Hermes Agent: qué es y cómo aprende (2026)

Hermes Agent es el agente de IA autónomo, automejorable y de código abierto de Nous Research. Se ejecuta de forma persistente en un servidor, se conecta a Telegram, Slack, Discord, WhatsApp, Signal y CLI a través de una única pasarela, y construye su propia biblioteca de habilidades a partir de las tareas completadas. El proyecto se lanzó en febrero de 2026 y alcanzó más de 24.600 estrellas en GitHub en ocho semanas. El número de estrellas refleja visibilidad e interés de la comunidad; la idoneidad para producción requiere una evaluación independiente. Es agnóstico al modelo, gratuito y se distingue de la mayoría de agentes en un aspecto concreto: un bucle de aprendizaje cerrado que lo hace más capaz cuanto más se utiliza.

• ¿Quién lo desarrolló? Nous Research, el equipo detrás de la familia de modelos Hermes (Hermes-3, basado en Llama 3.1).
• ¿Es de código abierto? Sí, completamente de código abierto en GitHub.
• ¿Qué lo diferencia? Un bucle de aprendizaje cerrado. Crea Skill Documents a partir de las tareas completadas y los recupera automáticamente cuando aparecen problemas similares.
• ¿Qué plataformas admite? Telegram, Slack, Discord, WhatsApp, Signal, Matrix, iMessage (a través de BlueBubbles), WeChat y CLI a través de una única pasarela.
• ¿Con qué modelos funciona? Es agnóstico al modelo: Nous Portal, OpenRouter (más de 200 modelos), OpenAI, Anthropic o cualquier endpoint personalizado.
• ¿Cuál es la versión actual? Version 0.9.0 ("Everywhere"), publicada en abril de 2026. Añade perfiles para equipos multiagente aislados. Para el despliegue en producción, consulte la guía de capa de operador del día 30.

La mayoría de las herramientas de IA comparten la misma limitación básica: lo olvidan todo cuando termina la sesión. Nous Research desarrolló Hermes Agent precisamente para resolver ese problema. Es estructuralmente diferente de un chatbot con una función de memoria configurable: se trata de un agente persistente del lado del servidor con un lema que merece tomarse en serio: "the agent that grows with you."

Qué es realmente Hermes Agent

Hermes Agent es un agente de IA autónomo gratuito y de código abierto desarrollado por Nous Research, el equipo detrás de la familia de modelos Hermes. Se ejecuta de forma persistente en un servidor, no dentro de un IDE o una pestaña del navegador. Cada tarea completada puede contribuir a una biblioteca creciente de habilidades en la que el agente se apoya en sesiones futuras. El efecto práctico es un agente que comienza con capacidades sólidas y se adapta progresivamente a los flujos de trabajo y el entorno específicos del usuario con el tiempo.

El proyecto se construye sobre la familia de modelos Hermes (Hermes-3, basado en Llama 3.1) y se entrena con aprendizaje por refuerzo Atropos para lograr una alta precisión en la invocación de herramientas. También es agnóstico al modelo: puede apuntarlo a Nous Portal, OpenRouter (que da acceso a más de 200 modelos), OpenAI, Anthropic o un endpoint personalizado. La arquitectura está diseñada para que la lógica central del agente no dependa del modelo que se ejecute por debajo.

La arquitectura de memoria

La memoria es donde Hermes Agent se aleja más claramente de los agentes convencionales. Opera en tres niveles distintos, y entenderlos explica por qué la afirmación de automejora es creíble en lugar de un recurso de marketing.

Contexto a corto plazo

Memoria en contexto estándar para la tarea actual. Nada inusual aquí, pero alimenta lo que viene a continuación.

Skill Documents

Este es el núcleo del bucle de aprendizaje. Hermes Agent crea Skill Documents a partir de las tareas completadas: archivos Markdown consultables que siguen el estándar agentskills.io. Ante un nuevo problema, el agente busca en su biblioteca de habilidades mediante búsqueda de texto completo (FTS5) y recupera los procedimientos relevantes construidos a partir de experiencias previas. Las habilidades también evolucionan durante el uso: el agente las mejora y se impulsa a sí mismo a persistir el nuevo conocimiento tras cada sesión. Es uno de los pocos agentes de código abierto de relevancia con memoria procedimental integrada de este tipo.

