Belajar Hermes AI Agent - Sejarah, Latar Belakang & Mengapa Memilih Hermes AI Agent

#Pendahuluan

Di episode 0 kalian sudah menyiapkan skill dasar dan tooling: Node.js, VS Code, CLI Hermes, kredensial LLM provider, dan Docker untuk sandbox. Sekarang saatnya memahami kenapa kita repot-repot membangun agen — bukan sekadar memanggil model secara langsung.

Roadmap episode ini: kita akan menelusuri bagaimana AI agents mengambil peran dalam aplikasi modern, membandingkan arsitektur agent dengan model-only workflows, lalu membedah tiga keunggulan utama Hermes AI Agent — event-driven, plugin extensibility, dan orchestration — serta kapan sebaiknya memilih Hermes dan kapan tidak.

#Peran AI Agents dalam Aplikasi Modern

Sepuluh tahun lalu, "aplikasi AI" biasanya berarti chatbot yang menjawab FAQ dengan aturan if-else. Lima tahun lalu, menjadi wrapper API LLM: prompt masuk, teks keluar. Keduanya reaktif — menunggu input, memberi output, berhenti.

Aplikasi modern menuntut lebih. Aplikasi butuh sistem yang bisa:

• Beraksi, bukan hanya berbicara: mengirim email, memperbarui database, memicu build pipeline.
• Menggunakan alat: mencari di web, membaca file, mengeksekusi kode, bertanya ke API internal.
• Berkontribusi pada workflow, baik sebagai asisten manusia maupun pekerja otonom dalam pipeline otomatis.

Peran inilah yang ditempati AI agents. Mereka bukan lagi widget chat yang ditempel di pojok aplikasi, melainkan komponen pemrosesan yang setara dengan service backend — dengan satu kelebihan: mereka bisa memutuskan tool mana yang dipakai untuk menyelesaikan tugas. Di perusahaan, agen menangani tiket support, menjalankan laporan berkala, memoderasi konten, dan menganalisis percakapan. Semuanya tanpa kode branching yang ditulis tangan.

#Arsitektur Agent vs Model-Only Workflows

#Model-Only Workflows

Pola paling sederhana adalah model-only: satu request ke LLM, satu jawaban teks. Semua logika di sekitarnya ditulis manual di kode aplikasi.

async function answerQuestion(question: string): Promise<string> {
  const response = await llmClient.chat({
    messages: [
      { role: "system", content: "Kamu adalah asisten yang ringkas." },
      { role: "user", content: question },
    ],
  });
  return response.text;
}

Coba perhatikan batasannya. Kalau pertanyaannya "berapa stok produk X?", workflow ini harus tahu lebih dulu cara memanggil endpoint stok, lalu menyisipkan hasilnya ke prompt. Setiap variasi pertanyaan butuh cabang kode baru. Model tidak pernah "mengambil keputusan" — seluruh keputusan ada di tangan developer.

#Arsitektur Agent

Pada arsitektur agent, model diberikan daftar tools dan kebebasan memilih kapan memanggilnya. Model mengembalikan sebuah tool call; runtime mengeksekusinya; hasilnya dikembalikan ke model; loop berlanjut sampai jawaban final.

const agent = new HermesAgent({ model: "gpt-4o" });
 
agent.registerTool(getStockLevel);
agent.registerTool(getProductInfo);
 
const answer = await agent.run(
  "Berapa stok produk SKU-123?",
);

Perbedaannya fundamental: kode di atas tidak menentukan urutan langkah. Agent yang memutuskan, dari konteks percakapan, bahwa mengecek stok butuh memanggil getStockLevel — lalu menyusun jawaban dari hasilnya. Kebenaran ditentukan oleh model, bukan oleh developer. Itulah mengapa evaluasi dan testing agen (episode 13 dan 19) menjadi bidang tersendiri yang serius.

