2026 Hermes Agent Skills 深掘りガイド：SKILL.md・Bundles・GEPA 自進化の決定指針

2026 年初頭、Nous Research が公開した Hermes Agent は、公開から 2 か月で GitHub Star が 16 万を突破しました。核心はより大きなモデルではなく、"the agent that grows with you"（共に成長する Agent）です。その基盤となるのが、標準化・進化・セッション跨ぎで持続する Skills（スキル）システムです。本稿は入門インストール（《Hermes Agent 超入門インストール》参照）を飛ばし、上級編として SKILL.md 形式、Progressive Disclosure、Skill Bundles、条件付きアクティベーション、Tap 公開、そして GEPA + DSPy による自動改善までを体系的に解説します。

1. 三大課題：Hermes Skills システムを深く学ぶ理由

多くの開発者が Hermes を「また一つの ChatGPT ラッパー」と見過ごしていますが、長期的な ROI が最も高いのは Skills モジュールです。以下の 3 点が典型的な痛点です。

1. Token コストの暴走：SOP を System Prompt に全部詰め込むと、毎回の会話で Token を消費します。Skills の Progressive Disclosure なら、アクティベート前はゼロ消費です。
2. 知識の蓄積不能：使い捨て Prompt はセッション終了とともに消えます。Skills はセッション跨ぎの手順的メモリとして、バージョン管理・共有・進化が可能です。
3. ワークフローの反復トリガー：複雑タスクで /skill-name を逐一実行する手間。Skill Bundles は複数スキルを1 本のスラッシュコマンドにまとめます。

上級読者が押さえるべき 5 つの問い——Progressive Disclosure で Token をどう制御するか、条件付きアクティベーションの使い方、Bundles のワンショット起動、DSPy + GEPA による自動改善、コミュニティの優良リポジトリ——を以下で順に解説します。

2. 核心概念：Skills ≠ Prompts、Skills ≠ Memory

三者を混同するとアーキテクチャ選定を誤ります。覚え方は次のとおりです。Prompt = 付箋（当該セッションのみ有効）、Memory = ノート（永続メモ、常に手元）、Skill = SOP マニュアル（手順化フロー、必要時に参照）。

3. SKILL.md 形式の詳解と Progressive Disclosure

3.1 基本構造（agentskills.io オープン標準）

すべての Hermes Skills は agentskills.io オープン標準に準拠しており、Hermes・Claude Code・Cursor 間で移植可能です。以下の手順で最初の SKILL.md を作成できます。

1. ~/.hermes/skills/<category>/<skill-name>/ ディレクトリを作成します。
2. フロントマターに name（小文字+ハイフン、64 文字以内）と description（1024 文字以内、「Use when...」で始める）を記述します。
3. 本文に Overview、When to Use、Procedure、Common Pitfalls、Verification Checklist の各セクションを書きます。
4. skills-ref validate ./my-skill で形式を検証します。

---
name: my-skill                    # 必須：小文字+ハイフン、≤64文字
description: |                    # 必須：≤1024文字、「Use when...」推奨
  Use when the user needs to [...].
  Handles [...] and [...].
version: 1.0.0
license: MIT
compatibility: Requires git, docker
allowed-tools: Bash(git:*) Read
metadata:
  hermes:
    tags: [devops, automation]
    category: software-development
    related_skills: [github-pr-workflow, test-driven-development]
    requires_toolsets: [terminal]
    fallback_for_toolsets: [web]
---

# My Skill Title

## Overview
## When to Use
## Procedure
## Common Pitfalls
## Verification Checklist

3.2 スキルディレクトリ構造（モジュール設計）

~/.hermes/skills/
└── my-category/
    └── my-skill/
        ├── SKILL.md              # メインファイル（核心手順、≤500行推奨）
        ├── references/           # API 参照（オンデマンドロード）
        ├── templates/            # 再利用テンプレート
        └── scripts/              # Agent が直接実行するスクリプト

3.3 Progressive Disclosure 三段階ロード（Token 制御の核心）

執筆のコツ：description は Level 0 の唯一の情報源です。LLM はこれを見てフルスキルをロードするか決めます。「何であるか」より「いつ使うか」を明確に書くことが重要です。

4. Skill Bundles：1 コマンドで完全ワークフローを起動

Skill Bundles は Hermes 2026 の新機能で、現時点では過小評価されています。Bundle は軽量 YAML で、関連する複数スキルを 1 つのスラッシュコマンドにまとめます。/bundle-name 実行時、列挙されたスキルが同時にロードされます。

