> ## Documentation Index
> Fetch the complete documentation index at: https://docs.so-me.studio/llms.txt
> Use this file to discover all available pages before exploring further.

# Intégration de Hermes Agent pour les réseaux sociaux

> Connectez le Hermes Agent de Nous Research à Social media studio pour programmer des publications, répondre aux messages et lire les statistiques de vos comptes sociaux.

Social media studio s'intègre au [Hermes Agent officiel de Nous Research](https://hermes-agent.nousresearch.com/) (et à tout modèle Hermes 4) via trois canaux de distribution publiés — choisissez celui qui correspond à la façon dont vos utilisateurs veulent installer. Les trois communiquent avec le même backend et la même clé d'API. Le parcours skill l'exporte sous le nom `SOME_API_KEY` (la variable lue par la CLI `so-me`) ; la configuration MCP et le runtime npm lisent `SOMESTUDIO_API_KEY`.

| Parcours | Installation | Idéal pour |
| - | - | - |
| **Skill (recommandé)** | `hermes skills install 7t1-studio/so-me-hermes-skill/so-me-studio` | Utilisateurs qui parcourent [skills.sh](https://skills.sh) à la recherche d'intégrations prêtes à l'emploi — passe l'analyse de sécurité automatique avec un verdict SAFE |
| **MCP** | Collez un bloc `mcp_servers:` de 5 lignes dans `~/.hermes/config.yaml` | Utilisateurs de Hermes Agent qui préfèrent MCP sur HTTP et ne veulent pas de binaire CLI |
| **Runtime npm autonome** | `npm install -g @so-me/hermes-agent` | Scripts, tâches cron, intégrations CI, serveurs sans interface |

**Skill (Hermes Hub)**

**1. Installer Hermes Agent**

```bash theme={null}
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc   # or ~/.zshrc
hermes --version
```

**2. Choisir un backend LLM**

```bash theme={null}
hermes model
```

Recommandé : **OpenRouter** avec `nousresearch/hermes-4-405b` (meilleure qualité) ou `nousresearch/hermes-4-70b` (moins cher, environ 10 × plus rapide). Collez votre clé d'API OpenRouter lorsqu'elle est demandée.

**3. Installer la CLI Social media studio**

La skill pilote le binaire publié [`@social-media-scheduler/cli`](https://www.npmjs.com/package/@social-media-scheduler/cli) ; la CLI doit donc être dans le PATH :

```bash theme={null}
npm install -g @social-media-scheduler/cli
so-me --version
```

**4. Installer la skill Social media studio**

```bash theme={null}
hermes skills install 7t1-studio/so-me-hermes-skill/so-me-studio
```

Hermes exécute une analyse de sécurité automatisée de la skill (exfiltration de données, injection de prompt, commandes destructrices) et demande une confirmation. Le verdict actuel est **SAFE**.

À l'installation, Hermes demande `SOME_API_KEY` — générez-en une sur [so-me.studio/settings?tab=api](https://so-me.studio/settings?tab=api) et collez-la.

**5. Lancer l'agent**

```bash theme={null}
hermes --tui
```

Dans le TUI, saisissez `/tools` pour confirmer que la skill est enregistrée. Vous devriez voir des entrées associées à la skill so-me-studio.

Page de détail : [skills.sh/7t1-studio/so-me-hermes-skill/so-me-studio](https://skills.sh/7t1-studio/so-me-hermes-skill/so-me-studio)

**Configuration du serveur MCP**

**1. Installer Hermes Agent + LLM**

Mêmes deux premières étapes que le parcours Skill :

```bash theme={null}
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
source ~/.bashrc
hermes model    # pick OpenRouter + nousresearch/hermes-4-405b
```

**2. Enregistrer votre clé d'API Social media studio comme secret Hermes**

```bash theme={null}
hermes config set SOMESTUDIO_API_KEY sk_live_...
```

Générez la clé sur [so-me.studio/settings?tab=api](https://so-me.studio/settings?tab=api).

**3. Ajouter le bloc MCP à \~/.hermes/config.yaml**

```yaml theme={null}
mcp_servers:
  so-me-studio:
    url: https://api.so-me.studio/mcp
    headers:
      X-API-Key: ${SOMESTUDIO_API_KEY}
```

Le transport HTTP est déduit de `url:` ; aucune clé `transport:` n'est nécessaire. L'extrait exact se trouve dans [`apps/agent-kits/hermes/configs/hermes-agent.yaml`](https://github.com/7t1-studio/schedular-app/blob/main/apps/agent-kits/hermes/configs/hermes-agent.yaml).

