Hermes Agent完全解説｜OpenClawとの違い・3層メモリ・SOUL.md・GEPA最適化まで初心者からエンジニアまで徹底網羅【2026年5月最新】

Nous Researchが公開した「Hermes Agent」が、公開から2か月でGitHubスター10万超を記録し、海外では「OpenClawだけ追っているのは機会損失」とまで言われ始めています。普通のAIエージェントが「セッションを閉じた瞬間に全部忘れる」のに対し、Hermes Agentは使うほど自分専用に賢くなり、自分でスキルを書き、自分で書き換える──そんな自己進化型エージェントです。本記事では、AIエージェント初心者でも理解できる比喩から始め、OpenClawとの設計思想の決定的な違い、3層メモリ・SOUL.md・GEPA最適化・複数エージェント運用まで、実装に踏み込んで徹底解説します。

そもそもAIエージェントとは何か？普通のChatGPTとの違いを3分で

本題に入る前に、AIエージェントに不慣れな方のために前提を整理します。すでにOpenClawやClaude Codeを触っている方は、この章は読み飛ばしても構いません。

ChatGPT・Claudeなどの「チャットAI」との決定的な違い

ChatGPTやClaudeとの会話は、基本的に「あなたの質問に答える」ことに留まります。コードを書いてくれと頼めばコードを返してくれますが、そのコードをファイルに保存したり、テストを実行したり、Gitにコミットしたりは「あなたが」やります。

AIエージェントは違います。「テストが落ちているから直して」と頼むだけで、AIが自分でファイルを開き、コードを読み、修正し、テストを走らせ、結果を見て、必要なら再修正する──この一連の作業をAI自身が完結させます。

普通のAIエージェントが抱えている深刻な問題

AIエージェントは確かに便利ですが、1つだけ致命的な弱点があります。

たとえば「うちのプロジェクトでは関数はarrow functionで書いて、typeじゃなくinterfaceを使って」と毎回説明する必要がある。同じバグの直し方を3回も教えても、4回目にまた同じミスをしてくる。これがいまのAIエージェントの限界です。

Hermes Agentとは何か：「使うほど自分専用に賢くなる」エージェント

Hermes Agentは、米国のAI研究組織Nous Researchが2026年2月にオープンソース公開した、自己進化型のAIエージェントです。公開からわずか2か月でGitHubスター10万超を達成し、AIエージェント界隈で最も急成長しているプロジェクトの1つになっています。

Hermes Agentの核心：3つの能力を1つに統合

Hermes Agentが他のエージェントと違うのは、普通なら別々に存在する3つの能力を1つのフレームワークに同居させたことです。

1. ランタイム時のスキル学習：エージェント自身が「うまくいったやり方」をスキルとして書き残し、次回以降に再利用する
2. 3層構造の永続メモリ：セッションをまたいで「あなたのこと」と「プロジェクトのこと」を覚え続ける
3. GEPA最適化パイプライン：オフラインで実行ログを分析し、スキルを「進化」させる

OpenClawとの決定的な違い：「向き」が真逆である

「OpenClawとどう違うのか？」これが多くの読者が最も知りたい点でしょう。両者を比較すると、表面的には似ていますが、設計思想が真逆です。

1行で言うと

機能比較表

使い分けの結論

Hermes Agentのアーキテクチャ全体像

ここから技術的な内部構造に踏み込みます。エンジニア向けの章ですが、初心者の方も比喩で追えるよう解説します。

全体構造はたった1つのクラスに集約されている

Hermesの全体は、run_agent.pyの中にある1つのAIAgentクラスを中心に動いています。CLI、メッセージング、バッチランナー、IDE連携──これらすべてが、同じコアエージェントの「入口」に過ぎません。だから「プラットフォーム非依存」が、実装としても成立しています。

