Multi-Agent Orchestrierung 🧠🤖

✅ Verfügbardelegationparallel

Hermes kann mehrere Subagenten gleichzeitig starten – jeder mit eigenem Terminal, eigenem Kontext, völlig isoliert. Perfekt für parallele Recherche, unabhängige Code-Aufgaben oder Multi-Worker-Workflows.

Live-Demo: In dieser Session habe ich erfolgreich 6 parallele Subagenten in ~9 Sekunden gestartet – alle unabhängig, alle fertig, Ergebnisse eingesammelt.

📋 Auf einen Blick

Feature	Status
	Parallele Subagenten
Orchestrator-Rolle	✅ Agents die spawnen können
File-Coordination	✅ geteilter Zustand ohne Konflikte
Isolierter Kontext	✅ eigenes Terminal
Isolierte Tools	✅ konfigurierbar
Batch-Modus	✅ Tasks-Array
Hintergrund-Prozesse	✅ via `terminal()` / `cronjob`
Fremde AI-Agents	✅ Claude Code, Codex, OpenCode

🔧 Grundlagen

`delegate_task` – Das Herzstück

Das Tool delegate_task startet Subagenten in zwei Modi:

1. Single Task – ein Ziel mit Kontext:

delegate_task(goal="Baue eine FastAPI Auth API", context="Projekt in ~/myapp/")

2. Batch (parallel) – mehrere Tasks gleichzeitig:

delegate_task(tasks=[
  {goal: "Recherchiere GRPO Paper", context: "…"},
  {goal: "Schreibe Test für auth.py", context: "…"},
  {goal: "Update README", context: "…"},
])

Alle Batch-Tasks laufen gleichzeitig – nicht nacheinander. Die Gesamtzeit = Zeit des langsamsten Tasks.

Subagent-Lebenszyklus

Du ──> delegate_task ──> Subagent #1 (eigenes Terminal, eigener Kontext)
                       ──> Subagent #2 (eigenes Terminal, eigener Kontext)
                       ──> Subagent #3 (…)
                          ↓
              Alle fertig? → Ergebnisse gesammelt → Zusammenfassung an dich

⚙️ Konfiguration

`max_concurrent_children`

Legt fest, wie viele Subagenten gleichzeitig laufen dürfen.

bash

# Aktuell gesetzt: 6
hermes config set delegation.max_concurrent_children 6

# Höher? Kein Limit – nur dein RAM/API-Limit zählt
hermes config set delegation.max_concurrent_children 12

# Orchestrator-Tiefe (max_spawn_depth)
hermes config set delegation.max_spawn_depth 2  # 1 = flach (Default), 2+ = verschachtelt

# Timeout pro Subagent
hermes config set delegation.child_timeout_seconds 600  # Default seit v0.12

# ⚠️ Config-Änderung (max_concurrent_children/max_spawn_depth) braucht NEUSTART
# Nicht nur /reset – exit und neu starten!

Standard: max_concurrent_children: 3, max_spawn_depth: 1
Aktuell (diese Umgebung): 6 / 2
child_timeout_seconds: 600 (Default seit v0.12.0)
max_spawn_depth: 1 = nur eine Ebene (Subagenten können nicht weiter delegieren). 2+ = verschachtelte Delegation erlaubt. Default ist flach.

Toolsets pro Subagent

Jeder Subagent kann eigene Toolsets bekommen – so sparst du Tokens:

python

delegate_task(
  tasks=[{goal: "…", toolsets: ["terminal", "file"]}]
)

Verfügbare Toolsets: terminal, file, web, browser, search, vision, cronjob, skills u.v.m.

🆚 Wann was nutzen?

