطلاعات جدول را استخراج کن.

برای کارهای حساس باید مجوزها و حساب‌های مورد استفاده Agent را محدود کرد.

3. Computer Use

Browser Automation فقط داخل مرورگر کار می‌کند، اما Computer Use برای تعامل با رابط گرافیکی سیستم طراحی شده است.

Hermes می‌تواند با برنامه‌های Desktop تعامل کند و روی Windows، macOS و Linux قابلیت Computer Use دارد. روی macOS مجوز Accessibility و Screen Recording لازم است و در Linux باید محیط گرافیکی مناسب در دسترس باشد.

این قابلیت برای workflowهایی مناسب است که API ندارند و تنها راه انجام کار، تعامل با UI است.

4. Persistent Memory

Hermes حافظه‌ای دارد که بین sessionها باقی می‌ماند.

حافظه داخلی اصلی شامل دو بخش است:

• MEMORY.md: اطلاعاتی که Agent درباره محیط، پروژه‌ها و روش کار یاد گرفته است.
• USER.md: ترجیحات، سبک ارتباط و اطلاعاتی که درباره کاربر لازم است در جلسات آینده حفظ شود.

Hermes همچنین تاریخچه sessionها را در پایگاه داده Local ذخیره می‌کند و می‌تواند گفتگوهای گذشته را جستجو کند.

بنابراین می‌توانید یک Agent داشته باشید که بداند روی چه پروژه‌ای کار می‌کنید، ساختار پروژه چیست یا چه شیوه‌ای را برای انجام یک workflow ترجیح می‌دهید.

5. Skills؛ بخش مهم Self-Improvement

یکی از مهم‌ترین قابلیت‌های Hermes سیستم Skills است.

Skill در اصل یک راهنمای ساختاریافته برای انجام یک کار است. مثلاً Agent ممکن است یاد بگیرد که برای Deploy پروژه شما باید این مراحل را طی کند:

1. Pull repository
2. Run tests
3. Build Docker image
4. Update container
5. Check health endpoint

این workflow می‌تواند به Skill تبدیل شود و دفعه بعد Agent دوباره از همان تجربه استفاده کند.

Hermes می‌تواند Skillهای خودش را ایجاد، اصلاح و مدیریت کند. به همین دلیل پروژه از عبارت Self-Improving Agent استفاده می‌کند.

اما نکته مهم این است که در استفاده معمول، این «یادگیری» به معنی Fine-tune شدن وزن‌های LLM نیست. Hermes بیشتر از طریق Memory، Skills و اطلاعات ذخیره‌شده بهتر می‌شود.

6. MCP

Hermes از Model Context Protocol یا MCP پشتیبانی می‌کند.

MCP اجازه می‌دهد ابزارهای خارجی بدون نوشتن integration اختصاصی در اختیار Agent قرار بگیرند.

برای مثال می‌توان Hermes را به MCP Serverهایی برای این موارد متصل کرد:

• GitHub
• Database
• Filesystem
• ابزارهای داخلی شرکت
• APIها
• سیستم‌های مدیریت پروژه
• سرویس‌های توسعه نرم‌افزار

Hermes هم MCPهای Local مبتنی بر stdio و هم MCP Serverهای Remote مبتنی بر HTTP را پشتیبانی می‌کند.

7. Plugins

اگر MCP یا Skill کافی نباشد، می‌توان برای Hermes Plugin ساخت.

Plugin می‌تواند Tool جدید، Hook، Command یا integration اضافه کند. برای اکثر قابلیت‌های شخصی یا سازمانی، Plugin گزینه مناسب‌تری نسبت به تغییر سورس اصلی Hermes است.

به‌صورت کلی:

Skill = دستورالعمل و workflow
MCP = اتصال به ابزار خارجی استاندارد
Plugin = توسعه اختصاصی Hermes

8. Subagents و Delegation

Hermes می‌تواند یک task را به Subagent واگذار کند.