Modelado de usuario mediante Honcho

Hermes Agent integra Honcho para el modelado de usuario, lo que significa que construye una representación de las preferencias, el estilo de trabajo y el contexto del usuario que persiste entre sesiones. Combinado con la búsqueda FTS5 sobre conversaciones pasadas, puede recuperar historial relevante sin necesidad de volver a explicar el contexto ya proporcionado.

El bucle de aprendizaje cerrado

El bucle de aprendizaje es lo que distingue a Hermes Agent de las herramientas que simplemente tienen memoria persistente. La mayoría de los agentes recuerdan lo que se les dice. Hermes Agent aprende de lo que hace. La secuencia es la siguiente:

Nous Research describe esto como un agente con un bucle de aprendizaje integrado, una característica todavía poco común en los frameworks de agentes en producción. Analizando la arquitectura, la afirmación está fundamentada. El mecanismo de impulso, por el cual el agente se incita activamente a persistir el conocimiento en lugar de esperar instrucciones explícitas, está especialmente bien diseñado: la acumulación de habilidades ocurre de forma automática sin necesidad de curación manual.

Mensajería multiplataforma desde una única pasarela

Hermes Agent se conecta a Telegram, Discord, Slack, WhatsApp, Signal y CLI a través de un único proceso de pasarela. No es necesario configurar integraciones separadas para cada plataforma. La pasarela enruta los mensajes al runtime del agente independientemente del origen, de modo que el mismo agente persistente con la misma biblioteca de habilidades responde tanto desde Slack en el escritorio como desde Telegram en el teléfono.

Esto importa más de lo que puede parecer. La principal barrera de adopción de los agentes de IA en equipos suele ser que el agente vive en un lugar separado de donde realmente ocurre el trabajo. Un agente que se integra en los canales de comunicación existentes elimina esa fricción por completo.

Backends de ejecución

Hermes Agent admite seis backends de ejecución, lo que le otorga una flexibilidad de despliegue inusualmente amplia para un proyecto de código abierto:

• Local: se ejecuta directamente en su máquina
• Docker: ejecución en contenedor para aislamiento
• SSH: ejecución remota en cualquier servidor accesible
• Daytona: entornos de desarrollo gestionados
• Singularity: clústeres de computación HPC e investigación
• Modal: ejecución serverless en la nube

El backend Singularity merece una mención especial. Hace que Hermes Agent sea práctico para entornos de computación académica y científica donde Docker frecuentemente no está disponible. Combinado con las herramientas de investigación descritas a continuación, esto lo posiciona como una herramienta genuina para equipos de investigación, no solo para desarrolladores de software.

Más de 40 herramientas integradas e integración con MCP

De forma predeterminada, Hermes Agent incluye más de 40 herramientas integradas que cubren operaciones de archivos, ejecución de comandos de shell, navegación web, llamadas a API y más. También admite el Model Context Protocol (MCP), lo que significa que puede ampliarse con cualquier servidor de herramientas compatible con MCP. La programación de tareas recurrentes en lenguaje natural permite definir tareas periódicas en inglés sencillo en lugar de sintaxis cron, lo que reduce significativamente la carga de configuración para usuarios no técnicos.

Herramientas de investigación: trayectorias por lotes y ajuste fino

Nous Research desarrolló Hermes Agent teniendo en cuenta sus propias necesidades de investigación, y las herramientas de investigación lo reflejan. El agente admite generación de trayectorias por lotes para recopilar comportamiento del agente a escala, integración nativa con Atropos RL para el aprendizaje por refuerzo a partir de la experiencia del agente, y exportación en formato ShareGPT para convertir conversaciones del agente en conjuntos de datos de ajuste fino.

