- Sucesor oficial de OpenClaw, construido por el mismo equipo; enfocado en orquestación multi-agente de producción en lugar de solo interfaz de chat
- Incluye marketplace de agentes integrado para descubrir, instalar y compartir agentes especializados sin configuración manual
- Soporte nativo de SSO (SAML, OIDC) y RBAC para despliegues empresariales con control de acceso granular
- Pipeline RAG híbrido con búsqueda densa y esparsa combinadas para recuperación de contexto de mayor precisión
- Compatibilidad total con Ollama, OpenAI, Anthropic y cualquier backend LLM; actualmente en desarrollo activo a
¿Qué es Hermes Agent y cómo evoluciona respecto a OpenClaw?
Hermes Agent nace de un diagnóstico claro por parte de su equipo fundador: OpenClaw había crecido hasta los límites de lo que una interfaz conversacional web podía ofrecer. Con más de 137.000 estrellas en GitHub a principios de 2026, el proyecto había madurado tanto funcional como comunitariamente, pero su arquitectura original, concebida como frontend web para Ollama, no era la herramienta adecuada para coordinar múltiples agentes especializados en entornos de producción empresarial.
La solución fue un rebrand arquitectónico completo. Hermes Agent comparte el ADN de OpenClaw --mismo equipo, mismo compromiso con el open source y misma filosofía de compatibilidad universal con backends LLM-- pero reescribe la capa de orquestación desde cero. Donde OpenClaw ofrece una interfaz de chat enriquecida con RAG y voz, Hermes proporciona un plano de control de agentes: una capa central desde la que se despliegan, monitorean y coordinan múltiples agentes que pueden ejecutar tareas de forma autónoma, colaborativa y persistente.
El nombre "Hermes" no es casual. En la mitología griega, Hermes es el mensajero entre mundos: coordina, transmite y conecta. Es exactamente lo que hace la plataforma: conectar modelos de lenguaje con herramientas, agentes entre sí, y usuarios con resultados, abstrayendo la complejidad de la orquestación en una interfaz gestionable tanto desde la web como vía API.
El repositorio oficial se encuentra en GitHub (busca "hermes agent") y mantiene los mismos principios de licencia MIT que OpenClaw. La documentación oficial está disponible en el portal de documentación de Open WebUI, que se actualiza con las novedades de Hermes Agent a medida que la plataforma avanza.
¿Qué funcionalidades trae Hermes Agent que no tenía OpenClaw?
Hermes Agent incorpora todas las capacidades consolidadas de OpenClaw --RAG, soporte multi-LLM, gestión de usuarios, voz e imagen-- y añade una capa de orquestación y escalabilidad diseñada específicamente para entornos de producción. A , estas son las funcionalidades diferenciadas más relevantes:
Orquestación multi-agente nativa
El núcleo de Hermes Agent es su motor de orquestación: permite definir flujos donde múltiples agentes especializados colaboran para completar tareas complejas. Un agente puede delegar subtareas a otros agentes, agregar resultados parciales y devolver una respuesta sintetizada. Todo ello ocurre de forma transparente para el usuario final, que solo ve el resultado del proceso sin necesidad de orquestar manualmente cada paso. Los flujos se pueden definir vía interfaz web o vía API REST.
Marketplace de agentes integrado
Hermes incluye un marketplace donde la comunidad publica agentes preconstruidos y listos para desplegar: agentes de soporte técnico, redacción de contenido, análisis de datos, gestión de correo, búsqueda de información y muchos más. La instalación de un agente del marketplace es equivalente a instalar una extensión en un navegador: un clic y el agente queda disponible en la instancia. Los agentes del marketplace son auditables porque su código es abierto.
SSO empresarial y RBAC granular
A diferencia de OpenClaw, que ofrece autenticación propia con roles básicos, Hermes Agent implementa integración nativa con proveedores de identidad corporativos mediante SAML 2.0 y OIDC. Esto permite usar las credenciales corporativas existentes (Active Directory, Okta, Google Workspace) sin mantener una base de usuarios separada. El control de acceso basado en roles (RBAC) permite definir qué agentes, herramientas y datos puede usar cada grupo de usuarios de forma granular.
