Hermes Agent Docker : Guide de déploiement complet pour 2026

Deux modes Docker expliqués – Choisissez avant de commencer

La plupart des guides ignorent complètement cette décision et passent à docker run. Ne le faites pas. Les deux modes ont des profils de sécurité et opérationnels très différents.

Mode 1 – Hermès fonctionnant à l’intérieur d’un conteneur

Hermès et toutes ses dépendances vivent à l'intérieur de l'image. Vous gérez l'état via des volumes nommés. La stratégie de redémarrage du conteneur le maintient en vie lors des redémarrages. C'est le modèle de production le plus courant.

• Séparation nette de l'hôte : aucune écriture accidentelle sur votre machine
• Portabilité totale ; redéployer n'importe où avec le même fichier de composition
• Frais généraux légèrement plus élevés que l'exécution native

Mode 2 – Docker en tant que bac à sable backend de terminal

Ici, Hermes s'exécute directement sur l'hôte (ou dans un conteneur) et appelle le démon Docker pour faire tourner des conteneurs éphémères pour l'exécution du shell. Vous le configurez en définissant DOCKER_HOST pour qu'Hermes puisse atteindre le démon :

export DOCKER_HOST=unix:///var/run/docker.sock   # Linux
export DOCKER_HOST=tcp://host.docker.internal:2375  # Windows/Mac (Docker Desktop)

Conditions préalables et configuration de l'environnement

Avant d'extraire une image, confirmez :

• Moteur Docker 24+ ou Docker Bureau 4.26+
• Une clé API LLM prête : OpenAI (OPENAI_API_KEY), Anthropic (Anthropic_API_KEY) ou un point de terminaison Ollama local
• Accès Internet sortant sur le port 443 (pour les appels API LLM)
• Au moins 2 Go de RAM alloué au conteneur (4 Go recommandés pour les configurations basées sur Ollama)

Configuration spécifique à Windows (Docker Desktop + WSL2)

Windows est l'endroit où la plupart des déploiements Docker s'interrompent discrètement. Surveillez ceux-ci :

# Correct — Docker Desktop translates this automatically
volumes:
  - hermes_data:/root/.hermes

DOCKER_HOST=npipe:////./pipe/docker_engine

[wsl2]
memory=4GB
processors=2

Démarrage rapide – Exécutez l'agent Hermes avec Docker en 5 minutes

Extrayez l'image officielle et exécutez l'assistant de configuration :

# Pull the latest image
docker pull nousresearch/hermes-agent:latest

# Run with a persistent volume for state
docker run -it \
  -v hermes_home:/root/.hermes \
  -e OPENAI_API_KEY=your_key_here \
  nousresearch/hermes-agent:latest

Le assistant de configuration se lance dès la première exécution. Il vous demandera de :

1. Sélectionnez votre fournisseur LLM (OpenAI, Anthropic, Ollama ou point de terminaison personnalisé)
2. Saisissez votre clé API ou l'URL de votre point de terminaison
3. Configurer le backend du terminal (sandbox natif ou Docker)

Une fois terminé, vérifiez que la session fonctionne :

> hello

Déploiement en production avec Docker Compose

La commande nue docker run fonctionne pour les tests. Pour tout ce qui est persistant, utilisez Compose.

version: "3.9"

services:
  hermes:
    image: nousresearch/hermes-agent:latest
    container_name: hermes-agent
    restart: unless-stopped
    stdin_open: true
    tty: true

    environment:
      # Use environment secrets — never hardcode keys in compose files
      OPENAI_API_KEY: ${OPENAI_API_KEY}
      Anthropic_API_KEY: ${Anthropic_API_KEY}
      HERMES_LOG_LEVEL: info

    volumes:
      - hermes_home:/root/.hermes         # Config + conversation history
      - hermes_skills:/root/.hermes/skills # Skill store — see next section

    deploy:
      resources:
        limits:
          memory: 2G
          cpus: "1.5"

    healthcheck:
      test: ["CMD", "hermes", "--health"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 15s

    logging:
      driver: "json-file"
      options:
        max-size: "10m"
        max-file: "3"

volumes:
  hermes_home:
  hermes_skills:

Stockez vos clés API dans un fichier .env (jamais engagé dans le contrôle de version) :

OPENAI_API_KEY=sk-...
Anthropic_API_KEY=sk-ant-...

Préserver les compétences d'Hermes lors des reconstructions de conteneurs

C’est le problème de production le plus négligé. Hermes stocke les compétences acquises séparément de la configuration générale. Montez explicitement ces chemins :

Lors de la mise à jour de l'image :

docker compose pull
docker compose up -d   # Named volumes persist automatically

Topologie avancée – Configuration hôte-Docker (conteneur frère)

Cette architecture est utilisée lorsque vous souhaitez qu'Hermes orchestre des conteneurs frères pour l'exécution de code isolé, par exemple pour exécuter en toute sécurité du code soumis par l'utilisateur.

