著者：連然
出典： GeekPark
ここ数週間で、Hermes Agentと呼ばれるオープンソースプロジェクトがXとGitHubで人気を集めている。
Hermes Agentは、2月末のオープンソース公開初月に22,000以上のスターを獲得し、4月8日のバージョンv0.8.0リリース後には1日で6,400以上のスターを追加するなど、わずか2か月足らずでGitHub上で47,000以上のスターを集め、数日間にわたりグローバルなオープンソースランキングのトップを維持しています。
エルメスエージェントとは何ですか？
要するに、これは「自己改善」するパーソナルAIエージェントです。タスクからスキルを自動的に抽出し、ユーザーの好みを永続的に記憶し、会話全体を通して情報を正確に想起できる学習ループが組み込まれており、使用すればするほど直感的になります。5ドルのVPS、Docker、サーバーレスなど6つのデプロイ方法をサポートし、200以上の大規模モデルと互換性があります。Weibo、Telegram、Discord、Slackプラットフォーム間を単一のコマンドで切り替えることができ、インストールと実行も単一のコマンドで行えます。
OpenClawの代替品だと言う人もいれば、OpenClawよりも優れていると言う人もいる。ごく短期間のうちに数万もの高評価を獲得しただけでなく、開発者たちを驚かせた。「使えば使うほど、AIがまるで自分の一部のようになっていく」という驚きの声も上がっている。
エルメスエージェントとは一体何ですか？
Hermes Agentは、Nous Researchが開発した、MITライセンスの無料自律型AIフレームワークです。その中核となるコンセプトは、使用頻度に応じて成長する「自己進化型エージェント」です。
画像出典：GitHub従来のエージェントとは異なり、Hermesは経験を継続的に蓄積できる長期的なシステムを目指しています。完了したタスクから学習し、異なるセッションやプラットフォーム間で記憶を保持し、徐々にユーザーに属する能力構造を形成していきます。
画像出典：GitHub
2026年2月のリリース以来、わずか数週間でGitHubのスターを22,000個以上獲得し、現在では数百人の貢献者とともに47,000個以上のスターを誇っています。コミュニティからのフィードバックによると、この設計は長年のニーズに応えるものであり、開発者はエージェントが「記憶」し「強くなる」ことができるかどうかにますます関心を寄せています。
X社内および開発者コミュニティにおける議論の中で、特に印象的なのは、Hermesが複雑なタスクにおいてキューワードへの依存度を大幅に低減している点である。
一部の開発者は、gemma 26BやHermesシリーズのモデルでテストを行った際、「データをスクレイピングして視覚化を生成するスクリプトを作成する」といった比較的曖昧な指示しか与えられなかった場合でも、エージェントがタスクの分解からコード生成までの全プロセスを完了できると述べています。
実行中、エラーメッセージの読み取り、問題の修正試行、さらには複数回の試行を通じて再利用可能な解決策の形成など、実行フィードバックに基づいてパスを継続的に調整します。
この経験は、Hermesが安定した「完全自動化された開発能力」を備えていることを意味するものではないが、少なくとも開発者にとっては、エージェントがもはや正確な指示に完全に依存するのではなく、曖昧な目標を持つ複雑なタスクも進めることができるという実感を与えるものとなった。
Hermes Agentでさらに注目すべき点は、実はその基盤となるアーキテクチャにある。
アーキテクチャ的には、HermesとOpenClawはほぼ正反対の方向性を辿っている。前者は接続性の幅広さを重視する一方、後者は学習能力の深さに重点を置いている。Hermesのスローガンである「あなたと共に成長するエージェント」は、「学習ループ」を中心に構築された包括的な設計を示唆している。
この閉ループは、おおよそ3つの部分から構成されている。
まず、永続的な記憶機能があります。Hermesは過去の会話履歴をローカルデータベースに保存し、全文検索とモデル要約によってそれらを再編成します。数週間前の会話を思い出すだけでなく、異なるタスク間の関連性を確立し、ユーザーの作業方法を徐々に理解していきます。この記憶機能はもはや手動によるメンテナンスに頼る必要がなく、エージェントによって自律的に整理・更新されるため、絶えず進化する認知構造のように見えます。