後で効いてくる3つの細部

SOUL.md：アイデンティティ層──「Hermesは誰なのか」を決める

メモリやスキルの話に入る前に、その上に乗る層があります。「アイデンティティ」です。

なぜアイデンティティ層が必要か

メモリは「何を知っているか」、スキルは「どうやるか」を扱います。しかしこの2つだけでは、エージェントが現れたときに「誰なのか」がブレてしまう。同じエージェントが毎回違う帽子をかぶっているように見えてしまうわけです。

HermesはここをSOUL.mdという1つのファイルで解決しています。

SOUL.mdの動作

• 配置：~/.hermes/SOUL.md
• 読み込み：システムプロンプトの一番最初（スロット#1）、他のすべてが読み込まれる前
• 記述内容：性格・トーン・コミュニケーションスタイル・絶対やらないこと
• 性質：手書きで静的、一度書いて時々調整するだけ
• フォールバック：ファイルがなければ組み込みのデフォルト人格を使用

プロジェクトが変わってもセッションが変わっても、性格は固定されたまま動きます。エージェントが書く記憶、生み出すスキル、知識整理の仕方──すべてがこのアイデンティティのレンズを通して行われるからです。

3層メモリシステム：3つの階層、3つの速度

Hermesには単一の「メモリ」がありません。3つの層に分かれていて、それぞれ目的と容量・速度が違います。

Tier 1：2つの小さなMarkdownファイル（常時コンテキスト）

Tier 2：全会話の全文検索（オンデマンド）

Tier 3：外部メモリプロバイダ（8種類のプラグイン）

自己進化するスキル：エージェント自身が書く手順書

メモリは「事実」を扱う層でした。スキルは「やり方」を扱う層です。これがHermes最大の特徴です。

スキルの構造

スキルはYAMLフロントマター付きのMarkdownファイルで、エージェントの「手続き的記憶」として機能します。何を知っているかではなく、どうやるかを記録します。

---
name: k8s-pod-debug
description: >
  Activate for crashing pods, CrashLoopBackOff,
  "why is my pod restarting", container failures.
version: 1.2.0
author: agent
platforms: [linux, macos]
---
## Procedure
1. Get pod status → check events → pull logs
2. Look for OOMed, ImagePullBackOff, config errors

## Pitfalls
- Forgetting --previous flag on restarted containers

## Verification
- Pod stays Running with 0 restarts for 5+ minutes

name、description、version、author、platformsがフロントマターに並び、本文に手順（Procedure）／落とし穴（Pitfalls）／検証（Verification）が並びます。エージェントが「自分のためのレシピ」を残す感覚です。

段階的開示（Progressive Disclosure）でトークン爆発を防ぐ

スキルが何百個になってもコンテキストを圧迫しない仕組みが「段階的開示」です。

スキル作成のトリガー

エージェントはskill_manageツールを使って、自分でスキルを作ります。トリガーは次の場面です。

• 5回以上ツールを呼ぶような複雑なタスクを完了したとき
• エラーやデッドエンドにぶつかった後、動く道筋を見つけたとき
• ユーザーがアプローチを修正したとき
• 自明でないワークフローを発見したとき

ループはこう動きます：

skill_manageの6つのアクション

• create：新規作成
• patch：部分修正（トークン効率が良いので推奨）
• edit：全書き換え
• delete：削除
• write_file：補助ファイル書き込み
• remove_file：補助ファイル削除

Curator：スキル庫を勝手に片付けてくれる司書

何もしないと、エージェントが作ったスキルは際限なく積み重なります。狭くて重複した手順書が大量にでき、トークンを浪費し、カタログを汚していく。これを掃除するのが「Curator」です。

Curatorの起動条件

cronデーモンではなく、「非アクティブチェック」で起動します。最後の実行から7日経過 + エージェントが2時間以上アイドルのとき、エージェントのバックグラウンドフォークが立ち上がり、アクティブな会話には一切触らずに動きます。