Pipeline RAG híbrido con búsqueda densa y esparsa
El sistema RAG de Hermes combina búsqueda vectorial densa (embeddings semánticos) con búsqueda esparsa (BM25 clásico) para maximizar la precisión en la recuperación de fragmentos relevantes. Este enfoque híbrido reduce significativamente los falsos positivos en documentos técnicos, legales o con terminología específica, donde la búsqueda puramente semántica a veces pierde contexto literal importante. La fusión de resultados se gestiona mediante reranking automático sin configuración adicional.
Diseño API-first para integraciones
Hermes expone una API REST completa y documentada que permite integrar la plataforma con sistemas externos sin depender de la interfaz web. Desde un CRM, un ERP o un pipeline de datos, es posible lanzar tareas de agentes, consultar resultados y gestionar usuarios mediante llamadas HTTP estándar. La API es compatible con webhooks para notificaciones de eventos asíncrona.
Sistema de plugins para extensibilidad
El sistema de plugins de Hermes permite extender la plataforma sin modificar el código fuente. Los plugins pueden añadir nuevas herramientas, conectores con servicios externos, transformaciones de datos en el pipeline RAG o acciones personalizadas en el lifecycle de los agentes. La arquitectura de plugins está documentada y sigue convenciones estándar que facilitan la contribución de la comunidad.
Function calling y tool use nativos
Los agentes en Hermes pueden invocar herramientas definidas por el usuario --funciones Python, endpoints HTTP, consultas SQL-- de forma nativa, sin necesidad de libros de prompts especializados. El sistema gestiona automáticamente el ciclo de llamada: el modelo decide cuándo llamar a una herramienta, Hermes ejecuta la llamada, y devuelve el resultado al modelo para que lo incorpore en su respuesta. Compatible con todos los modelos que soportan function calling: GPT-5, Claude 4+, Llama 3.1 y posteriores.
Escalabilidad para producción
Hermes está concebido para escalar horizontalmente. La arquitectura separa el plano de control (coordinación de agentes) del plano de datos (almacenamiento vectorial y conversaciones), lo que permite escalar cada componente de forma independiente según la carga. Soporta despliegues en Kubernetes con helm charts oficiales y en Docker Swarm para entornos más sencillos.
¿Cómo se instala Hermes Agent con Docker Compose?
La instalación recomendada de Hermes Agent usa Docker Compose para gestionar el conjunto de servicios que componen la plataforma: el servidor de aplicación, la base de datos vectorial y el almacenamiento de datos. Este enfoque simplifica tanto el despliegue inicial como las actualizaciones posteriores.
Requisitos previos
Antes de instalar, asegúrate de tener disponibles en el sistema:
- Docker Engine 24.0 o superior
- Docker Compose 2.20 o superior (incluido en Docker Desktop)
- Mínimo 4 GB de RAM disponibles para los contenedores de Hermes (más lo que requiera el backend LLM)
- Acceso a internet para descargar las imágenes en el primer arranque
Instalación básica
El repositorio oficial incluye un archivo docker-compose.yml preconfigurado.
Clona el repositorio e inicia los servicios:
# Clona el repositorio oficial
git clone https://github.com/open-webui/hermes.git
cd hermes
# Copia el archivo de variables de entorno de ejemplo
cp .env.example .env
# Edita .env para ajustar configuración básica (puerto, backend LLM, etc.)
# nano .env
# Inicia todos los servicios en segundo plano
docker compose up -dTras el primer arranque, que puede tardar 2-3 minutos mientras se descargan las imágenes y se inicializa la base de datos, accede a http://localhost:3000 desde el navegador. La primera vez se solicita crear la cuenta de administrador.
Configuración del backend LLM
En el archivo .env define el backend LLM principal. Los valores más comunes
a :
# Para Ollama en el mismo host
OLLAMA_BASE_URL=http://host.docker.internal:11434
# Para OpenAI API
OPENAI_API_KEY=sk-...
# Para Anthropic Claude
ANTHROPIC_API_KEY=sk-ant-...
