Hermes Agent hever verktøytaket fra 90 til 500 kall og legger inn strømmende stemme

Fra 90 til 500. Det er den nye grensen for hvor mange verktøykall Hermes Agent rekker før den stopper, ifølge release-notatene Nous Research la ut på GitHub 3. august. For en agent som skal søke, kjøre terminalkommandoer og redigere filer over lang tid, er det forskjellen på å treffe en kunstig vegg midtveis og å komme i mål.

Hermes Agent er MIT-lisensiert og har passert 225 000 stjerner på GitHub. Nous Research oppgir rundt 3 650 commits, rundt 1 400 sammenslåtte pull requests og over 650 bidragsytere siden versjon 0.19.0. Tallene i grafikken selskapet la ut på X avviker noe fra dem i release-notatene, så de bør leses som omtrentlige.

«The Herald Release. Hermes er gudenes herold, og denne utgivelsen gjør ham til det for alvor: han snakker, han bærer bud til andre agenter, han varsler systemene dine om hendelser, og han oppgir kildene sine.» — Nous Research, release-notatene for v0.20.0

Stemmen er det som har endret seg mest. Der Hermes Agent tidligere tok opp et spørsmål, ventet på hele svaret og så spilte av én lang lydfil, strømmes talen nå setningsledd for setningsledd mens svaret genereres. Du kan avbryte ved å snakke, og agenten stopper avspillingen, lytter og legger om den aktive turen. Gjenkjenning av vekkeord kjører lokalt på maskinen, som ifølge Nous Research hindrer at inaktiv lyd forlater den. Ulike vekkeord kan rutes til hver sin profil. Det samme talesystemet gjelder meldingstjenester: talemeldinger fra WhatsApp, Feishu, DingTalk, LINE, QQ, Photon og Weixin kan transkriberes og besvares.

Den andre store endringen er interoperabilitet. Versjon 0.20.0 inneholder en plugin som implementerer A2A v1.0, slik at kompatible agenter kan oppdage Hermes Agent, utveksle forespørsler og fordele arbeid gjennom en delt protokoll. Utgående webhooks signeres med HMAC, slik at mottakersystemer kan verifisere hver melding, og det gir en vei rett inn i CI-systemer og dashbord uten å måtte spørre agenten gjentatte ganger. En ny ferdighet for forankrede kildehenvisninger knytter påstander til kildemateriale og sjekker sitater mot sideteksten. Dette er selskapets egne produktpåstander, og release-notatene oppgir ingen uavhengige nøyaktighetsmålinger.

Selve agenten er gratis under MIT, mens Nous Research selger abonnement gjennom Nous Portal, som pakker modelltilgang, nettsøk, bildegenerering og en hostet nettleser. TechCrunch meldte 13. juli at selskapet var i ferd med å lukke en runde på minst 75 millioner dollar ledet av Robot Ventures, med Union Square Ventures på laget, til en verdsettelse på 1,5 milliarder dollar. Nous Research har ikke bekreftet runden.

Hva bør du gjøre?

1. Sjekk om oppsettet ditt faktisk trenger 500 verktøykall før du hever taket. Grensen er også en sikkerhetsventil mot løpske agenter.
2. Kjører du agenter på ulike stacker, test A2A v1.0-pluginen som felles protokoll i stedet for å skrive enda en egen bro.
3. Skal du inn i CI eller et dashbord, bruk de HMAC-signerte webhookene framfor å polle agenten.