Hermes Agent, Nous Research द्वारा जारी किया गया एक ओपन-सोर्स AI असिस्टेंट फ्रेमवर्क है, जो डेवलपर्स को अपने स्वयं के मशीन या सर्वर पर पर्सनल असिस्टेंट चलाने और अपनी ज़रूरत के अनुसार किसी भी टूल को जोड़ने की सुविधा देता है। इसका कोड GitHub पर उपलब्ध है।
एक नया फ्रेमवर्क क्यों महत्वपूर्ण है
अधिकांश उपभोक्ता-केंद्रित (consumer-facing) असिस्टेंट अपनी आंतरिक कार्यप्रणाली को प्रोप्रायटरी (proprietary) APIs के पीछे छिपा देते हैं। आप एक प्रॉम्प्ट भेजते हैं, सेवा यह तय करती है कि किस मॉडल को कॉल करना है और क्या कदम उठाने हैं, और आपको एक ऐसा जवाब मिलता है जिसका आप निरीक्षण या संशोधन नहीं कर सकते। वह मॉडल सामान्य उपयोगकर्ताओं के लिए तो ठीक है, लेकिन उन डेवलपर्स के लिए निराशाजनक है जो वर्कफ़्लो को ऑटोमेट करना चाहते हैं, निजी डेटा स्टोर के साथ एकीकृत (integrate) करना चाहते हैं, या सख्त सुरक्षा नीतियों को लागू करना चाहते हैं। Hermes Agent इस स्थिति को बदल देता है: यह उपयोगकर्ता और लैंग्वेज मॉडल के बीच बैठता है, निर्णय लेने की प्रक्रिया को उजागर करता है और आपको मनचाहे "tools" – जैसे स्क्रिप्ट, फ़ाइल-सिस्टम कमांड, या थर्ड-पार्टी सेवाएँ – जोड़ने की अनुमति देता है, जिन्हें एजेंट आपकी ओर से कॉल कर सकता है।
इसका व्यावहारिक लाभ तुरंत मिलता है। एक डेवलपर Hermes को लॉन्च कर सकता है, इसे किसी लोकल LLM या OpenRouter जैसे API की ओर निर्देशित कर सकता है, और फिर इसे लॉग फ़ाइल को grep करने, स्टैटिक-एनालिसिस टूल चलाने, या Docker कंटेनर शुरू करने के लिए कह सकता है। एजेंट बातचीत के संदर्भ (context) को याद रखता है, तय करता है कि कौन सा टूल अनुरोध के लिए उपयुक्त है, और एक स्ट्रक्चर्ड उत्तर देता है। संक्षेप में, यह "केवल उत्तर देने वाले" चैटबॉट्स से "एक्शन-ओरिएंटेड" असिस्टेंट की ओर बढ़ता है।
Hermes Agent कैसे बना है
- Core – ऑर्केस्ट्रेटर जो उपयोगकर्ता के इनपुट प्राप्त करता है, बातचीत का इतिहास ट्रैक करता है, और मॉडल के सुझाव के आधार पर उपयुक्त टूल चुनता है।
- Model – लैंग्वेज मॉडल जो इरादे (intent) और संभावित कार्यों को जनरेट करता है। आप किसी भी मॉडल का उपयोग कर सकते हैं जिसे आप नियंत्रित करते हैं, एक स्थानीय रूप से होस्ट किए गए ओपन-सोर्स LLM से लेकर क्लाउड एंडपॉइंट तक।
- Tools – निष्पादन योग्य (executable) कार्यों के चारों ओर बने पतले रैपर्स (thin wrappers)। एक टूल फ़ाइल पढ़ सकता है, REST API को कॉल कर सकता है, या शेल कमांड चला सकता है। एक नया टूल जोड़ना उतना ही सरल है जितना कि एक Python फ़ंक्शन लिखना और उसे फ्रेमवर्क के साथ रजिस्टर करना।
- Skills – संबंधित टूल्स का संग्रह जो एजेंट को डोमेन-विशिष्ट क्षमताएं प्रदान करते हैं, जैसे सिस्टम-एडमिनिस्ट्रेशन सहायता या कोड-रिव्यू ऑटोमेशन।