# Puerto de escucha de la interfaz web (por defecto 3000)
PORT=3000Instalación con soporte GPU NVIDIA
Si el servidor tiene una GPU NVIDIA y quieres que Ollama --corriendo como contenedor-- use la GPU para acelerar la inferencia local, usa el archivo Compose con perfil GPU que incluye el repositorio:
# Requiere NVIDIA Container Toolkit instalado en el host
docker compose --profile gpu up -dActualizaciones
Para actualizar Hermes a la última versión disponible, detiene los servicios, descarga las nuevas imágenes y vuelve a iniciar:
docker compose down
docker compose pull
docker compose up -dLos datos de usuarios, conversaciones, documentos RAG y configuraciones persisten en los volúmenes Docker definidos en el Compose y no se pierden entre actualizaciones. Consulta la documentación oficial para opciones avanzadas de configuración y despliegue en alta disponibilidad.
¿Cómo migrar desde OpenClaw a Hermes Agent?
La transición de OpenClaw a Hermes Agent está diseñada para ser lo más fluida posible. El equipo ha publicado herramientas de migración que automatizan la mayor parte del proceso. A , la migración cubre conversaciones, usuarios, documentos RAG, configuraciones de modelos y prompts de sistema.
Qué se migra automáticamente
- Historial de conversaciones — Todas las conversaciones exportadas de OpenClaw se importan con su estructura de mensajes intacta.
- Usuarios y roles — Las cuentas de usuario y sus roles (administrador/usuario) se migran directamente. Los permisos granulares de RBAC de Hermes se configuran después.
- Colecciones de documentos RAG — Los documentos indexados en OpenClaw se reimportan y reindexan en el nuevo pipeline híbrido de Hermes.
- Configuraciones de conexión LLM — Las URLs y claves de API de los backends configurados en OpenClaw se transfieren al nuevo formato de Hermes.
- Prompts de sistema y Modelfiles — Las bibliotecas de prompts personalizados y los perfiles de modelo se migran al sistema de agentes de Hermes.
Qué requiere configuración manual
- La integración con proveedores SSO (SAML/OIDC) es exclusiva de Hermes y debe configurarse desde cero en el panel de administración.
- Los agentes complejos del marketplace de Hermes no tienen equivalente directo en OpenClaw y deben instalarse y configurarse manualmente.
- Los plugins de terceros desarrollados para OpenClaw pueden requerir adaptación al nuevo sistema de plugins de Hermes antes de ser compatibles.
Para la guía paso a paso de la migración, incluyendo comandos de exportación e importación, consulta la sub-guía especializada: Migración de OpenClaw a Hermes Agent.
Hermes Agent vs OpenClaw, Flowise y Botpress
Cómo se compara Hermes Agent frente a las principales plataformas del ecosistema open-source de agentes IA a .
| Plataforma | Tipo | GitHub Stars | Orq. multi-agente | RAG hibrido | SSO empresarial | Marketplace | Mejor para |
|---|---|---|---|---|---|---|---|
| Hermes Agent | Plataforma de agentes | ~95k | Nativo | Hibrido | SAML/OIDC | Integrado | Orquestación multi-agente en producción |
| OpenClaw | UI conversacional | ~137k | Básico | Vectorial | No nativo | No | Chat completo autoalojado con RAG y voz |
| Flowise | Constructor visual de flujos | ~36k | Via flujos | Via plugin | No | No | Pipelines RAG sin código para desarrolladores |
| Botpress | Plataforma de chatbots | ~13k (cloud) | Limitado | Via plugin | Cloud | Parcial | Chatbots empresariales con flujos definidos |
Cuándo elegir Hermes Agent
Elige Hermes Agent cuando tu caso de uso va más allá de una interfaz de chat y necesitas coordinar múltiples agentes especializados para completar tareas complejas. Es la opción correcta para equipos que requieren integración SSO con sistemas corporativos de identidad, precisión mejorada en RAG sobre documentación técnica extensa, y una API robusta para integrar los agentes con sistemas existentes.
Elige OpenClaw si tu prioridad es una interfaz conversacional autoalojada, completa y lista para usar, con el menor tiempo de configuración posible. OpenClaw sigue siendo la opción más madura para uso personal o en equipos pequeños que no necesitan las capacidades empresariales de Hermes.
