{count, plural, one {Kurs} other {Kurs}}
AI Agent'lere Giriş
{hours} sa {minutes} dk
144.8K
OpenClaw çok fazla beklenti ve güvenlik endişesiyle piyasaya sürüldü. Ardından, OpenClaw ile ilgili farklı sorunları çözdüğünü iddia eden pek çok taklit ortaya çıktı. Bunların başında, deponun boyutu nedeniyle güvenlik geliyor. Bir diğer önemli sorun ise ajanı çalıştırmanın maliyetiydi. Kendi deneyimlerime göre, maliyet oldukça hızlı artabiliyor; özellikle de OpenClaw’ın yaratıcısı bile prompt enjeksiyonunu önlemek için Claude Opus 4.6 gibi üst düzey modelleri kullanmanızı önerdiğinden. Opus 4.6 ucuz bir model değil; özellikle de ajanınızın anılar ve beceriler şeklinde çok fazla bağlam göndermesi gerektiğinde. İşte burada Hermes Agent devreye giriyor.
Hermes Agent’ın geliştiricilerini X/Twitter’da takip ediyorum ve iddialarından biri, ajanlarının açık kaynak modelleri kullanmada OpenClaw’dan daha iyi olduğu yönünde. Doğru koşum takımına (harness) sahip olduklarında açık kaynak modellerin etkili şekilde kullanılabileceğini öne sürüyorlar. Bu yazıda, ajanı deneyerek bu iddiaları inceleyeceğim. Kurulum adımlarını, yerel ve çevrimiçi modellerle nasıl kullanacağınızı ve bir araştırma projesinde nasıl değerlendireceğinizi adım adım anlatacağım.
Hermes Agent Nedir?
Hermes Agent, Hermes modellerinin arkasındaki laboratuvar olan Nous Research tarafından geliştirilen açık kaynaklı bir OpenClaw alternatifidir. Lansmandan sonra çok popüler oldu ve bu yazı yazılırken 30 binden fazla yıldız aldı. Hermes Agent, deneyimlerden beceriler oluşturabilmesi, kendini geliştirmesi ve bilgiyi oturumlar arasında kalıcı kılması açısından OpenClaw’dan biraz farklıdır.
OpenClaw’ı nasıl kullanacağınızı OpenClaw (Clawdbot) Eğitimi içeriğimizden öğrenebilirsiniz.
Hermes Agent’ın temel yetenekleri
Hermes Agent’ın bazı temel yeteneklerini ele alalım.
Kapalı öğrenme döngüsü ve kendini geliştiren bellek
Hermes Agent kapalı bir öğrenme döngüsüne sahiptir; bu şu anlama gelir:
- Aracı tarafından seçilip düzenlenen bir bellek ve periyodik yönlendirmeler bulunur
- Karmaşık görevleri yerine getirdikten sonra otomatik olarak beceriler oluşturur
- Becerileri kullandıkça onları geliştirir
Hermes Agent ayrıca mesajlaşma oturumlarını FTS5 tam metin arama özellikli bir SQLite veritabanında saklar. Bu, anılar şu anda bellekte olmasa bile haftalar önceki anıları geri çağırmasını sağlar.
SQLite veritabanlarının temellerini, SQLite nokta komutlarından komut satırı arabirimi kullanarak pratik uygulama örneklerine kadar SQLite’a Başlangıç Rehberi içeriğimizden öğrenin.
Hermes ayrıca, ajana oturumlar arasında kullanıcıları kalıcı olarak anlama yetisi veren Honcho belleğini kullanır. Bu, ajanın kullanıcı tercihlerini, hedeflerini, iletişim stilini daha iyi anlaması ve konuşmalar arasında bağlamı koruması için memory.md ve user.md dosyalarına ek olarak kullanılır.
Bağlam sıkıştırma ve önbellekleme
Bu yapay zeka asistanlarını kullanmanın temel sorunlarından biri, çok fazla belirteç (token) tüketmeleridir. Her API çağrısı için ödeme yaptığınızda bu hızla çok pahalı hale gelebilir. Hermes Agent, uzun sohbetlerde bağlam kullanımını yönetmek için çift yönlü sıkıştırma ve Anthropic’in prompt önbelleklemesini kullanır.
