ホーム記事一覧技術チュートリアルHermes Agent をベースにしたAIアシスタント自動化の深い使用体験を記録する

Hermes Agent をベースにしたAIアシスタント自動化の深い使用体験を記録する

草梅友仁
2026-06-28 10:42:02 0 閲覧数 1392 文字数 5 分技術チュートリアル

概要

Docker デプロイから実運用まで、Hermes Agent を活用した自社AIアシスタントの飛書（Feishu）連携、MCP検索設定、DeepSeek V4 Flashの低コスト呼び出しに関する完全ガイドとノウハウを共有します。

要約：本記事 では、Hermes Agent を Docker にデプロイし、飛書（Feishu）に 接続、tinyfish-mcp 検索 を 設定、DeepSeek V4 Flash を 低 コストで 利用 する 方法、そして2 週間 にわたる 実際 の 使用体験 を 記録 しています。Docker の 基礎知識 があり、自分 で AI アシスタントを 構築 したい 読者 に 適 しています。

前回 のブログ 記事 『Hermes Agent AI アシスタントと 墨梅 ブログの 更新 | 2026 年第 24 週草梅週報』 で 簡単 に 触 れた Hermes Agent について、今回 はここ 数週間 の 実際 の 使用体験 を 踏 まえ、完全 なデプロイと 使用 レポートを 提供 します。

公式 ドキュメント：https://hermes-agent.nousresearch.com/docs/zh-Hans/

デプロイ

まず、OpenClaw と 同様 に、Hermes Agent を 使用 するには、先 に Hermes Agent をデプロイする 必要 があります。

このような AI アシスタントには 非常 に 大 きな 権限 が 必要 となるため、個人 のPC 上 でのデプロイは 強 く 非推奨 です。デプロイする 場合 は、Docker のようなコンテナ 環境 を 優先的 に 使用 し、ホスト 環境 と 隔離 することで、誤 ってファイルを 削除 したり 攻撃 を 受 けたりするリスクを 減 らすことが 重要 です。

Docker コンテナ 自体 がセキュリティ 境界 となります

次 に、Docker を 使用 して Hermes Agent をデプロイする 方法 を 紹介 します。

まず、Linux サーバー、Docker、LLM の API キーなど、いくつかの 事前準備 が 必要 です。

環境要件

  • サーバー: Linux（2コア4GB 以上 を 推奨、それ 以下 だとフリーズする 可能性 があります）
  • Docker: docker および docker-compose がインストール 済 み
  • API キー: 少 なくとも1つの LLM プロバイダーのキー（DeepSeek、OpenAI など）
  • メッセージゲートウェイ: ここでは 飛書 を 例 とします（サポートされているメッセージプラットフォームから 選択可能、例: QQ、企業微信、DingTalk など）

インストール

適切 なサーバーディレクトリに 以下 の docker-compose.yml 設定 ファイルを 記述 します。

# 
# Hermes Agent — Docker Compose デプロイ

設定: DeepSeek V4 Flash + 飛書 WebSocket

services: hermes: image: nousresearch/hermes-agent:latest container_name: hermes restart: unless-stopped volumes: - ./hermes_data:/opt/data env_file: - .env environment: # ---- ユーザー 権限 ---- - HERMES_UID=${HERMES_UID:-1000} - HERMES_GID=${HERMES_GID:-1000} # ---- DeepSeek プロバイダー ---- - DEEPSEEK_API_KEY=${DEEPSEEK_API_KEY} # ---- 飛書 チャネル (WebSocket モード) ---- - FEISHU_APP_ID=${FEISHU_APP_ID} - FEISHU_APP_SECRET=${FEISHU_APP_SECRET} - FEISHU_DOMAIN=feishu - FEISHU_CONNECTION_MODE=websocket # ---- 飛書 セキュリティホワイトリスト (強 く 推奨) ---- - FEISHU_ALLOWED_USERS=${FEISHU_ALLOWED_USERS} # ---- 推奨: cron/通知用 のホームチャットを 設定 ---- - FEISHU_HOME_CHANNEL=${FEISHU_HOME_CHANNEL} # - GATEWAY_ALLOW_ALL_USERS=${GATEWAY_ALLOW_ALL_USERS:-false} - GATEWAY_ALLOWED_USERS=${GATEWAY_ALLOWED_USERS} - OPENCODE_GO_API_KEY=${OPENCODE_GO_API_KEY} command:[“gateway”, “run”]