	`delegate_task`	`cronjob`	`terminal(hermes ...)`	tmux-Spawn
Parallelität	✅ ja	❌ einzeln	✅ ja	✅ ja
Dauer	Minuten	Stunden/Tage	Stunden/Tage	unbegrenzt
Isolation	hoch	komplett	komplett	komplett
Interaktiv	❌	❌	❌	✅
Tool-Zugriff	Teilmenge	voll	voll	voll
Ergebnis-Rückgabe	✅ direkt	✅ Delivery	per Log	manuell
Ideal für	schnelle Parallel-Tasks	tägl. Reports	Langzeit-Missionen	interaktive Agenten

Faustregel

Schnelle, unabhängige Subtasks → delegate_task (weniger Overhead)
Regelmäßige Aufgaben → cronjob (automatisch, wiederkehrend)
Stundenlange Missionen → hermes chat -q "..." im terminal (Hintergrund)
Interaktive Multi-Agent-Swarms → tmux (volle Kontrolle)

🎯 Praxisbeispiele

Beispiel 1: Parallel recherchieren

python

delegate_task(tasks=[
  {goal: "Finde die 3 besten Open-Source-Tools für N-Body-Simulation", context: "Python-Projekt"},
  {goal: "Recherchiere MPI-Optimierungen für numba", context: ""},
  {goal: "Suche Beispiele für 3D-Visualisierung mit Bevy", context: "Rust-Projekt"},
])
// Alle 3 laufen parallel → Ergebnisse in ~10s statt nacheinander in ~30s

Beispiel 2: Multi-Repo-Wartung

python

delegate_task(tasks=[
  {goal: "Prüfe ausstehende Updates in ~/projects/jas2-web/", toolsets: ["terminal"]},
  {goal: "Prüfe ausstehende Updates in ~/projects/opensim-npc/", toolsets: ["terminal"]},
  {goal: "Prüfe ausstehende Updates in ~/projects/universum/", toolsets: ["terminal"]},
])
// Drei Projekte gleichzeitig scannen

Beispiel 3: Code + Docs + Tests

python

delegate_task(tasks=[
  {goal: "Implementiere User-Auth-Endpunkte (Login/Register/Logout)", context: "FastAPI in ~/app/"},
  {goal: "Schreibe API-Dokumentation für die User-Auth-Endpunkte", context: ""},
  {goal: "Schreibe pytest-Tests für die Auth-Routes", context: "~/app/tests/"},
])
// Entwickeln + Dokumentieren + Testen parallel

🚀 Advanced: Vom Subagent zum Swarm

Der @outsource_-Tweet (Hermes-Workspace.com) zeigt, wohin die Reise geht:

Conductor-Agent ──> Worker #1 (Feature A)
                ──> Worker #2 (Feature B)
                ──> Worker #3 (Tests)
                ──> Worker #4 (Docs)
                ──> Worker #5 (Review)
                ──> Worker #6–12 (…)

Hermes Workspace bietet ein Web-UI-Dashboard für diesen Swarm – Conductor orchestriert, Workers arbeiten, du siehst den Status auf einen Blick.

Was Hermes heute schon kann:

Ansatz	Beschreibung
delegate_task	Bis 6+ parallele Subagenten (diese Session live getestet)
Cron-Swarms	`cronjob` mit regelmäßigen Batch-Tasks
Worktree-Modus	`hermes -w` spawnen für parallele Git-Arbeit ohne Konflikte
tmux-Swarms	Mehrere interaktive Hermes-Sessions in tmux-Panels

🔌 MCP – Model Context Protocol

MCP ist ein offener Standard, um Hermes mit externen Werkzeugen zu erweitern – wie USB-C für AI-Tools.

📄 Ausführlicher MCP-Guide →

	`delegate_task`	MCP
Was?	Parallele Subagenten	Externe Tool-Bibliothek
Lebensdauer	Nur während meines Turns	Dauerhafte Verbindung
Eigenes Modell?	Optional (z.B. Claude)	Nein, ich rufe die Tools
Isolation	Völlig unabhängig	Läuft in meinem Prozess
Ideal für	Komplexe Parallelarbeit	Spezial-Tools (DB, GitHub, Browser)

Mehr zu Installation, Konfiguration und Sicherheit auf der MCP-Seite.

Sicherheit

MCP-Server bekommen keine deiner API-Keys – nur explizit via env: gesetzte Variablen. Credential-ähnliche Muster in Fehlermeldungen werden automatisch geschwärzt.