第二に、スキルの自動生成と再利用があります。Hermesは複雑なタスクを完了すると、そこで止まるのではなく、手順、重要な判断、潜在的な落とし穴、検証方法などを含むプロセス全体を構造化されたスキルとして抽象化します。次に同様の問題に遭遇した際には、再推論するのではなく、この既存の経験を活用することを優先します。使用頻度が高まるにつれて、これらのスキルは継続的に洗練され最適化され、真に再利用可能な能力資産となります。
第三に、自己学習機能の基礎が挙げられます。Hermesは動作中に多数のツール呼び出しトレースを生成し、そのデータをエクスポートして後続のモデル微調整に利用できます。これは、単に「モデルを使用する」だけでなく、モデルにフィードバックできる学習データを継続的に生成することを意味します。この機能は、単なるアプリケーション層製品ではなく、研究システムとしての特性を明確に備えています。
そのため、Hermesは全体的な形態において「実験的なオペレーティングシステム」に似ています。この傾向は、近年のバージョンでより顕著になっています。例えば、マルチインスタンス構成の導入により、開発者は同じ環境内で、それぞれ独立したメモリ、スキル、構成を持つ複数のエージェントを実行できるようになりました。これにより、Hermesは「パーソナルアシスタント」から、再利用可能なエージェントインフラストラクチャへとさらに進化を遂げています。
例えば、MCPのサポートにより、セッションとメモリをIDEツールに公開できるため、開発者はClaude Desktop、Cursor、またはVS Codeでそれらを直接取得してアクセスできるようになります。この設計は、本質的に「常駐エージェント」と「開発環境」の境界をなくすものです。
セキュリティ面において、Hermesは比較的抑制的な設計となっている。コンテナ分離、読み取り専用ファイルシステム、実行前スキャンといったメカニズムを用いて、潜在的なリスクを抑制している。この設計は極端なオープン性を追求するのではなく、「進化可能性」と「制御可能性」のバランスを重視している。
総じて言えば、Hermesは規模やエコシステムの面で優れているプロジェクトとは言えません。GitHubのスター数やスキル市場の成熟度を考慮しても、まだ比較的初期段階にあります。
真に注目に値するのは、それが賭けている方向性、つまり、エージェントを時間とともにいかに強化していくかという点だ。
HermesとOpenclawの類似点と相違点
Hermes AgentがX上で輝きを放つと、開発者たちは必然的に、今年初めにオープンソースコミュニティで大ヒットしたもう一つの驚異的なプロジェクト、OpenClawと比較する。
OpenClawもまた、ローカル環境を最優先とするパーソナルAIアシスタントフレームワークです。OpenClawとHermes Agentはどちらも、従来のSaaSベースのAIが抱えるプライバシーと制御の問題に対処しようとしていますが、その根底にある理念は異なっています。
両者の共通点は「デジタル主権」にある。
エルメスであれロブスターであれ、それらが最初に現れたとき、すべて同じ基本的な遺伝子を共有していたのだ。
- ローカル環境の優先とプライバシー保護を最優先します。データは管理不能な商用クラウドにアップロードされることはありません。すべてのメモリ、コード実行プロセス、さらにはファイルやディレクトリレベルの認証情報も、可能な限りユーザーのローカルデバイスまたはプライベート環境に保持されます。
- メッセージングチャネルに基づくインタラクション：彼らは皆、煩雑なウェブUIを捨て、代わりにTelegramやWhatsAppなどのインスタントメッセージングツールを採用し、AIが人間の日常的なコミュニケーションチェーンに真に統合されることを可能にした。
- 24時間365日自動化：スケジュールされたタスクをサポートし、常時人による監視を必要とせずにバックグラウンドで静かに実行できます。
この「デジタル主権」への重点は、本質的にはインフラストラクチャ層における選択である。その背後には、HermesとOpenClawの違いがすでに現れ始めている。Nous Researchは自らを「分散型AI研究ラボ」と位置づけ、エージェントの開発だけでなく、Psycheと呼ばれる分散型トレーニングネットワークの推進にも取り組んでいる。これは、ブロックチェーンを利用して、世界中で遊休状態にあるGPUを調整し、大規模モデルのトレーニングに活用しようとする試みである。
したがって、Hermes Agentは単なるローカルツールではなく、この「AI分散型インフラストラクチャ」全体において、ユーザーにとって最も近い入り口となる存在でもある。
