Hermes Agent lokal: mit Ollama oder LM Studio nutzen

Hermes Agent ist ein quelloffener KI-Agent von Nous Research. Er arbeitet über die Kommandozeile, eine Desktop-App oder Chat-Programme wie Telegram, Discord, Slack, WhatsApp und Signal, führt Befehle aus, liest und schreibt Dateien, durchsucht das Netz und erledigt Aufgaben nach Zeitplan. Als Besonderheit nennt das Projekt eine eingebaute Lernschleife: Hermes legt aus Erfahrung eigene Fähigkeiten an, sogenannte Skills, und verbessert sie im Gebrauch. Er steht unter der MIT-Lizenz; beim Schreiben dieses Textes war Version 0.21.5 vom 24. September 2026 die neueste.

Mit Nous' eigenen Sprachmodellen gleichen Namens ist der Agent nicht zu verwechseln, und als Antrieb eignen sich gerade diese Modelle nicht: Hermes Agent warnt selbst, dass Hermes 3 und 4 Werkzeuge nicht verlässlich aufrufen. Welches Modell ihn antreibt, wählen Sie, und das kann ein Modell auf Ihrer eigenen Hardware sein. Dieser Text zeigt, was dafür nötig ist.

Hermes Agent installieren

Unter macOS, Linux und in WSL2 unter Windows installiert ein Skript Hermes Agent aus der Kommandozeile:

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

In der PowerShell unter Windows:

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

Offiziell unterstützt Hermes unter macOS nur Macs mit Apple-Chip. Welches Modell er nutzt, legen Sie danach mit hermes model fest.

Die wichtigste Grenze: 64.000 Token Kontext

Ein Agent schickt dem Modell bei jedem Schritt eine lange Anweisung mit, dazu die Beschreibung aller Werkzeuge und den bisherigen Verlauf. Hermes verlangt deshalb ein großes Kontextfenster, also viel Platz für Text, den das Modell auf einmal verarbeitet:

„Hermes Agent requires at least 64,000 tokens of context for agent use with tools. Smaller windows are rejected at startup because the system prompt, tool schemas, and working conversation state need enough room for reliable multi-step workflows.“

Das hat zwei Folgen. Erstens scheiden Modelle aus, deren Fenster kleiner ist. In unserem Katalog betrifft das etwa Qwen3 4B, 8B und 14B mit 40.960 Token, EuroLLM mit 32.768 und Teuken 7B mit 4.096.

Zweitens stellen die lokalen Programme das Fenster oft kleiner ein, als das Modell kann. Ollama nimmt von sich aus 4.096 Token unterhalb von 24 GB Grafikspeicher und 32.768 Token bis 48 GB; beides reicht nicht. Auf dem Mac zählt dabei nicht der verbaute Arbeitsspeicher, sondern der kleinere Teil, den macOS der Grafik zuteilt. Hermes schickt die Kontextlänge zwar bei jeder Anfrage mit, aber über die nachgebildete Schnittstelle von OpenAI, und dort übergeht Ollama diese Angabe. Ollama bleibt dann bei seiner eigenen Einstellung und schneidet die Anweisungen ohne Meldung ab. Die Länge muss deshalb in Ollama selbst eingestellt sein. Ein größeres Fenster braucht außerdem mehr Speicher: Ein Modell, das beim kurzen Ausprobieren gerade passt, kann mit 65.536 Token nicht mehr passen.

Hermes Agent mit Ollama

Hermes spricht jeden Server an, der die Schnittstelle von OpenAI nachbildet. Stellen Sie das Kontextfenster an zwei Stellen ein. Erstens beim Start von Ollama:

OLLAMA_CONTEXT_LENGTH=65536 ollama serve

Läuft Ollama unter Linux als Dienst, setzen Sie die Variable mit sudo systemctl edit ollama.service. In der Ollama-App auf Mac und Windows stellen Sie die Kontextlänge stattdessen in den Einstellungen mit dem Schieberegler ein. Ob es gewirkt hat, zeigt ollama ps in der Spalte CONTEXT. Zweitens in der Einstellungsdatei ~/.hermes/config.yaml, zusammen mit der Adresse; einen Schlüssel braucht Ollama nicht:

model:
  default: "gemma4:31b"
  provider: "custom"
  base_url: "http://localhost:11434/v1"
  context_length: 65536

Wer lieber geführt einrichtet, wählt bei hermes model den Eintrag Custom endpoint, trägt dieselbe Adresse ein und gibt bei der Frage nach der Kontextlänge 65536 an; leer gelassen, liest Hermes wieder die Höchstlänge des Modells. Entscheidend ist außerdem, dass das Modell Werkzeuge aufrufen kann:

„Models without tool-call support can only chat; they can't take actions.“

Ob ein Modell das kann, zeigt die Ollama-Bibliothek mit dem Hinweis „tools“, auf Ihrem Rechner der Befehl ollama show <modell>; Gemma 4 und Qwen3.5 gehören dazu. Die Ollama-Anleitung von Hermes arbeitet mit Gemma 4 31B. Unser Katalog rechnet es mit 21,9 GB Speicherbedarf beim kurzen Ausprobieren; mit 65.536 Token Kontext läuft es auf 72 von 544 geführten Geräten flüssig. Die Mac-Anleitung von Hermes empfiehlt für den Einstieg Qwen3.5 9B; es läuft mit derselben Kontextlänge auf 407 von 544 Geräten flüssig.

Hermes Agent mit LM Studio und anderen Servern

Für LM Studio gibt es einen eigenen Anbieter in Hermes; laut Dokumentation funktionieren Werkzeugaufrufe ab LM Studio 0.3.6. Stellen Sie beim Laden des Modells die Kontextlänge in LM Studio auf mindestens 64.000 Token, auf der Kommandozeile etwa mit lms load <modell> --context-length 64000. Welches der beiden verbreiteten Programme zu Ihnen passt, vergleicht unser Ratgeber Ollama oder LM Studio.