#Keunggulan Hermes AI Agent

#Event-Driven

Hermes dibangun sebagai runtime yang event-driven. Alur eksekusi bukan kode linear yang kaku, melainkan rangkaian event: pesan masuk, turn dimulai, tool dipanggil, tool selesai, pesan keluar. Setiap titik itu memunculkan event yang bisa di-hook oleh aplikasi kalian.

hermes run --profile support --events

Dengan event-driven, kalian bisa mengamati setiap langkah agent secara real-time, menyuntikkan logika di tengah eksekusi (misalnya menolak tool yang berbahaya), atau meneruskan event ke pipeline observability. Ini membedakan Hermes dari SDK agent lain yang memperlakukan eksekusi sebagai fungsi monolitik.

#Plugin Extensibility

Hermes adalah modular: kernel menyediakan layanan inti, dan hampir semua hal lain — tool, memory provider, context engine, hingga platform messenger — adalah plugin. Tidak perlu fork repository atau menulis ulang runtime untuk menambah kemampuan.

• Tool plugin menambah kapabilitas baru lewat satu fungsi yang terdaftar di registry.
• Memory provider mengganti cara penyimpanan ingatan jangka panjang.
• Platform adapter menghubungkan agent ke Telegram, Discord, Slack, atau WhatsApp.

Dengan plugin, tim bisa berbagi modul antar project tanpa saling menyalin kode — kita akan menulis plugin pertama di episode 16.

#Orchestration

Keunggulan ketiga adalah orchestration: Hermes bisa mengelola pekerjaan yang jauh lebih kompleks dari satu percakapan. Scheduler cron menjalankan tugas terjadwal; subagent didelegasikan untuk pekerjaan paralel; multi-agent berkoordinasi menyelesaikan satu tujuan besar. Seluruhnya dikendalikan oleh kernel yang sama dengan agent tunggal — tidak ada runtime terpisah.

Ini penting secara praktis: agent yang kalian bangun hari ini untuk chat sederhana bisa tumbuh menjadi orchestrator multi-agent tanpa mengganti fondasi. Episode 10, 14, dan 17 akan memperdalam masing-masing pola.

#Kapan Memilih Hermes AI Agent

Sejujurnya, tidak semua masalah butuh agen. Beberapa panduan praktis:

• Gunakan model-only jika tugasnya deterministik, tidak butuh tools, dan bisa ditulis dengan beberapa cabang kode.
• Gunakan agent jika tugasnya butuh keputusan dinamis: memilih tool, menjelajah, atau beradaptasi dengan konteks yang berubah.
• Pilih Hermes jika kalian butuh tiga hal sekaligus: kontrol melalui event, kemampuan memperluas lewat plugin, dan orchestration untuk tugas terjadwal maupun multi-agent.
• Pertimbangkan alternatif jika kalian hanya butuh wrapper chat di dalam framework yang sudah ada — di episode 22 kita bandingkan Hermes dengan ekosistem lain.

#Penutup

Episode ini menempatkan Hermes AI Agent dalam konteks: peran AI agents dalam aplikasi modern yang tidak lagi sekadar berbicara tapi beraksi; perbedaan mendasar arsitektur agent dengan model-only workflows; serta tiga keunggulan Hermes — event-driven, plugin extensibility, dan orchestration.

Inti yang harus dibawa pulang:

• AI agents memindahkan keputusan tentang tool mana yang dipakai dari kode developer ke runtime model.
• Model-only cocok untuk jawaban deterministik; agen untuk keputusan dinamis.
• Event-driven memberi kalian titik kontrol di setiap langkah eksekusi agent.
• Plugin system membuat Hermes extensible tanpa memodifikasi kernel.
• Orchestration memungkinkan satu runtime menangani cron, subagent, dan multi-agent.

Di episode 2 selanjutnya kita akan membongkar konsep dasar dan arsitektur utama Hermes AI Agent — komponen controller, kernel, tools, memory, dan environment; lifecycle agen dari perception, planning, action, hingga reflection; serta integrasi LLM, tool invocation, dan custom action. Siapkan mental kalian, karena ini episode paling teknis di fase awal!