{count, plural, one {Curso} other {Cursos}}
Introducción a los agentes de IA
{hours} h {minutes} min
144.6K
OpenClaw llegó con mucha expectación… y muchas dudas de seguridad. Después, aparecieron infinidad de imitadores prometiendo resolver problemas derivados de OpenClaw. El más importante: la seguridad, por el tamaño del repositorio. Otro gran problema fue el coste de ejecución del agente. Por experiencia propia, el coste puede dispararse rápido, sobre todo porque incluso el creador de OpenClaw recomienda usar modelos de primer nivel como Claude Opus 4.6 para evitar inyecciones de prompts. Opus 4.6 no es precisamente barato, especialmente cuando tu agente tiene que enviar mucho contexto en forma de recuerdos y habilidades. Aquí entra en juego Hermes Agent.
He seguido a los creadores de Hermes Agent en X/Twitter, y aseguran que su agente aprovecha mejor los modelos open source que OpenClaw. Dicen que los modelos de código abierto pueden rendir muy bien si cuentan con el arnés adecuado. En este artículo voy a poner a prueba estas afirmaciones. Te guiaré por los pasos de instalación, cómo usarlo con modelos locales y online, y cómo aplicarlo en un proyecto de investigación.
¿Qué es Hermes Agent?
Hermes Agent es una alternativa open source a OpenClaw creada por Nous Research, el laboratorio detrás de los modelos Hermes. Tras su lanzamiento se popularizó rápidamente, superando las 30.000 estrellas en el momento de escribir estas líneas. Hermes Agent se diferencia de OpenClaw en que puede crear habilidades a partir de la experiencia, mejorar por sí mismo y mantener el conocimiento entre sesiones.
Puedes aprender a usar OpenClaw con nuestro tutorial de OpenClaw (Clawdbot).
Capacidades clave de Hermes Agent
Veamos algunas de las funciones más importantes de Hermes Agent.
Bucle de aprendizaje cerrado y memoria auto-mejorable
Hermes Agent cuenta con un bucle de aprendizaje cerrado, lo que significa que:
- Gestiona una memoria curada por el propio agente con recordatorios periódicos
- Crea habilidades automáticamente tras completar tareas complejas
- Perfecciona sus habilidades a medida que las usa
Hermes Agent también guarda las sesiones de mensajes en una base de datos SQLite con búsqueda de texto completo FTS5. Esto le permite recuperar recuerdos de hace semanas, aunque no estén cargados en la memoria actual.
Aprende los fundamentos de las bases de datos SQLite, desde los comandos dot hasta ejemplos prácticos en la línea de comandos, con nuestra guía Beginners Guide to SQLite.
Hermes también utiliza una memoria Honcho que aporta al agente un entendimiento persistente de las personas usuarias entre sesiones. Esto se suma a los archivos memory.md y user.md para mejorar la comprensión del agente sobre tus preferencias, objetivos y estilo de comunicación, y mantener el contexto entre conversaciones.
Compresión de contexto y caché
Uno de los grandes problemas de estos asistentes de IA es lo intensivos que son en tokens. Si pagas por cada llamada a la API, la factura sube enseguida. Hermes Agent usa compresión dual y caché de prompts de Anthropic para gestionar el contexto en conversaciones largas.
Este mecanismo también evita fallos de API cuando el contexto es demasiado grande. Funciona podando resultados antiguos y resumiendo conversaciones con un LLM.
Sistema de habilidades
Como OpenClaw, Hermes Agent es compatible con habilidades. Las habilidades son compatibles con agentskills.io y siguen un patrón de divulgación progresiva para minimizar el uso de tokens. Incluye habilidades preinstaladas y además guarda las que va creando a medida que lo usas. Todas las habilidades se almacenan en ~/.hermes/skills/, aunque también puedes apuntar el agente a habilidades externas.
Aprende a crear habilidades para OpenClaw desde cero, conectar APIs externas, configurar el aislamiento con Docker y publicar en ClawHub con nuestro tutorial Building Custom OpenClaw Skills.
