Apa itu Hermes Agent? Penjelasan, cara kerja, serta kelebihan dan kekurangannya

Hermes Agent adalah framework AI agent otonom open-source dari Nous Research yang dirilis pada Februari 2026 di bawah lisensi MIT.

Berbeda dari chatbot AI biasa yang hanya aktif selama sesi percakapan berlangsung, Hermes Agent dirancang sebagai layanan yang terus berjalan di server pribadi atau infrastruktur self-hosted. Sistem ini menggunakan large language model (LLM) sebagai mesin penalaran, dilengkapi berbagai tool untuk interaksi pengguna, serta sistem memori berlapis yang mampu mempertahankan konteks antar sesi.

Memang sudah banyak asisten AI yang mampu menjawab pertanyaan dengan sangat baik untuk sebuah pertanyaan. Namun, asisten AI saat ini umumnya kesulitan menangani workflow yang berlangsung selama berhari-hari atau membutuhkan konteks jangka panjang. Nah, Hermes Agent dibangun dengan prinsip persistensi sehingga mampu menyimpan memori, mengembangkan skill yang bisa digunakan ulang, dan tetap bekerja di latar belakang tanpa perlu terus diawasi pengguna.

Metode ini menandai pergeseran dari interaksi AI yang bersifat sementara menuju workflow AI mandiri yang berjalan secara berkelanjutan dan terus berkembang seiring waktu.

Apa itu Hermes Agent?

Hermes Agent adalah framework AI agent open-source berlisensi MIT yang bisa berjalan 24/7 di lingkungan self-hosted.

Framework ini dirancang untuk menangani tugas multi-langkah secara mandiri dengan memanfaatkan berbagai tool, seperti terminal dan browser, sekaligus menyimpan memori lintas sesi agar konteks pekerjaan tetap terjaga.

Nous Research, laboratorium AI di balik keluarga model Hermes, Nomos, dan Psyche, merilis Hermes Agent pada Februari 2026 sebagai framework agen otonom pertamanya.

Hermes Agent berjalan sebagai proses latar belakang (background process). Agent ini bisa menerima instruksi melalui platform seperti Telegram, Discord, atau Slack, lalu menjalankan tool langsung di perangkat pengguna. Bahkan setelah jendela chat ditutup, agen tetap bisa melanjutkan pekerjaannya.

Karena itu, Hermes Agent mampu mempertahankan konteks, mengembangkan skill yang bisa digunakan kembali, dan terus berkembang dari waktu ke waktu.

Dibandingkan dengan AI agent open-source lain, Hermes Agent lebih berfokus pada infrastruktur. Framework ini ditujukan bagi pengguna yang ingin menjalankan AI agent sendiri di server pribadi (VPS) atau server rumahan, bukan bergantung pada layanan cloud terkelola.

Atau, Anda juga bisa menjalankan Hermes Agent melalui aplikasi AI automation Hostinger, di mana Hostinger akan menangani pengaturan server, pembaruan, pencadangan, dan keamanan untuk Anda.

Dengan kata lain, Hermes Agent dirancang menjadi bagian dari infrastruktur pribadi pengguna, bukan sekadar aplikasi berbasis browser atau asisten coding yang tertanam di IDE.

Cara kerja Hermes Agent

Hermes Agent bekerja dengan menerima input, merencanakan tindakan menggunakan LLM, menjalankan tool yang diperlukan, menyimpan hasil ke memori, lalu mengulangi proses tersebut hingga tugas selesai.

Apabila menggunakan Hermes Agent dalam paket aplikasi AI automation Hostinger, Anda tidak perlu repot dengan hal-hal terkait penyiapan dan sistemnya. Dengan Hermes self-hosted, Anda bisa menjalankan Hermes di infrastruktur sendiri menggunakan installer, yang akan menyiapkan lingkungan Python dan menyimpan file agent di direktori ~/.hermes/.

Secara umum, alur kerja Hermes Agent terdiri dari beberapa tahap berikut:

1. Menerima input. Tugas masuk ke agent melalui CLI, platform chat yang terhubung, atau tugas otomatis yang dijalankan menggunakan cron job.
2. Perencanaan tugas dengan LLM. Agen mengirim permintaan ke model bahasa yang sudah dikonfigurasi sambil mempertimbangkan memori yang tersedia dan tool yang bisa digunakan. Berdasarkan konteks tersebut, model menentukan langkah berikutnya.
3. Eksekusi tool. Setelah rencana dibuat, agent menjalankan tool yang diperlukan, seperti terminal, editor file, browser web, atau server MCP. Hasil dari setiap tool kemudian dimasukkan kembali ke dalam loop kerja agen.
4. Penyimpanan dan pengambilan memori. Hermes Agent menyimpan hasil, fakta, dan proses penalaran ke database lokal. Apabila diperlukan, agen juga bisa membuat file memori terkurasi agar sesi berikutnya memiliki konteks yang relevan.
5. Iterasi dan operasi berkelanjutan. Proses ini terus berulang hingga tugas selesai. Setelah itu, agent tidak dimatikan, tapi tetap aktif dan menunggu instruksi berikutnya.

