NousResearch hat mit Hermes Agent ein Open-Source-Framework veröffentlicht, das als autonom lernender AI-Agent komplexe Developer-Workflows selbstständig ausführt.
Der Agent ist modell-agnostisch und unterstützt LLMs über OpenRouter, NVIDIA NIM und OpenAI – inklusive nativem MCP-Server-Support und paralleler Subagenten-Ausführung.
Hermes Agent ist kostenlos auf GitHub verfügbar und läuft plattformübergreifend via Terminal-UI, Discord und Telegram.
NousResearch, das auf Open-Source-KI-Modelle spezialisierte Forschungslabor hinter der bekannten Hermes-Modellfamilie, hat mit Hermes Agent ein autonomes AI-Agenten-Framework für Entwickler veröffentlicht. Das Projekt ist frei auf GitHub zugänglich. Anders als herkömmliche LLM-Wrapper setzt Hermes Agent auf einen Built-in Learning Loop, der Kontext über Sessions hinweg speichert und eigenständig neue Skills aus Interaktionen generiert – ein Ansatz, der den Agenten mit jeder Nutzung leistungsfähiger machen soll.
Die Neuerungen im Detail
Built-in Learning Loop: Ein Agent, der sich selbst verbessert
Das Kernkonzept von Hermes Agent ist sein persistenter Lernmechanismus. Der Agent merkt sich Kontexte nicht nur innerhalb einer Session, sondern über beliebig viele Sitzungen hinweg. Entscheidend dabei: Er generiert und optimiert selbstständig neue Skills auf Basis vergangener Interaktionen. Das bedeutet konkret, dass ein Workflow, den ein Entwickler einmal manuell anstößt, beim zweiten Mal bereits als gelernter Skill abrufbar sein kann – ohne erneute Konfiguration.
Modell-agnostisch und Multi-Plattform
Hermes Agent bindet sich an keine einzelne LLM-Infrastruktur. Entwickler können frei zwischen Anbietern wählen:
OpenRouter – Zugang zu hunderten Open-Source- und proprietären Modellen
NVIDIA NIM – für GPU-beschleunigte Inferenz in Enterprise-Umgebungen
OpenAI-kompatible APIs – darunter GPT-4o, GPT-4.1 und weitere Endpoints
Zusätzlich integriert das Framework MCP-Server (Model Context Protocol), den aufkommenden Standard für die Kommunikation zwischen AI-Agenten und externen Tools. Auf der Interface-Seite bietet Hermes Agent 3 Zugangskanäle: ein Terminal User Interface (TUI) für lokale Nutzung, sowie native Discord- und Telegram-Integrationen für teambasierte Workflows.
Deep Automation mit Subagenten und Cron-Scheduler
Für komplexe Aufgaben setzt Hermes Agent auf parallele Subagenten-Ausführung. Der Hauptagent kann Teilaufgaben an spezialisierte Subagenten delegieren, die gleichzeitig arbeiten – etwa gleichzeitiges Code-Review, Dependency-Check und Dokumentationserstellung in einem einzigen Workflow.
Der native Cron-Scheduler erlaubt es, wiederkehrende Tasks ohne externe Tools zu automatisieren:
Automatisierte Statusreports zu festgelegten Zeiten
Periodische Skript-Ausführung für Monitoring oder Deployments
Zeitgesteuerte Datenabfragen und Benachrichtigungen
Hermes Agent ist kein Chatbot mit Extras, sondern ein Framework für persistente, sich selbst verbessernde AI-Automatisierung – mit nativem Scheduling und Multi-Agenten-Orchestrierung.
Warum das wichtig ist
Der AI-Agenten-Markt explodiert gerade. Laut Gartner werden bis 2028 rund 33 % aller Enterprise-Softwareanwendungen agentenbasierte KI integrieren – gegenüber weniger als 1 % im Jahr 2024. In diesem Kontext positioniert sich Hermes Agent als Open-Source-Alternative zu proprietären Lösungen wie Devin, GitHub Copilot Workspace oder Googles Project Mariner.
Der entscheidende Differenzierungsfaktor ist die Modell-Agnostik in Kombination mit dem Learning Loop. Während die meisten kommerziellen Agenten an ein bestimmtes LLM gebunden sind, können Entwickler mit Hermes Agent das Modell je nach Task wechseln – etwa ein günstiges Open-Source-Modell für Routine-Tasks und GPT-4o für komplexe Reasoning-Aufgaben. Das senkt die Inferenz-Kosten potenziell erheblich.
Kritisch anzumerken ist: Zum aktuellen Zeitpunkt liegen keine öffentlichen Benchmarks vor, die die Leistung des Learning Loops quantifizieren. Wie schnell und zuverlässig der Agent tatsächlich neue Skills lernt und ob die parallele Subagenten-Ausführung bei komplexen Dependency-Ketten stabil bleibt, muss die Community erst im praktischen Einsatz verifizieren.
Hermes Agent adressiert ein echtes Entwickler-Problem: den Wunsch nach einem AI-Assistenten, der nicht bei jeder Session von null anfängt, sondern sich kontinuierlich verbessert – ohne Vendor-Lock-in.
