Hermes Agent：一次对话，多轮工具调用自己跑完

Hermes Agent 是一个能接 OpenAI、Anthropic、OpenRouter 等后端的 AI 代理框架，它把多轮工具调用循环装进一次对话：你给一个任务，它反复调工具、读回输出、决定下一步，直到干完才停。读完这篇，你能说出它三个核心文件各管一段、一轮执行按什么顺序走，自己动手跑通第一个任务。

先说个直观画面：你在终端输入"检查项目有没有编译错误"，Hermes 不会回你一句"可以试试 grep"就结束。它自己起命令、读回报错、追相关文件，十几秒后给你一份带修复建议的报告。你发完消息就能走开，这一屏全自动的过程，就是标题里说的工具调用循环。

三个文件各管一段

把整个工具调用循环拆成三件事：控制流、执行层、收尾。控制流是一条单线程流水线，工具执行挂在一旁的线程池里。

循环主体是 conversation_loop.py 里的run_conversation：你每发一条消息，它就把历史、系统提示、工具定义打包成一次模型请求，拿到响应后检查"模型还想调工具吗"——想就执行、回填、再发一次；不想就退出。工具那边，tool_executor.py 按批次开工，线程池上限 8 个并发、单工具默认 420 秒超时；一个慢工具不会拖住同批的其他工具，报错也只写回该工具自己的结果位，循环不会崩。

跑完一轮还不是终点，接着看这条消息到底怎么走的。

回车之后发生了什么

按时间顺序回放"检查项目有没有编译错误"这条消息：

1. 开场准备。循环开始先刷新凭证、重建设计好的系统提示、检查上下文是否逼近压缩阈值。
2. 发出第一次请求。注意请求带着完整历史——模型"看到"的是上一步的输出，全靠这个。
3. 模型响应。模型说"我要调 terminal 工具跑构建"。循环先把这条 assistant 消息记进历史，再验证工具名是否在启用列表里、解析参数。
4. 工具执行。调用丢进线程池，stdout/stderr 变成一条 tool 结果消息回填历史。
5. 判断续跑。有工具调用就回到第 3 步；没有工具调用，循环退出，最终回复和你的消息一起落库。

第 2 步里"带完整历史"是关键：模型的每步决策都建立在"它能看见全部前文"之上。第 5 步的退出条件有双重约束——轮数上限max_iterations与迭代预算，任一用完循环即停，并把停因写进结果，而不是静默截断。

明白了单轮怎么转，下面看它适合装在哪、怎么三步跑起来。

适合哪三类活，怎么跑通

• 长任务自动化：定时跑日报、夜间备份。内置 cron 调度，跑完把结果投到 Telegram、Slack 这些平台（hermes gateway起网关）。
• 本地开发代理：在你机器上读写文件、跑命令，配合容器后端隔离风险。
• 研究 Agent 循环的人：代码没有黑盒，每一轮都能打断点看请求原文。

上手就三步：

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash hermes setup # 配置向导 hermes # 进入终端，丢第一个任务

跑通第一个任务后，用hermes model换模型后端、hermes tools调启用哪些工具，改配置即可，不动代码。

一条主线加若干插件

工具调用循环不神秘：一条"模型响应 → 工具执行 → 结果回填"的流转，一个结果容器，一个线程池。其余模块——压缩、重试、网关、cron——全是挂在这条主线上的可插拔件。想继续深挖，从 agent/ 目录按上表三个文件读起，每一轮发生了什么都能自己验证。