工具教程

Hermes Agent 接入指南：多 Agent 编排框架接入 OpenStarry

📅 2026-06-09✍️ OpenStarry
工具教程Hermes Agent接入指南openstarry.com

Hermes Agent（github.com/hermes-agent）是开源的多 Agent 编排框架：在同一个会话里同时调度 Planner、Coder、Reviewer、Tester 等多个角色，每个角色可绑定不同的 LLM 后端。它在"一个 prompt 多步执行"场景下特别强——比如"调研竞品 + 写对比表 + 拉 PR"这种横跨多个工具链的任务。

Hermes 默认使用 OpenAI 作为所有 Worker 的后端，但通过 ~/.hermes/config.yaml 完全可以把任意角色改指到 OpenStarry 的任意模型——比如 Planner 用 claude-opus-4-7 深度推理、Coder 用 glm-5.1 写代码、Reviewer 用 deepseek-v4-pro 做审计，每个角色独立计费。完整官方文档可参考 OpenStarry Docs · Hermes 章节。

一、为什么选 Hermes + OpenStarry

1.1 Hermes 的核心能力

1.2 通过 OpenStarry 的三大收益

  1. 不同任务用不同模型：规划用 Claude Opus、写代码用 GLM-5.1、审核用 DeepSeek V4 Pro，OpenStarry 一个 Key 全包
  2. 国内直连稳定：Hermes 直连 OpenAI 经常超时；走 OpenStarry 国内节点延迟稳定 30-80ms
  3. 统一计费：Coding Plan（星途版 ¥99/月 · 20000 次/月，计费规则）把不同模型成本打包成调用次数，对个人和小团队最省心

二、环境准备

2.1 安装 Python 3.11+（Hermes 是 Python 项目）

# macOS
brew install python@3.11

# Ubuntu / Debian
sudo apt update
sudo apt install -y python3.11 python3.11-venv python3-pip

# 验证
python3 --version   # 期望 Python 3.11.x 或更高

2.2 安装 Hermes Agent

# 创建虚拟环境（推荐，避免污染全局）
python3 -m venv ~/.hermes-venv
source ~/.hermes-venv/bin/activate

# 装 hermes
pip install hermes-agent

# 国内 PyPI 加速
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple hermes-agent

# 验证
hermes --version
# 期望：hermes 0.x.x

2.3 获取 OpenStarry API Key

  1. 访问 openstarry.com 注册账号
  2. 进入 Dashboard → API Keys → 创建新 Key，复制（sk- 开头）
  3. 首次注册赠送 星痕版 200 次免费调用

三、配置 OpenStarry 接入

Step 1：创建配置目录

mkdir -p ~/.hermes
touch ~/.hermes/config.yaml

Step 2：写入 config.yaml

# ~/.hermes/config.yaml
# 主 Agent（默认入口，负责任务拆解 + 编排）
default_agent: orchestrator

providers:
  openai_compatible:
    type: openai-compatible
    base_url: https://api.openstarry.com/v1
    api_key: ${OPENSTARRY_API_KEY}
    timeout: 60

# Agent 列表：每个角色可绑定不同模型
agents:
  orchestrator:
    role: "任务编排与规划"
    provider: openai_compatible
    model: claude-opus-4-7        # 深度推理

  coder:
    role: "代码生成与修改"
    provider: openai_compatible
    model: glm-5.1                # 中文编程首选

  reviewer:
    role: "代码审查与安全审计"
    provider: openai_compatible
    model: deepseek-v4-pro

  researcher:
    role: "联网调研与文档"
    provider: openai_compatible
    model: kimi-k2.6              # 长上下文

  tester:
    role: "测试用例与回归"
    provider: openai_compatible
    model: claude-sonnet-4-6

# 工具注册（按需启用）
tools:
  shell:    { enabled: true, timeout: 30 }
  file:     { enabled: true, max_read_bytes: 1048576 }
  browser:  { enabled: false }   # 调研任务才打开
  github:   { enabled: true, token: ${GITHUB_TOKEN} }

关键字段说明：

Step 3：设置环境变量

# 写入 ~/.zshrc 或 ~/.bashrc
export OPENSTARRY_API_KEY="sk-your-key-here"
# 可选：Hermes 持久化目录
export HERMES_HOME="$HOME/.hermes"
# 可选：GitHub 工具需要的 PAT（用于开 PR）
export GITHUB_TOKEN="ghp_xxxxxxxxxxxxxxxx"

source ~/.zshrc
echo $OPENSTARRY_API_KEY  # 验证

四、第一次启动 & 多 Agent 任务

4.1 启动 Hermes TUI

source ~/.hermes-venv/bin/activate
cd ~/projects/my-app
hermes

# 或一次性任务
hermes run "对比 React 19 和 Vue 3.5 的 SSR 性能差异，输出一份 markdown 报告"

4.2 跑一次多 Agent 任务

在 TUI 中输入：

> 调研 GitHub 上 star 数 Top 10 的 React 状态管理库，
  对比它们的 API 设计、bundle 体积、社区活跃度，
  生成一份 markdown 报告到 ./research/state-mgmt.md