Bu mekanizma, bağlam çok büyüdüğünde API hatalarını da önler. Eski sonuçları budayarak ve konuşmaları bir LLM ile özetleyerek çalışır.
Beceri sistemi
OpenClaw gibi, Hermes Agent da becerileri destekler. Bu beceriler agentskills.io ile uyumludur ve belirteç kullanımını en aza indirmek için kademeli açıklama (progressive disclosure) modelini izler. Gömülü (bundled) becerilerle birlikte gelir ve kullandıkça kendi becerilerini de kaydeder. Tüm beceriler ~/.hermes/skills/ içinde saklanır; ayrıca ajanı harici becerilere de yönlendirebilirsiniz.
OpenClaw becerilerini sıfırdan nasıl inşa edeceğinizi, harici API’lere nasıl bağlanacağınızı, Docker sandboxing’i nasıl yapılandıracağınızı ve ClawHub’a nasıl yayımlayacağınızı Özel OpenClaw Becerileri Geliştirme eğitimimizden öğrenin.
Çoklu platform geçidi
Hermes Agent; Telegram, Discord, Slack, Signal ve WhatsApp dahil olmak üzere birden fazla platformu destekler. Sesli not dökümünü (transkripsiyon) de destekler. Oturumlar aynı veritabanına gittiğinden, bir konuşmayı terminalinizde başlatıp Telegram’da sürdürebilirsiniz.
Alt ajanlar ve paralel iş akışları
Hermes Agent, birden çok alt ajan başlatmak için kullanılan delegate_task adlı bir araca sahiptir. Ajanların kısıtlı araç setleri ve terminal oturumları vardır. Yeni bir konuşma başlatırlar ve konuşma geçmişi hakkında bilgi sahibi değildirler; bu nedenle ajanın hedefine ulaşması için ihtiyaç duyacağı tüm bilgileri sağlamanız gerekir. Bunu, örneğin aynı anda birden çok konuyu araştırmak ve özetler toplamak, birden çok dosyayı aynı anda kod incelemesi, düzeltme ve yeniden düzenleme için kullanabilirsiniz.
MCP desteği ve genişletilmiş araç erişimi
Hermes’te eksik olan herhangi bir araç için MCP’lere bağlanabilirsiniz. Böylece Hermes Agent kodunu değiştirmeden API’lere, bir veritabanına veya şirket sistemine bağlanabilirsiniz. Bunları şu şekilde kullanabilirsiniz:
- Hermes’e MCP desteği kurmak
- Bir MCP sunucusu eklemek
- MCP’nin yapabildiklerinden araçların sunduğu yetenekleri beyaz listeye almak
- Müşteri silme gibi tehlikeli etkinlikleri kara listeye almak
Anthropic’in Model Context Protocol’ünü kullanarak Claude’u GitHub ve Notion ile bağlayan bir MCP sunucusunu nasıl geliştireceğinizi Model Context Protocol eğitimimizden öğrenin.
RL eğitimi ve yörünge (trajectory) üretimi
Hermes Agent, Tinker-Atropos üzerine kurulu entegre bir RL (Pekiştirmeli Öğrenme) eğitim hattı içerir. Bu, LoRA adaptörleriyle GRPO (Group Relative Policy Optimization) kullanarak belirli bir ortamda LLM’lerin eğitilmesini sağlar.
RL’yi daha derinlemesine keşfetmek için Python ile Pekiştirmeli Öğrenme eğitim yolumuzu inceleyin.
Hermes Agent Standart Yapay Zeka Asistanlarıyla Nasıl Karşılaştırılır
Şimdi Hermes Agent’ın OpenClaw ve Nanobot gibi diğer yapay zeka asistanlarıyla nasıl karşılaştırıldığını tartışalım.
Diğer ajanlar gibi, Hermes Agent da kalıcı bellek için memory.md ve user.md dosyalarını kullanır. Bunun da ötesine geçerek her oturumu bir SQLite veritabanına kaydeder; bu da gelecekte herhangi bir konuşmaya referans vermeyi mümkün kılar.
OpenClaw gibi, Hermes Agent da birincil modelin kullanılamadığı durumlarda görevleri üstlenecek bir geri dönüş (fallback) modelini destekler.
