Einen Unlimited Hermes Agent mit Claude betreiben

Hermes Agent ist ein autonomes AI-Agent-Framework mit über 40 integrierten Tools, Subagent-Delegation, per Cron geplanten Tasks, Multi-Channel-Messaging über Telegram, Discord, Slack, WhatsApp, Signal und Matrix sowie einem selbstverbessernden Learning Loop. Anders als interaktive Coding-Tools, die nur laufen, wenn du aktiv an der Tastatur sitzt, arbeitet Hermes rund um die Uhr: Es verarbeitet Nachrichten, führt geplante Tasks aus und verbessert seine eigenen Skills kontinuierlich. Genau diese Always-on-Architektur macht Hermes zum API-intensivsten Tool in diesem Guide – und zum stärksten Argument für einen unbegrenzten Claude Zugang per Flatrate.

Warum Hermes rund um die Uhr API-Tokens verbraucht

Hermes ist kein Tool, das du kurz öffnest, eine Anfrage stellst und danach wieder schließt. Sobald Hermes deployed ist, hört der Agent gleichzeitig auf mehreren Messaging-Kanälen mit – zum Beispiel Telegram, Discord, Slack und weiteren Plattformen. Jede eingehende Nachricht löst einen Inference Call aus. Jeder geplante Cron Task löst einen Inference Call aus. Jede Iteration des Learning Loops löst wiederum mehrere Inference Calls aus. Der Agent schläft nicht, und sein API-Verbrauch schläft ebenfalls nicht. Genau deshalb geraten klassische Pay-per-Token-Modelle hier schnell an ihre Grenzen. Wer Hermes ernsthaft im produktiven Betrieb nutzt, sollte nicht nur fragen, wo man eine Claude API kaufen kann, sondern vor allem, welche Claude API Kosten im Dauerbetrieb entstehen und ob eine Flatrate nicht die bessere technische und wirtschaftliche Basis ist.

Subagent-Delegation verstärkt diesen Effekt zusätzlich. Wenn Hermes eine komplexe Anfrage erkennt, zerlegt es die Aufgabe in spezialisierte Teilaufgaben und delegiert sie an Subagents, die jeweils ihre eigenen Claude-Konversationen führen. Eine einzige User-Nachricht kann drei Subagents starten: einer recherchiert, einer entwirft eine Antwort oder Lösung, einer prüft das Ergebnis. Jeder dieser Subagents verbraucht unabhängig Tokens und erzeugt eigene API Calls. Bei ein paar Dutzend Interaktionen pro Tag summiert sich dieser Overhead deutlich, besonders wenn mehrere Nutzer über mehrere Kanäle gleichzeitig mit Hermes arbeiten. Für Entwickler, die Claude Code API Kosten oder generelle Claude API Kosten kalkulieren, ist Hermes deshalb ein gutes Beispiel dafür, warum reine Einzelrequest-Rechnungen oft zu optimistisch sind.

Der Learning Loop ist der letzte große Multiplikator. Hermes überprüft regelmäßig seine eigenen Interaktionen, erkennt Muster, bei denen es besser werden kann, und aktualisiert interne Skills. Dieser Selbstverbesserungsprozess läuft nach einem konfigurierbaren Zeitplan, typischerweise alle paar Stunden, und besteht aus mehreren Inference Calls: vergangene Konversationen abrufen, Schwachstellen analysieren, Verbesserungen formulieren, Vorschläge validieren und den Skill Store aktualisieren. Das passiert auch dann, wenn gerade kein User aktiv mit dem Agent spricht. In einer produktiven Hermes-Installation entsteht dadurch eine konstante Grundlast auf der Claude API. Ein unbegrenzter Claude Zugang über AI Prime Tech Unlimited passt deshalb besonders gut zu Hermes, weil die Plattform nicht nur sporadische Requests, sondern permanente autonome Arbeit abdeckt.

Environment-Konfiguration und API-Setup

Hermes liest seine API-Konfiguration aus ~/.hermes/.env. Setze ANTHROPIC_BASE_URL auf https://claudeapikey.dev, also auf den Root Host ohne /v1, und ANTHROPIC_API_KEY auf deinen AI Prime Tech Unlimited Key. Diese Environment Variables folgen den Standard-Konventionen des Anthropic SDK: Das SDK hängt /v1/messages automatisch an. Du musst also keinen vollständigen Messages-Endpunkt eintragen. Wenn du gerade erst deinen Claude API Key erstellen möchtest, bekommst du den Key im AI Prime Tech Unlimited Dashboard und verwendest ihn anschließend exakt wie einen Anthropic-kompatiblen API Key. Für bestehende Integrationen ist das besonders angenehm, weil du meistens nur Base URL und Key austauschen musst.

