Tiga Agent, Tiga Cara Berpikir
Tahun 2026 membuat pilihan "AI agent" terasa seperti memilih kendaraan: semuanya bisa membawa Anda ke tujuan, tetapi motor, truk, dan mobil listrik dirancang untuk perjalanan yang berbeda. OpenClaw, Hermes Agent, dan Claude Code sering disebut dalam satu napas, padahal ketiganya menjawab pertanyaan yang tidak sama. Artikel ini membandingkan arsitektur, kelebihan, dan kasus penggunaan masing-masing, lalu menutupnya dengan kerangka sederhana untuk memilih agent stack — khususnya bagi developer dan technical founder yang sedang mengambil keputusan.
OpenClaw: Agent yang Berorientasi Aksi dan Kanal
OpenClaw memperkenalkan dirinya sebagai asisten AI open-source yang "benar-benar melakukan sesuatu" dan berjalan di perangkat Anda sendiri. Pusat arsitekturnya adalah Gateway: control plane lokal yang mengatur sesi, tools, event, dan koneksi kanal. Control UI, CLI, dan TUI semuanya terhubung ke Gateway ini. Artikel HackerNoon menyebut pendekatan ini gateway-first — inti sistemnya adalah proses Node.js yang persisten untuk routing, izin, dan integrasi.
Kekuatan utamanya adalah jangkauan:
- 20+ kanal pesan, termasuk WhatsApp, Telegram, Slack, Discord, Signal, iMessage, Microsoft Teams, dan Google Chat, ditambah aplikasi native untuk macOS, iOS, Android, Windows, dan Linux.
- Provider model sebagai plugin: Claude, Codex, maupun model lokal bisa ditukar.
- Ekosistem tools, skills, dan plugin yang luas, lengkap dengan plugin SDK. HackerNoon mencatat ribuan skill komunitas di ClawHub.
- Lisensi MIT, dikelola OpenClaw Foundation (nirlaba 501(c)(3)), tanpa tier berbayar atau layanan hosted.
Ada catatan penting. Model keamanannya adalah trusted gateway, untrusted execution, deterministic policy: tools berjalan di host secara default dan sandboxing harus dikonfigurasi. HackerNoon juga melaporkan audit Koi Security yang menemukan 341 skill berbahaya dari 2.857 entri ClawHub yang diperiksa, serta banyak instance yang terekspos publik tanpa autentikasi. Artinya, OpenClaw sangat kuat, tetapi menuntut disiplin operasional: kunci akses, batasi skill pihak ketiga, dan aktifkan sandbox.
Hermes Agent: Learning Loop dan Memory Persisten
Hermes Agent dari Nous Research mengambil arah sebaliknya. Repositorinya menyebut Hermes sebagai agent dengan learning loop bawaan: ia membuat skill dari pengalaman, memperbaikinya saat dipakai, mencari percakapan lamanya sendiri, dan membangun model tentang siapa penggunanya dari sesi ke sesi.
Menurut HackerNoon, memory Hermes berlapis:
- Hot memory —
MEMORY.mddanUSER.mdberukuran kecil yang dimuat ke system prompt. - Cold recall — SQLite dengan pencarian full-text FTS5 atas riwayat sesi.
- Procedural memory — skill yang ditulis sendiri oleh agent dari tugas yang berhasil.
- Integrasi eksternal opsional seperti Honcho atau Mem0.
Skill-nya mengikuti standar terbuka agentskills.io. Hermes mendukung ratusan model melalui Nous Portal, OpenRouter, OpenAI, Anthropic, atau endpoint kustom (ganti lewat perintah /model), serta kanal Telegram, Discord, Slack, WhatsApp, Signal, email, dan CLI. Ia bisa dijalankan di tujuh backend terminal: lokal, Docker, SSH, Singularity, Modal, Daytona, dan Vercel Sandbox — termasuk opsi serverless yang tidur saat idle. HackerNoon menilai jejak memorinya cukup ringan untuk VPS murah, dengan konsekuensi setup awal yang lebih lama dibanding OpenClaw.