Pasarela multiplataforma
Hermes Agent es compatible con múltiples plataformas, como Telegram, Discord, Slack, Signal y WhatsApp. También transcribe notas de voz. Como las sesiones van a la misma base de datos, puedes empezar una conversación en tu terminal y continuarla en Telegram.
Subagentes y flujos en paralelo
Hermes Agent incluye la herramienta delegate_task para lanzar múltiples subagentes. Estos agentes tienen conjuntos de herramientas y sesiones de terminal restringidos. Inician una conversación nueva y no tienen acceso al historial, así que debes proporcionarles toda la información necesaria para cumplir su objetivo. Puedes usarlo, por ejemplo, para investigar varios temas a la vez y recopilar resúmenes, hacer code review y corregir o refactorizar varios archivos en paralelo.
Compatibilidad con MCP y acceso ampliado a herramientas
Para cualquier herramienta que falte en Hermes, puedes conectarte a MCP. Sirve para enlazar con APIs, una base de datos o sistemas internos de la empresa sin modificar el código de Hermes Agent. Puedes usarlos así:
- Instalar compatibilidad MCP en Hermes
- Añadir un servidor MCP
- Definir listas de permitidos sobre lo que exponen las herramientas del MCP
- Bloquear actividades peligrosas, como borrar clientes
Aprende a crear un servidor MCP con el Model Context Protocol de Anthropic para conectar Claude con GitHub y Notion en nuestro tutorial de Model Context Protocol.
Entrenamiento RL y generación de trayectorias
Hermes Agent incluye un pipeline integrado de entrenamiento por refuerzo (RL) basado en Tinker-Atropos. Permite entrenar LLMs en un entorno específico usando GRPO (Group Relative Policy Optimization) con adaptadores LoRA.
Puedes profundizar en RL con nuestro itinerario Reinforcement Learning in Python.
Cómo se compara Hermes Agent con asistentes de IA estándar
Veamos ahora cómo se compara Hermes Agent con otros asistentes de IA como OpenClaw y Nanobot.
Al igual que otros agentes, Hermes Agent utiliza memory.md y user.md para la memoria persistente. Además, guarda cada sesión en una base de datos SQLite, lo que permite referenciar cualquier conversación en el futuro.
Igual que OpenClaw, Hermes Agent admite un modelo de respaldo que asume las tareas cuando el modelo principal no está disponible.
Como la mayoría de asistentes de IA, Hermes Agent también puede desplegarse de forma económica en un VPS y accederse desde plataformas de mensajería populares. Sin embargo, uno de sus grandes argumentos, según el equipo de Nous Research, es que Hermes Agent es un mejor arnés para modelos open source.
También puedes explorar otros asistentes de IA, como NanoBot, en nuestro tutorial de Nanobot.
Modelos y endpoints compatibles
Hermes Agent es agnóstico al modelo. Entre los modelos compatibles se incluyen:
- Modelos de Nous Portal
- OpenRouter mediante clave de API
- Anthropic Auth y clave de API
- Suscripción o clave de API de OpenAI
- Gemini
También puedes usar modelos locales vía Ollama.
Descubre cómo usar asistentes de IA locales con Ollama en nuestro tutorial OpenClaw with Ollama.
Requisitos previos para ejecutar Hermes Agent
Hermes funciona en Linux, macOS y WSL2. También requiere Python 3.11 y Node.js, aunque la mayoría de dependencias se instalan automáticamente durante la configuración.
Tutorial paso a paso de Hermes Agent: crea un "agente de investigación"
Veamos cómo usar Hermes Agent para crear un agente de investigación que busque en la web y te envíe un briefing diario por Telegram.
Paso 1: instala Hermes Agent
Abre tu terminal y ejecuta el instalador de una sola línea:
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
Paso 2: consigue tu token de interfaz
Para la pasarela de Telegram, abre Telegram y busca @BotFather. Envíale /newbot, sigue las indicaciones para nombrar tu bot y te dará un token con formato 123456789:AAH. Cópialo para los siguientes pasos.
Luego usa @userinfobot para obtener tu ID de usuario de Telegram. Lo necesitarás para que tu bot solo hable contigo.