ここでは、DeepSeek V4 FlashをバックエンドのAIモデルとして、飛書（Feishu）をフロントエンドのインタラクションクライアントとして使用します。ここではWebダッシュボードを使用せず、ポートも開放しません。すべてのメッセージは飛書を介して送受信されます。すべてのデータは現在のディレクトリにある`hermes_data`ディレクトリに保存されます（公式のデフォルトは`~/.hermes/`ですが、ここではバックアップを容易にするためにカスタムマウントを使用しています）。

もちろん、上記の設定はまだ不完全です。対応する環境変数がないためです。

同じディレクトリに`.env`ファイルを作成し、以下のように設定します。実際の値に置き換えてください。

```ini
# === DeepSeek API ===
# https://platform.deepseek.com で申請
DEEPSEEK_API_KEY=sk-xxxx

# === 飛書アプリ認証情報 ===
# https://open.feishu.cn/app で申請、具体的な申請プロセスは後述を参照
FEISHU_APP_ID=cli_xxxx
FEISHU_APP_SECRET=xxxxx
FEISHU_DOMAIN=feishu
FEISHU_CONNECTION_MODE=websocket

# === 飛書セキュリティホワイトリスト (ユーザーopen_idをカンマ区切りで指定) ===
FEISHU_ALLOWED_USERS=ou_xxxx

# === オプション: Home Chat ID (cron jobの結果や通知をここに送信) ===
# FEISHU_HOME_CHANNEL=oc_xxx
# 許可されたユーザーID。
# GATEWAY_ALLOWED_USERS=xxx
# 初回使用時はすべてのユーザーを許可する設定がおすすめですが、このアプリは自分だけが使用することを確認してください！
GATEWAY_ALLOW_ALL_USERS=true

さらに、hermes_data ディレクトリに config.yaml ファイルを 作成 し、以下 の 内容 を 記述 します。

model:
  provider: deepseek
  default: deepseek-v4-flash

また、サポートされているAIプロバイダーを 利用 することも 可能 です。


もちろん、コマンドラインから設定することも可能です。以下のコマンドで設定ウィザードを起動し、APIキーの入力を促され、`./hermes_data/.env` に書き込まれます。

```sh
docker run -it --rm \
  -v ./hermes_data:/opt/data \
  nousresearch/hermes-agent setup

飛書 プラットフォームへの 接続

ここでは 飛書 アプリの 認証情報 とユーザーのopen_idが 必要 です。まず、飛書 インテリジェントエージェントアプリの 作成方法 を 説明 します。

まず 飛書 デベロッパーバックエンドにログインします。ホームページには「飛書 インテリジェントエージェントアプリの 作成」エントリがトップに 表示 されています。表示 されていない 場合 は、下 の「企業自建 アプリの 作成」エントリから 作成 できます。

飛書デベロッパーバックエンド - インテリジェントエージェントアプリ作成エントリ

次 に、アバターと 名前 を 設定 するページが 表示 されます。「すぐに 作成」をクリックします。

飛書デベロッパーバックエンド - インテリジェントエージェントアプリ作成

すると、App IDとApp Secretが 直接表示 されます。これを 環境変数 にコピーします。

image-20260628000747412

その 後、プロジェクトディレクトリで 以下 のコマンドを 実行 し、Hermes AgentのDockerイメージを 有効 にします。

docker compose up -d

これで、ボットにメッセージを 送信 して 接続 が 成功 したかどうかを 確認 できます。

image-20260628001752386

応答 がない 場合、通常 は「飛書 セキュリティホワイトリスト」と「許可 されたユーザーID」が 設定 されていないためです。

この 場合、一時的 に GATEWAY_ALLOW_ALL_USERS を true に 設定 し、AIに 直接 ユーザーの open_id を 問 い 合 わせ、 FEISHU_ALLOWED_USERS と GATEWAY_ALLOWED_USERS に 入力 します。

logs/gateway.log のログを 直接確認 することもできます。

image-20260628002340001

使用方法

AIが 飛書 チャネルを 通 じて 返信 できるようになれば、本格的 に 使用 を 開始 できます。

例 えば、まず 自己紹介 をすると、AIはそれを 記憶 し、後 で 直接引用 することができます。

image-20260628003452887

以下 は、使用上 のちょっとしたコツです。

検索 MCPのデプロイ

ご 存知 の 通 り、検索 ツールのないAI 大規模 モデルは 依然 として「バカ」です。実際 の 使用過程 では、検索系 ツールのトリガー 確率 は80％～90％に 達 し、調査・探索・確認 などのタスクではほぼ 必須 です。そのため、tinyfish-mcpを 導入 しましたが、非常 に 使 いやすいです。

