Skip to content

ClassCat® AI Research

クラスキャット – Hermes Agent, assistant-ui, AG-UI, Agno, LangChain/LangGraph

Menu
  • ホーム
    • ClassCat® AI Research ホーム
    • クラスキャット・ホーム
  • OpenAI API
    • OpenAI Python ライブラリ 1.x : 概要
    • OpenAI ブログ
      • GPT の紹介
      • GPT ストアの紹介
      • ChatGPT Team の紹介
    • OpenAI platform 1.x
      • Get Started : イントロダクション
      • Get Started : クイックスタート (Python)
      • Get Started : クイックスタート (Node.js)
      • Get Started : モデル
      • 機能 : 埋め込み
      • 機能 : 埋め込み (ユースケース)
      • ChatGPT : アクション – イントロダクション
      • ChatGPT : アクション – Getting started
      • ChatGPT : アクション – アクション認証
    • OpenAI ヘルプ : ChatGPT
      • ChatGPTとは何ですか?
      • ChatGPT は真実を語っていますか?
      • GPT の作成
      • GPT FAQ
      • GPT vs アシスタント
      • GPT ビルダー
    • OpenAI ヘルプ : ChatGPT > メモリ
      • FAQ
    • OpenAI ヘルプ : GPT ストア
      • 貴方の GPT をフィーチャーする
    • OpenAI Python ライブラリ 0.27 : 概要
    • OpenAI platform
      • Get Started : イントロダクション
      • Get Started : クイックスタート
      • Get Started : モデル
      • ガイド : GPT モデル
      • ガイド : 画像生成 (DALL·E)
      • ガイド : GPT-3.5 Turbo 対応 微調整
      • ガイド : 微調整 1.イントロダクション
      • ガイド : 微調整 2. データセットの準備 / ケーススタディ
      • ガイド : 埋め込み
      • ガイド : 音声テキスト変換
      • ガイド : モデレーション
      • ChatGPT プラグイン : イントロダクション
    • OpenAI Cookbook
      • 概要
      • API 使用方法 : レート制限の操作
      • API 使用方法 : tiktoken でトークンを数える方法
      • GPT : ChatGPT モデルへの入力をフォーマットする方法
      • GPT : 補完をストリームする方法
      • GPT : 大規模言語モデルを扱う方法
      • 埋め込み : 埋め込みの取得
      • GPT-3 の微調整 : 分類サンプルの微調整
      • DALL-E : DALL·E で 画像を生成して編集する方法
      • DALL·E と Segment Anything で動的マスクを作成する方法
      • Whisper プロンプティング・ガイド
  • Gemini API
    • Tutorials : クイックスタート with Python (1) テキスト-to-テキスト生成
    • (2) マルチモーダル入力 / 日本語チャット
    • (3) 埋め込みの使用
    • (4) 高度なユースケース
    • クイックスタート with Node.js
    • クイックスタート with Dart or Flutter (1) 日本語動作確認
    • Gemma
      • 概要 (README)
      • Tutorials : サンプリング
      • Tutorials : KerasNLP による Getting Started
  • Keras 3
    • 新しいマルチバックエンド Keras
    • Keras 3 について
    • Getting Started : エンジニアのための Keras 入門
    • Google Colab 上のインストールと Stable Diffusion デモ
    • コンピュータビジョン – ゼロからの画像分類
    • コンピュータビジョン – 単純な MNIST convnet
    • コンピュータビジョン – EfficientNet を使用した微調整による画像分類
    • コンピュータビジョン – Vision Transformer による画像分類
    • コンピュータビジョン – 最新の MLPモデルによる画像分類
    • コンピュータビジョン – コンパクトな畳込み Transformer
    • Keras Core
      • Keras Core 0.1
        • 新しいマルチバックエンド Keras (README)
        • Keras for TensorFlow, JAX, & PyTorch
        • 開発者ガイド : Getting started with Keras Core
        • 開発者ガイド : 関数型 API
        • 開発者ガイド : シーケンシャル・モデル
        • 開発者ガイド : サブクラス化で新しい層とモデルを作成する
        • 開発者ガイド : 独自のコールバックを書く
      • Keras Core 0.1.1 & 0.1.2 : リリースノート
      • 開発者ガイド
      • Code examples
      • Keras Stable Diffusion
        • 概要
        • 基本的な使い方 (テキスト-to-画像 / 画像-to-画像変換)
        • 混合精度のパフォーマンス
        • インペインティングの簡易アプリケーション
        • (参考) KerasCV – Stable Diffusion を使用した高性能画像生成
  • TensorFlow
    • TF 2 : 初級チュートリアル
    • TF 2 : 上級チュートリアル
    • TF 2 : ガイド
    • TF 1 : チュートリアル
    • TF 1 : ガイド
  • その他
    • 🦜️🔗 LangChain ドキュメント / ユースケース
    • Stable Diffusion WebUI
      • Google Colab で Stable Diffusion WebUI 入門
      • HuggingFace モデル / VAE の導入
      • LoRA の利用
    • Diffusion Models / 拡散モデル
  • クラスキャット
    • 会社案内
    • お問合せ
    • Facebook
    • ClassCat® Blog
Menu

