ego(lite) के साथ Hermes Agent GitHub और ब्राउज़र सेटअप

Hermes Agent GitHub सर्च करने का मतलब आमतौर पर दो चीज़ें होती हैं: सोर्स प्रोजेक्ट ढूंढना, और यह समझना कि इसका एजेंट असली वेबसाइटों पर कैसे काम कर सकता है। Hermes Agent रनटाइम है; ego (lite) एक ब्राउज़र लेयर है जिसमें निगरानी में होने वाला वेब काम आपको साफ़ दिखाई देता है। यह गाइड अपस्ट्रीम प्रोजेक्ट का लिंक देती है, इंस्टॉलेशन का मौजूदा तरीका बताती है, और Hermes के ब्राउज़र विकल्पों को उस चीज़ से अलग करके दिखाती है जो ego (lite) असल में जोड़ता है।

GitHub पर Hermes Agent कहां है?

Hermes Agent की आधिकारिक रिपॉज़िटरी है: GitHub पर NousResearch/hermes-agent। यह Nous Research का MIT-लाइसेंस वाला ओपन-सोर्स प्रोजेक्ट है, जिसमें CLI, मैसेजिंग गेटवे, शेड्यूल्ड टास्क, स्किल्स, मेमोरी, टर्मिनल बैकएंड और ब्राउज़र इंटीग्रेशन शामिल हैं। रिलीज़ और इम्प्लीमेंटेशन की डिटेल के लिए रिपॉज़िटरी सही सोर्स है; सेटअप और कॉन्फ़िगरेशन के लिए, जो वर्ज़न के साथ बदल सकते हैं, आधिकारिक डॉक्यूमेंटेशन सही सोर्स है।

Hermes न तो ego (lite) का प्लगइन है, न ही ego का शिप किया हुआ कोई एक्सटेंशन। Hermes एजेंट लूप देता है और एक ब्राउज़र बैकएंड चुनता है। ego (lite) एक Chromium-फ़ैमिली ब्राउज़र देता है, जिसे इंसानों और एजेंट के बीच Space के ज़रिए शेयर करने के लिए डिज़ाइन किया गया है। आप किसी एजेंट को ego-browser से कनेक्ट कर सकते हैं, लेकिन वह कनेक्शन एक इंटीग्रेशन का तरीका है, इस बात का सबूत नहीं कि ego (lite), Hermes रिपॉज़िटरी का हिस्सा है। इन ज़िम्मेदारियों को अलग रखने से ट्रबलशूटिंग और सुरक्षा से जुड़े फ़ैसले कहीं ज़्यादा साफ़ हो जाते हैं।

Hermes Agent कैसे इंस्टॉल करें

Nous Research के बताए इंस्टॉलर का इस्तेमाल करें, फिर ब्राउज़र ऑटोमेशन जोड़ने से पहले सेटअप पूरा करें:

# macOS, Linux, WSL2, or Termux
curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash

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

# First-run configuration
hermes setup
hermes model

इंस्टॉलेशन के बाद, एक सामान्य बातचीत शुरू करें और पक्का करें कि चुना हुआ प्रोवाइडर जवाब दे रहा है। Hermes कई मॉडल प्रोवाइडर सपोर्ट करता है, इसलिए कोई एक मॉडल या API वेंडर ज़रूरी शर्त नहीं है। ब्राउज़र ऑटोमेशन चालू करने के लिए hermes tools इस्तेमाल करें, और जब कोई डिपेंडेंसी या बैकएंड काम न कर रहा हो तो hermes doctor चलाएं। आधिकारिक क्विकस्टार्ट में Telegram, Discord, Slack, WhatsApp, Signal और दूसरे इंटरफ़ेस के लिए hermes gateway के बारे में भी बताया गया है।

कमांड की आधिकारिक लिस्ट के लिए देखें: Hermes Agent क्विकस्टार्ट और अपस्ट्रीम README; कमांड और सपोर्टेड प्लेटफ़ॉर्म समय के साथ बदल सकते हैं, इसलिए किसी पुराने थर्ड-पार्टी इंस्टॉलर को कॉपी करने से बचें।

Hermes कौन-सा ब्राउज़र इस्तेमाल करता है?