両者の違いは、能力開発の過程におけるアプローチの違いにある。OpenClawがより「決定論的」なアプローチだとすれば、Hermesはより「進化的」なシステムに近いと言えるだろう。
まず、スキルの習得方法に違いがあります（人間による承認型か、自律型か）。Lobsterの能力は主に「人間が事前に定義したルール」によって決定されます。Lobsterは、開発者が明示的なコードやプロンプトを通してスキルを記述することを推奨しています。これは完璧な制御プレーンであり、ユーザーが何ができるかを定義し、Lobsterはそれを高い安定性と決定性で実行します。
Hermes Agentの能力は、「経験に基づく創発」によって生まれます。複雑なタスクを完了した後、自動的に方法論を抽象化し、再利用可能なスキルへと抽出し、後続のタスクで継続的に反復・最適化します。つまり、その能力は事前に定義されるのではなく、使用中に徐々に拡張していくのです。
第二に、記憶のメカニズムに違いがある。
OpenClawは、明示的なメモリと検索メカニズムに重点を置いており、基本的に典型的なRAGアプローチに従っています。つまり、「情報がどこにあるか」を把握し、必要なときにそれを取得します。
Hermes Agentは階層型メモリシステムを採用しています。明示的なメモリに加え、その中核となる機能は「ユーザーに関するモデル」の構築です。セッション間のやり取りを通じて、ユーザーのコーディングスタイル、エラーに対する許容度、好みの技術スタックを徐々に理解していきます。さらに、定期的に自らに働きかけ、この知識を整理・強化します。
両者は適用可能なシナリオにおいても異なっている。
大量のデータや金融取引など、極めて高いセキュリティが求められる、明確に定義されたタスク（エラー許容度が極めて低いタスク）を実行する必要があるユーザーにとって、Lobsterのアクセス制御（最新バージョン）はより厳格で、動作もより予測可能です。しかし、探索的なプログラミング、クリエイティブな開発、あるいは試行錯誤を繰り返す必要のある曖昧なプロセスを伴う複雑なプロジェクトの処理に携わるユーザーにとっては、Hermesが提供する自律性によって作業負荷が大幅に軽減されます。
しかし、Reddit、YouTube、Xなどのコミュニティにおける共通認識は、HermesがOpenClawに取って代わったのではなく、両者は補完的な関係にあるというものだ。
OpenClawは「作業の実行」を担当し、マルチチャネルのやり取り、チームのワークフロー、複雑なエコシステムの統合などを担います。一方、Hermesは「思考」を担当し、永続的なメモリ、自動スキル生成、高次元モデルの推論に重点を置いています。
一般的な設定方法として、OpenClawツールの上にHermesを高度なプランナーとして実行する方法があります。`hermes claw migrate`コマンドを実行するだけで、既存のOpenClawスキル、メモリー、設定をワンクリックでHermesにシームレスに移行できます。
「進化するエージェント」
Hermes Agentは、「AI機能」を一度限りの利用から、継続的に蓄積できる資産へと変革しようとしている。
エージェントは一時的なインターフェースであるだけでなく、長期的なシステムであるべきだ。つまり、プライベートで継続的に稼働し、使用中に機能を蓄積し、最終的にはモデル自体に影響を与えることができる。
ほとんどの主流製品は、データ、記憶、行動パターンをプラットフォーム側に保存するが、Hermesはこれらの機能を可能な限りユーザー自身のシステム内に保持することを目指している。
これは、AIの能力がもはや単に「呼び出す」だけでなく、「所有する」ことができるようになったことを意味する。オープンソースコミュニティにおいて、Hermes Agentの人気は、このアプローチの一部をうまく実装したことに大きく起因している。
それは、タスクの実行からスキルの蓄積、記憶の蓄積、そしてさらにその先、訓練データの一部となることまで、より完全な連鎖を確立しようとしている。
エージェントが、問題を自力で解決する→経験を記録する→経験を再利用する→方法を最適化する→そしてそれを自身にフィードバックするという循環的な能力を持ち始めると、持続可能な進化が可能なシステムに近づき始める。
現状では、このアプローチはまだ初期段階にあります。メモリ内のノイズ、スキルの質、トレーニングループの安定性といった課題は依然として残っており、繰り返し改良が必要です。導入における障壁も依然として存在し、一般ユーザーがシームレスに利用できるようになるまでには、まだかなりの道のりがあります。
