Hermes Agent Assess
Überblick
Hermes Agent ist ein quelloffener, selbstverbessernder persönlicher Agent von Nous Research, der Tool Use, persistentes Memory und selbst geschriebene Skills für autonome Task-Completion kombiniert (Hermes Agent). Er läuft als CLI, Desktop-App oder als dauerhaft laufendes Gateway, das über Messaging-Apps erreichbar ist, und kann weiterhin Trajektorien für das Training von Tool-Calling-Modellen erzeugen (Hermes README).
Assess nur für Experimente. Ohne Isolation auf Betriebssystemebene, gepinnte Versionen und Security Review ist er nicht als geteilter oder produktiver Dienst zu betreiben.
Adoptionssignale
- Das Repository hat zum 30. September 2026 rund 250.000 Sterne und 53.000 Forks und steht unter MIT-Lizenz (Hermes Agent auf GitHub).
- Hermes Agent lag bei der Prüfung am 30. September 2026 im App- und Agent-Ranking von OpenRouter nach Token-Nutzung auf Platz eins (OpenRouter App-Ranking).
- Das von Nous Research veröffentlichte Paket
hermes-agenthatte in den 30 Tagen bis zum 30. September 2026 rund 139.000 PyPI-Downloads, obwohl die Installation meist über ein Shell-Skript erfolgt (PyPI Stats). - Releases erscheinen etwa wöchentlich, acht im August und fünf im September 2026 bis zu v0.21.5 am 24. September (Hermes Agent Releases).
- Die CLI enthält einen Befehl
hermes claw migratefür den Umstieg von OpenClaw, und Skills folgen dem Format von agentskills.io (Hermes README).
Risiken
- Ausführung auf dem Host als Standard. Laut Security Policy stellt nichts innerhalb des Agent-Prozesses, auch nicht das Approval Gate oder Pattern Scanner, eine Eingrenzung dar, und das Standard-Terminal-Backend führt Befehle direkt auf dem Host aus (Hermes Security Policy).
- Bekannte Schwachstellen. Die NVD führt Injection-Lücken im Skills-Tool (CVE-2026-10220) und im Memory-Tool (CVE-2026-10223) in Versionen bis 2026.4.30 sowie ein Versagen von Schutzmechanismen bei der Shell-Ausführung im TUI-Gateway bis 0.15.2 (CVE-2026-14625); laut den Einträgen reagierte der Hersteller nicht auf die frühzeitige Meldung, und das Projekt betreibt kein Bug-Bounty-Programm (Hermes Security Policy).
- Persistente Selbstveränderung. Vom Agent geschriebene Skills und gepflegtes Memory bleiben über Sessions hinweg erhalten; eine erfolgreiche Prompt Injection kann sich so festsetzen, und das Verhalten lässt sich nicht aus einer festen Konfiguration reproduzieren.
- Daten außerhalb kontrollierter Kanäle. Das Gateway verbindet einen Agent mit Shell-Zugriff mit Telegram, Discord, Slack, WhatsApp und Signal (Hermes README), was mit den meisten Datenrichtlinien in Unternehmen und DSGVO-Verarbeitungsverzeichnissen kollidiert.
- Release-Churn. Etwa wöchentliche Releases lassen wenig Zeit, Änderungen vor einem Upgrade zu prüfen.
Vorteile & Nachteile
Vorteile
- Eine persistente Lernschleife ist eingebaut: Der Agent schreibt und verbessert eigene Skills, pflegt sein Memory und durchsucht frühere Sessions, was ihn zu einer nützlichen Referenz für langlebige persönliche Agents macht.
- Modell- und plattformunabhängig unter MIT-Lizenz: Er arbeitet mit Nous Portal, OpenRouter, OpenAI oder eigenen Endpoints und führt Befehle lokal, in Docker, per SSH oder in Cloud-Sandboxes wie Modal und Daytona aus.
- Sehr große und aktive Community: rund 250.000 GitHub-Sterne im September 2026, etwa wöchentliche Releases und Platz eins im App-Ranking von OpenRouter nach Token-Nutzung.
Nachteile
- Die eigene Security Policy des Projekts definiert es als Single-Tenant-Agent für eine Person, dessen einzige Sicherheitsgrenze gegenüber einem feindlichen Modell das Betriebssystem ist; das Standard-Terminal-Backend führt Befehle direkt auf dem Host aus.
- Mehrere CVEs aus 2026 mit öffentlichen Exploits betreffen Injection in den Skills- und Memory-Tools sowie eine Umgehung von Schutzmechanismen bei der Shell-Ausführung im TUI-Gateway.
- Selbst geschriebene Skills, persistentes Memory und Chat-App-Gateways (Telegram, WhatsApp, Slack und andere) erschweren die Prüfung des Verhaltens und leiten Daten an Unternehmenskontrollen vorbei.
Empfehlung
Hermes Agent bleibt in Assess. Er lohnt die Untersuchung wegen seiner Lernschleife, der Skill-Erstellung und des Multi-Channel-Designs sowie für den Vergleich mit OpenClaw, das denselben Anwendungsfall eines persönlichen Agents adressiert. Evaluationen sollten auf einer dedizierten Maschine oder mit einem nicht standardmäßigen Terminal-Backend (Docker, entfernter Host oder Cloud-Sandbox) laufen, mit Testkonten, ohne Unternehmens-Credentials, ohne Produktionsdaten und ohne Anbindung an Messaging-Workspaces des Unternehmens.
Als geteilter Team-Dienst oder mit Zugriff auf regulierte Daten ist er nicht einzusetzen: Das Projekt beschreibt selbst ein Single-Tenant-Vertrauensmodell. Wer die zugrunde liegenden Ideen produktiv nutzen will, sollte die Muster, etwa geprüfte Skills, begrenztes Memory und Sandbox-Ausführung, in ein governtes Agent-Framework mit Identität, Audit-Logging und Change-Freigabe übertragen.
Quellen
Beratung
Vom Radar zur Umsetzung
Du hast Technologien bewertet — wir helfen dir, sie sicher und messbar in produktive Systeme zu bringen.