Claude Code: Agent yang Tinggal di Dalam Codebase
Claude Code bermain di lapangan yang berbeda. Ia bukan asisten serba-bisa di WhatsApp, melainkan agent coding yang bekerja di terminal atau IDE, di dalam repositori Anda. Tugasnya membaca kode, mengedit banyak file, menjalankan test dan perintah shell, lalu memperbaiki hasilnya sendiri berdasarkan output yang ia lihat.
Konteks proyek biasanya diberikan lewat file CLAUDE.md, sedangkan perilakunya bisa diperluas dengan skills, hooks, server MCP, dan subagent. Kekuatannya ada pada kedalaman, bukan keluasan: ia memahami struktur proyek, konvensi tim, dan siklus edit–uji–perbaiki. Ingin agent yang membalas pelanggan di Telegram? Itu bukan wilayahnya. Ingin agent yang merapikan migrasi database atau menulis fitur baru lengkap dengan test? Di situlah ia unggul.
Agent Siap Pakai vs Framework untuk Membangun Agent
Kesalahan yang paling sering terjadi adalah mencampuradukkan dua kategori. Pickaxe membedakannya dengan jelas: Hermes dan OpenClaw adalah agent otonom — asisten pribadi yang langsung Anda deploy — bukan framework untuk membangun produk kustom. Sebaliknya, LangGraph, CrewAI, Mastra, Pydantic AI, atau vendor SDK seperti Claude Agent SDK dan OpenAI Agents SDK adalah library untuk merakit agent Anda sendiri dengan kontrol detail.
| Aspek | OpenClaw | Hermes Agent | Claude Code | Framework (LangGraph, Claude Agent SDK, dll.) |
|---|---|---|---|---|
| Jenis | Agent siap pakai | Agent siap pakai | Agent coding siap pakai | Library untuk membangun agent |
| Fokus | Aksi lintas kanal | Belajar dan mengingat | Pekerjaan di codebase | Produk agent kustom |
| Kekuatan | 20+ kanal, plugin luas | Learning loop, memory berlapis | Edit–uji–perbaiki di repo | Kontrol penuh atas alur |
| Risiko utama | Skill pihak ketiga, eksposur | Setup lebih lama | Terbatas pada konteks dev | Butuh tim untuk merawat |
Jika Anda membangun agent untuk klien — misalnya chatbot layanan pelanggan yang tertanam di produk mereka — Anda hampir pasti membutuhkan framework. Agent siap pakai cocok untuk diri Anda atau tim Anda sendiri.
Kerangka Memilih: Siapa, Di Mana, Siapa yang Merawat
Tiga pertanyaan berikut biasanya sudah cukup untuk mempersempit pilihan:
- Siapa penggunanya? Developer yang bekerja di repo → Claude Code. Anda atau tim yang ingin asisten di aplikasi chat → OpenClaw atau Hermes. Pelanggan akhir di produk klien → framework.
- Di mana dijalankan? Laptop dan terminal → Claude Code. Perangkat pribadi dengan banyak kanal → OpenClaw. VPS kecil, Docker, atau serverless yang hemat → Hermes.
- Siapa yang merawatnya? OpenClaw mengandalkan manusia untuk mengonfigurasi dan memperbarui skill; Hermes dirancang memperbaiki skill-nya sendiri; framework berarti tim Anda yang memegang seluruh kode dan tanggung jawabnya.
Dalam praktik, ketiganya tidak saling meniadakan. Banyak tim memakai Claude Code untuk membangun produk, Hermes atau OpenClaw sebagai asisten operasional, dan framework untuk agent yang dijual ke klien.
Penutup
OpenClaw unggul dalam keluasan kanal dan ekosistem, Hermes Agent dalam kemampuan belajar dan memory lintas sesi, sedangkan Claude Code dalam kedalaman kerja di codebase. Mulailah dari masalah, bukan dari popularitas repositori: tentukan siapa penggunanya, di mana agent berjalan, dan siapa yang sanggup merawatnya. Jawaban dari tiga pertanyaan itu biasanya sudah menunjuk agent yang tepat.