Paso 3: inicializa
Ejecuta el asistente de configuración:
hermes setupSi eliges Full Setup, podrás configurar todo, incluidas las claves de API y el bot de Telegram.
Aparecerá un menú para que configures todos los elementos, como ves a continuación:
Si ya tienes OpenClaw instalado, también permite migrarlo.
Cuando termine la configuración, puedes verificarlo todo con:
hermes doctor
Paso 4: configuración y selección de modelo
Si seguiste los pasos anteriores, ya habrás elegido el modelo, pero puedes cambiarlo en cualquier momento ejecutando en el terminal:
hermes model
Paso 5: configura la pasarela
La pasarela es lo que permite que Hermes te contacte por Telegram sin tener que quedarte en el terminal. Configúrala ejecutando:
hermes gateway setup
A estas alturas ya deberías poder enviar mensajes desde Telegram y recibir respuestas:
Potenciando Hermes Agent: el agente "multiherramienta"
Como ves en la respuesta anterior, Hermes usó la herramienta de terminal para consultar la API pública de gráficos de Yahoo Finance y parsear la respuesta. Podemos mejorar su capacidad de búsqueda web configurando una de las herramientas disponibles; en este caso, usaremos FireCrawl. Entra en su web y consigue una clave de IA gratuita.
Después, configura la clave:
hermes config set FIRECRAWL_API_KEY your_fire-crawl_keyCon esto listo, le pedí a Hermes una tarea que implicaba buscar en varias páginas y resumir los resultados. Como ves en la imagen, planificó 3 tareas y las delegó.
Otra forma de ejecutar varios agentes con Hermes es configurar perfiles. Así podrás ejecutar varios agentes Hermes independientes en la misma máquina, cada uno con su propia configuración, claves de API, memoria, sesiones, pasarela y habilidades. Por ejemplo, puedes tener:
- Un agente de programación
- Un asistente personal
- Un agente de investigación
Puedes crear uno desde cero o clonando la configuración actual:
hermes profile create work --clone
Ejecuta work chat para empezar a hablar con el bot:
Cada agente tiene su propio .env para que configures distintos bots de Telegram. Puedes configurarlo con work setup
Opciones de despliegue: ejecuta Hermes Agent más allá de tu portátil
Veamos qué opciones de despliegue tienes para ejecutar Hermes Agent además de usarlo en tu portátil.
Otras opciones incluyen:
- Ejecutarlo en un equipo dedicado que no sea tu ordenador principal.
- Desplegarlo en un VPS, por ejemplo en Modal o Daytona.
Incluso en un VPS, conviene seguir estas buenas prácticas:
- Usar el backend con contenedores
- Definir listas de permitidos explícitas
- Usar códigos de emparejamiento en lugar de IDs de usuario
- Guardar secretos de forma segura con permisos de archivo adecuados
- Actualizar el agente con regularidad usando
hermes update - Nunca ejecutar el agente como usuario
root - Establecer límites adecuados de CPU, disco y memoria
- Monitorizar los logs para detectar intentos de acceso no autorizados
Local y privado: ejecuta Hermes Agent sin conexión
Puedes ejecutar Hermes Agent sin conexión configurando un modelo a través de Ollama. El siguiente fragmento muestra cómo ejecutar y servir qwen2.5-coder:32b con Ollama:
# Instala y ejecuta un modelo
ollama pull qwen2.5-coder:32b
ollama serve # Inicia en el puerto 11434Después configura Hermes para usar el modelo:
hermes model
# Selecciona "Custom endpoint (self-hosted / VLLM / etc.)"
# Introduce la URL: http://localhost:11434/v1
# Omite la clave de API (Ollama no necesita)
# Indica el nombre del modelo (p. ej., qwen2.5-coder:32b)Además, aumenta la ventana de contexto porque el modelo necesita cargar el prompt del sistema, las herramientas y devolver una respuesta.
