लेखक: 2026 में सर्वश्रेष्ठ self-hosted AI agents की तुलना
OpenClaw, Hermes, Dify, OpenHands और Agent Zero की विस्तृत तुलना। जानें कि कौन सा AI agent आपके VPS के लिए सही है और इन्हें सुरक्षित रूप से कैसे सेटअप करें।
2026 में सर्वश्रेष्ठ self-hosted AI agents, संक्षेप में
2026 में सर्वश्रेष्ठ self-hosted AI agents हैं: OpenClaw, जो एक personal assistant है जिसे आप chat apps से एक्सेस कर सकते हैं; Hermes Agent, जो सबसे छोटे सर्वर पर वही काम करता है; Dify, जो language models पर आधारित applications बनाने वाली टीमों के लिए है; OpenHands, जो autonomous coding के लिए है; और Agent Zero, जो एक general purpose framework है जिसके agents अपने स्वयं के sub-agents बना सकते हैं। ये पाँचों open source हैं और ये सभी आपके द्वारा नियंत्रित VPS पर चलते हैं। यह राउंडअप इनकी उपयोगिता, बनावट, सर्वर की आवश्यकताओं और सुरक्षा संबंधी कार्यों के आधार पर तुलना करता है, ताकि आप कुछ भी install करने से पहले सही विकल्प चुन सकें।
हम इन सभी को वास्तविक सर्वर पर चलाते हैं, और नीचे दिया गया प्रत्येक section उस tool के लिए पूर्ण setup और hardening guide से जुड़ा है।
Self-hosted AI agent क्या है
AI agent एक language model के चारों ओर बना एक loop होता है। Model स्थिति को पढ़ता है, एक action का निर्णय लेता है, आपका सर्वर उस action को पूरा करता है, और परिणाम loop के अगले चरण में फीड हो जाता है। ये actions tools होते हैं: shell command चलाना, file पढ़ना या लिखना, browser चलाना, या API call करना। वह surrounding program, यानी loop, tools, permissions और session state, ही agent harness का वास्तविक स्वरूप है, और जब आप नीचे दिए गए पाँच projects की तुलना करते हैं, तो आप वास्तव में इसी हिस्से का चुनाव कर रहे होते हैं, क्योंकि इनके पीछे का model एक ही हो सकता है। यदि आप पूरी कार्यप्रणाली समझना चाहते हैं, तो VPS पर अपना AI agent बनाना लेख में loop, tools और memory को शुरू से समझाया गया है। यदि यह आज के लिए आपके लिए बहुत बड़ा कदम है, तो शून्य से agents सीखने का चरणबद्ध मार्ग उसी विषय को क्रमवार तरीके से कवर करता है, जिसमें हर चरण पर एक छोटी चीज़ बनानी होती है। Web search एक सामान्य addition है, और यदि आप पहले से ही अपना SearXNG instance चलाते हैं, तो आप इसे अपने agent के search backend के रूप में जोड़ सकते हैं, जिससे आपकी queries private रहती हैं, लेकिन इसका मतलब यह है कि agent अब ऐसे pages पढ़ रहा है जिन्हें कोई भी लिख सकता है।
Self-hosted का अर्थ है कि agent runtime, उसकी memory, उसके tools और उसके secrets किसी और के platform के बजाय आपके अपने सर्वर पर रहते हैं। Language model आमतौर पर अभी भी एक hosted API ही होता है, क्योंकि सबसे शक्तिशाली models एक छोटे सर्वर की memory में नहीं समाते। आप उसी VPS पर Ollama के साथ model serve करके पूरी तरह से local हो सकते हैं, लेकिन इसके लिए आपको एक सक्षम model के लिए पर्याप्त RAM की आवश्यकता होगी।
Agent को self-host करने का कारण नियंत्रण है: आपका conversation history, आपकी files, आपके API keys और agent द्वारा चलाया गया हर command उस machine पर रहता है जिसके आप मालिक हैं। सावधान रहने का कारण भी यही तथ्य है। जो agent आपके सर्वर पर commands चलाता है, वह केवल उतना ही सुरक्षित है जितनी सीमाएँ आप उस पर लगाते हैं, इसीलिए नीचे दी गई तुलना में security posture को एक मुख्य आधार माना गया है, न कि कोई footnote।