ファイル配置：~/.hermes/skill-bundles/<slug>.yaml

作成手順は次のとおりです。

1. 上記パスに YAML ファイルを作成し、name、description、skills リストを記述します。
2. 必要に応じて instruction で Bundle 全体の追加指示を書きます。
3. CLI から hermes bundles create で同等の Bundle を生成することもできます。
4. セッション内で /bundle-name を実行し、全スキルが同時ロードされることを確認します。

name: backend-dev
description: |
  Full backend feature workflow — code review, TDD, and PR management.
skills:
  - github-code-review
  - test-driven-development
  - github-pr-workflow
instruction: |
  Always write failing tests first before implementation.
  Never push directly to main.

上級シナリオ例：

• AI 研究者ワークフロー（research-session）：arxiv + deep-research + plan + excalidraw。各セッション開始時に最新論文を検索しアーキテクチャ図を描画します。
• MLOps デプロイパイプライン（mlops-deploy）：vllm + llama-cpp + github-pr-workflow + systematic-debugging。デプロイ前後で推論ベンチマークを実行し量子化設定を記録します。

Bundle 優先ルール：

• Bundle と単一 Skill が同名の場合、Bundle が優先されます。
• Bundle 内の Skill が未インストールの場合、エラーなくスキップし、ロード時に不足を通知します。
• Bundle はシステムプロンプトを変更しません。Prompt Cache を無効化しないため Token に優しい設計です。

hermes bundles create backend-dev \
  --skills github-code-review,test-driven-development,github-pr-workflow \
  --instruction "Always write failing tests first"

5. 条件付きアクティベーション：環境を認識するスマートスキル

スキルは現在のセッションで利用可能なツールに基づき自動的に表示・非表示できます。metadata.hermes 配下で次のように設定します。

metadata:
  hermes:
    requires_toolsets: [web]
    requires_tools: [web_search]
    fallback_for_toolsets: [browser]
    fallback_for_tools: [browser_navigate]

典型シナリオ：無料/有料検索の自動切替。duckduckgo-search に fallback_for_tools: [web_search] を設定すると、FIRECRAWL_KEY / BRAVE_SEARCH_KEY がある環境では有料 web_search が優先され DuckDuckGo スキルは自動非表示になり Token を節約します。API 不可時は代替案が自動的に浮上します。

プラットフォーム認識の例：telegram-notify に requires_toolsets: [messaging] と platforms: [telegram, discord] を設定。hermes skills TUI から CLI・Telegram・Discord ごとにスキルを個別に ON/OFF できます。

6. Skills Hub とオープンソースコミュニティ

6.1 公式インストールチャネル

以下のコマンドでスキルを取得・管理できます。

1. 公式カタログから：hermes skills install official/research/arxiv
2. URL から直接：hermes skills install https://example.com/SKILL.md --name my-skill
3. GitHub リポジトリから：hermes skills install github:openai/skills/k8s
4. Tap 購読：hermes skills tap add github:my-org/my-skills

hermes skills install official/research/arxiv
hermes skills install https://example.com/SKILL.md --name my-skill
hermes skills install github:openai/skills/k8s
hermes skills tap add github:my-org/my-skills

6.2 注目すべきオープンソーススキルリポジトリ

agentskills.io オープン標準により、Skills は Hermes・Claude Code・Cursor・OpenCode 間でクロスプラットフォーム利用が可能です。skills-ref validate ./my-skill で形式準拠を検証できます。

7. 独自 Skill Tap の公開：チームとコミュニティ共有

GitHub リポジトリを Tap として作成し、チーム全体やコミュニティがスキルセットを購読できる仕組み——これはまだ十分に知られていない上級テクニックです。

公開手順：

1. GitHub に my-skills-tap リポジトリを作成します。
2. ルートに skills.sh.json を配置し、Hub 上のカテゴリ表示を制御します。
3. スキルをカテゴリ別ディレクトリ（例：mlops/vllm-deploy/SKILL.md）に配置します。
4. チームメンバーに hermes skills tap add github:your-org/your-skills-tap を実行してもらいます。
5. 更新時は hermes skills tap update で最新版を取得します。

my-skills-tap/
├── skills.sh.json
├── mlops/vllm-deploy/SKILL.md
├── research/paper-summarizer/SKILL.md
└── README.md

