Nous Research ने प्रदर्शित केलेले Hermes Agent हे एक ओपन-सोर्स AI असिस्टंट फ्रेमवर्क आहे, जे डेव्हलपर्सना त्यांच्या स्वतःच्या मशीनवर किंवा सर्व्हरवर वैयक्तिक असिस्टंट चालवण्यास आणि त्यांना आवश्यक असलेली कोणतीही टूल्स जोडण्यास अनुमती देते. याचा कोड GitHub वर उपलब्ध आहे.
नवीन फ्रेमवर्क का महत्त्वाचे आहे
बहुतेक ग्राहक-केंद्रित (consumer-facing) असिस्टंट त्यांच्या अंतर्गत कार्यपद्धती प्रोप्रायटरी (proprietary) APIs मागे लपवून ठेवतात. तुम्ही एक प्रॉम्प्ट पाठवता, सेवा कोणता मॉडेल कॉल करायचा आणि कोणती कृती करायची हे ठरवते, आणि तुम्हाला असा प्रतिसाद मिळतो ज्याची तुम्ही तपासणी किंवा त्यात बदल करू शकत नाही. हे मॉडेल सामान्य वापरकर्त्यांसाठी ठीक आहे, परंतु जे डेव्हलपर्स वर्कफ्लो स्वयंचलित करू इच्छितात, खाजगी डेटा स्टोअर्सशी इंटिग्रेट करू इच्छितात किंवा कडक सुरक्षा धोरणे लागू करू इच्छितात, त्यांच्यासाठी ते त्रासदायक ठरते. Hermes Agent ही परिस्थिती पूर्णपणे बदलून टाकते: हे युजर आणि लँग्वेज मॉडेलच्या मध्ये बसते, निर्णय घेण्याची प्रक्रिया उघड करते आणि तुम्हाला कोणत्याही "tools" – स्क्रिप्ट्स, फाईल-सिस्टम कमांड्स किंवा थर्ड-पार्टी सर्व्हिसेस – जोडण्याची परवानगी देते, जी एजंट तुमच्या वतीने कार्यान्वित करू शकतो.
याचा व्यावहारिक फायदा त्वरित दिसून येतो. एक डेव्हलपर Hermes सुरू करू शकतो, त्याला स्थानिक LLM किंवा OpenRouter सारख्या API कडे निर्देशित करू शकतो आणि त्यानंतर त्याला लॉग फाईल grep करण्यास, स्टॅटिक-ॲनॅलिसिस टूल चालवण्यास किंवा Docker कंटेनर सुरू करण्यास सांगू शकतो. एजंट संभाषणाचा संदर्भ लक्षात ठेवतो, कोणती टूल विनंतीसाठी योग्य आहे हे ठरवतो आणि एक स्ट्रक्चर्ड उत्तर देतो. थोडक्यात सांगायचे तर, हे "केवळ-उत्तर" देणाऱ्या चॅटबॉट्सकडून "कृती-केंद्रित" असिस्टंटकडे वळते.
Hermes Agent कसे बनवले आहे
- Core – ऑर्केस्ट्रेटर जो युजर इनपुट स्वीकारतो, संभाषणाचा इतिहास ट्रॅक करतो आणि मॉडेलच्या सूचनेनुसार योग्य टूल निवडतो.
- Model – लँग्वेज मॉडेल जे हेतू (intent) आणि संभाव्य कृती तयार करते. तुम्ही तुमच्या नियंत्रणाखाली असलेले कोणतेही मॉडेल जोडू शकता, स्थानिक पातळीवर होस्ट केलेल्या ओपन-सोर्स LLM पासून ते क्लाउड एंडपॉइंटपर्यंत.
- Tools – एक्झिक्युटेबल कृतींभोवती असलेले thin wrappers. एक टूल फाईल वाचू शकते, REST API कॉल करू शकते किंवा शेल कमांड कार्यान्वित करू शकते. नवीन टूल जोडणे म्हणजे एक Python फंक्शन लिहिणे आणि ते फ्रेमवर्कमध्ये रजिस्टर करणे इतके सोपे आहे.
- Skills – संबंधित टूल्सचे संच जे एजंटला डोमेन-विशिष्ट क्षमता देतात, जसे की सिस्टम-प्रशासन सहाय्य किंवा कोड-रिव्ह्यू ऑटोमेशन.
