Hermes Agent vs Agno : runtime ou librairie Python ?

Une librairie et un agent en cours d'exécution ne sont pas la même chose

Si vous avez tapé "hermes agent vs agno" dans une barre de recherche, la comparaison que les mots suggèrent n'existe pas vraiment sur la même étagère. Agno (le rebranding de PhiData depuis janvier 2025) est un framework Python avec plus de 39 800 étoiles sur GitHub en v2.6.4 - vous faites pip install, vous importez des classes et vous construisez votre propre agent à l'intérieur d'un service FastAPI que vous déployez et maintenez. Hermes Agent est un seul runtime open source de Nous Research que vous installez avec une commande, que vous pointez vers un modèle, et auquel vous parlez sur Telegram. L'un est la boîte à outils avec laquelle vous construisez des agents. L'autre est l'agent déjà construit.

Cette distinction, c'est tout l'article. Si vous livrez un produit d'IA multi-agents à des clients, Agno est un choix solide. Si vous voulez un seul agent personnel qui vous connaît et tourne sur un VPS à cinq dollars, Agno est la mauvaise couche. Ce post détaille ce que fait vraiment chaque projet, quand chacun gagne, et une règle de décision utile pour 2026, y compris le cas où vous faites tourner les deux sans problème.

Ce qu'Agno est vraiment

Agno est un framework Python open source pour construire des agents d'IA, livré comme une librairie pip install et un runtime que l'équipe appelle AgentOS. Le pitch sur la page du projet est "rapide, minimal, code-first" - Agno vous donne des primitives (Agent, adaptateurs de modèles, outils, knowledge, mémoire, équipes, workflows), et vous les composez en l'agent dont votre produit a besoin.

Un agent minimal tient en cinq lignes :

from agno.agent import Agent
from agno.models.anthropic import Claude

agent = Agent(model=Claude(id="claude-sonnet-4-6"))
agent.print_response("Summarize this PDF")

Pour l'envoyer en production, vous l'enveloppez dans AgentOS - le runtime FastAPI d'Agno avec piles fournies, qui expose vos agents comme une API REST sans état, scalable horizontalement, avec stockage de sessions, traces, isolation multi-tenant, flux d'approbation et documentation OpenAPI inclus. AgentOS lui-même est open source et gratuit en self-hosting ; vous faites tourner le conteneur résultant partout où tournent des conteneurs - Docker, Railway, AWS, GCP.

Le compromis est celui de n'importe quel framework. Agno vous donne des pièces. Vous écrivez le Python qui importe la librairie, définit l'agent, choisit le backend de base de données (PostgresDb ou autre), déclare quels outils enregistrer, branche le stockage mémoire, et héberge le service quelque part. Il n'y a pas de bot Telegram dans la boîte. Il n'y a pas de modèle utilisateur persistant qui survit aux redéploiements à moins que vous ne le construisiez. La flexibilité du framework est l'intérêt - et son coût.

Ce que Hermes Agent est vraiment

Hermes Agent est un agent d'IA open source de Nous Research, sorti pour la première fois en février 2026 et aujourd'hui largement utilisé comme assistant personnel auto-hébergé. Ce n'est pas une librairie que vous importez. C'est un runtime que vous démarrez. Une commande l'installe (un script curl qui pose uv, Python 3.11 et l'agent sur l'hôte), une autre le démarre, et un processus de longue durée apparaît sur votre machine, auquel vous parlez via Telegram, WhatsApp, Discord, Slack, Signal, e-mail ou un CLI local.

Il y a un seul agent, délibérément. Cet agent unique tire son levier de trois couches d'état livrées d'usine :

• Mémoire centrale dans des fichiers (MEMORY.md et USER.md) injectés dans le system prompt au début de chaque session - ce que l'agent doit toujours savoir sur vous et votre travail.
• Recherche de sessions propulsée par SQLite FTS5 (full-text search) sur chaque session CLI et de messagerie, pour que l'agent puisse rappeler ce dont vous avez parlé mardi dernier.
• Skills, fichiers markdown compatibles avec le standard ouvert agentskills.io, que l'agent charge à la demande et, surtout, crée et corrige lui-même à partir de tâches passées.