برای مثال یک Agent اصلی می‌تواند وظایف را به چند بخش تقسیم کند:

Main Agent
 ├── Research task
 ├── Coding task
 └── Testing task

هر Subagent context جداگانه‌ای دارد و می‌تواند روی بخش خاصی از مسئله کار کند.

این قابلیت برای taskهای بزرگ مفید است، ولی نباید برای هر مسئله ساده Multi-Agent ساخت؛ چون هزینه، latency و پیچیدگی debugging را افزایش می‌دهد.

9. Cron و Automation

Hermes قابلیت Scheduled Task دارد.

می‌توان taskهای یک‌باره یا تکرارشونده تعریف کرد، مانند:

هر روز ساعت 9 گزارش پروژه را بررسی کن.

یا:

هر دو ساعت وضعیت سرویس را بررسی کن و اگر خطایی بود گزارش بده.

Cron از delay، interval، cron expression و زمان دقیق پشتیبانی می‌کند و jobها قابل pause، resume، edit و remove هستند.

10. Messaging Gateway

Hermes می‌تواند به یک Agent همیشه‌روشن تبدیل شود که از پیام‌رسان با آن صحبت کنید.

Gateway از پلتفرم‌های متعددی مانند Telegram، Discord، Slack، WhatsApp، Signal، Email، Microsoft Teams، Matrix، Home Assistant و سرویس‌های دیگر پشتیبانی می‌کند.

برای شروع:

hermes gateway setup

ابتدا بهتر است Agent در CLI بدون مشکل کار کند و سپس Gateway راه‌اندازی شود.

11. Voice، Vision و Media

Hermes می‌تواند با مدل‌های Vision تصویر را تحلیل کند، Text-to-Speech انجام دهد و پیام‌های صوتی را تبدیل به متن کند.

بسته به Provider انتخاب‌شده، بخشی از این پردازش‌ها می‌تواند Local و بخشی Cloud باشد.

12. API Server

Hermes می‌تواند خودش به یک API سازگار با OpenAI تبدیل شود.

در این حالت برنامه‌های دیگر می‌توانند Hermes را مثل یک Backend هوش مصنوعی صدا بزنند.

برای مثال می‌توان Open WebUI، LobeChat، LibreChat یا برنامه اختصاصی خودتان را به Hermes متصل کرد.

معماری:

Your Application
 ↓
OpenAI-compatible API
 ↓
Hermes Agent
 ↓
Model + Tools + Memory

این قابلیت برای ساخت محصول روی Hermes بسیار مهم است.

13. IDE Integration

Hermes از ACP برای اتصال به IDEها و Editorهای سازگار استفاده می‌کند. در این حالت Agent می‌تواند داخل محیط توسعه در کنار شما کار کند و عملیات فایل، terminal و diffها را نمایش دهد.

14. Personality و SOUL.md

رفتار و هویت Agent قابل شخصی‌سازی است. SOUL.md می‌تواند شخصیت، سبک پاسخ، اصول رفتاری و نقش Agent را مشخص کند.

بنابراین می‌توانید Agentهای متفاوتی بسازید؛ مثلاً Coding Agent، Research Agent، SOC Assistant یا CRM Agent.

نصب Hermes Agent

Windows

ساده‌ترین روش استفاده از Hermes Desktop است. برای نصب Native CLI نیز PowerShell را باز کنید و اجرا کنید:

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

Linux، WSL2 و macOS

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

Installer بخش زیادی از dependencyهای موردنیاز مانند Python runtime، Node.js، ripgrep و ffmpeg را در صورت نیاز مدیریت می‌کند.

در Linux وجود Git، curl و xz-utils لازم است و برای بخش Desktop ممکن است build-essential نیز لازم باشد.

اولین Setup

بعد از نصب:

hermes setup

Hermes چند نوع Setup ارائه می‌کند. برای شروع سریع می‌توان Provider و ابزارهای اصلی را تنظیم کرد. اگر می‌خواهید همه‌چیز تحت کنترل خودتان باشد، Blank Slate انتخاب مناسبی است و فقط قابلیت‌هایی را که نیاز دارید فعال می‌کنید.