पाँच एजेंट एक साथ
The data behind this chart
[
{
"tool": "OpenClaw",
"primary_use": "Personal assistant with full server access",
"interface": "Chat apps (Telegram, WhatsApp, Slack, Discord)",
"isolation_model": "One gateway process, on loopback by default",
"ram_floor": "Small VPS; more if it drives a browser",
"security_posture": "Safe network default; operator must harden the rest",
"maturity": "380,000+ stars mid-2026; March 2026 CVE history"
},
{
"tool": "Hermes Agent",
"primary_use": "Lightweight personal assistant with memory",
"interface": "Chat apps (Telegram, Discord)",
"isolation_model": "Single process, runs fine under systemd",
"ram_floor": "A $5 VPS is enough",
"security_posture": "Connects outward only; no inbound port needed",
"maturity": "New (February 2026), from Nous Research"
},
{
"tool": "Dify",
"primary_use": "LLM app platform for teams",
"interface": "Web UI and API",
"isolation_model": "Docker Compose stack of about six containers",
"ram_floor": "2 GB free; 4 GB is comfortable",
"security_posture": "Ships on plain HTTP port 80; needs TLS and a proxy in front",
"maturity": "Established, fast release pace"
},
{
"tool": "OpenHands",
"primary_use": "Autonomous coding agent",
"interface": "Web UI on port 3000",
"isolation_model": "Per-task sandbox containers via the host Docker socket",
"ram_floor": "4 GB",
"security_posture": "Docker socket is root equivalent; run it on a disposable VPS",
"maturity": "Established (formerly OpenDevin)"
},
{
"tool": "Agent Zero",
"primary_use": "General purpose multi-agent framework",
"interface": "Web UI on port 50001",
"isolation_model": "Subordinate agents in separate containers",
"ram_floor": "2 GB to start",
"security_posture": "Default run exposes the UI on every interface; bind it to loopback",
"maturity": "Active, Docker-first"
}
]इस तालिका में दो पैटर्न अधिकांश सुरक्षा कार्यों को निर्धारित करते हैं। व्यक्तिगत एजेंट, OpenClaw और Hermes, आप तक चैट ऐप्स के माध्यम से पहुँचते हैं, इसलिए वे बाहर की ओर कनेक्ट होते हैं और उन्हें किसी भी इनबाउंड पोर्ट की आवश्यकता नहीं होती है। वेब-फर्स्ट टूल्स, Dify, OpenHands, और Agent Zero, प्रत्येक HTTP पर एक इंटरफ़ेस प्रदान करते हैं, और उन सभी मामलों में डिफ़ॉल्ट नेटवर्क पोस्चर वह पहली चीज़ है जिसे आप इंस्टॉलेशन के बाद ठीक करते हैं।
OpenClaw: सबसे सक्षम पर्सनल एजेंट
OpenClaw एक पर्सनल AI एजेंट है जिसे आप अपने सर्वर पर चलाते हैं और Telegram, WhatsApp, Slack या Discord से बात करते हैं। यह shell commands चला सकता है, ब्राउज़र को नियंत्रित कर सकता है, और आपकी फाइलों को पढ़ और लिख सकता है। यह इसे इस सूची का सबसे सक्षम टूल बनाता है और साथ ही आपकी मशीन तक सबसे अधिक पहुँच रखने वाला टूल भी बनाता है। यह MIT लाइसेंस प्राप्त है और 2026 के मध्य तक इसके GitHub पर 380,000 से अधिक stars हैं। यह इसे प्लेटफॉर्म पर सबसे अधिक stars वाले प्रोजेक्ट्स में से एक बनाता है, इसलिए इसके आसपास का इकोसिस्टम और कम्युनिटी यहाँ मौजूद किसी भी अन्य एजेंट की तुलना में कहीं अधिक बड़ी है।