Secara keseluruhan, mekanisme ini memungkinkan Hermes Agent menjalankan workflow yang berkelanjutan lintas tugas, platform, dan sesi penggunaan.

Apa yang membedakan Hermes Agent dari AI agent lainnya

Hermes Agent adalah AI agent self-hosted yang dirancang untuk terus berjalan, bekerja secara otonom, dan berkembang seiring waktu.

Framework ini sudah dilengkapi sistem memori, skill, messaging, dan penjadwalan bawaan sehingga Anda tidak perlu membangun semuanya dari nol. Anda juga bisa mengganti LLM, menambahkan tool baru, atau menyesuaikan perilaku agent melalui file SOUL.md.

Yang membuat Hermes Agent berbeda adalah kemampuannya untuk belajar dari tugas yang sudah diselesaikan. Setelah sebuah tugas selesai dikerjakan, Hermes Agent akan merekam proses tersebut lalu mengubahnya menjadi skill yang bisa digunakan kembali untuk tugas berikutnya.

Misalnya, Anda meminta Hermes Agent memperbaiki deployment yang gagal. Kalau agent berhasil menyelesaikannya melalui beberapa langkah troubleshooting, proses tersebut akan disimpan sebagai skill. Jadi, saat masalah serupa muncul lagi di masa depan, agent sudah memiliki referensi tentang solusi yang sebelumnya berhasil.

Pendekatan seperti ini masih jarang ditemukan di kebanyakan tool AI saat ini. Sebagian besar tool AI biasanya hanya masuk ke salah satu dari tiga kategori berikut: chatbot yang menjawab satu pertanyaan dalam satu sesi, asisten coding di IDE yang hanya bekerja di dalam editor, atau framework orkestrasi seperti LangChain yang menyediakan building block, tetapi pengelolaan memori, penjadwalan, dan proses pembelajarannya tetap harus Anda bangun sendiri.

Hermes Agent vs. OpenClaw

Hermes Agent dan OpenClaw sama-sama merupakan AI agent otonom yang bisa dijalankan secara self-hosted. Namun, keduanya punya fokus yang berbeda.

Hermes Agent lebih berfokus pada proses belajar jangka panjang melalui pembuatan skill yang bisa digunakan ulang. Sementara itu, OpenClaw lebih fokus pada eksekusi tugas secara langsung melalui percakapan bahasa alami.

Berikut perbandingan Hermes Agent dan OpenClaw secara lebih mendetail:

Kalau sudah menggunakan OpenClaw, Anda juga bisa beralih ke Hermes Agent tanpa kehilangan konfigurasi dan pekerjaan yang sudah ada.

Cukup jalankan perintah berikut saat proses setup awal:

hermes claw migrate

Perintah tersebut akan mengimpor pengaturan, memori, skill, serta API key yang sebelumnya digunakan di OpenClaw. Dengan begitu, Anda tidak perlu mengatur ulang koneksi provider LLM, platform messaging, maupun konteks yang sudah terkumpul sebelumnya.

Hermes Agent vs. Paperclip

Hermes Agent dan Paperclip sebenarnya bekerja di lapisan yang berbeda, jadi keduanya lebih cocok untuk saling melengkapi daripada sebagai kompetitor langsung.

Dalam praktiknya, Hermes Agent berfungsi sebagai AI agent utama yang digunakan sehari-hari. Sementara itu, Paperclip berperan sebagai lapisan orkestrasi untuk mengelola koordinasi antar agent.

Artinya, Anda bisa menjalankan beberapa instance Hermes Agent sebagai worker di dalam organisasi Paperclip.

Berikut perbandingan Hermes Agent dan Paperclip:

Kalau Anda tertarik membangun organisasi AI lengkap menggunakan Paperclip dan Hermes Agent, Anda bisa mengikuti tutorial kami tentang cara setting Paperclip.