チームデプロイコマンド：

hermes skills tap add github:your-org/your-skills-tap
hermes skills tap add github:your-org/private-skills --token $GH_TOKEN
hermes skills tap update
hermes skills tap list

バージョン管理の推奨：~/.hermes/skills/ を Git 管理し、複数デバイス間で git pull && hermes skills reset により同期後、組み込みスキルを再構築します。

8. Self-Evolving Skills：GEPA + DSPy による自動進化

これは Hermes が同種ツールと差別化する最先端機能です。GEPA（Genetic-Pareto Prompt Evolution） は 2026 年 ICLR Oral 成果で、hermes-agent-self-evolution に統合されています。核心思想はモデル重みをファインチューニングせず、実行トレースの分析・変体生成・多目的パレート最適化で SKILL.md テキストを改善することです。1 回の最適化は約 $2–10（純粋な API 呼び出し、GPU 不要）です。

8.1 GEPA 五段階進化フロー

1. Stage 1 実行トレース収集：SQLite から全推論トレース（ツール呼び出し、分岐、エラー）を読み取ります。
2. Stage 2 反省的失敗分析：LLM が「失敗した」ではなく「なぜ失敗したか」という actionable な側面情報を生成します。
3. Stage 3 標的変異：失敗原因に対し 10–20 個の SKILL.md 変体を生成します。
4. Stage 4 多目的パレート評価：成功率 × Token 効率 × 速度を同時最適化します。
5. Stage 5 人間レビュー PR：最適変体 → PR 生成 → 承認後に本番投入します。

8.2 クイックスタート手順

1. リポジトリをクローンし依存関係をインストールします。
2. HERMES_AGENT_PATH を ~/.hermes に設定します。
3. 合成データで初回テスト：--eval-source synthetic
4. 本番データで進化：--eval-source sessiondb
5. 生成された PR をレビューし、問題なければマージします。

git clone https://github.com/NousResearch/hermes-agent-self-evolution
cd hermes-agent-self-evolution && pip install -r requirements.txt
export HERMES_AGENT_PATH=~/.hermes

python -m evolution.skills.evolve_skill \
    --skill github-code-review --iterations 10 --eval-source synthetic

python -m evolution.skills.evolve_skill \
    --skill github-code-review --iterations 10 --eval-source sessiondb

8.3 四大安全ガードレール

1. 全量テストスイート：pytest tests/ -q が 100% パス必須。
2. サイズ制限：Skills ≤ 15KB、ツール説明 ≤ 500 文字。
3. Prompt Cache 互換性：セッション途中でキャッシュ無効化を引き起こす変更は禁止。
4. 意味保持チェック：スキルの本来目的から逸脱しないこと。

8.4 五段階進化ロードマップ（公式ステータス）

クロスプラットフォームトレース統合：Skills は agentskills.io 準拠のため、Claude Code や Gemini CLI のトレースを GEPA に供給できます。

python -m evolution.skills.evolve_skill \
    --skill github-code-review --iterations 10 --eval-source mixed \
    --trace-dirs ~/.claude/traces,~/.hermes/sessions

9. Plugin スキル：Hermes の境界を拡張

プラグインはスキルを名前空間（plugin:skill）にパッケージします。デフォルトの skills_list には表示されず（ノイズ削減）、ユーザーが明示的に呼び出した場合のみアクティベート（Opt-in）されます。プラグイン内スキルは相互参照可能です。

skill_view("superpowers:writing-plans")
# ロード時に同一プラグイン内の兄弟スキルを自動表示

プラグインの plugin.yaml で宣言します。

name: my-hermes-plugin
skills:
  - name: writing-plans
    path: skills/writing-plans/SKILL.md
  - name: editing
    path: skills/editing/SKILL.md

10. スキル作成上級テクニック（エンジニア視点）

10.1 description がアクティベーション精度を決める

❌ 曖昧すぎ：Helps with code. → ✅ 明確なトリガー：Use when reviewing a pull request... Do NOT use for writing new code.