Aktuelle Installation (diese Umgebung)

yaml

# ~/.hermes/config.yaml
mcp_servers:
  puppeteer:
    command: "npx"
    args: ["-y", "@modelcontextprotocol/server-puppeteer"]
    timeout: 60
    connect_timeout: 30

✅ mcp-Paket installiert · Chromium vorhanden · Nach /reset aktiv

⚠️ Wichtige Hinweise

Problem	Lösung
Subagent braucht User-Input	Geht nicht – `clarify` ist blockiert. Alle Infos in `context` geben
Sprache	Subagenten antworten default Englisch. `context` mit "Antworte auf Deutsch" versehen
Subagent lügt	Subagenten berichten selbst. Bei Datei-Operationen: Rückgabewert prüfen
RAM-Limit	Zu viele Subagenten → OOM. Bei 12+ RAM im Blick behalten
API-Rate-Limits	Viele parallele Calls können Raten-Limits triggern

Besonderheiten

Orchestrator-Rolle: Subagenten können per role=orchestrator selbst weiter delegieren -> verschachtelte Worker-Baeume moeglich. Die Tiefe wird via delegation.max_spawn_depth gesteuert (Default 1 = keine Verschachtelung)
File-Coordination: Seit v0.11 teilen sich parallele Subagenten einen koordinierten Dateisystem-Zustand - sie ueberschreiben sich nicht gegenseitig. Ideal fuer parallele Edits an verschiedenen Dateien im selben Projekt.
ACP-Spawn: Subagenten koennen als Claude Code / Codex gestartet werden (acp_command="claude")
Kein Memory: Subagenten haben keinen Zugriff auf dein Memory - alles via context uebergeben
Timeout: Seit v0.12.0 ist child_timeout_seconds standardmaessig 600s (vorher kuerzer). Bei Timeout mit 0 API-Calls gibt es einen Diagnose-Dump.

🔗 Verwandte Seiten

Eigene Skills schreiben – Arbeiteffekte als Skills speichern
Autonomous AI Agents – Claude Code, Codex & Co.
MCP – Model Context Protocol – Externe Tools anbinden
Tipps & Tricks – Mehr Hermes-Praxis
Konfiguration – Alle Config-Optionen

Multi-Agent Orchestrierung 🧠🤖 ​

📋 Auf einen Blick ​

🔧 Grundlagen ​

delegate_task – Das Herzstück ​

Subagent-Lebenszyklus ​

⚙️ Konfiguration ​

max_concurrent_children ​

Toolsets pro Subagent ​

🆚 Wann was nutzen? ​

Faustregel ​

🎯 Praxisbeispiele ​

Beispiel 1: Parallel recherchieren ​

Beispiel 2: Multi-Repo-Wartung ​

Beispiel 3: Code + Docs + Tests ​

🚀 Advanced: Vom Subagent zum Swarm ​

Was Hermes heute schon kann: ​

🔌 MCP – Model Context Protocol ​

Sicherheit ​

Aktuelle Installation (diese Umgebung) ​

⚠️ Wichtige Hinweise ​

Besonderheiten ​

🔗 Verwandte Seiten ​

Multi-Agent Orchestrierung 🧠🤖

📋 Auf einen Blick

🔧 Grundlagen

`delegate_task` – Das Herzstück

Subagent-Lebenszyklus

⚙️ Konfiguration

`max_concurrent_children`

Toolsets pro Subagent

🆚 Wann was nutzen?

Faustregel

🎯 Praxisbeispiele

Beispiel 1: Parallel recherchieren

Beispiel 2: Multi-Repo-Wartung

Beispiel 3: Code + Docs + Tests

🚀 Advanced: Vom Subagent zum Swarm

Was Hermes heute schon kann:

🔌 MCP – Model Context Protocol

Sicherheit

Aktuelle Installation (diese Umgebung)

⚠️ Wichtige Hinweise

Besonderheiten

🔗 Verwandte Seiten