Hermes का कोई एक ब्राउज़र इम्प्लीमेंटेशन नहीं है। इसके आधिकारिक Browser Automation डॉक्यूमेंटेशन में Browser Use क्लाउड, Browserbase, Firecrawl, Camofox, Lightpanda, CDP पर लोकल Chromium, और लोकल agent-browser शामिल हैं। Browser Use मोड में, Hermes मॉडल का लिखा Python, Browser Use CLI 3.0 के ज़रिए चला सकता है; इस रास्ते के लिए टर्मिनल एक्सेस ज़रूरी है। क्लाउड सेशन में प्रोवाइडर की लागत और सीमाएं होती हैं, जबकि लोकल मोड आपकी मशीन और ब्राउज़र कॉन्फ़िगरेशन पर निर्भर करते हैं।

Hermes अपने टर्मिनल CLI से किसी चल रहे Chrome, Brave, Chromium या Edge इंस्टेंस से भी कनेक्ट कर सकता है, इसके लिए /browser connect या किसी CDP एंडपॉइंट का इस्तेमाल होता है। यह एक इंटरैक्टिव CLI कमांड है, कोई मैसेज नहीं जिसे आप Telegram या WhatsApp से भेज सकें। Chrome 136 और उसके बाद के वर्ज़न में रिमोट-डीबगिंग पोर्ट शुरू करते समय एक अलग, नॉन-डिफ़ॉल्ट यूज़र-डेटा डायरेक्टरी ज़रूरी है, इसलिए ऑटोमेशन को अपनी रोज़मर्रा की प्रोफ़ाइल डायरेक्टरी पर लगाने के बजाय अपस्ट्रीम CDP निर्देशों का पालन करें।

Hermes के डॉक्यूमेंटेशन में रियल-प्रोफ़ाइल ब्राउज़िंग भी शामिल है। browser.use_real_profile: true सेट करने पर, यह एक्टिव Chromium प्रोफ़ाइल को ~/.hermes/browser-profile/<browser>/ में कॉपी करता है और उसी कॉपी को चलाता है; यह लाइव प्रोफ़ाइल को सीधे नहीं खोलता। यह फ़ीचर डिफ़ॉल्ट रूप से बंद रहता है और सहमति पर आधारित एक सुविधा है, कोई सुरक्षा सीमा नहीं। उस सेशन में खोला गया कोई भी पेज कॉपी की गई लॉगिन स्टेट के साथ एक्शन ले सकता है, इसलिए इसे सिर्फ़ उन्हीं टास्क के लिए इस्तेमाल करें जिनकी आप निगरानी करने को तैयार हों।

एक असली ब्राउज़र, आपकी पूरी लॉगिन स्टेट के साथ

ज़्यादातर ब्राउज़र एजेंट हेडलेस होते हैं। ये बिल्कुल शून्य से शुरू करते हैं: कोई कुकीज़ नहीं, कोई लॉगिन नहीं, कोई एक्सटेंशन नहीं। यह टेस्ट और एक-बार के डेमो के लिए ठीक है, लेकिन असल में आप वेब ऐसे इस्तेमाल नहीं करते।

आपका असली काम उस ब्राउज़र में होता है जिसमें आप पहले से लॉग-इन हैं। आपकी X टाइमलाइन आपके हिसाब से बनी है। YouTube को पता है आप क्या देखते हैं। Gmail, Notion, CRM, डैशबोर्ड, एडमिन पैनल, और इंटरनल टूल — सब आपके लॉगिन, आपकी परमिशन, और आपकी बनाई सेटिंग के पीछे रहते हैं। ego (lite), एजेंट को वही असली ब्राउज़र देता है। यह आपके और आपके AI एजेंट, दोनों के लिए बना एक असली Chromium ब्राउज़र है। यह आपकी कुकीज़, लॉगिन, एक्सटेंशन और बुकमार्क साथ रखता है, ताकि एजेंट ब्राउज़ करने, पढ़ने, व्यवस्थित करने और सबमिट करने जैसे वे काम पूरे कर सके जो आप आमतौर पर हाथ से करते हैं। पूरी प्रक्रिया आपको दिखाई देती रहती है, आप कभी भी कंट्रोल ले सकते हैं, और यह अहम एक्शन से पहले कन्फ़र्मेशन मांग सकता है।

यह Hermes के लिए मायने रखता है। जब आप WhatsApp से Hermes को OpenAI के YouTube अकाउंट पर कोई नया अपडेट चेक करने को कहते हैं, तो वह असली वेब खोलने, चैनल जांचने, नए अपलोड पढ़ने, और टाइटल, अपलोड समय, लंबाई, व्यू काउंट व लिंक के साथ रिपोर्ट करने के लिए ego (lite) इस्तेमाल कर सकता है।