Autour de ce cœur se trouve une ceinture d'outils intégrée : recherche web, extraction de pages, automatisation complète du navigateur (naviguer, cliquer, taper, capturer), vision, génération d'images, text-to-speech, raisonnement multi-modèles et des dizaines d'autres. Vous pouvez utiliser n'importe quel modèle - Nous Portal, les 200+ modèles d'OpenRouter, NVIDIA NIM, Hugging Face, OpenAI ou votre propre endpoint - et l'agent tourne sur un VPS à 5 $, un Raspberry Pi, un NAS ou une machine GPU. Il est sous licence MIT et le coût marginal est dominé par votre facture de fournisseur de modèle, pas par le runtime.

La frontière de décision

Une formulation utile : Agno est la boîte à outils avec laquelle vous construisez un produit-agent. Hermes est le produit-agent que vous utilisez.

Le signal que vous avez choisi le mauvais outil est en général bruyant. Si vous utilisez Agno pour construire "un agent sur Telegram qui se souvient de moi", vous êtes sur le point d'écrire la couche mémoire, le stockage de sessions, l'adaptateur de messagerie, le chargeur de skills et l'histoire de déploiement. C'est Hermes, en passant par la version longue. Si vous utilisez Hermes pour construire une fonctionnalité multi-tenant orientée client à l'intérieur de votre SaaS, avec des workflows ramifiés, des sous-agents jouant des rôles et des traces par tenant en production, vous allez déborder rapidement le runtime mono-agent de Hermes. C'est Agno.

Quand Agno gagne

Agno est la bonne réponse quand :

• Vous construisez un produit d'IA pour quelqu'un d'autre - clients, employés, un marché. L'interface, le modèle de données, l'auth, les frontières mémoire multi-tenant - tout cela, c'est à vous de le concevoir, et Agno ne se met pas en travers.
• Vous avez besoin de plusieurs agents qui se coordonnent. Les primitives Team et Workflow d'Agno sont de première classe, avec mémoire partagée et handoffs structurés. Hermes est délibérément un seul agent.
• Vous avez besoin d'observabilité de production. AgentOS embarque traces, flux d'approbation, RBAC et la surface OpenAPI de FastAPI d'origine. Hermes a des logs.
• Vous voulez de la composition code-first. Certaines équipes préfèrent exprimer le comportement de l'agent en Python, avec tests, types et PRs. Agno y est à l'aise.
• Vous avez de la capacité d'ingénierie. Construire sur Agno suppose que vous pouvez écrire, héberger et opérer le service FastAPI résultant. C'est un coût réel, payé en jours de travail et en maintenance continue.

C'est la catégorie ingénierie d'agents en production. Agno chevauche LangChain / LangGraph, AutoGen et CrewAI sur ce terrain, avec une focalisation plus nette sur être une librairie Python fine et rapide plutôt qu'un framework tout-en-un.

Quand Hermes gagne

Hermes est la bonne réponse quand :

• L'agent est pour vous, pas pour vos utilisateurs. Un assistant d'écriture quotidien, un partenaire de journaling de longue durée, un CRM personnel qui vit sur Telegram.
• Vous voulez la mémoire et la messagerie d'usine. Pas de PostgresDb à câbler, pas d'adaptateur de messagerie à écrire, pas de service FastAPI à opérer.
• Vous tenez à la latence par tour. Un appel LLM avec contexte persistant bat un handoff multi-agents avec récupérations et étapes intermédiaires.
• Vous voulez installer aujourd'hui, utile aujourd'hui. Le chemin de curl | sh à une conversation Telegram se mesure en minutes.
• Vous voulez ajouter des capacités en écrivant un fichier markdown, pas en éditant une classe Python. Les skills de Hermes sont du texte brut, et l'agent peut les écrire pour vous.

C'est la catégorie agent personnel. Nous avons comparé Hermes aux grands assistants chat-only dans Hermes Agent vs ChatGPT, Claude et Gemini, et aux outils de workflow dans Hermes Agent vs n8n.