2段階の動作

絶対に壊さない2つの制約

さらに、Curatorが走る前には毎回スキルディレクトリ全体のtar.gzスナップショットを取ります。ロールバックはコマンド1つ。しかもロールバック自体も再度ロールバック可能です。

「このスキルだけは絶対消すな」というものがあれば、hermes curator pin <skill>でピン留めしておけば、アーカイブも削除もされません。パッチや編集は通るので、ピン留めしたまま改善は受けられます。

GEPA：実行ログから「実際に効くスキル」を進化させる

ここから一段深い話に入ります。エンジニア向けの章ですが、概念は重要なので追ってみてください。

なぜGEPAが必要か：エージェントの自己評価は甘い

エージェント内蔵の学習ループ（スキル作成＋Curator）には、よく知られた弱点があります。

ここで登場するのがGEPA（Genetic-Pareto Prompt Evolution）です。

GEPAの位置付け

• Hermesランタイムには組み込まれていない（オフラインの最適化パイプライン）
• 別リポジトリ：NousResearch/hermes-agent-self-evolution
• ICLR 2026のOral採択論文として発表、MITライセンスで公開

中心アイデア

エージェントに「うまくいったか？」と尋ねるのではなく、実行ログ（execution trace）を直接読んで「なぜ失敗したのか」を理解し、進化的探索でターゲットを絞った改良案を提案する。

パイプラインの流れ

2分でセットアップする

ここから実際にHermes Agentを動かす手順に入ります。要件はシンプルです。

• Linux、macOS、WSL2 のいずれか
• Python 3.11+（インストーラに同梱）
• APIベースの利用なら8GB RAMで十分

ステップ1：ワンラインインストール

curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc   # zshなら ~/.zshrc

ステップ2：セットアップウィザード

hermes setup

プロバイダ（Anthropic / OpenAI / OpenRouter / Ollamaなど）、APIキー、モデル、ツールを順に聞いてくれます。

ステップ3：ターミナルで会話開始

hermes

ステップ4：Telegramに接続（オプション）

1. @BotFatherに/newbotを送ってBotトークンを取得
2. @userinfobotで自分のTelegram User IDを取得
3. 設定にそれぞれ入力

これでスマホからエージェントと話せる状態になります。

~/.hermes/ ディレクトリ構造

インストール直後、ホームディレクトリに新しいフォルダができます。レイアウトを把握しておくと、後の作業がすべて腹落ちします。

~/.hermes/
├── config.yaml           # メイン設定
├── .env                  # APIキー
├── auth.json             # OAuth認証情報
├── SOUL.md               # エージェントの人格（スロット#1）
│
├── memories/
│   ├── MEMORY.md         # エージェントが残す事実
│   └── USER.md           # ユーザーモデル
│
├── skills/               # 全スキル（同梱・Hub・自動生成）
│   ├── mlops/
│   ├── devops/
│   └── .hub/             # Skills Hubの状態
│
├── sessions/             # プラットフォーム別セッションメタデータ
├── state.db              # FTS5付きSQLiteセッションストア
├── cron/
│   ├── jobs.json         # スケジュールジョブ
│   └── output/           # cron実行出力
│
├── plugins/              # カスタムプラグイン
├── hooks/                # ライフサイクルフック
└── skins/                # CLIテーマ

Skills Hub：687個の既存スキルを使う

Hermesは公式の「Skills Hub」を持っていて、18カテゴリで687個のスキルが用意されています。ゼロから自分で作る必要はありません。

任意のGitHubリポジトリを「タップ」として追加することもできます。

hermes skills tap add yourname/your-skills-repo
hermes skills install yourname/your-skills-repo/<skill-name>

これがチーム内でスキルを共有したり、自社用のプライベートコレクションを保守したりする方法です。

1人から10人へ：プロファイルで複数エージェントを運用する

エージェント1人運用でも便利ですが、Hermesが本当に面白くなるのは専門特化したエージェントを複数並走させたときです。

プロファイルとは

「プロファイル」がそのためのファーストクラス機能です。各プロファイルが完全に独立したHermesインスタンスで、自分専用のconfig、メモリ、スキル、セッション、SOUL.mdを持ちます。デフォルトでは互いに何も共有しません。