यह आर्किटेक्चर तीनों कार्यों को अलग रखता है: मॉडल शुद्ध-टेक्स्ट (pure-text) रहता है, कोर फ्लो को संभालता है, और टूल्स भारी काम करते हैं। यह अलगाव पूरे सिस्टम को खराब किए बिना घटकों (components) को बदलना आसान बनाता है।
Hermes को शुरू और चालू करना
- Repo क्लोन करें –
git clone https://github.com/NousResearch/hermes-agent.git - डायरेक्टरी में प्रवेश करें –
cd hermes-agent - Dependencies इंस्टॉल करें –
pip install -r requirements.txt - Environment कॉन्फ़िगर करें –
.env.exampleको.envमें कॉपी करें और कोई भी आवश्यक API कीज़ (OpenRouter या अन्य सेवाओं के लिए जिन्हें आप उपयोग करने की योजना बना रहे हैं) डालें। - लॉन्च करें – कमांड लाइन से
hermesचलाएं।
असिस्टेंट का विस्तार करना
नई क्षमता जोड़ना तीन-चरणीय पैटर्न का पालन करता है:
सुरक्षा संबंधी विचार
एक AI एजेंट जो कमांड चला सकता है, एक विशेषाधिकार प्राप्त उपयोगकर्ता (privileged user) की तरह कार्य करता है। .env फ़ाइल में API कीज़ को उजागर करना या एजेंट को अनियंत्रित फ़ाइल-सिस्टम एक्सेस देना एक बैकडोर खोल सकता है यदि मॉडल के साथ समझौता किया जाता है या यदि दुर्भावनापूर्ण प्रॉम्प्ट (malicious prompts) निकल जाते हैं। जोखिम को कम करने के लिए:
- महत्वपूर्ण सेवाओं से अलग, एक कंटेनर या वर्चुअल मशीन के अंदर एजेंट को चलाएं।
- सीक्रेट्स को एनवायरनमेंट वेरिएबल्स में स्टोर करें और जहाँ संभव हो उन्हें रीड-ओनली (read-only) पर सेट करें।
- पंजीकृत टूल्स को आपके वर्कफ़्लो के लिए आवश्यक न्यूनतम टूल्स तक सीमित रखें।
- अप्रत्याशित टूल इनवोकेशन (tool invocations) का पता लगाने के लिए नियमित रूप से एजेंट के लॉग्स का ऑडिट करें।
ट्रेड-ऑफ: खुलापन बनाम सुविधा
Hermes Agent का खुलापन डेवलपर्स को पूर्ण नियंत्रण देता है, लेकिन इसका मतलब यह भी है कि आप होस्ट किए गए असिस्टेंट का 'टर्नकी' (turnkey) अनुभव खो देते हैं। आपको मॉडल अपडेट, स्केलिंग और सुरक्षा पैच खुद मैनेज करने होंगे। समर्पित DevOps संसाधनों के बिना वाली टीमों को अभी भी मैनेज्ड सर्विस पसंद हो सकती है।
इसके विपरीत, संवेदनशील डेटा संभालने वाले उद्यमों (enterprises) के लिए निर्णय श्रृंखला (decision chain) के हर चरण का ऑडिट करना निर्णायक हो सकता है। इसका मॉड्यूलर डिज़ाइन सामुदायिक योगदान (community contributions) को आमंत्रित करता है, जिससे टूल इकोसिस्टम किसी भी एकल विक्रेता की तुलना में तेज़ी से बढ़ सकता है।
फिलहाल, यह फ्रेमवर्क उन सभी के लिए एक ठोस रास्ता प्रदान करता है जो एक ऐसा AI असिस्टेंट चाहते हैं जो उनके अपने हार्डवेयर पर चले, जिसे कस्टम वर्कफ़्लो के अनुसार ढाला जा सके, और जो इसे चलाने वाले लोगों के लिए पारदर्शी रहे। अगला कदम सरल है: रेपो क्लोन करें, इसे शुरू करें, और अपने नए असिस्टेंट को उन कार्यों को करना सिखाना शुरू करें जिनमें आप हर हफ्ते घंटों बिताते हैं।