AI

Hermes Agentとは？使うほど賢くなる自己改善型AIエージェントの仕組み

Hermes Agentとは？使うほど賢くなる自己改善型AIエージェントの仕組み

Hermes Agentは、米AI企業 Nous Research が2026年2月25日に公開した、オープンソース（MITライセンス）の自律型AIエージェントです。最大の特徴は「使うほどスキルが蓄積され、自己改善していくループ」を内蔵している点にあります。

ChatGPTやClaudeの「人が指示するたびに考える」モデルとは異なり、Hermes Agentは一度こなしたタスクから再利用可能なスキルを自動生成し、次回以降はそれを呼び出して動きます。サーバー常駐型でデータは自社環境から外に出ず、最小構成なら月数ドル規模で運用できる設計です。

公開から7週間でGitHubスターは95,000を突破、現在は約105,000に到達しており、2026年最速で成長したOSSエージェントフレームワークと評されています（出典: Nous Research 公式 Hermes Agent ページ）。

本記事では、Hermes Agentの定義・主要機能7つ・コア技術・OpenClawとの比較・中小企業向けの導入手順までを、AI推進担当が現場で必要とする粒度で整理します。

この記事でわかること

  • Hermes Agentが「他のAIエージェント」と決定的に違う3つのポイント
  • 中小企業がHermes Agentを業務導入する現実的な手順とコスト感
  • OpenClaw・Claude・GPTの各エージェントと比較した時の使い分け基準

Hermes Agentとは何か（定義・開発元・リリース時期）

一言で言うと「使うほど賢くなる自己改善型AIエージェント」

Hermes Agentとは、サーバー上に常駐し、複雑なタスクをこなすたびに再利用可能な「スキル」をMarkdown形式で自動生成・蓄積していく、オープンソースの自律型AIエージェントです。

公式キャッチコピーは「The agent that grows with you（あなたとともに成長するエージェント）」。ChatGPTやClaudeのデスクトップアプリのようにユーザーが毎回指示する形ではなく、一度実行したタスクの手順・エッジケース・ドメイン知識を自動で記録し、次回以降はそれを参照して同種のタスクを即座にこなします。

開発元：ユニコーン企業 Nous Research の主力プロダクト

開発元のNous Researchは、2023年にニューヨークで設立されたAI研究企業です。2025年4月のシリーズAで Paradigm がリードする5,000万ドル（約75億円）の資金調達を実施し、累計調達額は7,000万ドル、企業価値は10億ドル（約1,500億円）に達したユニコーン企業として知られます。

主な実績は以下のとおりです。

  1. Hermesモデルシリーズ：累計5,000万ダウンロードを突破した オープンソースLLMファミリー
  2. YaRN：長文コンテキスト拡張技術で、MetaやDeepSeekに採用、109の学術論文に引用
  3. DisTrO：分散型AI学習でGPU間通信を1,000〜10,000倍圧縮
  4. Psyche Network：Solana 上で動作する分散型AIトレーニングネットワーク

つまりHermes Agentは「とりあえず作ってみた」OSSではなく、自社モデルと自社学習基盤を持つAI企業が、自社の研究成果を統合する形で出した本気のプロダクトという位置づけになります。

2026年2月25日リリース、公開7週でGitHub10.5万★を獲得

Hermes Agentのリリース日は2026年2月25日です。OSSコミュニティでの伸びは異常な速度で、リリース7週間後にはGitHubスター数が95,000を突破し、現時点では約105,000に到達しています。これは2026年に公開されたOSSエージェントフレームワークの中で最速の成長率です。

指標数値補足
初版リリース2026年2月25日Nous Research公式から公開
7週時点のGitHub★95,000+同時期OSSで最速ペース
現時点GitHub★約105,0002026年5月時点
ライセンスMIT商用利用可・改変可
公開リポジトリNousResearch/hermes-agent公式GitHub