┌─────────────────────────────────┐
│         Docker Host             │
│                                 │
│  ┌──────────────┐               │
│  │ hermes-agent │◄──socket──────┤── /var/run/docker.sock
│  │  container   │               │
│  └──────┬───────┘               │
│         │ docker run (sibling)  │
│  ┌──────▼───────┐               │
│  │  sandbox-1   │  (ephemeral)  │
│  └──────────────┘               │
└─────────────────────────────────┘

Composez la configuration pour cette topologie :

services:
  hermes:
    image: nousresearch/hermes-agent:latest
    restart: unless-stopped
    environment:
      OPENAI_API_KEY: ${OPENAI_API_KEY}
      DOCKER_HOST: unix:///var/run/docker.sock
      HERMES_TERMINAL_BACKEND: docker
    volumes:
      - hermes_home:/root/.hermes
      - /var/run/docker.sock:/var/run/docker.sock  # Socket mount
    group_add:
      - "999"   # docker group GID — adjust to match your host

Connecter Hermès à Claude via Telegram Bot

Aucun guide écrit ne couvre actuellement ce sujet – il est uniquement présenté sous forme vidéo. Voici la configuration complète.

/newbot
→ Name: Hermes Agent
→ Username: your_hermes_bot
→ Save the token: 123456:ABC-DEF...

environment:
  Anthropic_API_KEY: ${Anthropic_API_KEY}
  HERMES_LLM_PROVIDER: Anthropic
  HERMES_TELEGRAM_TOKEN: ${TELEGRAM_BOT_TOKEN}
  HERMES_TELEGRAM_ALLOWED_USERS: "your_telegram_user_id"

docker compose up -d

Déploiement multi-architecture (ARM64 / Oracle Free Tier / Raspberry Pi)

L'image nousresearch/hermes-agent est livrée sous forme de manifeste multi-arch. ARM64 est pris en charge — extrayez-le explicitement sur les hôtes ARM :

# Oracle Free Tier (Ampere A1) or Raspberry Pi 4/5
docker pull --platform linux/arm64 nousresearch/hermes-agent:latest

# Verify the architecture
docker inspect nousresearch/hermes-agent:latest | grep Architecture

Problèmes connus spécifiques à ARM :

• Certaines quantifications du modèle Ollama (Q8) s'exécutent plus lentement sur ARM ; préférez Q4_K_M pour l'inférence locale
• Si vous appuyez sur exec format error, confirmez que vous utilisez l'indicateur --platform linux/arm64.
• Docker Desktop sur Apple Silicon gère ARM de manière native – aucun indicateur de plate-forme n'est nécessaire

Dépannage des pannes courantes de Docker de l'agent Hermes

Un tableau de référence des pannes que vous êtes le plus susceptible de rencontrer :

Foire aux questions

Réflexions finales : liste de contrôle et prochaines étapes

La boucle d'apprentissage est ce qui différencie Hermes de tous les autres agents que vous avez exécutés dans Docker. La configuration ci-dessus garantit que la boucle est réellement accumule - pas de réinitialisation - chaque fois que vous envoyez une mise à jour.

Avant d'appeler un déploiement prêt pour la production, confirmez :

• ☐ Volumes nommés créés pour hermes_home et hermes_skills
• ☐ Clés API stockées dans .env, non codées en dur dans composer
• ☐ Politique restart: unless-stopped active
• ☐ Réussite du bilan de santé : docker inspect hermes-agent --format='{{.State.Health.Status}}'
• ☐ Rotation des journaux configurée (max-size, max-file)
• ☐ Limites de ressources définies pour éviter l'épuisement de la mémoire
• ☐ Assistant de configuration terminé et première session de discussion vérifiée
• ☐ (Si mode 2) Montage du socket Docker confirmé et proxy de socket pris en compte

Prochaines étapes pour obtenir de la valeur immédiatement :

1. Exécutez quelques tâches réelles (résumé de fichiers, révision de code, recherche sur le Web) pour alimenter la bibliothèque de compétences.
2. Après 10 à 15 tâches, exécutez hermes skills list pour voir ce qui a été appris
3. Consultez le Nous Research GitHub pour consulter les documents de configuration d'agent couvrant les modèles de compétences personnalisés et le réglage de la mémoire.
4. Si vous bénéficiez de l'offre gratuite Oracle, configurez un docker compose pull && docker compose up -d basé sur cron pour des mises à jour d'images sans temps d'arrêt tout en préservant l'état appris.