Fitur utama Hermes Agent

Hermes Agent menggabungkan berbagai fitur yang biasanya ditawarkan secara terpisah oleh agen AI lainnya, seperti:

• Eksekusi 24/7 yang konsisten. Setelah dijalankan sebagai layanan systemd, Hermes Agent akan terus aktif untuk menerima pesan, menjalankan cron job terjadwal, dan melanjutkan pekerjaan setelah reboot. Fitur ini membuat workflow jangka panjang jadi lebih praktis, misalnya untuk membuat ringkasan riset setiap malam, generate code semalaman, atau mengirim laporan mingguan tanpa harus memulai chat baru setiap kali.
• Pengambilan keputusan otonom dan pembuatan skill. Kalau Hermes Agent menyelesaikan tugas kompleks yang melibatkan banyak tool call, agent akan menyimpan proses tersebut sebagai skill yang bisa digunakan ulang. Skill ini disimpan sebagai file Markdown di direktori ~/.hermes/skills/ dan mengikuti standar terbuka agentskills.io sehingga kompatibel dengan agent lain yang mendukung format serupa. Anda juga bisa mengimpor skill buatan komunitas dari Skills Hub menggunakan slash command seperti /gif-search atau /github-pr-workflow. Menariknya lagi, Hermes Agent juga bisa memperbarui skill miliknya sendiri ketika workflow yang lama sudah tidak relevan.
• Penyimpanan memori jangka panjang. Hermes Agent menggunakan sistem memori empat lapis untuk mempertahankan konteks dalam jangka panjang. File MEMORY.md dan USER.md digunakan untuk menyimpan informasi lingkungan dan preferensi pengguna yang otomatis dimuat ke system prompt di awal sesi. Selain itu, Hermes Agent juga menyimpan seluruh riwayat sesi di database SQLite ~/.hermes/state.db dengan dukungan pencarian teks penuh FTS5 agar informasi lama bisa dipanggil kembali dengan cepat. Direktori skill berfungsi sebagai memori prosedural, sedangkan provider eksternal seperti Honcho, Mem0, OpenViking, atau Supermemory bisa digunakan untuk kebutuhan pemodelan pengguna jangka panjang.
• Integrasi tool dan API. Hermes Agent memiliki lebih dari 40 tool bawaan yang mencakup pencarian web, eksekusi terminal, operasi file seperti read_file dan patch, browser automation, image recognition, image generation, text-to-speech, hingga delegasi sub-agent. Tool tersebut akan terdaftar secara otomatis saat diimpor. Jadi, Anda juga bisa menambahkan tool sendiri melalui plugin di direktori pengguna, proyek, atau pip.
• Kompatibilitas dengan berbagai LLM. Hermes Agent mendukung berbagai endpoint yang kompatibel dengan OpenAI API, termasuk Nous Portal, OpenRouter, Anthropic, maupun instance Ollama lokal. Karena itu, Anda punya fleksibilitas untuk memilih model sesuai kebutuhan dan infrastruktur yang digunakan.
• Dukungan MCP bawaan. Hermes Agent mendukung integrasi MCP (Model Context Protocol) secara bawaan. Anda bisa menghubungkan server MCP melalui stdio maupun HTTP, menentukan tool mana yang boleh diakses, lalu mengelolanya melalui satu file config.yaml.
• Deployment self-hosted yang fleksibel. Anda bisa menjalankan Hermes Agent melalui paket aplikasi AI automation Hostinger apabila tidak ingin repot menangani infrastruktur, update, backup, dan keamanannya. Untuk self-hosted, Hermes mendukung Linux, macOS di perangkat dengan Apple silicon, Windows native, WSL2, dan Docker. Hermes juga bisa dijalankan di Android melalui Termux dengan dukungan optimal. Selain itu, tersedia 6 backend untuk menjalankan perintah, yaitu local, Docker, SSH, Daytona, Singularity, dan Modal.

Apa saja contoh penggunaan (use case) utama Hermes Agent?

Hermes Agent umumnya digunakan untuk automasi development, riset dan analisis data, workflow terjadwal, hingga asisten AI pribadi. Semua use case ini memanfaatkan kemampuan Hermes Agent untuk terus berjalan, mempertahankan konteks antar sesi, dan mengotomatisasi tugas teknis multi-langkah tanpa perlu banyak intervensi pengguna.

Dalam workflow development, Hermes Agent bisa membantu mengulas pull request, menjalankan testing, sampai menangani proses refactor yang berlangsung lama tanpa kehilangan konteks pekerjaan sebelumnya.

Untuk riset dan analisis data, Hermes Agent bisa menggabungkan browsing, eksekusi kode, dan sistem memori untuk mengumpulkan, memproses, lalu meninjau kembali informasi dari waktu ke waktu.

Hermes Agent juga mendukung workflow terjadwal melalui sistem automasi bawaan, misalnya untuk mengirim laporan berkala atau update otomatis melalui Telegram maupun Discord.

Sebagai asisten pribadi, Hermes Agent bisa menyesuaikan diri dengan preferensi pengguna, mengingat pekerjaan sebelumnya, dan membantu menyederhanakan tugas-tugas berulang.

Tentu saja, ini baru sebagian kecil dari use case yang bisa dijalankan Hermes Agent. Kalau ingin melihat contoh penggunaan lainnya, Anda bisa membaca panduan lengkap kami tentang contoh penggunaan Hermes Agent.