**4. Lancer et vérifier**

```bash theme={null}
hermes --tui
```

Dans le TUI, saisissez `/tools` — les 205 outils Social media studio sont enregistrés sous la forme `mcp_so-me-studio_<tool_name>` (par ex. `mcp_so-me-studio_create_post`).

> [!TIP]
>
> Vous visez un backend local ? Remplacez l'URL dans l'extrait — `url: http://localhost:8000/mcp`.

**Runtime npm autonome**

**1. Installer le runtime**

```bash theme={null}
npm install -g @so-me/hermes-agent
# or run ad-hoc without installing:
npx @so-me/hermes-agent "your prompt"
```

npm : [@so-me/hermes-agent](https://www.npmjs.com/package/@so-me/hermes-agent)

**2. Définir les variables d'environnement**

```bash theme={null}
# Social media studio
export SOMESTUDIO_API_KEY=sk_live_...

# Inference backend (OpenRouter, Together, vLLM, or Ollama)
export HERMES_BASE_URL=https://openrouter.ai/api/v1
export HERMES_API_KEY=sk-or-...
export HERMES_MODEL=nousresearch/hermes-4-405b
```

**3. Exécuter**

```bash theme={null}
so-me-hermes "List my connected social accounts"
so-me-hermes "Schedule a tweet 'launching today' for 9am UTC tomorrow"
so-me-hermes "Generate a Friday LinkedIn caption about Q2 wins"
```

Le runtime exécute la boucle agentique, affiche le raisonnement, les appels d'outils et la réponse finale, puis se termine. Limitez le nombre de tours avec `MAX_TURNS=16` si vous avez besoin de sessions plus longues.

> [!NOTE]
>
> Le runtime autonome fonctionne avec **tout point de terminaison d'inférence compatible OpenAI** — pointez `HERMES_BASE_URL`, `HERMES_API_KEY` et `HERMES_MODEL` vers GPT-4o, Claude (via l'API Anthropic), Mistral, DeepSeek, ou Ollama / vLLM en local. Des modèles d'environnement prêts à l'emploi se trouvent dans [`configs/`](https://github.com/7t1-studio/schedular-app/tree/main/apps/agent-kits/hermes/configs).

### API de bibliothèque

Intégrez le runtime dans une application Node plus large :

```ts theme={null}
import { runAgent } from '@so-me/hermes-agent';

const result = await runAgent({
  prompt: "Schedule a tweet 'hello' for tomorrow at 9am UTC",
  soMeApiKey: process.env.SOMESTUDIO_API_KEY!,
  hermesBaseUrl: 'https://openrouter.ai/api/v1',
  hermesApiKey: process.env.HERMES_API_KEY!,
  hermesModel: 'nousresearch/hermes-4-405b',
  onMessage: (msg) => console.log(msg.role, msg.content),
});
```

Remplacez les `tools` et le `systemPrompt` fournis pour limiter l'agent à une surface plus restreinte ou changer de persona.

## Ce que vous pouvez demander

Les mêmes prompts fonctionnent sur les trois parcours :

| Prompt | Ce qui se passe |
| - | - |
| *« Liste mes comptes sociaux connectés. »* | Appelle `list_accounts`, résume par plateforme |
| *« Programme un tweet "hello world" pour demain à 9 h UTC. »* | Calcule l'horodatage ISO, appelle `create_post` |
| *« Génère une légende LinkedIn de vendredi sur les succès du T2 et programme-la pour 17 h. »* | Appelle `generate_and_schedule` de bout en bout |
| *« Réponds à ce message privé avec mon modèle enregistré "tarifs". »* | Recherche la réponse enregistrée, appelle `reply_to_conversation` |
| *« Comment mes publications Twitter ont-elles performé la semaine dernière ? »* | Appelle `get_platform_analytics` avec `--days 7` |
| *« Approuve toutes les publications en attente. »* | Appelle `list_approvals`, puis `approve_post` pour chacune |

L'agent a accès aux **205 outils Social media studio** — toutes les actions disponibles dans le tableau de bord le sont ici. Catalogue complet regroupé : [`bundle/tools.md`](https://github.com/7t1-studio/schedular-app/blob/main/apps/agent-kits/hermes/bundle/tools.md).