दो तथ्यों को आपके निर्णय का आधार बनना चाहिए। पहला, नेटवर्क पक्ष सुरक्षित रूप से शुरू होता है: gateway, जो हर चीज को नियंत्रित करने वाली एकमात्र process है, डिफ़ॉल्ट रूप से loopback address पर listen करती है। इसलिए, जब तक आप इसे स्वयं expose नहीं करते, यह इंटरनेट से सुलभ नहीं है। दूसरा, प्रोजेक्ट का वास्तविक सुरक्षा इतिहास रहा है। मार्च 2026 में, चार दिनों के भीतर नौ सुरक्षा मुद्दों का खुलासा हुआ, जिसमें एक गंभीर privilege escalation flaw, CVE-2026-32922 शामिल था, जिसे 10 में से 9.9 रेटिंग दी गई थी। OpenClaw का सुरक्षा मॉडल hardening का काम आप पर, यानी ऑपरेटर पर छोड़ता है। ये दोनों तथ्य इससे बचने का कारण नहीं हैं। ये इसे सावधानीपूर्वक इंस्टॉल करने का कारण हैं, और यही वह विषय है जिसे VPS पर सुरक्षित रूप से OpenClaw चलाना चरण-दर-चरण कवर करता है।
Hermes Agent: सबसे हल्का पर्सनल एजेंट
Hermes Agent को Nous Research द्वारा विकसित किया गया है और इसे फरवरी 2026 में रिलीज किया गया था, जो इसे यहाँ मौजूद सबसे नया टूल बनाता है। यह एक पर्सनल एजेंट है जो आपके प्रोजेक्ट्स की स्थायी मेमोरी रखता है, काम करते समय अपने खुद के पुन: प्रयोज्य (reusable) स्किल्स लिखता है, और Telegram तथा Discord जैसे चैट ऐप्स के माध्यम से आप तक पहुँचता है। यह model agnostic है, इसलिए आप इसे अपनी पसंद के किसी भी language model के साथ जोड़ सकते हैं।
इसकी मुख्य विशेषता यह है कि यह बहुत कम संसाधनों की मांग करता है। Hermes एक सिंगल कमांड के साथ इंस्टॉल हो जाता है और $5 के VPS पर आसानी से चलता है, क्योंकि एजेंट केवल एक runtime है, न कि मॉडल, और भारी गणना (computation) उस API पर होती है जिससे आप इसे कनेक्ट करते हैं। यह आपके मॉडल और चैट ऐप्स से संपर्क करके काम करता है, इसलिए इसे किसी inbound port की आवश्यकता नहीं होती, जिससे इसका network surface लगभग शून्य रहता है। OpenClaw की तुलना में इसका एकमात्र नुकसान इसकी परिपक्वता (maturity) है: Hermes को आए अभी कुछ ही महीने हुए हैं, जबकि OpenClaw के integrations और कम्युनिटी बहुत बड़ी है। इसे चलाने से पहले curl install script को डाउनलोड और पढ़ने की आवश्यकता क्यों है, इसके कारणों सहित पूरा सेटअप VPS पर Hermes Agent को self-host करना में दिया गया है।
Dify: टीमों के लिए प्लेटफॉर्म
Dify अलग प्रकार का tool है। एक व्यक्ति के लिए एक agent चलाने के बजाय, यह language models पर applications बनाने के लिए self-hostable platform है: chat apps, agents और retrieval pipelines design करने के लिए web interface, अपने code से उन्हें call करने के लिए API, और prompts, datasets तथा model keys manage करने के लिए एक केंद्रीय स्थान। छोटी team इसे setup कर सकती है, ताकि सभी scripts में API keys बिखेरने के बजाय एक साझा private base पर काम करें। यदि आपकी team की आवश्यकता shared apps बनाने के बजाय प्रत्येक व्यक्ति को अपना sandboxed agent देने के अधिक करीब है, तो OneCLI एक व्यक्ति के लिए एक agent वाला दृष्टिकोण अपनाता है, और model keys को एक ही gateway में रखता है।