tinyfish-mcpのデプロイ 方法 については、公式 ドキュメントを 参照 してください。

tinyfish-mcpのデプロイが 完了 したら、config.yaml で 設定 します。

mcp_servers:
  tinyfish-search:
    url: "https://tinyfish.example.com/mcp"
    headers:
      Authorization: "Bearer xxxxxx"

image-20260628004015611

コストパフォーマンスの 高 いAIモデルを 使用 する

Hermes Agentを 使 ってプログラミングする 人 もいますが、ほとんどの 場合 は 会話 がメインです。このような 場合、高品質 なモデルは 必要 なく、高級 モデルを 使用 するとコストがかさむため、DeepSeek V4 Proではなく、コストパフォーマンスに 優 れたDeepSeek V4 Flashなどの 安価 なAIモデルを 使用 することをお 勧 めします。本当 にプログラミングが 必要 な 場合 は、Claude CodeやOpenCodeなどのAIツールを 呼 び 出 してプログラミングを 行 います。

個人的 には OpenCode Go を 介 して DeepSeek V4 Flash を 呼 び 出 すことをお 勧 めします。DeepSeek 公式 よりも 少 しお 得 に 利用 できます。

上記 のリンクには 私 の 招待 コードが 含 まれており、このリンクから 登録 するとあなたと 私 の 両方 が 一定 の 無料利用枠 を 獲得 できます。

OpenCode Go 公式 ドキュメント：https://opencode.ai/docs/zh-cn/go

具体的 な 仕組 みとしては、OpenCode Go は 月額 わずか10ドルですが、利用可能 なクレジットは60ドル 分 あります。

現在、OpenCode Go の DeepSeek V4 Pro はまだ DeepSeek 公式 の2.5 割引 キャンペーンと 同期 していませんが、DeepSeek V4 Flash の 価格 は 同 じです。そのため、実際 に10ドルで60ドル 分 の DeepSeek V4 Flash を 利用 でき、さまざまなAIモデルの 中 でも 最高 クラスのコストパフォーマンスと 言 えます。

さらに、OpenCode Go は Qwen3.7 Plus と 組 み 合 わせることで 画像認識 の 問題 を 解決 でき、最 もコストパフォーマンスの 高 いAIモデルパッケージの 一 つと 言 えるでしょう。

image-20260628010217783

OpenCode Go を 使用 する 場合、環境変数 の 設定項目 は OpenCode Go のものに 変更 する 必要 があります。例 えば：

OPENCODE_GO_API_KEY=xxxx

また、config.yaml で 設定 する model.provider フィールドも 以下 のように 変更 する 必要 があります：

model:
  provider: opencode-go
  default: deepseek-v4-flash

ビジュアルモデルの 設定

Hermes Agent のバックエンドとして DeepSeek V4 シリーズをメインのAIモデルとして 使用 している 場合、1つ 問題 が 発生 します。現在、deepseek-v4 は 画像認識 をサポートしていないため、送信 した 画像 を 認識 できず、使用体験 に 影響 を 与 えます。

Hermes Agentでは、視覚 モデルを 個別 に 設定 することが 可能 です。config.yaml の auxiliary.vision.model フィールドに qwen3.7-plus などの 画像認識対応 AIモデルを 設定 することで、DeepSeek V4 Flashの 不足 を 補 うことができます。

auxiliary:
  vision:
    provider: opencode-go
    model: qwen3.7-plus

image-20260614220340115

自動化 された 記憶整理

Hermes Agentはスケジュールタスクの 設定 をサポートしています。自律学習能力 を 強化 するために、毎日深夜 に 過去 24 時間 のセッションを 自動 スキャンし、再利用可能 な 知識 を 抽出 するよう 設定 できます。これにより、手動 で 再利用 を 指示 する 手間 を 省 けます。