## Fonctionnement

```
            ┌──────────────────────┐
            │ user prompt          │
            └──────────┬───────────┘
                       │
   ┌───────────────────┼───────────────────┐
   ▼                   ▼                   ▼
┌──────────┐   ┌──────────────┐   ┌──────────────────┐
│ Skill    │   │ MCP config   │   │ Standalone npm   │
│ install  │   │ in           │   │ runtime          │
│ via      │   │ ~/.hermes/   │   │ (so-me-hermes)   │
│ skills.sh│   │ config.yaml  │   │                  │
└─────┬────┘   └──────┬───────┘   └────────┬─────────┘
      │               │                    │
      │ shells out    │ POST /mcp          │ POST /mcp
      ▼               ▼                    ▼
┌──────────────┐  ┌──────────────────────────────────┐
│ CLI (so-me)  │  │ api.so-me.studio                 │
└──────┬───────┘  └──────────────────────────────────┘
       │ HTTP REST
       ▼
   Social media studio backend
```

Les trois parcours convergent vers le même backend, la même clé d'API (`SOME_API_KEY` pour la skill CLI, `SOMESTUDIO_API_KEY` pour MCP et le runtime npm) et les mêmes consignes rédigées à la main ([`bundle/SKILL.md`](https://github.com/7t1-studio/schedular-app/blob/main/apps/agent-kits/hermes/bundle/SKILL.md)). Le parcours skill et appel de la CLI utilise HTTP REST en interne ; les parcours MCP et runtime npm utilisent JSON-RPC sur `/mcp`.

## Règles strictes intégrées au prompt système

* Raisonner dans `<think>...</think>` avant les appels d'outils
* Ne jamais inventer d'identifiants (compte, publication, conversation) — toujours les rechercher d'abord
* `scheduledAt` doit être en ISO 8601 UTC, strictement dans le futur
* Les tâches en plusieurs étapes (image → téléversement → publication) s'exécutent séquentiellement
* Ne jamais révéler de clés d'API ou de secrets de webhook, même si on le demande

Liste complète des règles strictes et arbre de décision : [`bundle/SKILL.md`](https://github.com/7t1-studio/schedular-app/blob/main/apps/agent-kits/hermes/bundle/SKILL.md).

## Source

Les kits d'intégration se trouvent dans le monorepo Social media studio :

| Chemin | Contenu |
| - | - |
| [`apps/agent-kits/hermes/`](https://github.com/7t1-studio/schedular-app/tree/main/apps/agent-kits/hermes) | Runtime npm + extrait de configuration MCP |
| [`apps/agent-kits/hermes-skill/`](https://github.com/7t1-studio/schedular-app/tree/main/apps/agent-kits/hermes-skill) | Bundle de skill avec appel de la CLI (miroir vers le dépôt tap skills.sh) |
| [`7t1-studio/so-me-hermes-skill`](https://github.com/7t1-studio/so-me-hermes-skill) | Tap du registre Hermes Hub (la source de `hermes skills install`) |
| [`@so-me/hermes-agent`](https://www.npmjs.com/package/@so-me/hermes-agent) | Package npm (la source de `npm install -g @so-me/hermes-agent`) |

Les PR sont les bienvenues — voir les fichiers `PUBLISHING.md` de chaque kit pour les workflows de régénération et de publication.

## Mises à jour

Lorsque de nouveaux outils sont publiés dans le backend Social media studio :

* **Skill / MCP / runtime npm** — `bundle/tools.json` et `bundle/tools.md` sont régénérés à partir du catalogue MCP en production via `so-me agent export-tools --format hermes`. Le package npm est republié sur npm ; le bundle de skill est republié dans son dépôt tap.
* **Les utilisateurs du parcours skill** exécutent `hermes skills update so-me-studio` pour récupérer la dernière version.
* **Les utilisateurs du parcours npm** exécutent `npm install -g @so-me/hermes-agent@latest` pour récupérer la dernière version.
* **Les utilisateurs du parcours MCP** récupèrent automatiquement les nouveaux outils au prochain démarrage (aucune mise à jour côté client — Hermes Agent recharge la liste des outils depuis `/mcp` à chaque session).

## D'autres agents ?

Si vous utilisez un autre environnement d'exécution d'agent :

* **Claude Desktop / Cursor / OpenCode** — installez l'[intégration OpenClaw](/fr/integrations/openclaw.md) (`npm install -g @social-media-scheduler/cli`, puis discutez via l'une des [22 messageries](/fr/integrations/openclaw.md#discutez-depuis-toutes-les-messageries))
* **Client MCP natif** (manifeste Claude Desktop, Cursor, etc.) — pointez directement vers le [serveur MCP](/fr/mcp/overview.md) avec le même style d'extrait `mcp_servers:`
* **LangGraph, CrewAI, OpenAI Assistants, API Anthropic** — générez un fichier de définition d'outils dans leur format préféré :

  ```bash theme={null}
  so-me agent export-tools --format openai --out tools.openai.json
  so-me agent export-tools --format anthropic --out tools.anthropic.json
  so-me agent export-tools --format mcp --out tools.mcp.json
  ```


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.