برای انتخاب مدل:

hermes model

برای تنظیم Toolها:

hermes tools

برای شروع Chat:

hermes

یا رابط TUI:

hermes --tui

برای بررسی مشکلات:

hermes doctor

اتصال Hermes به Ollama

اگر می‌خواهید مدل کاملاً Local داشته باشید، یکی از ساده‌ترین روش‌ها Ollama است.

ابتدا مدل را در Ollama اجرا کنید و سپس:

hermes model

گزینه Custom Endpoint را انتخاب کنید.

Base URL معمول Ollama:

http://localhost:11434/v1

سپس نام مدل Local خود را وارد کنید.

Hermes برای Agent workflowهای خودش حداقل حدود 64K token context می‌خواهد؛ بنابراین context مدل Local باید متناسب تنظیم شود. این نکته بسیار مهم است، زیرا context بزرگ مصرف RAM و VRAM را افزایش می‌دهد.

Local Models داخلی Hermes

Hermes Desktop قابلیت مدیریت مدل Local را نیز دارد و می‌تواند از llama.cpp به‌عنوان inference engine استفاده کند. در این حالت انتخاب مدل، runtime و بخشی از تنظیمات سخت‌افزاری توسط Hermes مدیریت می‌شود.

وقتی مدل Local باشد و ابزار Cloud فعال نکرده باشید، inference می‌تواند روی همان دستگاه انجام شود.

چه سخت‌افزاری لازم است؟

باید دو حالت را جدا کنیم.

حالت اول: مدل Cloud

اگر Hermes را به GPT، Claude، Gemini، OpenRouter یا Provider دیگری وصل کنید، کامپیوتر شما LLM را اجرا نمی‌کند.

یک سیستم معمولی با CPU مدرن و حدود 8GB RAM برای خود Agent کافی است. GPU اختصاصی الزام اصلی نیست. این عدد یک پیشنهاد عملی است و نه حداقل رسمی Hermes.

حالت دوم: Local LLM

در این حالت سخت‌افزار به مدل بستگی دارد.

مستندات Hermes می‌گویند GPU با 8GB یا بیشتر برای مدل‌های کوچک catalog مناسب است و 16GB یا بیشتر امکان اجرای مدل‌های 27–35B را با کیفیت بالاتر فراهم می‌کند. با این حال context 64K می‌تواند مصرف حافظه را به‌طور قابل توجهی افزایش دهد.

برای یک سیستم مانند RTX 4070 Super 12GB و 16GB RAM، شروع با مدل‌های کوچک و Quantized منطقی‌تر است؛ ارتقای RAM به 32GB نیز برای آزمایش Local Agentها آزادی بیشتری می‌دهد.

Hermes روی چه سیستم‌هایی مناسب است؟

پشتیبانی اصلی شامل:

• Windows 10/11
• Linux
• WSL2
• macOS روی Apple Silicon
• Docker

Android/Termux نیز مسیر نصب مخصوص دارد.

برای Desktop معمولی Windows گزینه خوبی است. برای Agent همیشه‌روشن، Automation، Gateway و چند کاربر، Linux Server معمولاً انتخاب تمیزتری است.

برای Local AI Server می‌توان از NVIDIA GPU و runtimeهایی مانند Ollama، llama.cpp، vLLM یا SGLang استفاده کرد.

امنیت

دادن Terminal، Browser و File Access به یک Agent قدرتمند است و باید با احتیاط انجام شود.

Hermes برای برخی دستورات خطرناک Approval درخواست می‌کند و File Write Safety نیز دارد. با این حال این کنترل‌ها جای Sandbox واقعی سیستم‌عامل را نمی‌گیرند.

برای محیط‌های حساس بهتر است:

• Agent را با user محدود اجرا کنید.
• دسترسی فایل را به workspace مشخص محدود کنید.
• Secretها را در فایل پروژه قرار ندهید.
• برای terminal از Docker isolation استفاده کنید.
• دسترسی‌های MCP و Plugin را حداقل نگه دارید.
• Automation بدون حضور کاربر را ابتدا در محیط آزمایشی تست کنید.