Hermes エージェント入門 : 複数エージェントの混合 (Mixture of Agents, MoA)

Posted on 08/28/2026 by Masashi Okumura

エージェントの混合 (Mixture of Agents, MoA) は仮想モデル・プロバイダです。
MoA プリセットを選択すると、そのプリセットの集計モデル (aggregator) が実行モデルとなります。複数のモデルの視点からメリットが得られる複雑なタスクにおいて、Hermes の通常のエージェントループが必要な場合に、MoA を使用してください。

Hermes エージェント☤ 入門 : 機能 – コア : 複数エージェントの混合 (Mixture of Agents, MoA)

作成 : Masashi Okumura (@classcat.com)
作成日時 : 08/28/2026
バージョン : Hermes Agent v0.20.6 (v2026.8.27)

* 本記事は hermes-agent.nousresearch.com/docs の以下のページを参考にしています :

  • Features – Core : Mixture of Agents

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。

 

 

Hermes エージェント☤ 入門 : 機能 – コア : 複数エージェントの混合 (Mixture of Agents, MoA)

エージェントの混合 (Mixture of Agents, MoA) は仮想モデル・プロバイダです。名前付きの MoA プリセットはそれぞれ、moa プロバイダの下に選択可能なモデルとして表示されます。

MoA プリセットを選択すると、そのプリセットの集計モデル (aggregator) が実行モデルとなります。それはアシスタントのレスポンスを作成し、ツール呼び出しを発行するモデルです。参照モデルは最初に実行され、集計モデルが使用する分析情報を提供します。

複数のモデルの視点からメリットが得られる複雑なタスクにおいて、Hermes の通常のエージェントループ (ツール呼び出し、後続の反復処理、割り込み、トランスクリプトの永続化、および他のメッセージと同じセッションコンテキスト)が必要な場合に、MoA を使用してください。

 

MoA プリセットをモデルとして選択

プリセットは、通常のモデル選択画面から選択できます :

/model default --provider moa
/model review --provider moa

MoA プリセットは、Hermes のすべての UI で選択可能です、MoA がモデルシステムにおける通常のプロバイダであるためです :

  • CLI / ゲートウェイ / TUI /model – `/model <preset> –provider moa` またはデフォルトのプリセットに対して `/model –provider moa`。名前が設定済みのプリセットと完全に一致する場合は、`/model <preset>` のみでも動作します。

  • Hermes モデル と ダッシュボード・モデルピッカー – プリセット名がモデルとして表示された `Mixture of Agents` プロバイダー行が表示されます。

  • デスクトップ GUI app — モデルドロップダウン・メニューには MoA プリセットセクションが表示されます; いずれか (MoA:<preset>) を選択すると、アクティブなモデルがそのプリセットに切り替わります。デスクトップ設定パネルでもプリセットの作成と編集が可能です。

 

スラッシュコマンドのショートカット

/moa は、単発で実行するための便利なシンタックスシュガーです。デフォルトの MoA プリセットを使用して 1 つのプロンプトを実行し、使用していたモデルを復元します :

/moa design and implement a migration plan for this flaky test cluster

Hermesは、そのターンの間だけ一時的にデフォルトの MoA プリセットに切り替え、プロンプトを送信した後、以前のモデルに戻します。引数全体はプロンプトです – /moa はそれをプリセット名として解釈しません。

/moa

Bare /moa (no prompt) just prints usage.