Hermes Agentで何ができるのか？7つの主要機能

ここからは「結局Hermes Agentで何ができるのか」を、業務導入の視点で7つの機能に整理します。

① 自己改善ループ：完了したタスクから自動でスキルを生成

Hermes Agentの中核機能です。5回以上のツール呼び出しを伴う複雑なタスクが完了すると、エージェントはそのタスクの「進め方」「ハマったポイント」「必要だったドメイン知識」をMarkdown形式のスキルファイルとして自動で書き出します。

次回類似タスクが来た時は、ゼロから推論し直さず、保存したスキルを読み込んでから着手します。これにより、同じ業務を繰り返すほど精度と速度が上がっていく構造を実現しています。

② 永続メモリ：3層構造でセッションを跨いで学習を蓄積

メモリは以下の3層で構成されます。

  1. セッションメモリ：MEMORY.md（2,200文字制限）とUSER.md（1,375文字制限）に、直近のコンテキストとユーザープロファイルを保持
  2. セッション検索・アーカイブ：SQLite のFTS5全文検索を用いて、過去の全会話履歴から関連情報を検索
  3. スキルメモリ：~/.hermes/skills/ 配下に、自己改善ループで生成したスキルを蓄積（agentskills.io のオープン標準準拠）

凍結スナップショット方式によりAnthropicのプロンプトキャッシュhit率を最適化し、入力コストが約75%削減される実装となっています（出典: note.com まさお氏「Hermes Agentとは？使うほど賢くなる自己改善型AIエージェントを徹底解説」2026-04-11）。

③ 47種類のツール：Web検索・コード実行・ブラウザ自動操作

Hermes Agentには標準で47のツールが7カテゴリで搭載されています。

カテゴリ主要ツール用途例
Webweb_search / web_extract競合調査・最新情報取得
Terminal & Files6種バックエンド対応サーバー操作・ファイル処理
BrowserBrowserUse / Camofoxサイト自動操作・スクレイピング
Media画像生成・TTS・マルチモーダル分析レポートのビジュアル化
Agent orchestration計画立案・サブエージェント委譲大規模タスクの並列分解
Memory & recall永続メモリ・セッション検索過去の意思決定の再利用
Automation & delivery自然言語cron・メッセージ配信定期レポート・通知自動化

「外部APIをひとつずつ契約してつなぐ」という作業を肩代わりするのが、後述する Nous Tool Gateway です。

④ 15以上のメッセージング連携：Slack・Discord・Telegram対応

Hermes Agentは単一のデプロイで15以上のメッセージングプラットフォームに同時接続できます。

ポイントは「会話の継続性」が保たれることです。Telegramで始めた業務指示を、別の場所でSlackから引き継ぎ、さらに別の人がDiscordから追加指示を出す、という運用が同じメモリ空間で成立します。

⑤ 400以上のLLM対応：プロバイダーロックインを回避

Hermes Agentは特定のLLMに縛られない設計です。以下のプロバイダーすべてに接続できます。

つまり「Claudeが値上げしたらGPTに、コスト下げたいならDeepSeekに、機密性を上げたいならローカルOllamaに」を、設定変更だけで切り替えられるということです。SaaS型AIエージェントとの最大の違いがここにあります。

⑥ ローカル動作：自社サーバーでデータ主権を守れる

Hermes Agentは自社のVPSや社内サーバーで動作し、会話履歴・メモリ・スキルはすべてローカルのSQLiteに保存されます。OpenAIやAnthropicのクラウドにデータが渡るのは、推論APIを呼び出す瞬間だけです（ローカルOllama利用時はゼロ）。

機微情報を扱う業務（人事・与信・契約・医療）で、SaaS型エージェントの利用承認が下りない企業にとって、これは決定的な差になります。

⑦ 自然言語スケジューラ：「毎朝9時にレポート」を自然文で指示

「毎週月曜の朝に、先週の問い合わせ件数をSlackにまとめて投げて」と日本語（または英語）で指示するだけで、Hermes Agentは内部的にcron的なスケジュールを登録し、定期実行します。エンジニアがcrontabを書く必要はありません。