Falls die .env-Datei noch nicht existiert, erstelle sie mit mkdir -p ~/.hermes && touch ~/.hermes/.env und füge anschließend die beiden Variablen hinzu. Hermes lädt diese Datei beim Start und übergibt die Konfiguration an seine Inference Engine. Wenn du die Werte änderst, musst du den Hermes-Prozess neu starten, damit die neue Konfiguration aktiv wird. Das gilt insbesondere beim Wechsel von einem direkten Anthropic-Key auf den AI Prime Tech Unlimited Gateway. Viele Entwickler suchen zunächst nach einer Claude API kostenlos-Option, um zu experimentieren. Für lokale Tests kann ein kleines Kontingent reichen, aber bei Hermes ist der produktive Unterschied entscheidend: Sobald Cron Jobs, Learning Loop, Subagents und mehrere Channels aktiv sind, zählt nicht mehr der einzelne Testcall, sondern die dauerhaft planbare Nutzung.

Für Deployments, bei denen die .env-Datei an einem anderen Ort liegen soll – etwa in Docker Containern, systemd Services, Kubernetes Deployments oder Cloud-Umgebungen –, setze die Environment Variable HERMES_CONFIG_DIR auf dein gewünschtes Konfigurationsverzeichnis. Hermes sucht dann die .env-Datei in diesem Verzeichnis statt im Standardpfad ~/.hermes/. Das ist besonders nützlich, wenn Secrets über ein zentrales Secret-Management eingebunden werden oder mehrere Hermes-Instanzen unterschiedliche Provider-Konfigurationen verwenden. Achte darauf, dass dein Runtime-User Zugriff auf das Verzeichnis hat und dass der API Key nicht versehentlich in Logs oder Images landet. Technisch bleibt das Setup Anthropic-kompatibel: ANTHROPIC_BASE_URL zeigt auf den Gateway, ANTHROPIC_API_KEY enthält den Unlimited-Key, und Hermes kann ohne größere Codeänderungen starten.

Custom Provider für Advanced Routing

Hermes unterstützt eine custom_providers-Konfiguration für anspruchsvollere Setups, in denen unterschiedliche API-Endpunkte für unterschiedliche Models oder Task-Typen genutzt werden sollen. In ~/.hermes/config.yaml definierst du Provider-Einträge mit name, base_url, api_key und supported_models. Damit kannst du zum Beispiel Opus-Requests an einen Endpunkt routen und Haiku-Requests an einen anderen, oder einen Fallback-Provider hinterlegen, falls der primäre Provider vorübergehend nicht erreichbar ist. Für Teams, die mehrere Umgebungen betreiben – etwa Development, Staging und Production –, ist diese Trennung praktisch, weil jeder Bereich eigene Limits, Keys und Routing-Regeln haben kann.

Für die meisten Unlimited-User reicht ein einzelner Provider, der auf den AI Prime Tech Gateway zeigt. Dieser Provider kann sämtliche Claude-Modelle abdecken, ohne dass du für jede Modellklasse eigene Kostenoptimierung betreiben musst. Das Feature custom_providers wird vor allem dann relevant, wenn du Traffic bewusst aufteilen willst: etwa wenn niedrig priorisierte Learning-Loop-Calls über einen anderen Endpoint laufen sollen als hoch priorisierte User-Interaktionen, oder wenn triviale Aufgaben lokal über ein kleines Modell erledigt werden, während Claude für komplexes Reasoning reserviert bleibt. Bei einer Flatrate verschiebt sich die Optimierungslogik jedoch. Statt jeden Token zu sparen, optimierst du eher auf Qualität, Latenz, Ausfallsicherheit und saubere Betriebsgrenzen.

Die Provider-Auswahl kann automatisch oder explizit erfolgen. Automatisch bedeutet, dass Hermes anhand der Task-Komplexität entscheidet, welcher Provider geeignet ist. Explizit bedeutet, dass du bestimmte Capabilities in der Config fest einem Provider zuweist. Auf Unlimited ist der einfachste Ansatz oft auch der beste: ein Provider für alles. Die Flatrate deckt alle Models ab, und es gibt keinen direkten Kostenanreiz, Traffic aus Spargründen künstlich umzuleiten. Wer vorher Claude API Kosten minutiös pro Model vergleichen musste, kann mit AI Prime Tech Unlimited deutlich pragmatischer arbeiten: das stärkste passende Model nutzen, Subagents großzügig einsetzen und Routing nur dort einführen, wo es aus Architektur- oder Compliance-Gründen wirklich sinnvoll ist.