Auch llama.cpp, vLLM, SGLang und MLX auf dem Mac sind in der Dokumentation beschrieben. Bei älteren Ausgaben von llama.cpp muss der Server mit dem Schalter --jinja starten, sonst gibt es keine Werkzeugaufrufe; neuere schalten das von selbst ein.

Hermes Desktop: die App mit eigenen lokalen Modellen

Die Desktop-App gibt es für macOS, Windows und Linux, und ein Konto brauchen Sie dafür nicht:

„No account is needed to run the base app.“

Die App kann ein lokales Modell selbst verwalten: Sie lädt llama.cpp und ein passendes Modell herunter und richtet alles ein. Unter macOS und Windows ist das in der aktuellen Version eingeschaltet; unter Linux starten Sie die App dafür mit hermes desktop --local. Für ihre eigene Modellauswahl nennt die Dokumentation 8 GB Grafikspeicher für kleine Modelle und 16 GB für Modelle mit 27 bis 35 Milliarden Parametern; was nicht in den Grafikspeicher passt, legt die App in den Arbeitsspeicher, und das kostet Tempo.

Was Hermes Agent ins Netz schickt

Für diese verwaltete lokale Einrichtung verspricht die Dokumentation:

„Nothing leaves your computer: no account, no API key, and no network access after a model is downloaded.“

Nutzungsdaten sammelt und sendet Hermes in der Grundeinstellung nicht; beides müssen Sie ausdrücklich einschalten. Ganz ohne Netz bleibt Hermes aber auch lokal nicht. Laut Quelltext ruft er Modelldaten von models.dev ab und frischt sie alle paar Stunden auf, und beim Start fragt er bei GitHub, ob es eine neue Version gibt; abschalten lässt sich das mit updates.check: false. Die Websuche schickt Ihre Suchanfragen ohne eigene Einstellung an die kostenlosen Zugänge der Dienste Exa, Parallel, Firecrawl und Keenable.

Für Nebenaufgaben wie Zusammenfassungen und die Prüfung riskanter Befehle nutzt Hermes in der Grundeinstellung das Hauptmodell. Ausweichen darf er laut Quelltext nur auf Anbieter, die Sie selbst als Ersatz eintragen. Die Ollama-Anleitung von Hermes schlägt einen solchen Ersatz in der Cloud vor; lassen Sie ihn weg, wenn nichts das Haus verlassen soll.

Sicherheit

Hermes führt Befehle in der Grundeinstellung direkt auf Ihrem Rechner aus, nicht in einem abgeschotteten Bereich. Erkennt er einen riskanten Befehl, bewertet ihn ein Hilfsmodell, lokal meist dasselbe Modell: Harmloses gibt es selbst frei, Gefährliches lehnt es ab, nur im Zweifel fragt Hermes Sie. Mit dem Schalter --yolo entfallen diese Prüfungen. Das Projekt ist dabei ehrlich über die Grenzen:

„The only security boundary against an adversarial LLM is the operating system.“

Wer Hermes mit Werkzeugen betreibt, sollte ihn deshalb unter einem eigenen Benutzerkonto, in einer virtuellen Maschine oder in einem Container laufen lassen. Skills aus fremden Quellen führen beim Laden Python-Code aus; lesen Sie sie vor der Installation. Zwischen Mai und Juni 2026 wurden zehn Schwachstellen in Hermes Agent veröffentlicht. Für acht nennt die Datenbank von GitHub eine berichtigte Version. Bei zweien, eine davon betrifft nur die Anbindung an den Chatdienst Feishu, nennt sie keine; als betroffen führt sie dort nur Versionen bis 0.19.0.

Hermes Agent oder OpenClaw?

Beide sind quelloffene Agenten, die über Chat-Programme erreichbar sind und mit lokalen Modellen laufen. Der größte praktische Unterschied beim lokalen Betrieb ist der Kontext: Mit Ollama rechnet OpenClaw mit 32.768 Token, Hermes verlangt mindestens 64.000 und braucht damit für dasselbe Modell mehr Speicher. Über LM Studio oder den selbst verwalteten Server arbeitet auch OpenClaw mit rund 64.000. Wer von OpenClaw umsteigt, übernimmt Einstellungen mit dem Befehl hermes claw migrate. Wie OpenClaw mit lokalen Modellen eingerichtet wird, zeigt unser Ratgeber OpenClaw lokal.

Wofür ein lokales Modell reicht

Die Dokumentation ordnet selbst ein, wo lokale Modelle an ihre Grenzen kommen: Sehr verwickelte Aufgaben mit vielen Schritten gelingen mit Modellen ab 70 Milliarden Parametern oder in der Cloud spürbar besser. Nach unserer Einschätzung genügt für Zusammenfassungen, Recherchen im eigenen Ordner, wiederkehrende Berichte und einfache Automatisierungen oft ein Modell, das in rund 20 GB Grafikspeicher passt, etwa auf einer Grafikkarte mit 24 GB oder einem Mac mit 32 GB. Welche Modelle es gibt und was sie brauchen, zeigt der Ratgeber Lokale KI-Modelle.

Quellen: Hermes Agent auf GitHub (README, LICENSE, SECURITY.md, Releases, Quelltext unter anderem hermes_cli/config_defaults.py, agent/model_metadata.py, agent/auxiliary_client.py), Dokumentation von Hermes Agent zu Installation, Providers, Ollama, Local models, Run Local LLMs on Mac und Security, Hermes Desktop, Ollama zur Kontextlänge, GitHub Advisory Database zu hermes-agent, alle gelesen 2026-09-25.