3人チームの作成例

ここでは「デザイナー」「プログラマー」「リサーチャー」の3人チームを作ります。

# チーム作成（--cloneで初期configをコピー）
hermes profile create designer --clone
hermes profile create programmer --clone
hermes profile create researcher --clone

# 確認
hermes profile list

それぞれに専用Telegram Botを与える

BotFatherで/newbotを3回実行してトークンを3つ取り、プロファイルごとにゲートウェイセットアップを走らせます。

hermes -p designer gateway setup
hermes -p programmer gateway setup
hermes -p researcher gateway setup

SOUL.mdでそれぞれに人格を与える

ここでSOUL.mdが本領を発揮します。3人のエージェントを「中身は同じHermesなのに別人」にする層です。

例1：プログラマー ~/.hermes/profiles/programmer/SOUL.md

# Soul
You are my staff engineer. Terse, direct, pragmatic.

You read code before you write code. You write the smallest change
that solves the problem. You prefer standard library over dependencies,
boring tech over shiny tech, and explicit over clever.

Always check: does this already exist in the codebase? Are there
tests? What breaks if this fails? Run the tests before saying "done."

意訳：「私のスタッフエンジニア。簡潔、直接、実務的。書く前に読む。問題を解く最小限の変更を書く。標準ライブラリを依存に優先し、地味な技術を派手な技術に優先し、明示的を”賢い”より優先する。常に確認しろ：コードベースに既に存在しないか？テストはあるか？失敗したら何が壊れるか？”done”と言う前にテストを走らせろ」

例2：リサーチャー ~/.hermes/profiles/researcher/SOUL.md

# Soul
You are my deep researcher for the AI and machine learning space.
Your main job is a daily Telegram digest of what's new and what
matters.

Cover four streams: trending GitHub repos, big tech and lab
announcements, fresh research papers, and the social pulse on X,
Reddit, and Hacker News. Lead with what changed since yesterday.
Cite every claim with a URL. Flag when signal is thin.

Use delegate_task aggressively to parallelize across streams. Never
state a contested claim as settled. Never fabricate a citation.

意訳：「AI・機械学習領域の深掘り担当。主な仕事は毎日のTelegramダイジェスト。4ストリームをカバー：GitHubトレンド／大手テック・ラボの発表／新しい論文／X・Reddit・HNの社会的反応。昨日からの変化を最初に提示する。全主張にURLで出典をつける。シグナルが薄いときはそう明示する。delegate_taskを積極的に使ってストリームを並列処理する。争点のある主張を確定事項として書くな。出典を捏造するな」

プログラマーをClaude Code連携で最強化する

プログラマー役は、「自分でコードを書く」のではなく「Claude Code CLIに実行を委任する」設計にすると本当に強くなります。Hermesはオーケストレーション（指揮）に徹し、Claude Codeがファイル編集・コマンド実行・git管理を担当します。

セットアップは1メッセージで完了

セッションを開いて、この1通のアクティベーションプロンプトを送るだけです。

I already have a Claude Max subscription. You are my staff engineer who
helps me with my day-to-day coding tasks, and under the hood you use
Claude Code for all the executions. Set yourself up accordingly.