Subagent-Delegation und Task Decomposition

Hermes nutzt das Tool delegate_task, um Subagents für komplexe Aufgaben zu starten. Wenn der Main Agent erkennt, dass eine Anfrage mehrere Schritte, parallele Recherche oder spezialisiertes Handling braucht, erstellt er einen Subagent mit einem fokussierten Briefing und wartet auf das Ergebnis. Subagents können ihrerseits weitere Subtasks delegieren, sodass ein Baum aus parallelen Konversationen entsteht. Das ist ein zentraler Grund, warum Hermes in der Praxis deutlich leistungsfähiger ist als ein einzelner linearer Chatverlauf. Statt alles in einen überladenen Kontext zu pressen, verteilt Hermes Arbeit auf kleinere, klar definierte Einheiten, die unabhängig denken, recherchieren und prüfen können.

Jeder Subagent startet mit einem frischen Kontext, der nur das Briefing und die relevanten Tools enthält. Er arbeitet unabhängig, baut während der Ausführung seine eigene Conversation History auf und gibt am Ende eine Zusammenfassung an den Parent Agent zurück. Der Kontext des Parent Agents wächst dadurch um die Delegationsanweisung und die zurückgelieferte Zusammenfassung, aber nicht um die komplette interne Konversation des Subagents. Das hält den Hauptkontext übersichtlich und reduziert Rauschen. Gleichzeitig entstehen natürlich zusätzliche API Calls, weil jeder Subagent eigene Inference-Schritte ausführt. Bei Pay-per-Token-Billing wird diese Architektur schnell teuer, weshalb manche Nutzer Delegation zu defensiv konfigurieren und damit einen Teil der Hermes-Stärken verschenken.

Mit Unlimited solltest du Hermes deutlich offensiver delegieren lassen. In config.yaml kannst du delegation_threshold auf einen niedrigen oder mittleren Wert setzen, damit der Agent häufiger delegiert, statt jede Aufgabe in einem einzigen Kontext lösen zu wollen. Mehr Delegation bedeutet mehr parallele Konversationen, aber auch fokussiertere Arbeit, bessere Prüfbarkeit und oft höhere Ergebnisqualität. Die Flatrate deckt die Subagent-Arbeit unabhängig davon ab, wie viele Subagents starten. Gerade bei komplexen Workflows – Recherche, Code Review, Incident-Analyse, Report-Erstellung oder mehrstufigem Support – ist das ein praktischer Unterschied. Statt bei jeder Delegation an Claude API Kosten zu denken, kannst du Hermes so konfigurieren, wie es fachlich am meisten Sinn ergibt.

Cron Scheduler für automatisierte Tasks

Hermes enthält einen integrierten Cron Scheduler, der Tasks nach konfigurierbaren Zeitplänen ausführt. Typische Use Cases sind tägliche Reports, regelmäßige Datenerfassung, geplante Nachrichten, Routine-Systemchecks und der Learning Loop selbst. Jede Cron-Ausführung ist ein vollständiger Inference Call: Hermes liest die Task-Beschreibung, verwendet die verfügbaren Tools, führt die Aufgabe aus und speichert das Ergebnis. Aus Sicht der API ist ein Cron Task also kein kleiner Hintergrundprozess, sondern eine echte Agent-Interaktion mit Reasoning, Tool-Nutzung und Ergebnisverarbeitung. Je mehr Automation du Hermes überträgst, desto stärker steigt die kontinuierliche API-Nutzung.

Cron Tasks werden in ~/.hermes/cron.yaml mit Standard-Cron-Syntax konfiguriert. Jeder Eintrag enthält einen Zeitplan, eine Task-Beschreibung in Natural Language und optional Angaben dazu, welche Tools oder Subagents für diesen Task verfügbar sind. Ein aktives Hermes-Deployment kann problemlos zehn oder mehr Cron Tasks über den Tag verteilt ausführen: Statuschecks alle 15 Minuten, tägliche Executive Summaries, stündliche Datenupdates, wöchentliche Cleanup-Routinen oder automatische Benachrichtigungen an bestimmte Channels. Jeder dieser Läufe verbraucht Tokens. Wenn zusätzlich Subagents oder externe Tools beteiligt sind, können pro Cron-Ausführung mehrere API Calls entstehen. Genau diese Automationsdichte macht Hermes produktiv – und im falschen Billing-Modell teuer.