इस दायरे का मतलब है कि इसमें कई घटक शामिल हैं। Dify लगभग आधा दर्जन कंटेनर्स के Docker Compose स्टैक के रूप में आता है, जिसमें एक Postgres डेटाबेस, एक Redis कैश और एक वेक्टर डेटाबेस शामिल हैं, इसलिए कम से कम 2 GB खाली RAM और आदर्श रूप से 4 GB की योजना रखें। सुरक्षा का काम भी अलग है: Dify का बंडल किया गया वेब सर्वर हर इंटरफेस पर plain HTTP port 80 पर listen करता है, और इसके इंस्टॉल पेज पर आने वाला पहला व्यक्ति एडमिन अकाउंट का दावा कर लेता है। इसे loopback पर bind करें, सामने एक TLS reverse proxy रखें, और तुरंत एडमिन अकाउंट बनाएं। VPS पर Dify को self-host करना गाइड में इंस्टॉलेशन और इन सभी सुधारों के बारे में विस्तार से बताया गया है।
OpenHands: एक स्वायत्त कोडिंग एजेंट
OpenHands, जिसे पहले OpenDevin के नाम से जाना जाता था, एक स्वायत्त सॉफ्टवेयर इंजीनियरिंग एजेंट है। आप इसे सामान्य भाषा में कार्य देते हैं, और यह काम की योजना बनाता है, कोड लिखता है, commands चलाता है, output पढ़ता है, और कार्य पूरा होने तक पुनरावृत्ति (iterate) करता है। यह Docker के साथ चलता है, port 3000 पर एक web UI प्रदान करता है, दर्जनों model backends का समर्थन करता है, और इसे कम से कम 4 GB RAM की आवश्यकता होती है।
एक डिज़ाइन निर्णय को आपके पूरे सेटअप का आधार होना चाहिए। प्रत्येक कार्य को एक नए sandbox container में चलाने के लिए, इसका controller host Docker socket को mount करता है। जो भी उस socket से बात कर सकता है, वह ऐसा container शुरू कर सकता है जो आपके पूरे host filesystem को mount कर ले। इसका अर्थ है कि socket access प्रभावी रूप से मशीन पर root access के समान है, इसलिए आप OpenHands को उसके host से पूरी तरह अलग (sandbox) नहीं कर सकते। इसका ईमानदार समाधान स्थान का चयन है: इसे एक समर्पित, disposable VPS दें जिसमें कोई अन्य महत्वपूर्ण डेटा न हो। शुरू करने से पहले box का snapshot लें, और उस सर्वर पर भरोसा करने के बजाय snapshot से rebuild करें जिसने हफ्तों तक एजेंट द्वारा लिखा गया कोड चलाया हो। सेटअप, इसके UI के लिए SSH tunnel, और कार्यप्रणाली VPS पर OpenHands को self-host करना में दी गई है।
Agent Zero: एक सामान्य उद्देश्य वाला फ्रेमवर्क
Agent Zero एक Docker-फर्स्ट एजेंट फ्रेमवर्क है। एक प्राथमिक एजेंट अधीनस्थ (subordinate) एजेंटों को बना सकता है, जिनमें से प्रत्येक अपने स्वयं के आइसोलेटेड कंटेनर में चलता है। प्रत्येक एजेंट कोड निष्पादित कर सकता है, ब्राउज़र चला सकता है और शेल कमांड रन कर सकता है। आप इसे एक वेब UI से नियंत्रित करते हैं। यह छह डॉलर के VPS जैसे छोटे हार्डवेयर पर भी चल सकता है, जो इसे बजट में मल्टी-एजेंट सेटअप के साथ प्रयोग करने का सबसे आसान तरीका बनाता है।
सुरक्षा के लिए दो सावधानियां बरतें। अधिकांश गाइडों में दिया गया मानक docker run वेब UI को हर नेटवर्क इंटरफेस पर पोर्ट 50001 पर पब्लिश करता है। इसलिए, एक पब्लिक VPS पर, कमांड चलाने वाले सिस्टम का कंट्रोल पैनल कंटेनर शुरू होते ही पूरे इंटरनेट के लिए सुलभ हो जाता है। इसे लूपबैक पर पब्लिश करें और SSH टनल के माध्यम से एक्सेस करें। इसके कंटेनर आइसोलेशन को उसी रूप में समझें जैसा वह है: अधीनस्थ एजेंट एक-दूसरे से अलग-थलग होते हैं, जो एजेंटों की सुरक्षा करता है, न कि आपके सर्वर की। होस्ट-साइड का काम अभी भी आपका है, और VPS पर Agent Zero को self-host करना इसे कवर करता है, जिसमें वह लूपबैक बाइंड भी शामिल है जिसे अधिकांश ट्यूटोरियल छोड़ देते हैं।
