Hermes Agent, ein von Nous Research veröffentlichtes Open-Source-Framework für KI-Assistenten, ermöglicht es Entwicklern, einen persönlichen Assistenten auf ihrem eigenen Rechner oder Server auszuführen und alle benötigten Tools einzubinden. Der Code befindet sich auf GitHub.

Warum ein neues Framework wichtig ist

Die meisten Assistenten für Endverbraucher verbergen ihre Funktionsweise hinter proprietären APIs. Man sendet einen Prompt, der Dienst entscheidet, welches Modell aufgerufen wird und welche Aktionen ausgeführt werden, und man erhält eine Antwort, die man weder untersuchen noch modifizieren kann. Dieses Modell funktioniert für Gelegenheitsnutzer, frustriert jedoch Entwickler, die Workflows automatisieren, private Datenspeicher integrieren oder strenge Sicherheitsrichtlinien durchsetzen wollen. Hermes Agent kehrt dieses Prinzip um: Er sitzt zwischen dem Benutzer und dem Sprachmodell, legt den Entscheidungsprozess offen und ermöglicht es, beliebige „Tools“ anzuhängen – Skripte, Dateisystembefehle oder Dienste von Drittanbietern –, die der Agent in Ihrem Namen aufrufen kann.

Der praktische Nutzen ist unmittelbar spürbar. Ein Entwickler kann Hermes starten, es auf ein lokales LLM oder eine API wie OpenRouter ausrichten und es dann bitten, eine Logdatei mit grep zu durchsuchen, ein Tool zur statischen Analyse auszuführen oder einen Docker-Container zu starten. Der Agent merkt sich den Kontext des Gesprächs, entscheidet, welches Tool zur Anfrage passt, und liefert eine strukturierte Antwort. Kurz gesagt: Er wandelt sich von reinen „Antwort-Chatbots“ zu „aktionsorientierten“ Assistenten.

Wie Hermes Agent aufgebaut ist

  • Core – der Orchestrator, der Benutzereingaben entgegennimmt, den Gesprächsverlauf verfolgt und das passende Tool basierend auf dem Vorschlag des Modells auswählt.
  • Model – das Sprachmodell, das die Absicht (Intent) und mögliche Aktionen generiert. Sie können jedes Modell verwenden, das Sie kontrollieren – von einem lokal gehosteten Open-Source-LLM bis hin zu einem Cloud-Endpunkt.
  • Tools – schlanke Wrapper um ausführbare Aktionen. Ein Tool kann eine Datei lesen, eine REST-API aufrufen oder einen Shell-Befehl ausführen. Das Hinzufügen eines neuen Tools ist so einfach wie das Schreiben einer Python-Funktion und deren Registrierung im Framework.
  • Skills – Sammlungen verwandter Tools, die dem Agenten domänenspezifische Fähigkeiten verleihen, wie etwa Unterstützung bei der Systemadministration oder die Automatisierung von Code-Reviews.

Die Architektur trennt diese drei Belange voneinander: Das Modell bleibt reiner Text, der Core verwaltet den Ablauf und die Tools übernehmen die eigentliche Arbeit. Diese Trennung macht es einfach, Komponenten auszutauschen, ohne das gesamte System zu beeinträchtigen.

Hermes in Betrieb nehmen

  1. Repo klonen – git clone https://github.com/NousResearch/hermes-agent.git
  2. In das Verzeichnis wechseln – cd hermes-agent
  3. Abhängigkeiten installieren – pip install -r requirements.txt
  4. Umgebung konfigurieren – Kopieren Sie .env.example nach .env und fügen Sie alle erforderlichen API-Keys ein (für OpenRouter oder andere Dienste, die Sie verwenden möchten).
  5. Starten – Führen Sie hermes in der Befehlszeile aus.

Den Assistenten erweitern

Das Hinzufügen einer neuen Funktion folgt einem dreistufigen Muster:

Sicherheitsaspekte

Ein KI-Agent, der Befehle ausführen kann, agiert wie ein privilegierter Benutzer. Das Offenlegen von API-Keys in der .env-Datei oder die Gewährung von uneingeschränktem Dateisystemzugriff an den Agenten kann eine Hintertür öffnen, falls das Modell kompromittiert wird oder bösartige Prompts durchschlüpfen. Minimieren Sie das Risiko, indem Sie:

  • den Agenten in einem Container oder einer virtuellen Maschine ausführen, die von kritischen Diensten isoliert ist.
  • Geheimnisse in Umgebungsvariablen speichern und diese nach Möglichkeit auf schreibgeschützt setzen.
  • die registrierten Tools auf das für Ihren Workflow erforderliche Minimum beschränken.
  • die Logs des Agenten regelmäßig prüfen, um unerwartete Tool-Aufrufe zu erkennen.

Der Kompromiss: Offenheit vs. Komfort

Die Offenheit von Hermes Agent gibt Entwicklern die volle Kontrolle, bedeutet aber auch, dass man auf die Plug-and-Play-Erfahrung gehosteter Assistenten verzichtet. Sie müssen Modell-Updates, Skalierung und Sicherheitspatches selbst verwalten. Teams ohne dedizierte DevOps-Ressourcen bevorzugen möglicherweise weiterhin einen Managed Service.

Umgekehrt kann die Überprüfung jedes Schritts der Entscheidungskette für Unternehmen, die mit sensiblen Daten arbeiten, entscheidend sein. Das modulare Design lädt zu Community-Beiträgen ein, was das Tool-Ökosystem schneller wachsen lassen könnte als jeder einzelne Anbieter.

Vorerst bietet das Framework einen konkreten Weg für alle, die einen KI-Assistenten suchen, der auf eigener Hardware läuft, an maßgeschneiderte Workflows angepasst werden kann und für die Betreiber transparent bleibt. Der nächste Schritt ist einfach: Klonen Sie das Repo, starten Sie es und fangen Sie an, Ihrem neuen Assistenten beizubringen, wie er die Aufgaben erledigt, für die Sie jede Woche Stunden aufwenden.