Hermes + OpenClaw MCP 桥接实战:让“懂用户的AI”指挥“会干活儿的AI”

（事前声明：本人技术底子几乎为零，文中提到的代码、踩坑、技术修复等等，都是AI自主完成的，包括这篇文章的生成，我只是在用自然语言去瞎指挥。所以我能做的，其他小白也都能做，零技术门槛！大家不要畏惧！）

一、背景：单一AI的天花板

当前大模型对话产品，包括火爆的Hermes Agent有一个共同特点：能说会道，机智聪慧，懂你的心，但动手能力差。

原因很简单：这些产品的设计目标是“理解、认识、答复”，不是“生产”。它们没有本地文件系统操作能力（或者很弱），没有模板引擎，没有Office自动化工具链。

反过来，同样火爆的全能OpenClaw Agent（龙虾）、以及众多类龙虾Agent，它们的动手能力极强，你能在电脑做的，它们都能做，还比你好。但是问题在于：它们没有那么懂你，你给它提一个模糊的要求，它很难准确生成一个给用户量身定制的产品。

于是自然产生一个想法：如何让“最懂用户意图的AI”当大脑，让“最会干活儿的AI”当手脚？

二、方案选型：Hermes + OpenClaw

我选用的组合是：

– 大脑：Hermes Agent（号称能越来越懂你）

– 执行手：OpenClaw（啥都会干的全能手）

（我的是Win11系统，两个Agent都部署在本地）

为什么选这对组合？

1. Hermes 更懂用户

Hermes 支持持久记忆，还可以加配外挂大脑MemPalace、多轮上下文压缩、跨会话检索。用户说过“我讨厌空话”、“我们领导喜欢三段论结构”、“上次那个表头别用红色”——这些偏好会被记住，下次自动应用。这是其他Agent做不到或者做得没它这么好的。

2. OpenClaw 更会动手

OpenClaw 原生支持 skill 生态，有庞大的skill社区，拥有当前最全的执行skill库，可以说是全能选手，同时，它也可以直接操作系统、操作文件，是真实落地到磁盘。

3. 两者都支持 MCP

Model Context Protocol（MCP）是 Anthropic 提出的开放标准，让不同AI系统之间可以通过 stdio 或 HTTP 互相暴露工具。Hermes 内置 MCP Client，OpenClaw 内置 MCP Server，天然可以对接。

三、架构设计

[用户] （通过微信/飞书等）–> [Hermes Gateway] –MCP stdio–> [OpenClaw Gateway] –skill调用–> [文件生成]（甚至直接发布）

                                    |

                                    v

                              [MemPalace 记忆库]

工作流程：

1. 用户发需求给 Hermes

2. Hermes 检索记忆，提炼规范（禁用词、格式要求、范文风格）

3. Hermes 通过 MCP 把完整指令发给 OpenClaw

4. OpenClaw 调用 skill 生成文件，落盘到指定目录

5. Hermes 检查文件是否存在，读取后发给用户

6. 用户提修改意见，Hermes 改指令，OpenClaw 重做

四、技术实现

4.1 OpenClaw 侧配置

OpenClaw 需要运行在本地，暴露 MCP Server。我用 systemd 用户服务保证它持久运行，不随 Hermes 重启而挂掉。

~/.config/systemd/user/openclaw-gateway.service：

[Unit]

Description=OpenClaw Gateway

After=network-online.target

Wants=network-online.target

StartLimitIntervalSec=0

[Service]

Type=simple

ExecStart=/path/to/openclaw gateway –port 18789

WorkingDirectory=/home/user

Environment=”PATH=/path/to/node/bin:/usr/local/bin:/usr/bin:/bin”

Restart=always

RestartSec=5

StandardOutput=journal

StandardError=journal

[Install]

WantedBy=default.target

启动并启用：

systemctl –user daemon-reload

systemctl –user enable openclaw-gateway

systemctl –user start openclaw-gateway

OpenClaw 主配置 ~/.openclaw/openclaw.json（关键片段）：

{

  “gateway”: {

    “auth”: {

      “mode”: “token”,

      “token”: “[YOUR_TOKEN_HERE]”

    },

    “mode”: “local”

  },

  “agents”: {

    “defaults”: {

      “model”: “moonshot/kimi-k2.6”

    }

  }

}

4.2 Hermes 侧配置

在 ~/.hermes/config.yaml 的 mcp_servers 段添加 OpenClaw：

mcp_servers:

  hermes-cn-docs:

    url: https://hermesagent.org.cn/mcp

  mempalace:

    command: mempalace-mcp

    args:

    – –palace

    – /home/user/.hermes/profiles/default/home/.mempalace/palace

  openclaw:

    command: openclaw

    args:

    – mcp

    – serve

这样 Hermes 启动时会通过 stdio 启动 openclaw mcp serve，建立双向 JSON-RPC 管道。

验证加载成功后，日志会出现：

MCP server ‘openclaw’ (stdio): registered 13 tool(s)

MCP: registered 53 tool(s) from 3 server(s)

4.3 权限修复（关键踩坑点）

OpenClaw 有设备配对机制。MCP 子进程默认以 CLI 设备身份接入，权限只有 operator.read，缺少 write 和 approvals，导致 Hermes 发消息被拒。

解决方式：手动修改设备配对文件 ~/.openclaw/devices/paired.json，给 CLI 设备补充 scopes：

“scopes”: [“operator.read”, “operator.write”, “operator.approvals”],

“approvedScopes”: [“operator.read”, “operator.write”, “operator.approvals”]

同时清理 pending.json 中未审批的请求。

4.4 调用示例

用户给Hermes提要求，给孩子制作一个科普太阳系真实大小的PPT，10页。

Hermes自动完善提示词， 通过 MCP 调用 OpenClaw 的 messages_send 工具：

session_key: agent:main:main

text: |

  请使用 pptx-generator skill 制作一份 PPT。

  主题：太阳系真实大小科普

  页数：10页

  风格：儿童友好，宇宙深蓝主题

  动画：每页元素淡入飞入

  保存路径：/mnt/d/output/太阳系大小科普.pptx（我让文件结果保存在D盘的一个文件夹中）

OpenClaw 收到后，会调用 skill 生成文件，返回结果。

五、踩坑记录（技术向，很细碎，不一定遇到，但是我踩的都写上了，万一大家遇到呢）

1. Moonshot 端点域名

默认 api.moonshot.ai，国内 key 必须用 api.moonshot.cn。OpenClaw 的 models.json 里手动改 baseUrl。

2. Gateway 生命周期

OpenClaw Gateway 如果放在 Hermes 的 shell 子进程里启动，Hermes 一重启就跟着死。必须拆成独立 systemd 服务。

3. MCP 连接顺序

OpenClaw Gateway 必须先稳定运行，Hermes Gateway 后启动，否则 stdio 管道建立时连不上 127.0.0.1:18789，报 ClosedResourceError。

4. 设备 Scope 升级

OpenClaw 的权限模型是设备级别的。MCP 子进程作为新设备请求更多 scope 时，默认 pending 不自动通过，需要手动改 paired.json 或走 pairing approve 流程。

5. stdio 管道阻塞

openclaw mcp serve 是 stdio 模式，必须保持进程 alive。如果 Gateway 没启动，它会尝试连 18789 然后报错退出，导致 Hermes 侧报 ClosedResourceError。

六、为什么这套方案能跑通

核心在于分工明确：

– Hermes 负责“理解”。它有记忆、有上下文压缩、能检索历史偏好，能把用户的模糊需求（“像上次给领导写的那种风格”）翻译成精确指令。

– OpenClaw 负责“执行”。它有 skill 生态、有文件模板、有动画注入能力，能把指令变成真实文件。

– MCP 负责“对话”。标准协议，不需要写胶水代码，改个 YAML 配置就打通。

这比单一系统更灵活。如果以后需要生成 Excel 图表、PDF 报告、Word 公文，OpenClaw 侧安装对应 skill 即可，Hermes 侧完全不用改代码。

七、扩展方向

1. 参考资料库化

建立固定目录结构数据库（参考范文/禁用词清单/格式模板），Hermes 生成指令前自动读取并注入，实现“风格一致性”。

2. 多执行手切换

OpenClaw 不是唯一选择。任何暴露 MCP Server 的工具链（如 ComfyUI 做图、Home Assistant 控制设备）都可以按同样方式接入 Hermes，实现“一个大脑，多双手脚”。

3. 异步流水线

复杂任务（如“先爬数据→生成图表→插入PPT→转PDF”）可以拆成多步，Hermes 编排，OpenClaw 分步执行，中间结果落盘，每步可人工检查。

八、总结

AI 不是万能药，但组合起来能做的事远超单一产品。Hermes 懂用户，OpenClaw 会动手，MCP 管通信——三样东西拼在一起，就是一个可落地的“意图→文件”自动化流水线。

不需要写大量胶水代码，不需要自己训练模型，改几个配置文件就能跑起来。这才是当前阶段最务实的 AI 落地方式。

全文完。