# Opción 1: definirlo para todo el servidor con variable de entorno (recomendado)
OLLAMA_CONTEXT_LENGTH=32768 ollama serve
# Opción 2: para Ollama gestionado por systemd
sudo systemctl edit ollama.service
# Añade: Environment="OLLAMA_CONTEXT_LENGTH=32768"
# Luego: sudo systemctl daemon-reload && sudo systemctl restart ollama
# Opción 3: incorporarlo en un modelo personalizado (persistente por modelo)
echo -e "FROM qwen2.5-coder:32b\nPARAMETER num_ctx 32768" > Modelfile
ollama create qwen2.5-coder-32k -f Modelfile
Errores comunes y resolución de problemas en Hermes Agent
Comentemos ahora algunos problemas típicos que puedes encontrarte al usar Hermes Agent.
Errores de "connection refused"
Empieza con hermes doctor. Te dirá si falta la configuración de algún proveedor, si hay variables de entorno rotas o rutas mal configuradas. También puedes volver a ejecutar el asistente de configuración e introducir de nuevo tu clave de API por si hubiera un error tipográfico.
Límites de la ventana de contexto
Escribe /compress para activar la compresión manual del contexto.
También puedes editar ~/.hermes/config.yaml para ajustar los valores por defecto de la compresión.
# En ~/.hermes/config.yaml
compression:
enabled: true
threshold: 0.50 # Comprimir por defecto al 50% del límite de contexto
summary_model: "google/gemini-3-flash-preview" # Modelo usado para el resumenUna habilidad no se activa o no se reutiliza
Comprueba que la habilidad existe. Ejecuta este comando para confirmar que se están usando las instrucciones de las habilidades.
hermes chat --toolsets skills -q "Use the X skill to do Y"La pasarela no recibe mensajes
Ejecuta hermes gateway status para comprobar si está en marcha.
Si se ha detenido, arráncala con hermes gateway start.
Fallos de autenticación en el endpoint del modelo
Revisa ~/.hermes/.env para verificar que tus claves de API sean correctas. Ejecuta hermes model para asegurarte de que el modelo seleccionado tiene la clave adecuada.
Perspectivas de futuro
Si has seguido la "guerra de agentes" en Twitter, habrás visto dos bandos: quienes usan agentes con APIs y quienes abogan por ejecutarlos con modelos locales. El bando de modelos locales defiende con fuerza Hermes Agent, que según afirman es un mejor arnés para modelos locales que OpenClaw.
Apoyes a quien apoyes, algo está claro: ejecutar agentes no es barato. Por eso, si existe una herramienta capaz de correr modelos locales y ofrecer un rendimiento cercano a un modelo de primer nivel, merece la pena echarle un vistazo. Más aún ahora que casi todos los proveedores facturan por uso medido.
Con la demanda actual de agentes, quienes quieran uso ilimitado se inclinarán por la herramienta que ofrezca los mejores resultados. A día de hoy, mucha gente en Twitter afirma que Hermes Agent es esa herramienta. Falta por ver si los modelos locales reducen realmente la dependencia de las APIs, especialmente porque no todo el mundo tiene GPUs personales ni los conocimientos técnicos para configurarlos en local.
Conclusión
En los últimos meses han salido varios asistentes de IA personales. Lo mejor que puedes hacer es conocerlos y decidir cuál encaja contigo. Revisa estos recursos para ponerte al día rápido:
- OpenClaw vs Nanobot: ¿qué framework de agente de IA deberías usar en 2026?
- Tutorial de Nanobot: una alternativa ligera a OpenClaw
- Claude Code vs Cursor: ¿qué herramienta de IA para programar es para ti?
- OpenCode vs Claude Code: ¿qué herramienta agentic deberías usar en 2026?
- OpenClaw vs Claude Code: ¿qué herramienta agentic deberías usar en 2026?
Si quieres aprender más sobre cómo trabajar con herramientas de IA, echa un vistazo a nuestra guía de las mejores herramientas de IA gratis. Para desarrollar habilidades más amplias de programación con IA, prueba nuestro curso AI-Assisted Coding for Developers y convierte a los asistentes de IA en aliados fiables dentro de tu flujo de desarrollo.
Author
Derrick Mwiti