10.2 Pitfalls が品質の分水嶺

高品質 Pitfalls には具体的な失敗パターン、根本原因分析、実行可能な修正手順を含めます。例：CSS セレクタの脆弱性、GitHub API レート制限、大 diff の Token オーバーフローと対応 chunking 戦略。

10.3 スクリプト化と skill_manage

Procedure で scripts/extract_schema.py を参照し、失敗時は references/manual-extract.md をロードします。Agent は skill_manage(action='patch'| 'create') でスキルを動的メンテ可能。config.yaml で skills.agent_writes_require_approval: true を設定すれば人間承認ゲートを有効化できます。

10.4 スキルサイズ制御

11. 実践ケース：技術ブログワークフロー用 Skills の構築

blog-workflow Bundle を構築し、seo-keyword-research、outline-generator、code-example-validator、bilingual-checker、publish-to-platform をパッケージします。

name: blog-workflow
description: Full tech blog writing workflow.
skills:
  - seo-keyword-research
  - outline-generator
  - code-example-validator
  - bilingual-checker
  - publish-to-platform
instruction: |
  Always research SEO keywords before writing.
  Ensure all code examples are tested and runnable.
  Generate both Chinese and English title options.

カスタム seo-keyword-research スキルは、セッション開始時に日英のロングテールキーワード（「X 使い方」「how to X」「X vs Y」）を検索し、3–5 主キーワード + 10–15 ロングテールのマトリックスを出力します。「Agent / 智能体 / 代理」などプラットフォーム間の用語差異にも注意が必要です。

12. よくある質問 FAQ

Q: Skills と MCP の違いは？
Skills は手順的知識ドキュメント、MCP はツールインターフェースです。MCP がデータベースアクセスを提供し、Skill が正しい移行手順を教えます——二者は補完関係です。

Q: Skill を修正したのに Agent が旧版を使うのはなぜ？
/reset で新セッションを開始するか、インストール時に --now を付けてください（Prompt Cache が無効化されます）。

Q: GEPA で進化したスキルは安全？
四大ガードレール + 人間 PR レビュー。意味ドリフト検出で本来目的から逸脱しませんが、各 diff のレビューは推奨します。

Q: Claude Code で Hermes Skills を再利用するには？
~/.claude/skills/ にコピーするか、kevinnft/ai-agent-skills のマルチプラットフォームインストールスクリプトを使用します。

Q: Skill の日本語コンテンツは Token 効率に影響する？
日本語 1 文字は約 1–1.5 token で英語と近いです。ただし description は英語（または日英併記）を推奨します。LLM の description マッチング精度が英語で高い傾向があります。

13. 関連資料とリモート Mac 7×24 決定指針

13.1 公式・コミュニティリソース

• Hermes Agent 公式ドキュメント · 中国語ドキュメント
• Skills System 完全リファレンス · agentskills.io オープン標準
• GEPA 自進化ツール · GEPA アルゴリズム · DSPy フレームワーク
• サイト内リンク：《Cursor Agent Skill 完全ガイド》《OpenRouter CLI と Hermes 選型》

13.2 デプロイシーン決定マトリックス

13.3 まとめ：ローカル実験から本番級 Agent ノードへ

本稿では Hermes Skills 上級の全フローをカバーしました：概念比較 → SKILL.md と Progressive Disclosure → Skill Bundles → 条件付きアクティベーション → Hub エコシステム → Tap 公開 → GEPA 自進化 → Plugin 拡張 → 作成テクニック → ブログワークフロー実践。これを習得すれば、Agent は「使い捨て Prompt」からバージョン管理・共有可能・自己改善する手順的資産へ昇格します。

ただし、ローカル Mac で Hermes を動かすには明確な限界があります。ノート PC のフタを閉じると切断、GEPA の sessiondb トレース収集が不完全、Telegram Gateway がスリープでオフライン、チーム Tap が各開発者マシンでバージョンがずれる——7×24 常時オンラインで進化トレースを収集し Gateway をホスト、または ~/.hermes/skills/ を統一同期するチームには、Apple Silicon リモート Mac 上での運用がより信頼性が高いです。ネイティブ launchd デーモン、macOS 同型のツールチェーン、SFTP/rsync による安全なスキルディレクトリ同期が揃います。

SFTPMAC リモート Mac レンタルは Hermes Agent Skills ワークフロー向けに設計されています。7×24 Gateway、GEPA トレース継続収集、チーム Skill Tap ディレクトリ同期——「自宅 Mac を Agent ホスト兼用」より、Skills 体系を本番入口として扱うには適した選択です。最初の SKILL.md を書くところから、今日 Agent を使うほど強くできます。