なぜHermes Agentは公開7週でGitHub10万★を集めたのか？

OSSエージェントの世界では、すでに LangChain、AutoGPT、CrewAI など多数のプレイヤーが存在します。それでもHermes Agentが急成長した理由は、以下の4点に整理できます。

自己改善ループという「他にない唯一の機能」

既存のOSSエージェントの大半は「ステートレス」、つまり毎回ゼロから推論を始めます。Hermes Agentは「使うたびに知識が蓄積される」設計を中核に据えた数少ない実装で、二次情報源では「他のAIエージェントにない唯一の機能」と評価されています（出典: note.com まさお氏記事 2026-04-11）。

ベンダー依存からの解放：400+モデルで切り替え自由

ChatGPT EnterpriseやClaude Teamを使っている企業の悩みは「プロバイダーの値上げに従うしかない」点です。Hermes Agentは設定ファイルを書き換えるだけでLLMを差し替えられるため、コストと品質を企業側がコントロールできます。

月$5〜15で動く圧倒的コストパフォーマンス

最小構成（VPS $5/月 + ローカルOllama $0）から、軽い使い方（VPS $5/月 + DeepSeek V4 約$2/月）で月$5〜15程度の運用試算が報告されています（出典: note.com まさお氏記事 2026-04-11）。

ただしこの数値はあくまで著者の試算で、ClaudeやGPTを本格利用すればAPI従量課金で大きく上振れします。SaaS型のAIエージェントが月数十万〜数百万円かかる領域と比べたとき、下限がここまで低いという事実そのものが、エンジニアコミュニティで強い訴求になりました。

Nous Research の OSS 実績（Hermesモデルシリーズ累計5,000万DL）

Nous Researchはこれまでに、Hugging Face上でHermesモデルシリーズを累計5,000万回ダウンロードされる実績を積み上げており、エンジニアコミュニティでの信頼が厚い企業です。「Nousが出したエージェント」という時点で、初期のレビュアー数と評価密度が他社の比ではないというネットワーク効果も働いています。

Hermes Agentのコア技術と内部アーキテクチャ

Hermes Agentの内部実装で特に注目すべき技術を4つ紹介します。エンジニアでなくても「何が他と違うのか」が伝わるよう、要点に絞ります。

PTC（Programmatic Tool Calling）でツール呼出を効率化

通常のAIエージェントは「ツールを呼ぶ→結果を受け取る→次のツールを呼ぶ」を逐次的に繰り返すため、ツール呼出回数とトークン消費が爆発しがちです。

PTCはLLMがPythonスクリプトを生成し、それをRPC経由で実行することで、複数ツールを一度にまとめて呼び出します。これによりツール呼出回数を大幅に削減し、レスポンス時間とコストを同時に圧縮します。

MoA（Mixture of Agents）で複数LLMを統合

MoAは、Claude Opus 4.6 / Gemini 3 Pro / GPT-5.4-Pro / DeepSeek-v3.2 など複数のLLMに並列で同じ問いを投げ、それぞれの回答を統合して最終回答を生成する仕組みです。「単一モデルの弱点を、複数モデルの集合知でカバーする」設計で、難易度の高い推論タスクで精度向上が期待できます。

GEPA（Genetic-Pareto Prompt Evolution）で最小3例から最適化

GEPAは遺伝的アルゴリズムを用いたプロンプト最適化システムです。3例程度の入出力データさえあれば、Hermes Agent自身がプロンプトを自己進化させて精度を高めます。「プロンプトエンジニアリングの一部をエージェント自身に肩代わりさせる」発想です。

