Si alguna vez has intentado montar un agente de IA verdaderamente autónomo sobre modelos abiertos, seguro que conoces el principal dolor del desarrollador. Arrancas un framework popular como CrewAI o AutoGen, conectas una Llama o Mistral local mediante Ollama... y todo se rompe al instante. El modelo confunde el formato JSON, inventa argumentos inexistentes al llamar a herramientas, entra en bucle parseando expresiones regulares y olvida por completo lo que hacía hace cinco minutos.
La razón es sencilla: los modelos abiertos de propósito general se entrenaron originalmente para mantener diálogos, no para la invocación mecánica estricta de funciones del sistema (function calling). Los gigantes cerrados como OpenAI y Anthropic mantuvieron durante mucho tiempo el monopolio de los circuitos agénticos fiables gracias a prompts ocultos propietarios y pasarelas de sistema rígidas.
Pero el colectivo de investigación Nous Research —creadores de la icónica familia abierta de modelos Hermes— decidió romper ese tablero. ¡En solo ocho días se incorporaron más de 525 commits arquitectónicos al repositorio de su nuevo proyecto Hermes Agent! Se trata de un entorno operativo abierto completo, creado específicamente para ejecutar en local agentes autónomos sobre tu propio hardware. Ya analizamos las bases arquitectónicas de este sistema en el artículo Hermes Agent OS: cómo funciona el sistema operativo abierto para agentes de IA de Nous Research.
Llamada estricta de funciones: cómo domó Hermes las herramientas
La principal ventaja del ecosistema Nous Research radica en que el framework agéntico se creó en unión inseparable con los pesos abiertos especializados Hermes 3 y Apollo.
Los modelos de la familia Hermes fueron entrenados de forma dirigida en la fase de postentrenamiento (RLHF/DPO) para generar etiquetas de llamada a herramientas sintácticamente impecables:
- Cuando el agente necesita ejecutar una acción en el sistema, genera el bloque
<tool_call>{"name": "bash_execution", "arguments": {"command": "docker ps"}}</tool_call>; - El runtime de Hermes Agent intercepta al instante esa etiqueta, ejecuta el comando de forma aislada en el sandbox del sistema y devuelve la salida limpia dentro de la etiqueta
<tool_response>; - El modelo lee el resultado y toma la siguiente decisión sin el menor riesgo de romper la sintaxis JSON o dejarse una llave de cierre.
En las pruebas independientes del Berkeley Function Calling Leaderboard (BFCL), el modelo Hermes 3 70B demuestra una precisión de acierto en los esquemas de llamada superior al 90%, acercándose mucho a los buques insignia comerciales cerrados. Y la versión cuantizada Hermes 8B puede ejecutarse sin problemas en un ordenador normal con 8 GB de memoria unificada (Apple Silicon) o en una tarjeta gráfica de nivel RTX 3060. Sobre la aplicación de estos agentes en negocios lee el artículo Hermes Agent OS: despliegue de un equipo de agentes de IA autónomos para marketing, generación de leads y creación de contenido.
Aprendizaje de nuevas habilidades: una memoria que no se borra
El segundo avance tecnológico de Hermes Agent es su ciclo integrado de autoaprendizaje (Skill Acquisition Loop).
Los bots convencionales sufren amnesia crónica: si un agente tardó media hora en idear un script complejo para extraer logs de la base de datos, al iniciar la siguiente sesión volverá a reinventar la rueda desde cero, quemando tokens y tiempo.
En Hermes Agent todo funciona distinto. El estado de las sesiones, el historial de diálogos y las variables de entorno se guardan de forma persistente en una base de datos local SQLite o PostgreSQL. Cuando el agente resuelve con éxito una nueva tarea de ingeniería poco habitual, empaqueta automáticamente su script funcional en un archivo aparte y lo guarda en el directorio del sistema skills/.
La próxima vez, al toparse con un problema similar, el agente no gasta recursos en volver a razonar: simplemente invoca su propia habilidad recién adquirida como una herramienta local lista para usar. El sistema literalmente se vuelve más inteligente durante el uso diario.
Inicio rápido y configuración para vLLM local
Desplegar el agente en Linux, macOS o el subsistema WSL2 de Windows se hace con un par de comandos mediante el script oficial de instalación rápida:
# 1. Instalación rápida del entorno agéntico en el sistema
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash
# 2. Inicialización del proyecto con el preset para servidor local de inferencia
hermes-agent init --preset local-vllm
Toda la configuración del agente, sus permisos de sistema, las restricciones de acceso al sistema de archivos y los canales de notificación disponibles se ajustan en un archivo YAML transparente hermes_config.yaml:
version: "1.0"
agent:
name: "HermesDevOpsBot"
model:
provider: "vllm" # o ollama, openrouter, custom
model_name: "NousResearch/Hermes-3-Llama-3.1-8B"
base_url: "http://localhost:8000/v1"
temperature: 0.1
max_tokens: 4096
memory:
type: "persistent_sqlite"
path: "./data/hermes_memory.db"
auto_skill_learning: true
tools:
enabled:
- "bash_execution"
- "file_manager"
- "web_search"
- "python_sandbox"
security:
disallow_sudo: true
safe_paths: ["/home/user/workspace/"]
notifications:
telegram_bot_token: "${TELEGRAM_BOT_TOKEN}"
chat_id: "${TELEGRAM_CHAT_ID}"
Después de esto, el agente se lanza con un solo comando: hermes-agent run --task "Comprueba las imágenes Docker sin usar y envía el informe a Telegram". Ejecutará el comando en la terminal, empaquetará el resultado en una tabla y te enviará el mensaje por mensajería.
Tablero Kanban integrado y seguridad
Otra característica notable de la plataforma es su tablero visual Kanban de tareas integrado. A diferencia de los scripts primitivos de consola, Hermes Agent permite seguir el progreso de ejecución de las cadenas en la interfaz web: qué subtareas están en cola, cuáles se ejecutan ahora mismo y cuáles terminaron con error.
Al mismo tiempo, los desarrolladores prestaron especial atención a la seguridad digital. Dar acceso de terminal a una red neuronal siempre conlleva riesgos. Hermes Agent soporta políticas de restricción estrictas:
- prohibición directa de ejecutar comandos con privilegios de superusuario (
disallow_sudo: true); - limitación del radio de acción del agente únicamente a directorios de confianza (
safe_paths); - ejecución aislada de código Python potencialmente peligroso dentro de un sandbox virtual ligero.
El principal valor del ecosistema Hermes Agent es una auténtica independencia tecnológica. Tu agente autónomo no depende de cambios de tarifas de OpenAI, no se caerá por bloqueos de IP por sanciones y no filtrará secretos comerciales a nubes extranjeras. Es un robot ingeniero local completo que vive en tu propio servidor, aprende de tus tareas y cada día se vuelve más fiable.