Bei Pay-per-Token-Abrechnung minimieren Nutzer Cron Tasks oft, um Kosten zu kontrollieren: Reports nur täglich statt stündlich, Learning Loop deaktiviert, Health Checks reduziert, automatische Analysen stark limitiert. Mit Unlimited kannst du Cron Scheduling danach ausrichten, was operativ sinnvoll ist. Lass System Health Checks alle fünfzehn Minuten laufen, generiere Reports stündlich, aktualisiere Datenfeeds kontinuierlich und plane Reminder oder Monitoring-Tasks so häufig, wie dein Workflow es braucht. Die Flatrate deckt jede geplante Ausführung ab, ohne dass pro Invocation neue Kosten entstehen. Für Teams, die Hermes als Always-on Operations Agent nutzen, ist das der Punkt, an dem unbegrenzter Claude Zugang aus einem Komfortfeature eine produktive Infrastrukturentscheidung wird.

Multi-Channel-Gateway konfigurieren

Hermes verbindet sich über sein Gateway-System mit Messaging-Plattformen. Jeder Channel – Telegram Bot, Discord Bot, Slack App, WhatsApp Business, Signal oder Matrix – verwaltet seinen eigenen Conversation State und kann unabhängig Nachrichten empfangen. Jede eingehende Nachricht auf jedem Channel löst einen Inference Call aus, damit Hermes eine passende Antwort generieren kann. Das ist aus User-Sicht ideal, weil der Agent überall erreichbar ist, wo Teams ohnehin arbeiten. Aus API-Sicht bedeutet es aber, dass jeder verbundene Channel ein potenzieller permanenter Einstiegspunkt für Claude Calls ist. Je mehr Plattformen du anschließt, desto mehr parallele Kontexte und Nutzungsströme entstehen.

Channels werden in ~/.hermes/channels.yaml mit plattformspezifischen Credentials konfiguriert, etwa Bot Tokens, Webhook URLs oder API Keys. Hermes verwaltet Conversation Threading pro Channel und pro User und hält separate Kontexte für jede aktive Unterhaltung. Eine Hermes-Instanz mit fünf verbundenen Channels und zehn aktiven Usern pro Channel kann also fünfzig getrennte Conversation Contexts haben, die jeweils unabhängig wachsen. Diese Trennung ist wichtig, damit Slack-Threads, Discord-DMs, Telegram-Chats und andere Plattformen nicht vermischt werden. Gleichzeitig vervielfacht sie die API-Aktivität, weil jede Unterhaltung ihren eigenen Verlauf, eigene Antworten und teilweise eigene Tool-Nutzung erzeugt.

Die Multi-Channel-Architektur ist einer der Hauptgründe, warum Hermes bei Pay-per-Token-Billing besonders teuer werden kann. Jeder Channel ist im Grunde ein offener Inference-Zugang: Jeder berechtigte User auf jeder Plattform kann jederzeit eine Nachricht senden und damit einen Claude Call auslösen. Bei hoher Teamaktivität oder externen Support-Kanälen skaliert der Verbrauch direkt mit dem Nachrichtenvolumen. Auf Unlimited ist genau das der beabsichtigte Use Case. Verbinde alle relevanten Channels, bediene alle Nutzer und lass Hermes 24/7 Gespräche führen, ohne dass die Kosten mit jeder einzelnen Nachricht steigen. Wenn du bisher zögerst, weil du zuerst die Claude API Kosten pro Kanal abschätzen musst, macht die Flatrate das Setup wesentlich einfacher planbar.

Learning Loop und Selbstverbesserung

Der Learning Loop von Hermes überprüft regelmäßig vergangene Interaktionen, um Verbesserungsmöglichkeiten zu erkennen. Hermes analysiert Konversationen, in denen die Leistung schwach war, extrahiert wiederkehrende Muster und erzeugt neue Skills, die in zukünftige System Prompts einfließen. Dieser Prozess besteht aus mehreren Inference-Schritten: vergangene Gespräche abrufen, analysieren, Verbesserungsvorschläge erzeugen, Vorschläge validieren und den Skill Store aktualisieren. Dadurch wird Hermes nicht nur ein statischer Agent, sondern ein System, das aus realen Interaktionen lernt. Gerade in wiederkehrenden Support-, Operations- oder Research-Szenarien kann das die Qualität über Wochen deutlich verbessern.