6層セキュリティ防御アーキテクチャ

24時間稼働させる前提のエージェントなので、セキュリティ設計が分厚く作られています。

  1. 入力層：プロンプトインジェクション検出、入力サニタイズ
  2. 実行前層：Tirithプリスキャン、危険コマンド検出（manual / smart / off の3モード）
  3. 実行中層：Docker / Singularity / Modal によるコンテナ分離、チェックポイント
  4. スキル層：信頼マトリックスによるスキル評価
  5. 出力層：秘密情報マスキング（RedactingFormatter）
  6. CI/CD層：サプライチェーン監査

公開時点でHermes Agent本体のCVE（脆弱性報告）はゼロという実績があります（出典: note.com まさお氏記事 2026-04-11）。

Hermes Agent と OpenClaw は何が違うのか？徹底比較表

Hermes Agent と OpenClaw は何が違うのか？徹底比較表

中小企業のDX担当が比較検討する代表的なOSSエージェントが OpenClaw です。両者は思想が異なるため「どちらが優れているか」ではなく「どちらが自社に合うか」で選ぶべきです。

機能比較：自己改善ループ vs エコシステム規模

比較軸Hermes AgentOpenClaw
設計思想育てるべき知性（メモリ・自己改善重視）オーケストレーションするシステム（ルーティング重視）
自己改善ループ◎（コア機能）△（限定的）
対応モデル数400+主要数社中心
対応プラットフォーム15+メッセージング50+プラットフォーム
公開スキル数発展中5,700+
マネージドデプロイ公式提供なし提供あり
チーム運用機能限定的充実
CVE報告（公開時点）ゼロCVE-2026-25253（CVSS 8.8）等を含む複数
ライセンスMITプロジェクトにより異なる

料金・運用コストの違い

OpenClawは公式マネージドホスティングを利用するとSaaS型の月額課金が発生します。Hermes Agentはセルフホスティング前提のため、サーバー費用とLLM API費用だけで動きます。

コスト項目Hermes AgentOpenClaw（マネージド）
エージェント本体$0（MIT/OSS）プラン依存
ホスティングVPS $5/月〜マネージド料金に含む
LLM APIプロバイダー従量プラン依存
試算下限月$5〜15※月数十〜数百ドル

※下限はVPS+DeepSeek V4/ローカルOllama利用時の試算。ClaudeやGPT利用時はAPI従量で大きく変動。

どちらを選ぶべきか：用途別の使い分け基準

  • Hermes Agentを選ぶべき
    自社サーバー運用したい / 既存のAI業務を内製化したい / LLMコストを自分で握りたい / 機密データを外に出したくない
  • OpenClawを選ぶべき
    既存スキルを多用したい / マネージドホスティングで運用負荷を下げたい / チーム複数人運用機能が必要 / すでに50+プラットフォーム連携を活用している

中小企業で「まず1名のエンジニアが社内検証する」フェーズなら、初期コストとデータ統制の両面でHermes Agentが先に来ます。OpenClawの本格採用は、社内利用が広がってチーム運用機能が必要になった段階で改めて検討する、という順序が現実的です。

Hermes Agentを業務導入する5つのステップ

Hermes Agentを業務導入する5つのステップ

ここからは、実際に中小企業の社内エンジニア1名が導入する想定で、5つのステップに分解します。

Step1：VPS（または社内サーバー）を用意する

Hetzner、DigitalOcean、Vultr などのVPSで月$5前後の最小プランから始められます。社内のデータセンターに余裕がある場合は、社内サーバーに直接インストールしても問題ありません。

Step2：ワンライナーでインストールする

公式が用意しているインストールスクリプトを実行します。

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

必須要件はGitのみで、uv / Python 3.11 / Node.js v22 / ripgrep / ffmpeg は自動でセットアップされます。

Step3：LLMプロバイダーを選定する

hermes model コマンドで利用するLLMを設定します。初期検証なら以下が現実的です。

  • コスト最優先：DeepSeek V4（月$2前後）
  • 品質最優先：Claude Opus 4.6 または GPT-5.4-Pro（API従量、要利用規約確認）
  • 機密性最優先：Ollama でローカルモデル（月$0、ただし自社GPUまたはVPSの計算リソースが必要）