しかし、方向性は既に明確だ。エルメスは少なくとも一つのことを具体的に示した。それは、民間AIは単なる利用形態ではなく、継続的に進化できる資産の一形態になり得るということだ。
この考え方が正しいとすれば、将来的にエージェントを評価する方法は変わるかもしれない。つまり、「今何ができるか」を見るのではなく、「時間が経つにつれてどうなるか」を見るようになるということだ。時間をかけてより多くの能力を蓄積できるエージェントほど、より高い潜在能力を持つことになるだろう。
『ロブスター』に続く、最も注目を集めるエージェントのプロジェクトは、詐欺の疑いが持たれているのか？
Hermesの人気は偶然ではない。これは実際に技術的な成果を生み出しているオープンソースプロジェクトだが、プロジェクト自体には論争がないわけではない。そして、最大の争点はチーム自身にある。
Nous Researchの中核メンバーの多くはWeb3分野出身である。報道によると、CEOのジェフリー・クエスネル氏は以前、イーサリアムのMEVインフラプロジェクトであるEden Networkの主任エンジニアを務めていたという。
チームの資金調達の過程にも、暗号資産業界特有の特徴が顕著に表れている。2026年4月現在、Nous Researchは2回の公募増資を完了し、総額約7,000万ドルの資金を調達している。投資家はすべて暗号資産分野の大手機関であり、資金調達の過程はWeb3特有の特徴を備えている。つまり、従来の株式ではなくトークンで価格設定され、コア資金は計算能力の増強とチームの拡大に活用されている。
資金源が異なれば、手法も異なる。
Nous Researchは設立当初からWeb3ネイティブなAIラボであり、ガバナンス構造における分散化、技術アプローチにおける分散型トレーニング、そして「オープンソース優先＋コミュニティ主導」の製品戦略を重視しています。
この背景をHermes Agentに当てはめると、Web3コミュニティの手法をAI Agentのインフラストラクチャ層に移植するようなものだと言えるでしょう。
そしてまさにこのことが、地域社会で繰り返し議論されてきたある問題が浮上し始めた理由である。
Hermesの「長期運用＋継続的蓄積」エージェントモデルは、一種の「Web3コールドスタートインフラ」となる可能性も秘めているのだろうか？
現在、Nous Researchは「トークン未発行」の状態にあり、トークン配布メカニズムを明示的に発表していません。しかし、より広範なエコシステムにおいては、すでにいくつかの典型的な「予想される行動」が見られます。例えば、一部の暗号通貨コミュニティでは、Nous Researchプロジェクトに関するエアドロップの予定について議論が始まっており、一部のサードパーティプラットフォームは、「潜在的な報酬」をインセンティブとして利用し、ユーザーがコミュニティの交流やタスクの完了に参加するよう促しています。
同時に、「NOUS」という非公式トークンもブロックチェーン上に出現している。これらの資産はプロジェクト自体とは直接関係がないが、市場のセンチメントが変動すると、しばしば誇張されたり、誤解されたりする。
これらの現象はプロジェクトの方向性を直接示すものではないが、少なくとも一つのことを示している。それは、市場が既にWeb3の論理を用いてプロジェクトを事前に「理解」しつつあるということだ。
構造的に見ると、Hermes Agentは確かに暗号通貨の世界でよく見られる特徴をいくつか備えている。ユーザーのデバイス上でローカルに動作し、長時間オンライン状態を維持する。行動データとインタラクションパターンを継続的に生成する。そして、使用中に「貢献」を絶えず蓄積する。
従来のソフトウェアの文脈では、これらは単に「製品体験」の一部に過ぎませんが、Web3の文脈では、このような行動はしばしば「測定可能なエンゲージメント」とみなされます。
これにより、Hermesは比較的デリケートな立場に置かれることになる。一方では、Hermesは実用的で迅速に改良が繰り返されるオープンソースのエージェントフレームワークである。他方では、その技術的な方向性とコミュニティ構造は、必然的に「トークン化されたインセンティブシステム」へと発展する可能性を秘めている。
開発者にとって、 Hermes Agentの価値は依然として主にエージェントシステムとしての機能に由来する。しかし、一般ユーザーにとっては、より現実的な基準が必要となる。つまり、「NOUSトークン」に直接関連する取引、投資、約束には、特に既に同じ名前のオンチェーン資産や高利回りのプロモーションが存在する場合は、相当な注意が必要となる。