برای terminal ایزوله می‌توان Backend را روی Docker تنظیم کرد.

Hermes و اسناد شخصی

Hermes لزوماً با دادن PDF به آن «Fine-tune» نمی‌شود. برای دانش پروژه می‌توان از فایل‌ها، Project Context، Skills، ابزارهای MCP یا یک سیستم Retrieval خارجی استفاده کرد.

اگر هدف شما این است که مدل واقعاً وزن‌هایش با dataset شما تغییر کند، Fine-tuning یا LoRA/QLoRA یک فرایند جدا از Hermes است. سپس می‌توانید مدل Fine-tuned را Local اجرا کرده و Hermes را به آن متصل کنید.

معماری حرفه‌ای می‌تواند چنین باشد:

Private Documents
 ↓
RAG / Knowledge Layer
 ↓
Local LLM
 ↑
Hermes Agent
 ├── Memory
 ├── Skills
 ├── MCP
 ├── Browser
 ├── Terminal
 └── Automation

مسیر پیشنهادی یادگیری از صفر تا صد

مرحله 1

Hermes را نصب کنید و فقط Chat ساده را راه بیندازید.

مرحله 2

یک Provider Cloud یا Local Model تنظیم کنید.

مرحله 3

File و Terminal tools را امتحان کنید.

مرحله 4

Memory و Session Search را یاد بگیرید.

مرحله 5

یک Skill شخصی بسازید.

مرحله 6

Browser Automation را فعال کنید.

مرحله 7

یک MCP Server اضافه کنید.

مرحله 8

Cron و یک Automation ساده بسازید.

مرحله 9

Gateway را به Telegram یا پلتفرم دیگری متصل کنید.

مرحله 10

یک Agent تخصصی با SOUL.md، Skills، Memory و ابزارهای محدود طراحی کنید.

مرحله 11

در صورت نیاز API Server را فعال کنید و برنامه خودتان را روی Hermes بسازید.

مرحله 12

برای Production، Sandbox، محدودیت دسترسی، Logging، Backup، Monitoring و تست امنیتی را اضافه کنید.

چند ایده پروژه

با Hermes می‌توان پروژه‌هایی مانند این‌ها ساخت:

• دستیار برنامه‌نویسی Local
• Agent مدیریت سرور
• Research Agent
• دستیار SOC و Cybersecurity
• Agent تحلیل Log
• CRM Agent
• Sales Assistant
• Personal Knowledge Agent
• Agent مدیریت GitHub
• Automation Agent برای شرکت
• Agent متصل به Telegram
• Smart Home Agent با Home Assistant
• Agent پردازش اسناد
• Agent تولید و مدیریت محتوا

جمع‌بندی

Hermes Agent را بهتر است نه به‌عنوان یک Chatbot، بلکه به‌عنوان یک Runtime برای ساخت Agent شخصی ببینیم. مدل زبانی بخش reasoning را انجام می‌دهد و Hermes ابزار، حافظه، Skills، Browser، Terminal، MCP، Automation، Gateway و integrationهای لازم را به آن اضافه می‌کند.

اگر Privacy مهم باشد، می‌توان Local LLM، ابزارهای Local و ذخیره‌سازی Local را ترکیب کرد. اگر قدرت بیشتر مهم باشد، می‌توان Hermes را به مدل‌های Cloud متصل کرد. همچنین می‌توان معماری Hybrid داشت؛ مثلاً مدل اصلی Local باشد ولی فقط Web Search از اینترنت استفاده کند.

بهترین روش شروع این است که ابتدا یک Agent ساده با یک مدل و چند Tool محدود بسازید و سپس قابلیت‌هایی مانند Memory، Skills، MCP، Browser، Cron و Multi-Agent را مرحله‌به‌مرحله اضافه کنید.