Çoğu yapay zeka asistanı gibi, Hermes Agent da uygun maliyetle bir VPS üzerine konuşlandırılabilir ve popüler mesajlaşma platformlarından erişilebilir. Ancak Nous Research ekibine göre, en önemli artılarından biri Hermes Agent’ın açık kaynak modeller için daha iyi bir koşum takımı (harness) sunmasıdır.
Ayrıca diğer yapay zeka asistanlarını, örneğin NanoBot’u Nanobot Eğitimi içeriğimizden keşfedebilirsiniz.
Desteklenen Modeller ve Uç Noktalar
Hermes Agent modelden bağımsızdır. Desteklenen modeller şunları içerir:
- Nous Portal’daki modeller
- Bir API anahtarıyla OpenRouter
- Anthropic Auth ve API anahtarı
- OpenAI aboneliği veya API anahtarı
- Gemini
Ollama aracılığıyla yerel modelleri de kullanabilirsiniz.
Ollama ile yerel yapay zeka asistanlarını nasıl kullanacağınızı Ollama ile OpenClaw eğitimimizden keşfedin.
Hermes Agent’ı Çalıştırmak için Önkoşullar
Hermes; Linux, macOS ve WSL2 üzerinde çalışır. Ayrıca Python 3.11 ve Node.js gerektirir; ancak bağımlılıkların çoğu kurulum sırasında otomatik olarak yüklenir.
Hermes Agent Adım Adım Eğitim: Bir “Araştırma Ajanı” Oluşturma
Şimdi Hermes Agent’ı kullanarak web’de arama yapabilen ve size Telegram üzerinden günlük brifing gönderebilen bir araştırma ajanının nasıl oluşturulacağını keşfedelim.
Adım 1: Hermes Agent’ı kurun
Terminalinizi açın ve tek satırlık yükleyiciyi çalıştırın:
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
Adım 2: Arayüz belirtecinizi alın
Telegram geçidi için Telegram’ı açın ve @BotFather’ı arayın. Ona /newbot gönderin, botunuza isim vermek için yönergeleri izleyin; size 123456789:AAH gibi görünen bir bot belirteci verecektir. Sonraki adımlar için kopyalayın.
Ardından Telegram kullanıcı kimliğinizi almak için @userinfobot’u kullanın. Botunuzun yalnızca sizinle konuşması için buna ihtiyacınız olacak.
Adım 3: Başlatın
Kurulum sihirbazını çalıştırın:
hermes setupFull Setup seçtiğinizde API anahtarları ve Telegram botu dahil her şeyi yapılandırabileceksiniz.
Aşağıda gösterildiği gibi tüm öğeleri yapılandırabilmeniz için bir menü sunulacaktır:
Mevcut bir OpenClaw kurulumunuz varsa, bunu taşımanıza da izin verir.
Kurulum tamamlandıktan sonra her şeyi şu komutla doğrulayabilirsiniz:
hermes doctor
Adım 4: Yapılandırma ve model seçimi
Yukarıdaki adımları izlediyseniz modeli zaten kurmuş olacaksınız; ancak terminalde aşağıdaki komutu çalıştırarak istediğiniz zaman değiştirebilirsiniz:
hermes model
Adım 5: Geçidi ayarlayın
Geçit, Hermes’in terminalinizde kalmanızı gerektirmek yerine size Telegram üzerinden ulaşmasını sağlar. Şu komutla kurun:
hermes gateway setup
Bu noktada Telegram’dan mesaj gönderip yanıt alabilmeniz gerekir:
Hermes Agent’ı Geliştirme: “Çok Araçlı” Ajan
Yukarıdaki yanıttan görülebileceği gibi Hermes, Yahoo Finance’in herkese açık grafik API’sini sorgulamak ve yanıtı ayrıştırmak için terminal aracını kullandı. Mevcut web arama araçlarından birini yapılandırarak web arama yeteneklerini iyileştirebiliriz; bu durumda FireCrawl’ı kullanalım. Web sitelerine gidin ve ücretsiz bir AI anahtarı edinin.