これでプログラマーは自動的にautonomous-ai-agents/claude-codeスキルをインストールし、claudeバイナリがPATHにあることを確認したうえで、それを実行に使い始めます。次のメッセージから、ファイル読み込み・コード書き込み・テスト実行・コミット・プッシュなど「コード関連のすべて」が、裏ではClaude Code経由で動くようになります。

LIF TechではGemini CLIの使い方やDeepSeek V4 ProのClaude Code連携でも、コーディング系AIエージェントの実務的な使い方を解説しています。あわせて参照ください。

デザイナーをカスタマイズ：自分のビジュアル様式を学ばせる

デザイナーが本当に役立ち始めるのは、汎用的なAI画像ではなく「あなたのスタイル」で生成できるようになったときです。

パターン：リファレンスを見せて、スキルを自分で書かせる

手作業でスキルを書く代わりに、良い例を見せて、パターンをエージェント自身にコード化させる──これが自己改善ループを「セットアップ手段」として使う面白いところです。

デザイナーのセッションを開いて、参照画像をドラッグ＆ドロップ（TelegramならBotに添付）し、このプロンプトを送ります。

Carefully study these reference illustrations. Note the color palette,
line weight, level of detail, composition, and overall aesthetic.

I want you to create a new skill called "my-design-style" that captures
this visual style. The skill should:

1. Document the style fingerprint in plain language (palette, line
   weights, composition rules, recurring motifs)
2. Include a Python script that takes a text description of a new
   illustration and generates the image using the Nano Banana model
   (google/gemini-2.5-flash-image) via the OpenRouter API in this style
3. Read OPENROUTER_API_KEY from the environment

Use skill_manage to create it. Test the generated script on a sample
prompt before saying it's done.

デザイナーは参照を分析し、SKILL.mdを書き、Pythonスクリプトを生成し、~/.hermes/profiles/designer/skills/my-design-style/に保存し、サンプルプロンプトでスクリプトを実行して動作確認するところまで自走します。

仕事をスケジュールする：自然言語で書ける組み込みcron

リサーチャーに「毎日のTelegramダイジェスト」を出させるには、スケジュール実行が必要です。Hermesにはそのための組み込みスケジューラがあります。

動作の仕組み

• ゲートウェイデーモンが60秒ごとにチェック
• 期限に達したジョブを独立したエージェントセッションで実行
• 指定したメッセージングプラットフォームに結果を届ける
• ジョブは再起動を超えて生き残る（~/.hermes/cron/jobs.jsonに保存）
• 出力は~/.hermes/cron/output/に残る

cron式を書く必要がない

面白いのは、cron式を書かなくていいことです。やってほしいことを自然言語（英語または日本語）で記述すれば、Hermesがcron式に変換してくれます。

リサーチャーの日次ダイジェスト設定例

リサーチャーとのセッションを開いて、このプロンプトを送るだけです。

Every weekday at 8am India time, prepare a deep digest of what's new
in the AI and machine learning space over the last 24 hours. Cover
four streams in this order:

1. Trending GitHub repos (especially new AI/ML tooling)
2. Big tech and lab announcements (Anthropic, OpenAI, Google, Meta,
   xAI, Nous, etc.)
3. Fresh research papers worth reading
4. Social pulse from X, Reddit, and Hacker News

Lead with what changed since yesterday. Cite every claim with a URL.
Keep it under 800 words. Deliver to Telegram.

Set this up as a recurring cron job.

リサーチャーは自身のcronjobツールでジョブを作成し、配信先を現在のチャット（このケースではTelegram）にデフォルト設定し、あとはスケジューラに任せます。

確認は1コマンド：

hermes -p researcher cron list

登録ジョブと次回実行時刻が表示されます。翌朝8時、Telegramが光ってダイジェストが届きます。ここから先、あなたは何もしなくて良い。

cronのその他の便利パターン

さらにcontext_fromフラグを使えば、あるcronの出力を次のcronの入力にチェーンすることもできます。「リサーチフェーズの結果をライティングフェーズの入力にする」といった多段階自動化に重宝します。

Hermes Agent vs Claude Code vs OpenClaw 用途別使い分け

3つのツールを並べて、どれを選ぶべきかを整理します。

機能・特徴の比較

判断フロー

Hermes Agentを導入すべき人 / 見送るべき人

よくある質問（FAQ）