Hermes Agent + Ertas

Construye agentes auto-mejorables con Hermes Agent: el framework con licencia MIT de Nous Research que usa habilidades autogeneradas mediante GEPA, donde los agentes crean habilidades reutilizables a partir de la experiencia y se vuelven mas rapidos en tareas repetidas.

Overview

Hermes Agent es el framework open-source de agentes de Nous Research, lanzado en febrero de 2026 y con mas de 103K estrellas en GitHub para abril de 2026. La capacidad distintiva del framework es su mecanismo de auto-mejora GEPA (Generalized Experience-based Procedural Acquisition): los agentes crean 'habilidades' reutilizables a partir de tareas completadas con exito, las refinan con el uso y acumulan una biblioteca personal de habilidades cuya capacidad se compone con el tiempo. Los resultados empiricos muestran que los agentes Hermes son aproximadamente un 40% mas rapidos en tareas repetidas tras construir mas de 20 habilidades autogeneradas, con la aceleracion proveniente de la reutilizacion de habilidades en lugar de derivar nuevamente las soluciones.

Este patron de auto-mejora es fundamentalmente distinto al de la mayoria de frameworks de agentes, donde cada tarea comienza desde cero. Con Hermes Agent, un agente que completa una tarea compleja una vez escribe esa solucion como una habilidad que puede ser invocada directamente en futuras tareas similares. Las habilidades en si mismas son codigo legible por LLM o prompts estructurados, por lo que son inspeccionables y editables, no pesos aprendidos opacos. El framework tiene licencia MIT y ofrece una opcion de autoalojamiento desde 5 EUR/mes para infraestructura gestionada, haciendolo accesible para desarrolladores individuales y equipos pequenos ademas de despliegues empresariales.

How Ertas Integrates

Hermes Agent funciona con cualquier endpoint de modelo compatible con OpenAI, asi que los modelos entrenados con Ertas se conectan a traves de configuracion estandar. Despues de ajustar tu modelo en Ertas Studio y desplegarlo via Ollama, vLLM o Ertas Cloud, configuras Hermes Agent para usar ese endpoint como su LLM base. La combinacion es especialmente potente cuando se empareja con la familia de modelos Hermes 4 (tambien de Nous Research): el modo de razonamiento hibrido `<think>` de Hermes 4 esta disenado en tandem con la creacion de habilidades de Hermes Agent, y usar ambos juntos produce las bibliotecas de habilidades de mayor calidad.

Para despliegues orientados a la auto-mejora, el bucle Ertas + Hermes Agent es excepcionalmente poderoso. Hermes Agent genera habilidades a partir de la experiencia del agente; esas habilidades pueden exportarse como datos de entrenamiento y reintroducirse en Ertas Studio para ajustar el modelo subyacente sobre su propio conocimiento procedimental autogenerado. El modelo ajustado entonces rinde mejor sobre los patrones que mas ha visto, reduciendo la necesidad de busquedas en la biblioteca de habilidades para tareas comunes y preservando el manejo basado en habilidades para las novedosas. Esto crea un bucle de mejora compuesta: mejores habilidades → mejores ajustes → mejor comportamiento base → mejores habilidades.

Getting Started

1
Ajusta un modelo base en Ertas Studio
Entrena tu modelo de dominio. Las derivaciones de Hermes 4 o los ajustes basados en Llama 3.1 combinan especialmente bien con los patrones de creacion de habilidades de Hermes Agent.
2
Despliega en un endpoint compatible con OpenAI
Exporta a GGUF y sirve via Ollama, vLLM o Ertas Cloud. Hermes Agent llama a cualquier endpoint estandar de chat completion.
3
Instala Hermes Agent y configura el modelo
Instala Hermes Agent (autoalojado o via la infraestructura gestionada de Nous). Configura el proveedor de LLM para apuntar a tu endpoint de inferencia de Ertas.
4
Ejecuta tareas del agente y deja que GEPA acumule habilidades
A medida que el agente completa tareas, GEPA crea automaticamente habilidades a partir de las completadas con exito. Con el tiempo, la biblioteca de habilidades crece y el agente se vuelve mas rapido en patrones repetidos.
5
Exporta habilidades como datos de entrenamiento para Ertas
Exporta periodicamente la biblioteca de habilidades GEPA como datos de entrenamiento y usalos para ajustar el modelo subyacente en Ertas Studio. El modelo mejorado acelera aun mas la creacion futura de habilidades.

python

from hermes_agent import Agent, GEPAConfig
from hermes_agent.providers import OpenAICompatible

# Point Hermes Agent at your Ertas-trained Hermes 4 fine-tune
llm = OpenAICompatible(
    base_url="http://localhost:11434/v1",
    model="ertas-hermes-4-domain-70b",
    api_key="not-needed",
)

# Configure GEPA to enable skill accumulation
gepa = GEPAConfig(
    enabled=True,
    skill_library_path="./skills/",
    auto_distill=True,  # Refine skills as they're reused
)

agent = Agent(
    name="research-agent",
    llm=llm,
    gepa=gepa,
)

# First task: agent derives a solution from scratch
result1 = agent.run("Analyze Q3 earnings for the top 5 semiconductor companies.")
# A skill is automatically created for "analyze quarterly earnings"

# Later, similar task: agent invokes the existing skill
result2 = agent.run("Analyze Q3 earnings for the top 10 cloud companies.")
# ~40% faster than the first run because the skill is reused

# Export skills as training data for further Ertas fine-tuning
agent.gepa.export_training_data("./skills_training_data.jsonl")

Ejecuta un Hermes Agent respaldado por un ajuste de Hermes 4 entrenado con Ertas. GEPA acumula habilidades a partir de tareas exitosas y las exporta como datos de entrenamiento para refinar aun mas el modelo.

Benefits

Auto-mejora GEPA: los agentes crean habilidades reutilizables y se vuelven aproximadamente un 40% mas rapidos en tareas repetidas
Licencia MIT sin restricciones comerciales
Biblioteca de habilidades inspeccionable: no son pesos aprendidos opacos, sino codigo/prompts legibles
Combina de forma natural con la familia de modelos Hermes 4 para la mas alta calidad en creacion de habilidades
Bucle de mejora compuesta: habilidades → ajustes → mejor comportamiento base
La opcion de autoalojamiento desde 5 EUR/mes la hace accesible para individuos y equipos pequenos