Hermes Agent, sebuah framework asisten AI sumber terbuka (open-source) yang dirilis oleh Nous Research, memungkinkan pengembang menjalankan asisten pribadi di mesin atau server mereka sendiri dan memasang alat (tools) apa pun yang mereka butuhkan. Kodenya tersedia di GitHub.

Mengapa framework baru ini penting

Sebagian besar asisten yang ditujukan untuk konsumen menyembunyikan cara kerja internal mereka di balik API proprietary. Anda mengirimkan prompt, layanan tersebut memutuskan model mana yang akan dipanggil dan tindakan apa yang akan diambil, lalu Anda mendapatkan jawaban yang tidak dapat Anda periksa atau modifikasi. Model tersebut bekerja untuk pengguna biasa, tetapi membuat frustrasi pengembang yang ingin mengotomatiskan alur kerja, berintegrasi dengan penyimpanan data pribadi, atau menerapkan kebijakan keamanan yang ketat. Hermes Agent membalikkan keadaan tersebut: ia berada di antara pengguna dan model bahasa, memaparkan proses pengambilan keputusan dan memungkinkan Anda melampirkan "tools" apa pun – skrip, perintah sistem file, atau layanan pihak ketiga – yang dapat dipanggil oleh agen atas nama Anda.

Keuntungan praktisnya dapat langsung dirasakan. Seorang pengembang dapat meluncurkan Hermes, mengarahkannya ke LLM lokal atau API seperti OpenRouter, lalu memintanya untuk melakukan grep pada file log, menjalankan alat analisis statis, atau menjalankan kontainer Docker. Agen tersebut mengingat konteks percakapan, memutuskan alat mana yang sesuai dengan permintaan, dan mengembalikan jawaban terstruktur. Singkatnya, ia beralih dari chatbot yang "hanya menjawab" menjadi asisten yang "berorientasi pada tindakan".

Bagaimana Hermes Agent dibangun

  • Core – orkestrator yang menerima input pengguna, melacak riwayat percakapan, dan memilih alat yang sesuai berdasarkan saran model.
  • Model – model bahasa yang menghasilkan intensi dan tindakan yang memungkinkan. Anda dapat memasang model apa pun yang Anda kendalikan, mulai dari LLM sumber terbuka yang dihosting secara lokal hingga endpoint cloud.
  • Tools – wrapper tipis di sekitar tindakan yang dapat dieksekusi. Sebuah tool mungkin membaca file, memanggil REST API, atau mengeksekusi perintah shell. Menambahkan tool baru semudah menulis fungsi Python dan mendaftarkannya ke framework.
  • Skills – kumpulan tool terkait yang memberikan kemampuan spesifik domain kepada agen, seperti bantuan administrasi sistem atau otomatisasi peninjauan kode (code-review).

Arsitekturnya menjaga ketiga aspek tersebut tetap terpisah: model tetap berupa teks murni, core menangani alur, dan tools melakukan pekerjaan berat. Pemisahan ini memudahkan penggantian komponen tanpa merusak seluruh sistem.

Menjalankan Hermes

  1. Clone repo – git clone https://github.com/NousResearch/hermes-agent.git
  2. Masuk ke direktori – cd hermes-agent
  3. Instal dependensi – pip install -r requirements.txt
  4. Konfigurasi lingkungan – salin .env.example ke .env dan masukkan kunci API yang diperlukan (untuk OpenRouter atau layanan lain yang berencana Anda gunakan).
  5. Luncurkan – jalankan hermes dari baris perintah (command line).

Memperluas asisten

Menambahkan kemampuan baru mengikuti pola tiga langkah:

Pertimbangan keamanan

Agen AI yang dapat mengeksekusi perintah bertindak seperti pengguna dengan hak istimewa (privileged user). Mengekspos kunci API di file .env atau memberikan akses sistem file tanpa batasan kepada agen dapat membuka pintu belakang (backdoor) jika model disusupi atau jika prompt berbahaya lolos. Mitigasi risiko dengan:

  • Menjalankan agen di dalam kontainer atau mesin virtual yang terisolasi dari layanan kritis.
  • Menyimpan rahasia (secrets) dalam variabel lingkungan dan mengaturnya menjadi read-only jika memungkinkan.
  • Membatasi tool yang terdaftar hanya pada jumlah minimum yang diperlukan untuk alur kerja Anda.
  • Mengaudit log agen secara rutin untuk mendeteksi pemanggilan tool yang tidak terduga.

Kompromi: keterbukaan vs. kenyamanan

Keterbukaan Hermes Agent memberikan kontrol penuh kepada pengembang, tetapi itu juga berarti Anda kehilangan pengalaman siap pakai (turnkey) dari asisten yang dihosting. Anda harus mengelola pembaruan model, penskalaan, dan patch keamanan sendiri. Tim tanpa sumber daya DevOps khusus mungkin masih lebih memilih layanan terkelola (managed service).

Sebaliknya, mengaudit setiap langkah dalam rantai keputusan dapat menjadi hal yang krusial bagi perusahaan yang menangani data sensitif. Desain modularnya mengundang kontribusi komunitas, yang dapat mengembangkan ekosistem tool lebih cepat daripada vendor tunggal mana pun.

Untuk saat ini, framework ini menawarkan jalur konkret bagi siapa saja yang menginginkan asisten AI yang berjalan di perangkat keras mereka sendiri, dapat dibentuk untuk menyesuaikan alur kerja khusus (bespoke), dan tetap transparan bagi orang-orang yang menjalankannya. Langkah selanjutnya sederhana: clone repo-nya, jalankan, dan mulailah mengajari asisten baru Anda cara melakukan tugas-tugas yang Anda habiskan waktu berjam-jam setiap minggunya.