Este es un detalle relevante. La mayoría de los frameworks de agentes de código abierto tratan la recopilación de datos de entrenamiento como algo secundario. Hermes Agent lo convierte en una característica de primer nivel. Si se desea ajustar un modelo en un dominio específico, la infraestructura para generar y exportar datos de entrenamiento ya está integrada.

La conexión con AutoResearch

Hermes Agent se sitúa en el mismo espacio conceptual que AutoResearch: ambos representan el avance hacia sistemas de IA que se mejoran a sí mismos en lugar de permanecer como herramientas estáticas. Automejorable en el sentido de que aprende de los resultados dentro de su grafo de habilidades; no autónomo en el sentido AGI. AutoResearch se centra en la investigación científica autónoma, iterando a través de la generación de hipótesis y la validación experimental. Hermes Agent se centra en la acumulación de habilidades procedimentales, aprendiendo a realizar tareas de manera más eficaz con el tiempo.

El hilo conductor es que ninguno de los dos sistemas está diseñado para ser una herramienta fija que se configura una vez. Ambos están diseñados para acumular valor cuanto más tiempo funcionan. Eso cambia la planificación del despliegue: los equipos deben pensar en la memoria, la evaluación, la propiedad y cómo los procedimientos aprendidos se trasladan de forma segura a producción.

Casos de uso empresariales

El valor acumulativo

Las herramientas de software tradicionales ofrecen aproximadamente el mismo valor el día uno que el día cien. Un agente con un bucle de aprendizaje es diferente. La biblioteca de habilidades que construye a partir de los flujos de trabajo específicos, la base de código y los procesos internos de una organización se convierte en un activo competitivo. Un despliegue bien gestionado de Hermes Agent tras seis meses de uso será sustancialmente más eficaz en las tareas particulares que al inicio, porque habrá acumulado procedimientos específicos del dominio que ninguna herramienta predeterminada puede replicar.

El compromiso de infraestructura

Los agentes persistentes del lado del servidor requieren una infraestructura que las herramientas basadas en sesiones no necesitan. Se requiere capacidad de cómputo continua, almacenamiento para los Skill Documents y el historial de conversaciones, monitorización para un sistema autónomo que ejecuta código y llama a APIs, y una postura de seguridad adecuada para un agente con amplio acceso a herramientas. El modelo de código abierto implica que no hay costes de licencia, pero la carga operativa es real. Los equipos que evalúen Hermes Agent deben tener en cuenta el tiempo de ingeniería necesario para operarlo de forma fiable.

La flexibilidad de modelo como cobertura de riesgo

La arquitectura agnóstica al modelo es una ventaja práctica más allá de la obvia flexibilidad que ofrece. El rendimiento y los precios de los modelos de IA están cambiando rápidamente. Un framework de agentes que lo vincula a un único proveedor lo expone a las decisiones de precios y las deprecaciones de modelos de ese proveedor. La compatibilidad de Hermes Agent con OpenRouter, OpenAI, Anthropic y endpoints personalizados permite cambiar el modelo subyacente sin reconstruir la configuración del agente ni perder la biblioteca de habilidades acumulada.

Cómo comenzar

El repositorio de GitHub de Hermes Agent y la documentación oficial son los puntos de partida adecuados. El proyecto está activo, con Nous Research iterando con rapidez. Si se evalúa para un despliegue en producción, conviene revisar las notas de la versión actual en lugar de depender de documentación que puede estar desactualizada respecto a los cambios recientes.

La compatibilidad con mensajería multiplataforma facilita una prueba inicial: conéctelo a un canal de Slack o un bot de Telegram, asígnele un pequeño conjunto de tareas recurrentes y observe cómo se desarrolla la biblioteca de habilidades durante dos o tres semanas. Es una forma de menor compromiso para validar el bucle de aprendizaje que un despliegue completo en producción.

webvise ayuda a las empresas a evaluar e implementar arquitecturas de agentes de IA, desde la evaluación inicial de viabilidad hasta el despliegue en producción. Para explorar agentes automejorables como Hermes Agent o entender cómo encaja la IA autónoma en sus flujos de trabajo específicos, contacte con webvise para encontrar el enfoque que se adapte a sus requisitos e infraestructura.