Kiedy Hermes Agent trafił na rynek 12 marca, w paczce było już ponad siedemdziesiąt wbudowanych skilli w piętnastu-plus kategoriach. Cztery tygodnie później na agentskills.io działał prawdziwy marketplace skilli społecznościowych z setkami kolejnych. Ten wpis jest o tym, jak do tego doszło — i dlaczego architektura skilli w Hermesie jest warta zrozumienia, nawet jeśli sam nigdy żadnego nie napiszesz.
Czym tak naprawdę jest skill
W większości frameworków do agentów AI „narzędzie" to funkcja Pythona, którą deweloper rejestruje w agencie przy imporcie. Nakładasz dekorator, piszesz docstring, wrzucasz do tablicy narzędzi gdzieś w kodzie. Kiedy agent jej potrzebuje, framework wstrzykuje opis do promptu i parsuje odpowiedź modelu z wywołaniem narzędzia.
Hermesowy skill to co innego. To deklaratywna paczka z manifestem (skill.yaml), zestawem wykonywalnych skryptów lub Pythonowych entrypointów, opisem wymagań wstępnych i polityką aktywacji. Przy starcie Hermes przechodzi po katalogu skilli, czyta każdy manifest i decyduje, które skille są dostępne w tej sesji, sprawdzając czy ich wymagania faktycznie istnieją na maszynie — zmienne środowiskowe, binaria w PATH, wpisy w konfiguracji, możliwości platformy.
Skill wymagający ffmpeg nie zostanie pokazany agentowi na maszynie bez ffmpeg. Skill wymagający tokenu bota Telegram aktywuje się tylko w sesji podłączonej do Telegrama. Prompt agenta zawsze zawiera wyłącznie te skille, których faktycznie możesz w tej chwili użyć.
Brzmi jak szczegół. To powód, dla którego agent może w pierwszym dniu pojawić się z siedemdziesięcioma skillami, nie rozsadzając promptu.
Skills Hub i co robi
Od v0.2.0 w Hermesie siedzi coś, co nazywa się Skills Hub — lokalny indeks każdego skilla dostępnego w tej instalacji, z metadanymi, źródłem i warstwą warunkowej aktywacji. Przez hermes skills list widzisz, co jest zainstalowane, hermes skills enable <name> i hermes skills disable <name> włączają i wyłączają, a hermes skills info <name> pokazuje manifest, źródło i dokładne wymagania.
Hub to też abstrakcja, do której podpinają się skille społecznościowe. Autor skilla publikuje manifest + paczkę źródłową; użytkownicy Hermesa instalują to jednym poleceniem; Hub waliduje wymagania i reguły aktywacji w ten sam sposób co dla wbudowanych skilli. Nie ma specjalnej ścieżki dla „oficjalnych" kontra „społecznościowych" — to wszystko po prostu skille.
Cztery tygodnie po premierze Hub dorósł do swojej publicznej twarzy: agentskills.io. To webowy katalog skilli od społeczności z wyszukiwaniem, kategoriami, statystykami popularności i znormalizowanym poleceniem instalacji. Można go sobie wyobrazić jako npm albo pip dla zdolności agenta, tyle że węższy: każdy skill ma robić jedną rzecz i być dostarczony z manifestem, który mówi Hermesowi, jak go bezpiecznie używać.
Dlaczego ekosystem rósł tak szybko
Cztery tygodnie to niewiele, żeby przejść od zera do setek skilli społecznościowych. Kilka rzeczy w architekturze to umożliwiło.
Manifest jest interfejsem. Autor skilla musi tylko dobrze napisać manifest. Wymagania, opis, schemat wejścia, warunki aktywacji — to trafia do skill.yaml. Implementacja może być w Pythonie, w shellu, w binarce — w czymkolwiek, na co manifest wskazuje. Kontrybutorzy nie muszą uczyć się SDK specyficznego dla Hermesa, żeby napisać użyteczny skill. Muszą opisać, co ich narzędzie robi, w pliku YAML, który już istniał dla wbudowanych skilli.
Wymagania są strukturalne, nie dokumentacyjne. Jeśli skill potrzebuje ffmpeg, manifest to deklaruje, a Hermes sprawdza. Nie zainstalujesz zepsutego skilla, który po cichu padnie w runtime przez brakującą zależność — Hub mówi Ci, czego brakuje, i odmawia aktywacji. To oznacza, że autorzy mogą zakładać, a użytkownicy mogą ufać.
Aktywacja jest warunkowa. Skill może zadeklarować, że aktywuje się tylko na Telegramie, tylko gdy ustawiona jest dana zmienna środowiskowa, tylko gdy istnieje dany plik, tylko w określonych katalogach roboczych. Prompt, który widzi agent, jest dopasowany do chwili. Możesz zainstalować sto skilli, a agent w dowolnej sesji nie zobaczy dziewięćdziesięciu — prompt nie puchnie.
Domyślnie przyjazne dla sandboxa. Skille wykonujące kod robią to wewnątrz istniejących warstw sandboxu Hermesa — izolacji git worktree i systemu checkpointów plików z premiery v0.2.0. Skill społecznościowy, który się rozhulał, nie jest w stanie naprawdę zniszczyć Twojego kodu ani plików, bo sandbox jest wbudowany w agenta, nie w skill. To drastycznie obniża barierę instalowania czegoś nowego.
Jak zazwyczaj wygląda skill społecznościowy
Skille społecznościowe z pierwszych czterech tygodni wpadają w kilka przydatnych wzorców:
- •Wrappery wokół istniejących narzędzi CLI. Ktoś bierze
ffmpeg,pandocalboimagemagicki pisze cienki skill, który odsłania popularne operacje — przycinanie wideo, konwersja dokumentów, skalowanie obrazów. Tanie do napisania, natychmiast przydatne. - •Integracje z osobistymi serwisami. Skille rozmawiające z Twoim kontem Notion, vaultem Obsidian, instancją Home Assistant, czytnikiem RSS, kontem Pocket lub aplikacją do finansów osobistych. Większość to mniej niż 200 linii Pythona plus manifest.
- •Helpery domenowe. Skille dopasowane do konkretnych workflow — skill do czytania papierów naukowych dla badaczy, podsumowywanie git loga dla tech leadów, generator menu dla hobbystycznych kucharzy, asystent mistrza gry dla grup RPG.
- •Shimy specyficzne dla modeli. Skille dodające fikcje specyficzne dla dostawcy (nagłówki cache'owania promptu, budżety wnioskowania, hooki fine-tuningu) jako formalne narzędzia agenta zamiast wymagać custom kodu klienta.
Żaden z nich sam w sobie nie jest killer feature. Razem są powodem, dla którego Hermes przestał wyglądać jak „coś, co zbudowało Nous Research" i zaczął wyglądać jak społeczność.
Ciekawy efekt uboczny
W dniu, gdy agentskills.io przekroczyło sto skilli społecznościowych, coś subtelnego zmieniło się w projekcie. Nie dało się już opisać, czym Hermes Agent jest, wyliczając funkcje, bo zestaw funkcji stał się nieograniczony. To, co da się opisać, to kształt tego czegoś: jeden agent, rozmawiający z dowolną platformą czatu, ściągający skille na żądanie, pod jednolitym modelem bezpieczeństwa.
To nie lista funkcji. To platforma. I to jest powód, dla którego ekosystem skilli jest ważniejszy niż jakakolwiek pojedyncza zdolność, która w nim siedzi.