Tutorial Hermes Agent: Install AI Agent dengan Learning Loop

AI agent kini tidak lagi sekadar chatbot yang merespons perintah satu per satu. Hermes Agent, yang dikembangkan oleh Nous Research, membawa konsep self-improving agent dengan learning loop bawaan. Artikel ini akan membahas cara instalasi, konfigurasi model, dan penggunaan fitur memory agen agar semakin paham dengan kebiasaan penggunanya.

Apa itu Hermes Agent?

Hermes Agent adalah AI agent open source yang dilengkapi dengan learning loop tertutup. Artinya, agent ini bisa menciptakan skill dari pengalaman, menyempurnakan skill tersebut saat digunakan, dan mengingat konteks antar sesi. Hermes Agent juga mendukung berbagai platform perpesanan seperti Telegram, Discord, Slack, WhatsApp, dan Signal.

Keunggulan utama Hermes Agent adalah fleksibilitas model. Kamu bisa menggunakan OpenAI, Anthropic, OpenRouter, atau bahkan model lokal via Ollama. Perpindahan model dilakukan dengan perintah hermes model tanpa perlu mengubah kode sama sekali.

Agent ini bukan sekadar wrapper API. Ia memiliki terminal user interface (TUI) lengkap dengan multiline editing, slash-command autocomplete, dan streaming tool output. Pengguna bisa menginterupsi proses yang sedang berjalan dan mengarahkan agent ke tugas lain tanpa kehilangan konteks.

Prasyarat Instalasi

Sebelum memulai, pastikan sistemmu memenuhi persyaratan berikut:

Linux, macOS, WSL2, atau Termux (Windows native juga didukung via PowerShell)
Minimal 1 GB RAM untuk mode ringan
Koneksi internet untuk download model dan dependensi
API key dari provider LLM yang dipilih

Jika kamu menjalankan agent di server tanpa GPU, pilih model yang ringan seperti GPT-4o-mini atau Claude Haiku. Untuk penggunaan lokal, pastikan CPU memiliki dukungan AVX2 agar inferensi Ollama berjalan optimal.

Langkah 1: Instalasi Hermes Agent

Proses instalasi cukup satu baris perintah. Untuk Linux, macOS, WSL2, dan Termux, jalankan perintah berikut:

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

Untuk Windows native dengan PowerShell, gunakan perintah:

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

Setelah instalasi selesai, periksa versi dengan perintah hermes --version. Pastikan binary sudah ada di PATH. Jika tidak, tambahkan ke PATH manual atau restart terminal.

Instalasi akan membuat direktori konfigurasi di ~/.hermes. Di dalamnya terdapat file config.yaml yang mengatur perilaku default agent, model, dan gateway.

Langkah 2: Konfigurasi Model LLM

Hermes Agent mendukung puluhan model melalui berbagai provider. Untuk mengatur model default, gunakan perintah:

hermes model set openai/gpt-4o

Jika menggunakan OpenRouter, tambahkan base URL dan API key ke environment variable:

export OPENROUTER_API_KEY=sk-or-...
hermes model set openrouter/anthropic/claude-3.5-sonnet

Untuk model lokal via Ollama, pastikan server Ollama sudah berjalan, lalu jalankan:

hermes model set ollama/llama3.1

Daftar lengkap provider bisa dilihat di dokumentasi resmi Hermes Agent. Hermes juga mendukung NVIDIA NIM, Xiaomi MiMo, MiniMax, dan Hugging Face endpoint.

Tips performa: model dengan konteks window lebih besar memungkinkan agent mengingat lebih banyak history percakapan. Namun, biaya token juga lebih tinggi. Sesuaikan dengan anggaran dan kebutuhan workflow.

Langkah 3: Mengaktifkan Learning Loop dan Memory

Fitur unggulan Hermes Agent adalah closed learning loop. Agent secara otomatis membuat skill baru setelah menyelesaikan tugas kompleks. Skill tersebut akan diperbarui saat digunakan berulang kali.

Untuk mengaktifkan, pastikan konfigurasi memory aktif di file ~/.hermes/config.yaml:

memory:
  enabled: true
  nudge_interval: 3600
  skill_auto_create: true

Parameter nudge_interval menentukan seberapa sering agent memberikan notifikasi untuk memperbarui memory. Gunakan nilai yang sesuai dengan kebutuhan workflowmu. Interval terlalu pendek bisa mengganggu fokus, terlalu panjang menyebabkan agent kehilangan momentum belajar.

Skill yang dihasilkan disimpan di direktori ~/.hermes/skills. Kamu bisa mengedit skill secara manual jika ingin menambahkan constraint atau parameter tambahan. Format skill mengikuti standar agentskills.io, sehingga kompatibel dengan ekosistem agent lain.

Langkah 4: Menghubungkan ke Telegram

Gateway Hermes Agent memungkinkan kamu berinteraksi dari mana saja. Untuk Telegram, buat bot baru melalui BotFather, lalu salin token API.

Jalankan gateway dengan perintah:

hermes gateway telegram --token <TELEGRAM_BOT_TOKEN>

Sekarang kamu bisa memberi instruksi ke agent dari ponsel, sementara agent berjalan di server cloud atau VPS. Fitur voice memo transcription juga aktif secara default, memungkinkan kamu mengirim perintah suara.

Untuk konektivitas tambahan, Hermes juga mendukung gateway Discord, Slack, dan WhatsApp. Semua gateway berjalan dari satu proses utama, sehingga percakapan kamu tetap sinkron antar platform.

Langkah 5: Menjalankan Tugas dengan Subagent dan Cron

Hermes Agent bisa membuat subagent untuk menangani beberapa tugas secara paralel. Ini mengurangi biaya konteks dan mempercepat eksekusi.

Contoh perintah untuk membuat subagent:

hermes agent spawn --task "analisis log server" --isolated

Fitur cron juga tersedia untuk tugas terjadwal. Misalnya, untuk backup database setiap malam:

hermes cron add "0 2 * * *" --command "backup-database" --description "Backup database harian"

Dengan kombinasi subagent dan cron, Hermes Agent bisa menjadi orchestrator untuk infrastruktur dan development workflow. Subagent berjalan di environment terisolasi, sehingga kegagalan satu tugas tidak mempengaruhi agent utama.

Langkah 6: Deploy ke VPS atau Serverless

Hermes Agent dirancang agar tidak terikat pada laptop. Kamu bisa menjalankannya di VPS $5, cluster GPU, atau platform serverless seperti Modal dan Daytona. Keduanya menawarkan hibernasi environment ketika idle, sehingga biaya server hampir nol saat tidak digunakan.

Untuk deploy dengan Docker, gunakan image resmi yang tersedia di repositori. Container bisa diatur dengan environment variable untuk model, gateway, dan memory. Ini memudahkan orchestrasi dengan Docker Compose atau Kubernetes.

Kesimpulan

Hermes Agent menawarkan pendekatan berbeda dari AI agent pada umumnya. Learning loop, multi-platform gateway, dan dukungan berbagai model menjadikannya solusi fleksibel untuk developer yang ingin mengotomatisasi tugas tanpa vendor lock-in. Mulai dari VPS $5 hingga cluster GPU, Hermes Agent bisa beradaptasi dengan kebutuhan infrastrukturmu.

Source code dan dokumentasi lengkap tersedia di GitHub NousResearch/hermes-agent.