यहाँ Hermes किसी बाहरी क्रॉलर की तरह काम नहीं कर रहा। वह एक असली ब्राउज़र में वही काम कर रहा है जो वरना आपको खुद हाथ से करना पड़ता, और इसके लिए आपको अपना काम छोड़कर कहीं और स्विच नहीं करना पड़ता।

यही बात X पर भी लागू होती है। अगर आप Hermes Desktop से AI एजेंट अपडेट के लिए X ब्राउज़ करने को कहते हैं, तो आपकी AI लिस्ट और आपकी होम टाइमलाइन कोई आम पब्लिक सर्च नतीजे नहीं हैं। यह वह दुनिया है जो आपको लॉग-इन करने पर ही दिखती है। ego (lite) के साथ, Hermes उसी असली नज़रिये से काम कर सकता है, आपके रोज़ इस्तेमाल होने वाले अकाउंट स्टेट, लिस्ट, फ़ॉलो और कॉन्टेक्स्ट के साथ।

Hermes उस एक लाइन की इंस्ट्रक्शन को बार-बार चलने वाले वेब वर्कफ़्लो में बदल देता है: यह आपके उसी लॉग-इन X कॉन्टेक्स्ट से काम करता है जो आप इस्तेमाल करते हैं, काम की जानकारी छांटकर व्यवस्थित करता है, और आपके चुने हुए चैनल पर वापस समरी भेज देता है।

इंसान और एजेंट, दोनों के लिए एक ब्राउज़र

बात यह नहीं है कि Hermes को एक अलग ब्लैक-बॉक्स ब्राउज़र थमा दें और उम्मीद करें कि यह ठीक व्यवहार करे। बात है संतुलन की: एक असली ब्राउज़र एनवायरनमेंट जो आपके और एजेंट, दोनों के काम आए, Space के ज़रिए साफ़ अलगाव के साथ।

Hermes अपने ही Space के अंदर काम करता है, जबकि आप अपने टैब इस्तेमाल करते रहते हैं। जब ज़रूरत हो, आप उस Space में जाकर देख सकते हैं कि वह क्या कर रहा है, और लॉगिन, कन्फ़र्मेशन या किसी ज़रूरी एक्शन के लिए कंट्रोल अपने हाथ में ले सकते हैं। यह किसी अदृश्य हेडलेस सेशन में गायब नहीं हो जाता। यह एक असली ब्राउज़र में चलता है जिसे आप देख सकते हैं और बीच में रोक सकते हैं।

एक लगातार बेहतर होता एजेंट मिलता है एक अनुभवी ब्राउज़र से

Hermes कभी सिर्फ़ चैट करने वाला टूल नहीं था। यह टास्क एक्ज़ीक्यूशन, स्किल ग्रोथ और मेमोरी के साथ लगातार बेहतर होता एजेंट है। एक टास्क के बाद काम आने वाला रिज़ल्ट गायब नहीं होना चाहिए; वह उस चीज़ का हिस्सा बन सकता है जिसे Hermes आगे ले जाता है।

ego-browser कोई इस्तेमाल करके फेंक देने वाली ब्राउज़र स्क्रिप्ट भी नहीं है। यह वेब पर काम करने का अनुभव जमा करता है: X टाइमलाइन कैसे पढ़ें, Google नतीजे कैसे निकालें, या GitHub issue कैसे व्यवस्थित करें — ये सब दोबारा इस्तेमाल होने वाली ब्राउज़र स्किल्स बन सकते हैं।

तो Hermes + ego (lite) की असली वैल्यू सिर्फ़ "ब्राउज़र से जुड़ा एक एजेंट" होना नहीं है। Hermes एक लगातार बेहतर होता एजेंट है जिसे आप WhatsApp, Hermes Desktop और दूसरे चैट ऐप्स से बुला सकते हैं। ego (lite) वह मिसिंग पीस जोड़ता है: एक असली ब्राउज़र बॉडी जिसे यह इंसानों के साथ शेयर कर सकता है। एक तरफ़ स्किल और मेमोरी बेहतर होती रहती है; दूसरी तरफ़ वेब पर काम करने के तरीके सहेजे जाते रहते हैं। यही चीज़ Hermes + ego (lite) को दिलचस्प बनाती है: एक एजेंट जो आपको समझता है, वह एक ऐसे ब्राउज़र से मिलता है जो वेब को जानता है।