Lancez-vous avec Hermify si vous voulez un Hermes Agent géré qui tourne sur Telegram en moins d'une minute - le même agent, sans VPS à opérer.

L'hybride honnête

Les deux projets ne sont pas exclusifs, et le setup le plus intéressant utilise les deux.

• Agno se charge des workflows produit lourds. Un service AgentOS expose des endpoints structurés pour les jobs multi-agents en rafale - qualification de leads avec une équipe de recherche, analyse de documents avec un agent reviewer, pipelines de génération de code, tout ce qui bénéficie d'une composition d'équipe explicite et de traces par invocation.
• Hermes porte la relation. Votre Hermes Agent personnel est la surface de chat que vous utilisez vraiment. Il vous connaît, se souvient de ce que vous avez demandé hier et décide quand déléguer. Pour un job lourd, il appelle le service Agno en HTTP (ou via l'interface serveur MCP que Hermes expose), reçoit un résultat structuré et vous le ramène sur Telegram.

Dans ce schéma, Hermes est là où vit l'état de la relation - ce qui compte pour vous, comment vous écrivez, qui sont vos contacts. Agno est là où vivent les workflows multi-agents conçus - les pipelines multi-étapes, multi-outils et observables qui demandent une vraie conception. Un seul fichier de skill Hermes suffit à exposer un endpoint Agno comme un outil de plus que l'agent peut appeler. Le sens inverse est plus difficile, parce qu'Agno n'a pas la notion native de "l'utilisateur à travers les apps de messagerie et des mois d'historique" - ça, vous le construiriez.

Coût, hébergement et lock-in

Les deux projets sont open source et auto-hébergeables. Le lock-in n'est pas le différenciateur.

La forme du coût, oui. Le coût marginal d'Agno est ce que votre agent et AgentOS exécutent - parfois un appel modèle, parfois dix si une équipe raisonne ensemble - plus l'infrastructure pour héberger le service FastAPI (une instance Postgres pour les sessions est typique), plus le vector store et la stack de tracing que vous choisirez. Pour un produit sérieux, la facture de plateforme compte.

Le coût marginal de Hermes est le fournisseur de LLM vers lequel vous pointez - votre facture OpenAI, Anthropic ou OpenRouter - le runtime ajoutant un overhead négligeable. L'usage individuel typique tombe dans la fourchette de cinq à trente dollars par mois côté modèle. Nous avons traité les compromis entre auto-hébergement et Hermify géré dans Hermes Agent : hébergement vs auto-hébergement.

Comment choisir

Une règle de décision courte :

1. Si votre problème est "je construis un produit d'IA, éventuellement avec plusieurs agents coordonnés, avec des workflows ramifiés et plusieurs utilisateurs" - choisissez Agno (probablement avec AgentOS devant Postgres).
2. Si votre problème est "je veux une seule IA qui me connaisse et agisse en mon nom à travers les apps de messagerie" - choisissez Hermes.
3. Si votre problème est "je veux un agent personnel qui sache aussi expédier des workflows multi-agents lourds quand il le faut" - faites tourner Hermes en porte d'entrée et appelez un service Agno pour ces workflows.

Forcer l'un ou l'autre à jouer le rôle de l'autre est le mode d'échec. Agno n'est pas un runtime d'agent personnel ; prétendre l'inverse signifie reconstruire les parties de Hermes que vous auriez eues gratuitement. Hermes n'est pas une plateforme multi-tenant ; prétendre l'inverse signifie construire des frontières que le runtime n'a jamais été conçu pour imposer. Une fois que vous acceptez qu'ils visent des couches différentes de la stack, le choix devient simple et le pattern hybride commence à paraître évident.

Sources

• Agno - Python agent framework
• agno-agi/agno sur GitHub
• Agno: The agent framework for Python teams - WorkOS
• Agno - The High-Performance Python Agent Framework (Formerly Phidata)
• NousResearch/hermes-agent sur GitHub
• Hermes Agent - The Agent That Grows With You
• Documentation de mémoire persistante de Hermes Agent