参考 プロンプト: 「過去 24 時間 のすべてのセッションをスキャンし、再利用可能 な 知識 を 抽出 してください…」

ここで1つ 小 さな 問題 があります。cronジョブでは 直接 Memoryに 書 き 込 むことができず、Agentの 記憶 を 直接変更 できません。そのため、間接的 な 解決策 として、file ツールを 使用 して reusable-knowledge.json をファイルレベルナレッジベースとして 書 き 込 む 方法 を 採用 しています。

markdown 形式 でのメッセージ 送信

飛書 の 制限 により、メッセージ 内 でテーブルをレンダリングできません。この 問題 を 解決 するため、markdownファイルを 添付 ファイルとして 送信 する 方法 が 考 えられます。これにより、レイアウト 問題 が 解決 し、サポートされていないmarkdown 書式文字 がメッセージに 含 まれるのを 防 げます。

AIに 直接 markdownファイル 形式 で 添付 ファイルを 送信 するよう 指示 するか、テーブル 文字 を 検出 したら 自動的 にmarkdown 添付 ファイルに 変換 するよう 要求 できます。

image-20260614220405355

使用体験談

ここで、私 がここしばらくHermes Agentを 使用 して 感 じたことをお 話 ししましょう。

まず、非常 に 強力 で、とても 使 いやすいです。

最初 は 高度 にカスタマイズされた 豆包程度 を 期待 していましたが、実際 には 豆包 よりもはるかに 優 れていることがわかりました。

なぜでしょうか？

豆包 はコードを 実行 できず、ファイルを 操作 することも、定期的 な 自省 もできません——一方、Hermes Agentはこれらすべてを1つのインターフェースに 統合 しています。これが 豆包 よりも 使 いやすい 理由 です。

まず、tinyfish-mcpを 自前 で 構築 することで 検索 の 品質問題 を 解決 し、さらにsuper-searchを 通 じて 調査 レポートの 品質問題 を 解決 しました。これは、ほとんどのAI 検索 ツールの 結果品質 を 凌駕 する 基盤 と 言 えます。

次 に、スケジュールタスクシステムがあります。

n8nのようなビジュアルローコードプラットフォームも 使用 したことがありますが、スケジュールタスクを 作成 するのは 複雑 ではありませんが、手動 で 記述 したり 接続 したりするのは 少 し 面倒 です。自分 でスクリプトを 書 くのも 手間 です。しかし、Hermes Agentを 使 えば、一言 でスクリプトを 自動生成 させ、問題 が 発生 した 場合 でも 自己修復 できるので 非常 に 快適 です。

これらはHermes Agentの 最 も 基本的 な 機能 に 過 ぎません。Hermes Agentは 本質的 に、自前 でデプロイ 可能 なAIアシスタントであり、ほとんどのワークフローに 簡単 に 統合 できます。仕事 のグループチャットに 追加 するだけで（ただし、適切 な 権限管理 を 忘 れずに）、あとは 時間 に 任 せて 頻繁 にやり 取 りすれば、どんどん 使 いやすくなります。

すぐに 適切 な 使 い 方 が 見 つからない 場合 でも、単純 にAIチャットツールとして 利用 すれば 良 いでしょう。何 か 質問 があれば 尋 ね、経験 をまとめるのにも 役立 ちます。

最後 に

最後 に 特 に 言 うことはありません。AIが 飛書経由 で 返信 できるようになってから、やるべきことはただ「使 い 込 む」ことだけです。分 からないことがあればAIに 質問 し、問題 を 自己解決 させて 自動化 プロセスを 完成 させられます。

OpenClawから 始 まった 自前 デプロイ 型 の 個人向 けAI Agentフレームワークが 爆発的 に 人気 を 集 めたのは 偶然 ではなく、必須 のニーズでした。今後 もHermes Agentのようなプロジェクトがさらに 増 え、ユーザーの 需要 を 満 たしていくでしょう。

Hermes AgentのようなAIアシスタントを 基盤 に 実現 できる 自動化 は 想像 を 超 えており、完全 に 人手 の 操作 を 代替 できると 言 えます。それが「代替」なのか「解放」なのかは、人 それぞれの 見方次第 です。

それでは、また 次回 お 会 いしましょう。さようなら～

草梅 ブログの 更新 を 以下 の 方法 で 購読 できます：

過去 の 記事

著作権表示
著者:草梅友仁
リンク:https://momei.app/ja-JP/posts/hermes-agent-docker-deployment-deepseek-v4-feishu
著作権表示:特記のない限り、このブログの記事は CC BY-NC-SA 4.0（表示-非営利-継承） の下で提供されています。転載時は出典を明記してください。

記事共有

この記事を共有

サポート