आपके लिए कौन सा self-hosted AI agent सही है
- यदि आप अपने chat apps में एक सक्षम personal assistant चाहते हैं और आप उसे सुरक्षित बनाने के लिए मेहनत करने को तैयार हैं: OpenClaw।
- यदि आप सबसे छोटे और सस्ते सर्वर पर एक personal agent चाहते हैं जिसका attack surface लगभग शून्य हो: Hermes Agent।
- यदि आपकी टीम LLM apps के लिए एक साझा, निजी आधार चाहती है, जिसका UI गैर-डेवलपर्स भी इस्तेमाल कर सकें: Dify।
- यदि आप चाहते हैं कि आपके अनुपस्थित रहने पर कोड लिखा जाए, और आप इसके लिए एक disposable सर्वर दे सकते हैं: OpenHands।
- यदि आप ऐसे agents के साथ प्रयोग करना चाहते हैं जो अन्य agents को कार्य सौंपते हैं: Agent Zero।
एक स्थिति इस सूची से बाहर है। यदि आप एक ऐसा interactive coding agent चाहते हैं जिसे आप autonomous होने के बजाय सत्र-दर-सत्र terminal से नियंत्रित करें, तो उस श्रेणी के अपने उपकरण और मार्गदर्शिकाएँ हैं: सबसे अधिक पसंद किए गए open विकल्प के लिए running OpenCode on a VPS देखें, और व्यापक क्षेत्र के लिए running a coding AI agent on a VPS देखें। दूसरी स्थिति क्षमता के बजाय uptime पर निर्भर करती है: यदि agent का उद्देश्य आपके न होने पर भी काम करते रहना है, तो running KiroCrew as an always-on agent वह pinned-container और systemd पैटर्न दिखाता है जो reboot के बाद भी memory और scheduled jobs को बनाए रखता है, जिसे अधिकांश agent installs संयोग पर छोड़ देते हैं। तीसरी स्थिति और भी सीमित है: यदि agent का कार्य सामान्य सहायता के बजाय स्वयं security scanning करना है, तो self-hosting open-kritt on a VPS उस सेटअप को कवर करता है, जिसमें इसके UI के लिए SSH tunnel और पहली scan से पहले तय करने योग्य provider budget शामिल है।
सुरक्षा कार्य सभी पाँचों के लिए समान है
आप चाहे कोई भी agent चुनें, hardening का तरीका नहीं बदलता, क्योंकि जोखिम नहीं बदलता है: इनमें से प्रत्येक tool आपके सर्वर पर commands या code चलाता है, इसलिए सर्वर पर ऐसी सीमाएँ होनी चाहिए जो किसी गलती के प्रभाव को सीमित कर सकें। आपसे पूछे बिना agent कितना काम कर सकता है, यह उसी निर्णय का हिस्सा है, और Claude Code के permission modes इस अंतर को स्पष्ट करते हैं: जो setting agent को बिना निगरानी के काम करने की अनुमति देती है, उसे ऐसे सर्वर पर बहुत सावधानी से देना चाहिए जहाँ कोई उसे देख न रहा हो।
चार आदतें सबसे महत्वपूर्ण हैं। Agent को हमेशा एक समर्पित unprivileged user के रूप में चलाएँ, कभी भी root के रूप में नहीं, ताकि जिस account से वह चल रहा है, वह नुकसान की अधिकतम सीमा तय कर सके, जैसा कि unprivileged user के रूप में services चलाना में समझाया गया है। हर control surface को private रखें: web UI और gateways के लिए loopback binding का उपयोग करें, और जब आपको उन तक पहुँचना हो तो SSH tunnel या VPN का उपयोग करें, क्योंकि कोई भी उस port पर हमला नहीं कर सकता जिस तक वह पहुँच ही नहीं सकता। सर्वर के सामने एक default-deny firewall लगाएँ, और IPv4 के साथ-साथ IPv6 की भी जाँच करें, क्योंकि केवल IPv4 को कवर करने वाला rule set उसी service को IPv6 पर खुला छोड़ सकता है, जो कि IPv6 firewall gap है और इसमें कई self-hosters फंस जाते हैं। और secrets को केवल उन files में रखें जिन्हें केवल agent का user ही पढ़ सके (mode 600), जिन्हें command line पर paste करने के बजाय service के माध्यम से load किया जाए। यही सबक हर उस जगह लागू होता है जहाँ एक file ही सब कुछ का आधार होती है: Vaultwarden की वास्तविक सुरक्षा उसके admin token और backup file पर निर्भर करती है, न कि उस encrypted vault पर जिसे ये दोनों चीजें सुरक्षित रखती हैं।