なおAnthropic Claude APIはサードパーティ製エージェントからの利用に制限がかかる場合があるため、利用規約の確認を強く推奨します（出典: note.com まさお氏記事 2026-04-11）。

Step4：自社業務に合わせてツールを有効化する

hermes tools コマンドで47のツールから必要なものだけを有効化します。例えば「顧客対応のFAQ生成」が目的ならWeb検索 / Files / Memory、「定期レポート配信」ならScheduler / Web / Slack Gateway、といった単位で絞ります。

hermes gateway setup でSlackやTelegramと接続し、hermes doctor で動作確認を行います。

Step5：ガバナンス設定（人手承認モード）で本番投入

実行前層の危険コマンド検出は manual / smart / off の3モードがあり、本番投入直後は manual モード（人手承認必須） で運用するのが推奨です。エージェントの挙動が安定してから smart モードに切り替え、最終的に特定領域のみ off にする、という段階運用が現実的です。

Hermes Agent導入時の4つの注意点

検討段階で押さえておくべき注意点をまとめます。

①Anthropic Claude APIはサードパーティ利用が制限される可能性

Hermes AgentからClaude APIを呼ぶ構成は、AnthropicのAPI利用規約上で扱いがグレーになる可能性があります。本番運用前にAnthropicの最新規約を確認し、必要に応じてEnterprise契約での確認を取ることを推奨します。

②自己学習メモリ（Honcho）はデフォルトOFF

外部メモリプロバイダの Honcho を含む8種のメモリプロバイダ連携機能は、デフォルトではオフになっています。「使うほど賢くなる」機能をフル活用するには、設定で明示的に有効化する必要があります。

③スキルの自動上書きリスク

自己改善ループはスキルを自動生成・更新しますが、運用が長期化すると、以前うまく動いていたスキルが新しいスキルに上書きされて挙動が変わる、というケースが報告されています。重要なスキルは別ディレクトリに退避するか、Git管理しておくのが安全です。

④日本語ドキュメントは発展途上

2026年5月時点では公式ドキュメントの多くが英語です。日本のエンジニアが詰まった時の参照先として、公式 Discord コミュニティや日本語の解説記事に頼る場面が出てきます。

中小企業がHermes Agentを使うべき業務シーン3選

「結局うちの業務で何が変わるのか」を具体化するために、3つの典型シーンを示します。

顧客対応の一次トリアージ自動化

問い合わせメール・チャット・フォーム経由の連絡を、Hermes Agentが内容と緊急度で分類し、担当部署に自動振り分けします。一度処理した案件のパターンはスキル化されるため、運用2〜3ヶ月後には担当者の判断にかなり近い精度まで到達します。

定型レポートの自動生成と配信

「毎週月曜の朝、先週の売上・問い合わせ件数・SNS反応を集計してSlackに投げて」という指示を自然言語で登録するだけで、Hermes Agentが定期的にレポートを生成・配信します。エンジニアがETLパイプラインを組む工数がほぼゼロになります。

社内ナレッジ検索エージェントの構築

社内Wikiやファイルサーバーの情報を取り込み、社員からの質問に対して根拠付きで回答するエージェントを構築できます。データはローカルサーバーから外に出ないため、社外秘ナレッジを安心して投入できる点が、ChatGPT EnterpriseやNotion AIとの差別化要素になります。

まとめ：Hermes Agentは「育てるAI」という新しいパラダイム

Hermes Agentは、AIエージェントに「サーバーで育てて使い続ける」という選択肢を持ち込みました。

ChatGPTやClaudeが「優秀な外部コンサルタント」だとすれば、Hermes Agentは「自社で雇って育てる新入社員」に近いポジションになります。導入直後は不器用ですが、使い込むほど自社業務の癖を覚え、精度と速度の両方が伸びていきます。

