自分で道具を選び、自分を改善していく――そんなAIエージェント「Hermes Agent」が、開発者の間で存在感を増しています。NousResearchがGitHubで公開するエージェントフレームワークです[2]。第三者レビューによると、スター数は2026年4月時点で9万5600に達しました[5]。自己改善型のエージェントとして、レビュー記事で繰り返し取り上げられています[4]。
前回の追跡記事では、三層構造と3つのAPIモードという骨格を確認しました。UI・中核エージェント・ツール実行の三段組みです[2]。今回は一歩進めて、三層のうち「ツールと実行」を担う層を掘り下げます。エージェントが実際に手を動かす部分です。あわせて、周辺で動き出したベンチマーク検証の状況も見ていきます。
公式のアーキテクチャ文書によると、中核エージェントは三つの役割に分かれています。指示を組み立てるPrompt Builder、接続先モデルを選ぶProvider Resolution、道具を呼び出すTool Dispatchの三つです[1]。エージェントは推論の過程で、課題に合った道具をTool Registry(道具の登録所)から選びます[1]。ここには70以上のツールと、28のツールセットが登録されています[1]。ツールセットは、端末操作・ブラウザ操作・画像認識など、用途ごとに道具をまとめた箱のようなものです[2]。つまり、コマンド実行からWebページの操作、画像の判別までを、一つのエージェントに任せられるわけです。
実行環境の分離も特徴です。ツールはローカル環境のほか、Docker(アプリを専用の箱の中で動かす技術)でも実行できます[2]。SSH(離れたマシンを遠隔操作する仕組み)経由での実行も可能です[2]。さらにサンドボックス(外に影響が漏れない隔離領域)も選択肢です[2]。遠隔マシンでの実行を選べば、手持ちの端末を超える作業も担えるでしょう。
長い作業を支えるのが状態管理です。セッションの状態はSQLite(1ファイルで動く軽量データベース)に保存され、永続化されます[2]。会話ループやメモリ管理、コンテキスト圧縮(会話履歴を詰め直して長さを抑える仕組み)も中核が担います[2]。圧縮とキャッシュの仕組みは、中核エージェントに組み込まれています[1]。さらに補助的なLLMクライアントが、本体とは別の作業を引き受けます[2]。状態が残るため、作業を中断しても続きから再開しやすいようです。
入り口の多さも目立ちます。公式文書が挙げる受け口は6種類です[1]。CLI(コマンドライン)、メッセージングのゲートウェイ、バッチ実行、APIサーバー、Pythonライブラリ、そして外部アプリとつなぐACPアダプタです。解析サイトを見ると、端末向けのTUI(文字ベースの画面)やWebダッシュボードも用意されています[2]。チャットアプリからの呼び出しも想定されます[2]。対話から定期実行まで、場面に応じて入り口を選べる形です。
しかし、人気の割に「実力の数字」はまだ見えません。ベンチマークを集計する専用サイト[6]や、モデル最適化を検証するリポジトリ[6]が登場しています。ところが素材には、具体的な比較数値が見つかりませんでした。どのモデルでどれほど速く正確に動くのかは、まだ測り途中のようです。「自ら学び、書くエージェント」といううたい文句も[4]、対象や仕組みの技術的詳細は素材からは確認できません。一方で、第三者がアーキテクチャを「生きた文書」として整理し直す試みは始まっています[3]。検証の土台が整うか、実装の進化が先か、注目したいところです。
ここまでの追跡で見えたのは、Hermesの強みがモデルの賢さそのものより、道具の数・実行環境の分離・状態の永続化という「土台」にあることです。土台がすでに整っているだけに、次の関門は実際の作業をどこまで任せられるかです。自己改善のうたい文句が本物かを判定するのは、これから出そろう第三者の実測値になるはずです。次回はベンチマークの数字を軸に、実力を確かめたいと思います。
RECENT COMMENTS