セッションの残りの時間で MoA プリセットに 切り替える には、モデルピッカーから選択します – MoA プリセットは、すべてのモデル選択サーフェスの `Mixture of Agents` プロバイダーの下に表示されます (上記参照)。/moa は意図的にモデル切り替えコマンドにしていませんので、通常のプロンプトで誤ってモデルが変更されることはありません。

 

エージェントループ内での動作

プロバイダー `moa` が選択されている場合、各メインモデル呼び出しに対して、Hermes は :

  1. 選択されたプリセットを名前で解決します;

  2. ツールスキーマなしで設置された参照モデルを実行します (それらは – Hermes システムのプロンプトやツール呼び出しのトランスクリプトではなく – 会話のユーザー/アシスタントのテキストのみを受け取るため、参照呼び出しは安価に維持され、プロバイダーによる厳密な拒否を回避します);

  3. 参照出力をアグリゲーターのプライベートコンテキストとして追加します;

  4. 設定済みのアグリゲーターを通常の Hermes ツールスキーマで呼び出します;

  5. アグリゲーターの応答を実際のモデル応答として扱います;

  6. アグリゲーターがツールを呼び出す場合、Hermes はそれらのツールを通常どおり実行します;

  7. 次のモデル反復処理では、ツール結果を含む更新された会話に対して、同じ MoA プロセスが再度実行されます。

MoA は通常のモデルシステムを通じて選択されるため、`/goal`、ゲートウェイセッション、TUI セッション、およびデスクトップ・チャットと自動的に連携します。

 

プリセットの設定

名前付き MoA プリセットは、以下の場所から設定できます :

  • ダッシュボード → モデル → モデル設定 → Mixture of Agents

  • デスクトップアプリ → 設定 → モデル → Mixture of Agents

  • hermes moa configure [name]

  • config.yaml

config ファイルにはプロバイダーとモデルのペアが明示的に保存されるため、複数のプロバイダーを組み合わせたり、同じプロバイダーから複数のモデルを使用したりできます :

moa:
  default_preset: default
  presets:
    default:
      reference_models:
        - provider: openai-codex
          model: gpt-5.5
        - provider: openrouter
          model: deepseek/deepseek-v4-pro
      aggregator:
        provider: openrouter
        model: anthropic/claude-opus-4.8
      # Optional: pin sampling temperatures. When omitted (the default),
      # temperature is NOT sent and each model uses its provider default —
      # the same behavior as a single-model Hermes agent.
      # reference_temperature: 0.6
      # aggregator_temperature: 0.4
      max_tokens: 4096
      enabled: true

デフォルトのプリセット:

  • リファレンス: openai-codex:gpt-5.5

  • リファレンス: openrouter:deepseek/deepseek-v4-pro

  • アグリゲーター / 実行 (acting) モデル: openrouter:anthropic/claude-opus-4.8

 

ターミナル・プリセット管理

hermes moa list
hermes moa configure              # update the default preset
hermes moa configure review       # create or update a named preset
hermes moa delete review

 

以上





クラスキャット

最近の投稿

  • Hermes エージェント入門 : 複数エージェントの混合 (Mixture of Agents, MoA)
  • Hermes エージェント入門 : コンテキストファイル (AGENTS.md, SOUL.md, .cursorrules)
  • Hermes エージェント☤ 入門 : Honcho メモリ
  • Hermes エージェント☤ 入門 : 永続メモリ
  • Hermes エージェント☤ 入門 : キュレーター

タグ

AG2 (14) Agno (46) Agno 2.x (22) assistant-ui (19) AutoGen (13) ClassCat Press Release (20) ClassCat TF/ONNX Hub (11) Cursor (20) DGL 0.5 (14) Edward (17) FLUX.1 (16) Gemini (20) Hermes Agent (16) HuggingFace Transformers 4.5 (10) HuggingFace Transformers 4.29 (9) Keras 2 Examples (98) Keras 2 Guide (16) Keras 3 (10) Keras Release Note (17) Kubeflow 1.0 (10) LangChain (45) LangChain v1.0 (10) LangGraph (24) MediaPipe 0.8 (11) Model Context Protocol (16) NNI 1.5 (16) OpenAI Cookbook (13) OpenAI platform (10) OpenAI platform 1.x (10) TensorFlow 2.0 Advanced Tutorials (33) TensorFlow 2.0 Advanced Tutorials (Alpha) (15) TensorFlow 2.0 Advanced Tutorials (Beta) (16) TensorFlow 2.0 Guide (10) TensorFlow 2.0 Guide (Alpha) (16) TensorFlow 2.0 Guide (Beta) (9) TensorFlow 2.0 Release Note (12) TensorFlow 2.0 Tutorials (20) TensorFlow 2.0 Tutorials (Alpha) (14) TensorFlow 2.0 Tutorials (Beta) (12) TensorFlow 2.4 Guide (24) TensorFlow Probability (9) TensorFlow Programmer's Guide (22) TensorFlow Release Note (18) TensorFlow Tutorials (33) TF-Agents 0.4 (11)
2026年8月
月 火 水 木 金 土 日
 12
3456789
10111213141516
17181920212223
24252627282930
31  
« 7月    
© 2026 ClassCat® AI Research | Powered by Minimalist Blog WordPress Theme