Jede Learning-Loop-Iteration kann fünf oder mehr API Calls umfassen, während Hermes seine Historie liest, Muster erkennt, Skill Updates entwirft und sich selbst validiert. Wenn der Loop alle paar Stunden läuft, entsteht eine stabile Grundlast, unabhängig davon, ob gerade User aktiv sind. Über einen Monat kann allein der Learning Loop Tausende API Calls verursachen. Bei klassischem Billing ist das oft der erste Bereich, den Nutzer abschalten, weil der Nutzen langfristig ist, die Kosten aber sofort sichtbar werden. Genau hier unterscheiden sich produktive Agent-Systeme von einfachen Chatbots: Ein Chatbot reagiert, wenn er angesprochen wird. Hermes verbessert sich auch zwischen den Gesprächen, und dafür braucht es verlässlichen API-Zugriff.

Mit Unlimited solltest du den Learning Loop in voller Frequenz aktivieren. Ein Intervall von zwei bis vier Stunden ist für kontinuierliche Verbesserung ein guter Ausgangspunkt. Der Agent wird mit der Zeit messbar besser, weil er Skills aus echten Interaktionen sammelt, schlechte Muster erkennt und wiederkehrende Aufgaben effizienter behandelt. Dieses Feature gehört zu den stärksten Fähigkeiten von Hermes, ist aber für viele Nutzer bei Pay-per-Token-Abrechnung wirtschaftlich schwer dauerhaft zu rechtfertigen. Eine Flatrate macht es praktikabel, den Loop dauerhaft eingeschaltet zu lassen. Statt eine vermeintlich Claude API kostenlos-ähnliche Minimalnutzung zu erzwingen, nutzt du Claude dort, wo autonome Agenten am meisten profitieren: in permanenter Reflexion, Anpassung und Verbesserung.

# ~/.hermes/.env
ANTHROPIC_BASE_URL="https://claudeapikey.dev"
ANTHROPIC_API_KEY="<your AI Prime Tech Unlimited key>"

# ~/.hermes/config.yaml (optionales Advanced Setup)
# model: claude-sonnet-4-5
# learning_loop:
#   enabled: true
#   interval: 4h
#   model: claude-opus-4-6
# delegation:
#   threshold: medium
#   max_depth: 3
#   subagent_model: claude-sonnet-4-5

# Hermes starten:
# hermes start --config ~/.hermes/config.yaml

FAQ

Wie viel API-Nutzung erzeugt Hermes im Idle-Betrieb?
Auch ohne User-Nachrichten verbraucht Hermes Tokens durch Cron Tasks und Learning-Loop-Iterationen. Ein typisches Setup mit fünf Cron Tasks und einem 4-Stunden-Learning-Loop erzeugt im Idle-Betrieb etwa 10 bis 20 API Calls pro Tag. Mit aktiven Nutzern über mehrere Channels skaliert der Verbrauch linear mit dem Nachrichtenvolumen. Unlimited deckt diese Nutzung komplett ab.

Kann ich Hermes gleichzeitig auf mehreren Channels betreiben?
Ja. Konfiguriere jeden Channel in channels.yaml mit den jeweiligen plattformspezifischen Credentials. Hermes verwaltet getrennte Conversation Contexts pro Channel und pro User. Jede eingehende Nachricht auf jedem Channel löst einen Claude Inference Call aus. Mit Unlimited kannst du alle Channels verbinden, ohne dir pro Nachricht Gedanken über Kosten zu machen.

Verbessert der Learning Loop Hermes wirklich über die Zeit?
Ja. Der Learning Loop analysiert vergangene Interaktionen, erkennt Muster und erzeugt Skills, die in zukünftige System Prompts einfließen. Über mehrere Wochen Betrieb kann Hermes wiederkehrende Muster effizienter und genauer bearbeiten. Dafür braucht der Agent konstanten API-Zugriff; Unlimited macht es praktisch, den Learning Loop dauerhaft aktiviert zu lassen.

Wie beeinflussen Subagents meine Fair-Use-Rate-Limits?
Jeder Subagent führt eigene API Calls aus und zählt gegen dieselben Rate Limits pro Minute wie der Parent Agent. Wenn Hermes während eines Peaks viele User-Nachrichten aggressiv delegiert, kann der Rate Cap vorübergehend erreicht werden. Der Gateway stellt überschüssige Requests in eine Queue und verarbeitet sie, sobald das Rate Window zurückgesetzt wurde.

Kann ich verschiedene Models für verschiedene Hermes-Fähigkeiten nutzen?
Ja. Du kannst ein Hauptmodell für User-Interaktionen konfigurieren, ein separates Modell für den Learning Loop – Opus ist für tiefere Analysen empfehlenswert – und ein Subagent-Modell für delegierte Tasks. Mit Unlimited kannst du für jede Rolle das stärkste passende Model verwenden, weil es keinen Kostenunterschied zwischen Tiers gibt.