中小企業のDX推進担当が次に取るべき具体的な3つのアクションは、以下のとおりです。

  1. 試す：エンジニア1名で、最小構成（VPS+DeepSeek V4）の検証環境を1週間立ち上げる
  2. 測る：自社業務のうち「繰り返し発生する作業」を1つ選び、Hermes Agentに任せて工数削減効果を計測する
  3. 広げる：効果が確認できたら、ガバナンス設定（人手承認モード）で本番運用に移行し、徐々に対象業務を拡張する

「使うほど賢くなる」というコンセプトは、裏返せば「使わなければ何も起きない」ということでもあります。検討で止めず、まず社内エンジニアと1週間の検証から始める。これがHermes Agentの真価を引き出す最短ルートです。

よくある質問（FAQ）

Q1. Hermes Agentは無料で使えますか？

Hermes Agent本体はMITライセンスで完全無料です。ただし運用には別途、サーバー費用（VPSで月$5前後〜）とLLM API利用料（ローカルOllama利用なら$0、Claude/GPT利用なら従量課金）が発生します。最小構成では月$5〜15程度の試算が報告されていますが、利用するLLMによって大きく変動します。

Q2. ClaudeやChatGPTのエージェント機能と何が違いますか？

最大の違いは「自己改善ループ」と「データ主権」です。ChatGPTやClaudeのエージェントは毎回プロンプトベースで動作しますが、Hermes Agentはタスク完了ごとにスキルを自動生成して蓄積します。また、すべてのデータが自社サーバー内のSQLiteに保存され、LLM API呼び出し時以外は外部に出ません。

Q3. プログラミングができなくても導入できますか？

導入そのものはワンライナーのインストールコマンドで完了し、設定は対話形式のCLIで進められるため、ターミナル操作ができれば非エンジニアでも可能です。ただし、自社業務に合わせたカスタマイズや障害対応には、Python・Linux運用ができるエンジニア1名の体制が現実的です。

Q4. 社外秘データを安全に扱えますか？

会話履歴・メモリ・スキルはすべて自社サーバー内のSQLiteに保存され、外部クラウドには送信されません。LLM推論時のみAPI経由で外部に送られますが、Ollamaなどのローカルモデルを利用すればこの送信もゼロにできます。機密性が高い業務では、ローカルモデル＋オンプレ運用の構成が推奨されます。

Q5. 商用利用しても問題ありませんか？

Hermes Agent本体はMITライセンスのため商用利用は完全に自由です。ただし、利用するLLM側の規約（特にAnthropic Claude APIのサードパーティ利用制限など）には別途注意が必要です。本番運用前に、利用するLLMプロバイダーの最新利用規約を確認してください。

Q6. 日本語での応答品質はどうですか？

応答品質は接続するLLMに依存します。Claude Opus 4.6 / GPT-5.4-Pro / Gemini 3 Pro など主要モデルは日本語品質が高く、業務利用に耐えうるレベルです。一方、軽量なローカルモデル（小型のOllamaモデル等）では日本語の精度が落ちる場合があるため、検証フェーズでLLMごとに比較するのが安全です。

Q7. 導入後の運用は誰が見るべきですか？

社内のエンジニア1名（Python・Linux運用ができる人材）が技術運用を担当し、DX推進担当または業務部門の担当者がスキルの内容レビュー・ガバナンス判断を行う体制が標準的です。スキルが自動生成・上書きされる仕様のため、定期的なレビューと重要スキルのバックアップを運用ルール化することを推奨します。

#AIエージェント #AI料金 #AI活用 #Claude #DX #生成AI
この記事を書いた人
ZIDAI Notebook 編集部
ZIDAI Notebook 編集部

新規事業開発支援、生成AIを活用したDX支援を実施する株式会社ZIDAIの事業開発、AI情報メディア「ZIDAI Notebook」。 多くの事業開発やAIを活用した開発を行ってきたBizDev、エンジニアの監修の元、情報をお届けします。

関連する記事