इस पूरे पैटर्न का कार्यशील उदाहरण, जिसमें NoNewPrivileges, ProtectSystem=strict, PrivateTmp, और ProtectHome के साथ एक hardened systemd unit शामिल है, OpenClaw hardening guide में दिया गया है, और यही तरीका इस पृष्ठ पर मौजूद किसी भी agent पर लागू होता है। सभी पाँचों के लिए एक और आदत मायने रखती है: सोच-समझकर update करें। March 2026 के OpenClaw खुलासों ने दिखाया कि कैसे एक agent में मौजूद critical flaw कितनी जल्दी urgent बन जाता है, क्योंकि agent पहले से ही commands चलाता है, इसलिए किसी एक में privilege escalation bug होना सामान्य web app की तुलना में कहीं अधिक गंभीर होता है।
FAQ
2026 में सबसे अच्छा self-hosted AI agent कौन सा है?
यह कार्य पर निर्भर करता है। OpenClaw सबसे सक्षम और लोकप्रिय personal agent है, जिसके 2026 के मध्य तक 380,000 से अधिक GitHub stars थे, और Hermes Agent इसी भूमिका के लिए सबसे हल्का विकल्प है। Dify, LLM applications बनाने वाली टीम के लिए सबसे अच्छा platform है, OpenHands सबसे मजबूत autonomous coding agent है, और Agent Zero सबसे लचीला multi-agent framework है। पहले अपने use case के आधार पर चुनें, और फिर यह देखें कि आप कितनी hardening करने के लिए तैयार हैं।
क्या मैं एक सस्ते VPS पर self-hosted AI agent चला सकता हूँ?
हाँ, उनमें से अधिकांश के लिए। Hermes Agent $5 के VPS पर चलता है और Agent Zero लगभग 2 GB RAM से शुरू होता है, जबकि Dify को 2 से 4 GB खाली RAM चाहिए और OpenHands को कम से कम 4 GB की आवश्यकता होती है। Agents स्वयं हल्के होते हैं क्योंकि language model आमतौर पर एक hosted API पर चलता है। यदि आप model को भी self-host करते हैं, तो सर्वर का आकार model के अनुसार रखें, जो agent की तुलना में बहुत अधिक संसाधन मांगता है।
क्या मुझे AI agent को self-host करने के लिए GPU की आवश्यकता है?
नहीं। Agent एक runtime है: एक loop, tools, और memory, जो सभी सामान्य code हैं और CPU-only VPS पर चलते हैं। GPU केवल तब मायने रखता है जब आप hosted API को call करने के बजाय स्वयं के hardware पर language model चलाना चाहते हैं। उस स्थिति में model को memory में फिट होना चाहिए, और आपको उसे download करने से पहले machine का आकार model के अनुसार तय करना चाहिए।
क्या self-hosted AI agents को चलाना सुरक्षित है?
वे उतने ही सुरक्षित हैं जितनी सीमाएं आप उन पर लगाते हैं। यहाँ हर agent commands या code चलाता है, इसलिए जोखिम एक exposed control surface, root install, और leak हुए API keys का होता है। इन पाँचों के लिए समाधान एक ही हैं: एक unprivileged user, SSH या VPN के माध्यम से access किए जाने वाले loopback-only interfaces, IPv4 और IPv6 को कवर करने वाला default-deny firewall, secrets पर file permissions, और prompt updates। इस तरह install किया गया agent चलाना एक उचित निर्णय है; public port पर raw रूप से exposed agent चलाना सुरक्षित नहीं है।