हे आर्किटेक्चर तीन गोष्टी वेगळ्या ठेवते: मॉडेल केवळ टेक्स्ट स्वरूपात राहते, core फ्लो हाताळते आणि tools मुख्य कामे करतात. या विभाजनामुळे संपूर्ण सिस्टम न बिघडवता घटक बदलणे सोपे होते.
Hermes सुरू आणि कार्यान्वित करणे
- Repo क्लोन करा –
git clone https://github.com/NousResearch/hermes-agent.git - डिरेक्टरीमध्ये प्रवेश करा –
cd hermes-agent - Dependencies इंस्टॉल करा –
pip install -r requirements.txt - एन्व्हायर्नमेंट कॉन्फिगर करा –
.env.exampleची.envमध्ये कॉपी करा आणि आवश्यक API की (OpenRouter किंवा तुम्ही वापरण्याचे इतर सर्व्हिसेससाठी) टाका. - सुरू करा – कमांड लाईनवरून
hermesचालवा.
असिस्टंटचा विस्तार करणे
नवीन क्षमता जोडण्यासाठी तीन-टप्प्यांच्या पद्धतीचे अनुसरण केले जाते:
सुरक्षा विषयक विचार
कमांड्स कार्यान्वित करू शकणारा AI एजंट एका प्रिव्हिलेज्ड युजरप्रमाणे (privileged user) काम करतो. .env फाईलमध्ये API की उघड करणे किंवा एजंटला अनियंत्रित फाईल-सिस्टम ॲक्सेस देणे, मॉडेलवर हल्ला झाल्यास किंवा दुर्भावनापूर्ण प्रॉम्प्ट्स (malicious prompts) असल्यास बॅकडोअर उघडू शकते. खालील गोष्टींद्वारे जोखीम कमी करा:
- महत्त्वाच्या सर्व्हिसेसपासून वेगळ्या असलेल्या कंटेनर किंवा व्हर्च्युअल मशीनमध्ये एजंट चालवा.
- सीक्रेट्स (secrets) एन्व्हायर्नमेंट व्हेरिएबल्समध्ये साठवा आणि शक्य असेल तिथे ते read-only सेट करा.
- नोंदणीकृत टूल्स तुमच्या वर्कफ्लोसाठी आवश्यक असलेल्या किमान टूल्सपुरते मर्यादित ठेवा.
- अनपेक्षित टूल इन्व्होकेशन शोधण्यासाठी एजंटच्या लॉग्सचे नियमितपणे ऑडिट करा.
तडजोड: मोकळेपणा विरुद्ध सोय
Hermes Agent च्या मोकळेपणामुळे डेव्हलपर्सना पूर्ण नियंत्रण मिळते, परंतु याचा अर्थ असा देखील आहे की तुम्ही होस्ट केलेल्या असिस्टंटचा 'turnkey' अनुभव गमावता. तुम्हाला मॉडेल अपडेट्स, स्केलिंग आणि सुरक्षा पॅचेस स्वतः व्यवस्थापित करावे लागतील. समर्पित DevOps संसाधने नसलेल्या टीम्स कदाचित मॅनेज्ड सर्व्हिसला प्राधान्य देतील.
याउलट, संवेदनशील डेटा हाताळणाऱ्या उद्योगांसाठी (enterprises) निर्णय प्रक्रियेच्या प्रत्येक टप्प्याचे ऑडिट करणे निर्णायक ठरू शकते. मॉड्युलर डिझाइन समुदायाच्या योगदानासाठी खुले आहे, ज्यामुळे कोणत्याही एका विक्रेत्यापेक्षा वेगाने टूल इकोसिस्टम वाढू शकते.
सध्यासाठी, हे फ्रेमवर्क अशा प्रत्येकासाठी एक ठोस मार्ग प्रदान करते ज्यांना स्वतःच्या हार्डवेअरवर चालणारा AI असिस्टंट हवा आहे, जो त्यांच्या विशिष्ट वर्कफ्लोनुसार तयार केला जाऊ शकतो आणि जो तो चालवणाऱ्या लोकांसाठी पारदर्शक राहतो. पुढचे पाऊल सोपे आहे: रेपो क्लोन करा, ते सुरू करा आणि तुमच्या नवीन असिस्टंटला दर आठवड्याला तुम्ही तासनतास घालवता त्या कामांसाठी प्रशिक्षित करण्यास सुरुवात करा.