Elige Flowise si tu objetivo es construir pipelines RAG con una interfaz visual de arrastrar y soltar, sin necesidad de orquestar agentes autónomos. Flowise está orientado a desarrolladores que necesitan ensamblar componentes de procesamiento de texto de forma declarativa.
Para un análisis más detallado de las diferencias entre Hermes y OpenClaw, consulta la comparativa completa OpenClaw vs Hermes Agent.
¿Para qué casos de uso es ideal Hermes Agent?
La arquitectura de Hermes lo hace especialmente adecuado para tres perfiles de uso que van desde el equipo empresarial hasta el desarrollador individual con necesidades avanzadas.
Preguntas frecuentes sobre Hermes Agent
¿Hermes Agent es completamente gratuito y open source?
Sí. Hermes Agent se publica bajo la licencia MIT, igual que OpenClaw. Puedes usarlo, modificarlo y redistribuirlo sin restricciones de licencia. No existe un tier de pago para las funcionalidades enterprise: SSO, RBAC y el marketplace están disponibles en la versión open source sin coste adicional. El único coste asociado es la infraestructura donde lo ejecutes y, si usas APIs cloud, el coste de los tokens de los proveedores (OpenAI, Anthropic, etc.). El uso con modelos locales vía Ollama no genera ningún coste más allá del hardware.
¿Puedo usar Hermes Agent y OpenClaw a la vez?
Sí, aunque en la práctica la mayoría de usuarios migrarán completamente a Hermes cuando estén listos, dado que Hermes es el sucesor oficial. Sin embargo, es posible ejecutar ambas plataformas en el mismo servidor asignando puertos distintos, e incluso conectarlas al mismo backend Ollama. Esto puede ser útil durante la fase de transición para validar que la migración es correcta antes de desconectar OpenClaw definitivamente.
¿Cuántos recursos necesita el servidor para Hermes Agent?
La plataforma Hermes en sí requiere algo más de recursos que OpenClaw debido a los servicios adicionales de orquestación y la base de datos vectorial. Un despliegue básico necesita al menos 2 GB de RAM y 2 CPUs para los contenedores de Hermes, más los recursos del backend LLM. Para despliegues con varios agentes activos simultáneamente, se recomienda al menos 8 GB de RAM en el host. Con modelos locales vía Ollama, la GPU es el recurso crítico para la velocidad de inferencia, no la CPU del servidor de Hermes.
¿El marketplace de Hermes es seguro? ¿Se pueden auditar los agentes?
Los agentes publicados en el marketplace oficial de Hermes son de código abierto y pasan por un proceso de revisión antes de ser publicados. Sin embargo, como en cualquier ecosistema de plugins, la responsabilidad de auditar lo que se instala en una instancia de producción recae en el administrador. Se recomienda revisar el código fuente de cada agente antes de instalarlo en entornos con datos sensibles, y limitar los permisos de red y disco de los agentes del marketplace mediante la configuración de RBAC.
¿Hermes Agent soporta modelos de lenguaje locales en español?
Sí. Al ser compatible con Ollama, cualquier modelo disponible en el registro de Ollama puede usarse con Hermes. Los modelos con mejor rendimiento en español a son Llama 3.1 (8B y 70B), Qwen2.5 y Mistral. Para agentes de producción en español que requieran máxima calidad, conectar Hermes a la API de Anthropic Claude o a OpenAI GPT-5 ofrece el mejor resultado. La interfaz de Hermes está disponible en español y hereda las traducciones de la comunidad de OpenClaw.
¿Cuál es la hoja de ruta de Hermes Agent para 2026?
A , el equipo de Hermes Agent trabaja en varias áreas clave: expansión del marketplace con agentes especializados por sector, mejoras en el motor de orquestación para soportar flujos de agentes más complejos y con estado persistente, integraciones adicionales con herramientas de productividad empresarial (Notion, Jira, Confluence, Slack), y una interfaz de monitoreo de agentes más completa con métricas de rendimiento y logs de auditoría detallados. La hoja de ruta pública se encuentra en el repositorio oficial del proyecto en GitHub.