Verfügbarkeit & Fazit
Hermes Agent ist ab sofort kostenlos als Open-Source-Projekt auf GitHub verfügbar. Es fallen keine Lizenzkosten an; lediglich die API-Kosten des gewählten LLM-Providers sind vom Nutzer zu tragen. Eine lokale Nutzung mit Open-Source-Modellen über kompatible Inference-Server ist ebenfalls möglich, wodurch der Agent vollständig kostenfrei betrieben werden kann.
NousResearch liefert mit Hermes Agent ein ambitioniertes Framework, das auf dem Papier viele der aktuellen Pain Points autonomer AI-Agenten adressiert. Die Kombination aus Learning Loop, Modell-Freiheit und nativem Scheduling hebt es klar von einfacheren Wrapper-Lösungen ab. Ob es in der Praxis hält, was die Architektur verspricht, wird sich zeigen – die Grundlage für einen ernstzunehmenden Open-Source-Agenten ist jedenfalls gelegt.
Häufig gestellte Fragen (FAQ)
Was ist Hermes Agent und für wen ist er gedacht?
Hermes Agent ist ein Open-Source-AI-Agenten-Framework von NousResearch, das sich an Entwickler und DevOps-Teams richtet. Er führt komplexe Workflows autonom aus, lernt aus vergangenen Sessions und unterstützt beliebige LLM-Backends. Der Agent ist kostenlos auf GitHub verfügbar.
Wie unterscheidet sich Hermes Agent von GitHub Copilot oder Devin?
Im Gegensatz zu proprietären Lösungen wie GitHub Copilot Workspace oder Devin ist Hermes Agent Open Source und modell-agnostisch – Nutzer sind nicht an ein bestimmtes LLM oder Preismodell gebunden. Zusätzlich bietet er einen Built-in Learning Loop, der Skills über Sessions hinweg speichert und optimiert.
Welche LLM-Anbieter unterstützt Hermes Agent?
Hermes Agent arbeitet mit OpenRouter, NVIDIA NIM und OpenAI-kompatiblen APIs. Durch die Modell-Agnostik können Entwickler je nach Anforderung und Budget zwischen Open-Source-Modellen und proprietären Modellen wie GPT-4o wechseln – auch innerhalb eines Workflows.
Ist Hermes Agent wirklich kostenlos?
Das Framework selbst ist vollständig kostenlos und unter einer Open-Source-Lizenz auf GitHub verfügbar. Kosten entstehen nur durch die API-Nutzung externer LLM-Provider. Bei lokaler Inferenz mit Open-Source-Modellen fallen keine laufenden Kosten an.
Was ist der Built-in Learning Loop von Hermes Agent?
Der Learning Loop ist ein persistenter Lernmechanismus, der Kontext und Ergebnisse über mehrere Sessions speichert. Der Agent generiert daraus eigenständig neue Skills und optimiert bestehende – mit dem Ziel, wiederkehrende Aufgaben zunehmend effizienter und ohne manuelle Neukonfiguration zu erledigen.
Florian Schröder ist Experte im Online-Marketing mit Schwerpunkt PPC (Pay-Per-Click) Kampagnen. Die revolutionären Möglichkeiten der KI erkennt er nicht nur, sondern hat sie bereits fest in seine tägliche Arbeit integriert, um innovative und effektive Marketingstrategien zu entwickeln.
Er ist überzeugt davon, dass die Zukunft des Marketings untrennbar mit der Weiterentwicklung und Nutzung von künstlicher Intelligenz verbunden ist und setzt sich dafür ein, stets am Puls dieser technologischen Entwicklungen zu bleiben.
Wir verwenden Technologien wie Cookies, um Geräteinformationen zu speichern und/oder darauf zuzugreifen. Wir tun dies, um das Surferlebnis zu verbessern und um personalisierte Werbung anzuzeigen. Wenn Sie diesen Technologien zustimmen, können wir Daten wie das Surfverhalten oder eindeutige IDs auf dieser Website verarbeiten. Wenn Sie Ihre Zustimmung nicht erteilen oder zurückziehen, können bestimmte Funktionen beeinträchtigt werden.
Funktional
Immer aktiv
Die technische Speicherung oder der Zugang ist unbedingt erforderlich für den rechtmäßigen Zweck, die Nutzung eines bestimmten Dienstes zu ermöglichen, der vom Teilnehmer oder Nutzer ausdrücklich gewünscht wird, oder für den alleinigen Zweck, die Übertragung einer Nachricht über ein elektronisches Kommunikationsnetz durchzuführen.
Vorlieben
Die technische Speicherung oder der Zugriff ist für den rechtmäßigen Zweck der Speicherung von Präferenzen erforderlich, die nicht vom Abonnenten oder Benutzer angefordert wurden.
Statistiken
Die technische Speicherung oder der Zugriff, der ausschließlich zu statistischen Zwecken erfolgt.Die technische Speicherung oder der Zugriff, der ausschließlich zu anonymen statistischen Zwecken verwendet wird. Ohne eine Vorladung, die freiwillige Zustimmung deines Internetdienstanbieters oder zusätzliche Aufzeichnungen von Dritten können die zu diesem Zweck gespeicherten oder abgerufenen Informationen allein in der Regel nicht dazu verwendet werden, dich zu identifizieren.
Marketing
Die technische Speicherung oder der Zugriff ist erforderlich, um Nutzerprofile zu erstellen, um Werbung zu versenden oder um den Nutzer auf einer Website oder über mehrere Websites hinweg zu ähnlichen Marketingzwecken zu verfolgen.