Ardından anahtarı ayarlayın:
hermes config set FIRECRAWL_API_KEY your_fire-crawl_keyBunu yaptıktan sonra Hermes’e birden çok sayfayı aramayı ve sonuçları özetlemeyi içeren bir görev verdim. Görselden de görebileceğiniz gibi 3 görev planladı ve bunları devretti.
Hermes ile birden fazla ajan çalıştırmanın bir diğer yolu da profiller oluşturmaktır. Bu, aynı makinede birden fazla bağımsız Hermes ajanı çalıştırmanıza olanak tanır; her biri kendi yapılandırmasını, API anahtarlarını, belleğini, oturumlarını, geçidini ve becerilerini alır. Örneğin şunlara sahip olabilirsiniz:
- Bir kodlama ajanı
- Bir kişisel asistan
- Bir araştırma ajanı
Birini sıfırdan oluşturabilir veya mevcut ayarları klonlayabilirsiniz:
hermes profile create work --clone
work chat komutunu çalıştırarak botla konuşmaya başlayın:
Her ajan kendi .env dosyasını alır; böylece farklı Telegram botlarını ayarlayabilirsiniz. work setup kullanarak kurulum yapabilirsiniz.
Dağıtım Seçenekleri: Hermes Agent’ı Dizüstü Bilgisayarınızın Ötesinde Çalıştırma
Şimdi, Hermes Agent’ı dizüstü bilgisayarınız dışında çalıştırmak için mevcut dağıtım seçeneklerini keşfedelim.
Diğer seçenekler şunlardır:
- Günlük kullandığınız makine olmayan, adanmış bir bilgisayarda çalıştırmak.
- Modal ve Daytona gibi bir VPS üzerinde dağıtmak.
VPS üzerinde dağıtırken bile şu en iyi uygulamaları takip etmek faydalıdır:
- Container arka ucunu kullanın
- Açık izin listelerini (allowlist) açıkça belirleyin
- Kullanıcı kimliği yerine eşleştirme (pairing) kodları kullanın
- Gizlileri uygun dosya izinleriyle güvenli şekilde saklayın
- Ajanınızı düzenli olarak
hermes updateile güncelleyin - Ajanı asla
rootkullanıcısı olarak çalıştırmayın - CPU, disk ve bellek için uygun kaynak sınırlarını belirleyin
- Yetkisiz erişim girişimleri için günlükleri izleyin
Yerel ve Özel: Hermes Agent’ı Çevrimdışı Çalıştırma
Ollama üzerinden bir model kurarak Hermes Agent’ı çevrimdışı çalıştırabilirsiniz. Aşağıdaki kod parçacığı, qwen2.5-coder:32b modelini Ollama ile nasıl çalıştırıp sunacağınızı gösterir:
# Install and run a model
ollama pull qwen2.5-coder:32b
ollama serve # Starts on port 11434Ardından Hermes’i modeli kullanacak şekilde yapılandırın:
hermes model
# Select "Custom endpoint (self-hosted / VLLM / etc.)"
# Enter URL: http://localhost:11434/v1
# Skip API key (Ollama doesn't need one)
# Enter model name (e.g. qwen2.5-coder:32b)Ayrıca, bağlam penceresini artırmayı unutmayın; çünkü modelin sistem prompt’unu, araçları yüklemesi ve bir yanıt döndürmesi gerekir.
# Option 1: Set server-wide via environment variable (recommended)
OLLAMA_CONTEXT_LENGTH=32768 ollama serve
# Option 2: For systemd-managed Ollama
sudo systemctl edit ollama.service
# Add: Environment="OLLAMA_CONTEXT_LENGTH=32768"
# Then: sudo systemctl daemon-reload && sudo systemctl restart ollama
# Option 3: Bake it into a custom model (persistent per-model)
echo -e "FROM qwen2.5-coder:32b\nPARAMETER num_ctx 32768" > Modelfile
ollama create qwen2.5-coder-32k -f Modelfile
Hermes Agent’ta Sık Yapılan Hatalar ve Sorun Giderme
Şimdi Hermes Agent’ı kullanırken karşılaşabileceğiniz bazı yaygın sorunlardan bahsedelim.
