Hermes Agent

C'est le cœur du produit. Quand Hermes termine une tâche complexe — disons cinq appels d'outils ou plus — il marque une pause, regarde les étapes qu'il a suivies, et extrait les patterns réutilisables. S'il a trouvé une bonne approche, il écrit lui-même un fichier de compétence et le sauvegarde. La prochaine fois qu'il rencontre un problème similaire, il cherche dans sa propre bibliothèque et utilise la solution qu'il a déjà trouvée.

Concrètement, l'agent réécrit littéralement son propre cerveau pour devenir plus rapide et plus précis sur les tâches que tu lui confies. Et ces compétences suivent le standard ouvert agentskills.io, ce qui veut dire qu'elles sont portables — tu peux les exporter, les partager, et même les utiliser dans d'autres agents compatibles comme OpenClaw, Claude Code ou Cursor.

Le système de mémoire est probablement la fonctionnalité la mieux conçue du produit. Quatre couches qui jouent chacune un rôle différent :

• Prompt résident — deux fichiers, MEMORY.md et USER.md, chargés automatiquement au début de chaque session. Limite stricte de 3 575 caractères au total — délibérément étroite pour forcer le tri
• Archive de session — chaque conversation est stockée dans une base SQLite et indexée en plein texte (FTS5)
• Compétences procédurales — la bibliothèque des skills auto-créés et auto-améliorés
• Modélisation utilisateur via Honcho — un système de modélisation dialectique qui construit un profil de qui tu es, qui devient plus précis avec l'usage

Cette dernière couche est la plus sous-estimée. Après quelques semaines d'usage régulier, ton instance Hermes connaît ton codebase, tes habitudes de déploiement, ton format de commit préféré, et les outils que tu utilises en premier. Tu n'as plus à réexpliquer le contexte à chaque conversation.

Tu lances Hermes une fois sur ton serveur, et tu lui parles depuis : Telegram, Discord, Slack, WhatsApp, Signal, Email, CLI, Matrix, iMessage, WeChat, Feishu/Lark, WeCom, et plus. Une seule passerelle (gateway), un seul agent, accessible depuis n'importe quel device.

Le pattern le plus utilisé : tu démarres une conversation depuis ton terminal au bureau, tu la continues depuis Telegram dans le métro, tu reçois les résultats par mail le soir. L'agent ne distingue pas les canaux — c'est la même session, le même contexte, la même mémoire.

Hermes est totalement agnostique côté modèles. Tu peux utiliser :

• Nous Portal (les modèles Hermes 4 et Nomos en natif)
• OpenRouter (200+ modèles accessibles avec une seule clé)
• Anthropic (Claude Opus 4.7, Sonnet 4.6, Haiku 4.5)
• OpenAI (GPT-5.4, Codex)
• Google AI Studio (Gemini 3.1 Pro)
• NVIDIA NIM (Nemotron), Xiaomi MiMo, z.ai/GLM, Kimi/Moonshot, MiniMax
• Modèles locaux via Ollama, vLLM, llama.cpp, LM Studio, Kobold

Tu changes en une commande : hermes model. Aucune modification de code, aucun lock-in. Une seule contrainte : ton modèle doit avoir au moins 64 000 tokens de contexte. C'est une limite stricte — Hermes refuse de démarrer en dessous, parce que la mémoire de travail multi-étapes ne tient pas dans un contexte plus court.

Hermes embarque un système cron en langage naturel. Tu lui dis « envoie-moi un rapport des nouveautés tech tous les lundis à 8h sur Telegram », et c'est fait. Backups, récapitulatifs, monitoring, briefings — tout ce qui doit tourner sans surveillance. Si tu utilises déjà n8n pour tes workflows, c'est une logique similaire mais centrée sur l'agent IA plutôt que sur des nœuds graphiques.

Hermes peut spawner des sous-agents isolés, chacun avec sa propre conversation, son propre terminal et ses propres scripts Python. Tu lui confies une tâche complexe, il la découpe, lance trois sous-agents en parallèle, et ne te renvoie que la synthèse finale. Le contexte des sous-agents ne pollue pas la conversation principale — c'est ce qui s'appelle un pipeline « zero-context-cost ».

L'exécution des commandes shell se fait dans un environnement isolé. Six backends disponibles :

• Local — direct sur ta machine (le plus rapide, le moins sûr)
• Docker — conteneur isolé sur ta machine
• SSH — exécution sur un serveur distant
• Singularity — pour les environnements HPC
• Daytona et Modal — backends serverless qui hibernent quand inactifs et se réveillent à la demande, coûtant presque rien entre les sessions

Cette dernière option est ce qui rend Hermes économique : tu peux faire tourner un agent disponible 24/7 pour quelques dollars par mois, parce qu'il ne consomme des ressources que quand il travaille effectivement.

Hermes implémente le Model Context Protocol dans les deux sens : il est client MCP (il peut consommer n'importe quel serveur MCP) et serveur MCP (il peut exposer ses propres outils à d'autres agents). En clair, il s'intègre nativement dans l'écosystème agent qui s'est imposé en 2026 grâce à Claude et à la Linux Foundation.

Recherche web, extraction de contenu, vision, génération d'images, TTS (synthèse vocale), automatisation navigateur (via Camofox, navigateur anti-détection), gestion de fichiers, exécution de code, batch processing pour la recherche. Tout est livré par défaut. La bibliothèque communautaire de skills sur agentskills.io dépasse les 660 entrées et grandit chaque jour.