Hermes 内部执行流程：

  1. orchestrator（Claude Opus 4.7）拆解为 3 个子任务：联网调研、性能 benchmark、写报告
  2. researcher（Kimi K2.6）调用 browser/github 工具拉取数据
  3. coder（GLM-5.1）写 benchmark 脚本并跑测试
  4. orchestrator 汇总结果，调用 reviewer（DeepSeek V4 Pro）做事实核查
  5. tester（Claude Sonnet 4.6）检查 markdown 链接、格式
  6. 最终产物落到 ./research/state-mgmt.md

4.3 临时切换单个 Agent 的模型

# 在 TUI 中用 /agent 命令切换角色
> /agent coder --model openstarry/glm-5-turbo
# 之后 coder 角色就改用 Turbo 模型，更快但代码能力稍弱

五、推荐的多 Agent 模型组合

角色推荐模型理由
orchestrator（编排）claude-opus-4-7 · deepseek-v4-pro推理深度强，复杂拆解更稳
coder（编码）glm-5.1中文注释自然、Tool Calling 稳定
reviewer（审查）claude-sonnet-4-6 · deepseek-v4-pro细节捕获能力强
researcher（调研）kimi-k2.6 · MiniMax-m2.7长上下文、价格友好
tester（测试）glm-5-turbo · deepseek-v4-flash高速、低价
writer（文档）qwen3.6-plus · glm-5.1中英文写作能力均衡

完整模型 ID 与实时价格见 OpenStarry Docs · 模型列表。

六、常见问题

Q1：报错 provider not configured: openai_compatible

检查 ~/.hermes/config.yaml 中 providers 缩进和键名拼写。YAML 缩进必须一致（2 空格）。

Q2：报错 401 invalid api key

检查环境变量：echo $OPENSTARRY_API_KEY，确认 sk- 开头，长度 ≥ 30。如果用 osr- 开头的老 Key，请到 Dashboard 重新创建。

Q3：报错 404 model not found

Hermes 在解析 openai_compatible / <model> 时不会自动加上任何前缀，所以 model: glm-5.1 就是直接发给后端的 glm-5.1。注意小写、连字符。可以去 模型列表 复制准确 ID。

Q4：想让 Hermes 同时使用多家厂商怎么办？

在 providers 下定义多个 provider，例如同时配 OpenStarry 和官方 OpenAI：

providers:
  openstarry:
    type: openai-compatible
    base_url: https://api.openstarry.com/v1
    api_key: ${OPENSTARRY_API_KEY}

  openai_official:
    type: openai
    base_url: https://api.openai.com/v1
    api_key: ${OPENAI_API_KEY}

agents:
  coder:
    provider: openstarry
    model: glm-5.1

  fallback:
    provider: openai_official
    model: gpt-4o

Q5：单次任务被算作几次调用？

Coding Plan（按次计费）下，orchestrator 一次外部对话 = 1 次，每个子 agent 完成一次完整任务 = 1 次（含其内部所有模型调用）。Token Plan 按实际 token 计费。详见 计费说明。

总结

Hermes Agent 把"多个 AI 协作完成一件事"从论文带进了 CLI：Planner 拆任务、Coder 写代码、Reviewer 查问题、Tester 兜底，每个角色用不同模型。配合 OpenStarry，一个 sk- 开头的 API Key + 一份 YAML，就能用 Claude Opus 做编排、GLM-5.1 写代码、DeepSeek V4 Pro 审计、Kimi K2.6 做长文调研，所有模型按 星途版 ¥99/月 · 20000 次/月 统一计费。

回看 3 步：pip install hermes-agent → 写 ~/.hermes/config.yaml → export OPENSTARRY_API_KEY=sk-... → hermes。整个过程 5 分钟内完成。

5 分钟配好 Hermes Agent

多 Agent 编排框架接入 OpenStarry，GLM-5.1 / Claude / DeepSeek 自由组合

免费注册 →
相关阅读
AI 编程

Claude Code 接入指南

配置第三方 API 实现高效 AI 编程
AI 编程

OpenCode 接入指南

配置 OpenStarry 替代 Claude Code 旗舰开源方案
AI 编程

Codex CLI 接入指南

OpenAI 官方终端 Agent 接入 OpenStarry
工具教程

CC Switch：多工具 Key 统一管理

一键切换 OpenStarry / 官方 / 其他厂商 Key
相关阅读
工具教程

OpenCode 接入指南：配置 OpenStarry 替代 Claude Code 旗舰开源方案

📅 2026-06-09
工具教程

Codex CLI 接入指南：把 OpenAI 终端 Agent 接到 OpenStarry 用国产模型

📅 2026-06-09
工具教程

CC Switch 教程：多工具 API Key 统一管理，一键切换 OpenStarry

📅 2026-06-09
工具教程

Cline 配置指南：5M 安装量的 AI 编程插件，如何接入第三方 API

📅 2026-06-08