Bağlantı reddedildi hataları
Önce hermes doctor çalıştırın. Bu, eksik sağlayıcı yapılandırmaları, bozuk ortam değişkenleri veya yanlış yapılandırılmış yollar olup olmadığını söyleyecektir. Ayrıca kurulum komutunu tekrar çalıştırarak API anahtarınızı yeniden girebilirsiniz; bir yazım hatası yapmış olabilirsiniz.
Bağlam penceresi sınırları
/compress yazarak manuel bağlam sıkıştırmasını tetikleyin.
Sıkıştırma varsayılanlarını yapılandırmak için ~/.hermes/config.yaml dosyasını da düzenleyebilirsiniz.
# In ~/.hermes/config.yaml
compression:
enabled: true
threshold: 0.50 # Compress at 50% of context limit by default
summary_model: "google/gemini-3-flash-preview" # Model used for summarizationBeceri tetiklenmiyor veya yeniden kullanılmıyor
Becerinin mevcut olup olmadığını kontrol edin. Becerilerdeki talimatların kullanıldığını doğrulamak için şu komutu çalıştırın.
hermes chat --toolsets skills -q "Use the X skill to do Y"Geçit mesaj almıyor
hermes gateway status çalıştırarak çalışıp çalışmadığını kontrol edin.
Durdiyse, hermes gateway start. ile başlatın.
Model uç noktası kimlik doğrulama hataları
~/.hermes/.env dosyasını kontrol ederek API anahtarlarınızın doğru olduğundan emin olun. Seçtiğiniz modelin doğru API anahtarına sahip olduğundan emin olmak için hermes model çalıştırın.
Gelecek Görünümü
Twitter’daki ajan savaşlarını takip ediyorsanız iki kamp olduğunu fark etmiş olabilirsiniz: Biri API’lerle ajan kullanmaktan yana, diğeri ise ajanları yerel modellerle çalıştırmaktan. Yerel modeller kampı, OpenClaw’a kıyasla yerel modeller için daha iyi bir koşum sunduğunu iddia ettikleri Hermes Agent’ı çok güçlü şekilde savunuyor.
Hangi kampı desteklerseniz destekleyin, bir gerçek açık: ajanları çalıştırmak ucuz değil. Dolayısıyla, yerel modelleri çalıştırabilen ve üst düzey bir modele yakın performans sunabilen bir araç varsa, bu araca bakmaya değer. Özellikle de tüm model sağlayıcılarında kullanımın ölçülü (metered) olduğu şu dönemde.
Ajanlara yönelik mevcut talep ile, sınırsız kullanım isteyen kullanıcılar en iyi sonucu sunan araca yönelecektir. Şu an itibarıyla, Twitter’da birçok kişi bu aracın Hermes Agent olduğunu iddia ediyor. Yerel modellerin API’lere olan talebi gerçekten azaltıp azaltmayacağı ise henüz belli değil; özellikle de tüm kullanıcıların kişisel GPU’lara sahip olmaması ve yerel kullanım için kurulumu yapacak teknik yeterliliğe sahip olmaması nedeniyle.
Sonuç
Son dönemde birkaç kişisel yapay zeka asistanı piyasaya sürüldü. Yapabileceğiniz en iyi şey, onları inceleyip hangisinin sizin için en uygun olduğuna karar vermektir. Hızlıca bilgi sahibi olmak için aşağıdaki kaynaklara göz atın:
- OpenClaw vs Nanobot: 2026’da Hangi Yapay Zeka Ajan Çerçevesini Kullanmalısınız?
- Nanobot Eğitimi: Hafif Bir OpenClaw Alternatifi
- Claude Code vs Cursor: Hangi Yapay Zeka Kodlama Aracı Size Uygun?
- OpenCode vs Claude Code: 2026’da Hangi Ajanik Aracı Kullanmalısınız?
- OpenClaw vs Claude Code: 2026’da Hangi Ajanik Aracı Kullanmalısınız?
Yapay zeka araçlarıyla çalışmayı öğrenmek için en iyi ücretsiz yapay zeka araçları rehberimize göz atın. Daha kapsamlı yapay zeka kodlama becerileri için, geliştirme iş akışınızda yapay zeka asistanlarını daha güvenilir ortaklar haline getirecek becerileri geliştirmek üzere Geliştiriciler için Yapay Zeka Destekli Kodlama kursumuzu deneyin.
Author
Derrick Mwiti