Batasan Hermes Agent

Meski menawarkan fleksibilitas dan kontrol yang tinggi, Hermes Agent tetap memiliki beberapa batasan yang perlu diperhatikan.

• Beban teknis. Karena berjalan secara self-hosted, Anda perlu mengelola infrastrukturnya sendiri. Artinya, Anda tetap membutuhkan pemahaman dasar tentang Linux, systemd, container, atau tool server lainnya untuk troubleshooting.
• Risiko keamanan. AI agent otonom yang memiliki akses terminal dan API key tentu membawa risiko keamanan tambahan. Hermes Agent memang sudah memiliki beberapa mekanisme pengaman, seperti blokir command berbahaya dan prompt sudo. Namun, proteksi ini tetap bisa dilewati tergantung konfigurasi container yang digunakan. Karena itu, keamanan host, isolasi credential, dan monitoring log tetap menjadi tanggung jawab pengguna.
• Penggunaan resource. Konfigurasi ringan memang bisa berjalan di VPS murah. Namun, workload yang lebih berat seperti browser automation atau sub-agent paralel akan meningkatkan penggunaan CPU, RAM, dan token LLM dengan cepat. Dalam skala besar, hal ini bisa berdampak langsung pada biaya infrastruktur dan penggunaan model AI.
• Keterbatasan model AI. Keandalan Hermes Agent tetap bergantung pada model AI yang digunakan. Framework ini membutuhkan model dengan context window besar, minimal sekitar 64K token. Meski begitu, masalah seperti halusinasi, salah membaca output tool, atau kehilangan alur logika multi-langkah masih bisa terjadi.
• Latensi proses pembelajaran. Hermes Agent tidak langsung membuat skill baru setiap kali menjalankan tugas. Proses pembelajaran biasanya baru terjadi setelah agent menyelesaikan workflow yang cukup kompleks. Kalau workflow yang dijalankan terlalu bervariasi, agent juga akan lebih sulit menemukan pola yang bisa dipelajari ulang.
• Keterbatasan platform. Hermes Agent belum mendukung Windows secara native dan masih membutuhkan WSL2 untuk menjalankannya. Selain itu, meski Android didukung melalui Termux, beberapa fitur media dan suara masih memiliki keterbatasan kompatibilitas.

Meski begitu, semua batasan ini bukan berarti Hermes Agent sulit digunakan. Hanya saja, framework ini memang lebih cocok untuk pengguna teknis yang sudah terbiasa mengelola infrastruktur sendiri, bukan untuk pengguna yang mencari asisten AI yang sepenuhnya terkelola dan siap pakai.

Bagaimana cara mulai menggunakan Hermes Agent?

Untuk mulai menggunakan Hermes Agent, tentukan apakah Anda ingin sistem hosted atau menjalankannya di infrastruktur sendiri. Untuk opsi yang lebih praktis, gunakan paket aplikasi AI automation Hostinger karena Anda tidak perlu repot menangani server, update, backup, dan sistem keamanannya. Sementara itu, Hermes self-hosted membutuhkan lebih banyak konfigurasi teknis, tapi Anda bisa sepenuhnya mengelola lingkungan, model, tool, memory, dan konfigurasinya.

Proses setup selanjutnya kurang lebih sama untuk kedua opsi. Anda perlu memilih provider dan model AI, menentukan cara berinteraksi dengan agent, serta menghubungkan platform pesan atau tool yang diperlukan untuk workflow Anda. Khusus untuk self-hosted, Anda juga perlu menyiapkan server, menginstal Hermes Agent, dan mengonfigurasinya agar tetap aktif setelah server di-reboot.

Mulailah dengan percakapan sederhana untuk memastikan model dan tool berfungsi dengan baik. Setelah konfigurasi dasar berjalan stabil, Anda bisa menambahkan platform messaging, task terjadwal, provider memory eksternal, dan automation yang lebih canggih dengan mengikuti panduan langkah demi langkah kami untuk menyiapkan Hermes Agent.

Semua konten tutorial di website ini telah melalui peninjauan menyeluruh sesuai standar dan komitmen editorial Hostinger.

Penulis

Faradilla Ayunindya

Add Hostinger as a preferred source on Google

Faradilla, yang lebih akrab disapa Ninda, sudah berpengalaman selama 10 tahun sebagai linguist dan 5 tahun sebagai Content Marketing Specialist di Hostinger. Ia suka mengikuti tren teknologi, digital marketing, dan belajar bahasa. Melalui tutorial Hostinger ini, Ninda ingin berbagi informasi dan membantu pembaca mengatasi masalah yang dialami. Kenali Ninda lebih dekat di LinkedIn.

Tutorial lain dari Faradilla Ayunindya