El agente AI que crece con vos. Open source, gratis, corre en tu servidor.
¿Qué es Hermes Agent?
Hermes Agent es un agente de inteligencia artificial de código abierto creado por Nous Research. Se lanzó en febrero de 2026 y en menos de tres meses superó los 140.000 estrellas en GitHub, convirtiéndose en uno de los agentes AI más usados del mundo.
A diferencia de un chatbot normal, Hermes no olvida nada cuando cerrás la sesión. Vive en tu servidor, recuerda lo que aprende y se vuelve más capaz cuanto más lo usás. El eslogan del proyecto lo resume bien: «el agente que crece con vos».
La diferencia clave con otros agentes AI
Característica
Chatbot normal
Hermes Agent
Memoria entre sesiones
No
Sí, permanente
Aprende de cada tarea
No
Sí, crea Skills reutilizables
Corre en tu máquina
No (nube)
Sí, 100% local
Automatizaciones programadas
No
Sí, con lenguaje natural
Multi-agente (delega tareas)
No
Sí, sub-agentes paralelos
Controla el navegador
No
Sí
Costo del software
Suscripción mensual
Gratis (MIT License)
Conceptos clave antes de empezar
Skills (Habilidades) Cuando Hermes resuelve una tarea compleja, automáticamente escribe un documento llamado Skill que captura cómo lo hizo, qué funcionó y qué errores evitar. La próxima vez que aparezca una tarea similar, usa ese Skill en lugar de razonar desde cero. Cuanto más lo usás, más rápido y preciso se vuelve.
Memoria persistente Todo lo que Hermes aprende se guarda en tu máquina, en la carpeta ~/.hermes/. Incluye tus preferencias, historial de proyectos, Skills generados y tu modelo de usuario.
El loop de aprendizaje
Recibe un objetivo y lo descompone en pasos
Evalúa si el resultado fue exitoso
Si la tarea fue compleja y exitosa, crea un Skill reutilizable
Actualiza los Skills cuando descubre mejores enfoques
En tareas futuras similares, aplica el Skill relevante
Gateway de mensajería Un proceso que conecta a Hermes con tus plataformas de mensajería. Podés chatear con él desde Telegram, Discord, Slack, WhatsApp, Signal o la terminal, y el contexto se mantiene entre todas las plataformas.
Instalación
Hermes soporta Linux, macOS y Windows (via WSL2). No requiere ningún prerequisito: el script los instala todos solos.
Eso es todo. El script instala Python 3.11, clona el repositorio y agrega el comando hermes a tu PATH. Tarda menos de 60 segundos.
Windows
Opción recomendada: instalá WSL2 primero.
Abrí PowerShell como Administrador
Ejecutá: wsl --install
Reiniciá la PC
Abrí Ubuntu desde el menú inicio
Seguí las instrucciones de Linux de arriba
Nota: Windows nativo tiene soporte experimental. Para uso serio, usá WSL2.
Verificar la instalación
hermes --version
Si el comando no se reconoce, cerrá y volvé a abrir la terminal.
Configuración inicial
Una vez instalado, configurá el modelo de lenguaje que va a usar Hermes:
hermes setup
Esto abre un asistente interactivo donde elegís tu proveedor de modelo.
Opciones de modelo disponibles
Proveedor
Cómo acceder
Ideal para
Nous Portal
Login con Google (OAuth)
Empezar rápido, sin configurar nada
OpenRouter
API Key
Acceso a 200+ modelos
OpenAI
API Key de openai.com
Usuarios ya con cuenta OpenAI
Anthropic
API Key de anthropic.com
Razonamiento de alta calidad
Ollama (local)
Instalación local
100% privado, sin internet
vLLM / custom
Endpoint propio
Equipos técnicos avanzados
Primera vez: usá Nous Portal. Solo hacés login con Google y ya está.
Cambiar el modelo en cualquier momento
hermes model
Modo 100% local con Ollama (sin enviar nada a servidores externos)
# 1. Instalar Ollama
curl -fsSL https://ollama.ai/install.sh | sh
# 2. Descargar un modelo
ollama pull llama3.1:8b
# 3. Iniciar Ollama
ollama serve
# 4. Configurar Hermes (hermes model → Custom API → http://localhost:11434/v1)
Nota: los modelos locales requieren al menos 8GB de RAM. Se recomiendan 16GB o más.
Uso básico
Para abrir el chat interactivo:
hermes
Escribís tu pedido en lenguaje natural y Hermes lo ejecuta. Ejemplos:
«Buscá las últimas noticias sobre inteligencia artificial y haceme un resumen.»
«Escribí un script Python que lea un CSV y genere un gráfico de barras.»
«Corregí la gramática y el estilo de este texto.»
«Programá un backup diario de la carpeta /datos a las 3 AM.»
«Mandame un email a juan@empresa.com con el resumen de la reunión de hoy.»
Entornos de ejecución de código
Cuando Hermes necesita correr código, lo hace en un entorno aislado (sandbox). Tenés cinco opciones:
Backend
Cuándo usarlo
Local
Acceso directo a tus archivos
Docker
Aislamiento de seguridad (recomendado para uso diario)
SSH
Delegar carga a otra máquina remota
Modal
Escalar en la nube sin servidor propio
Singularity
Clusters HPC / entornos científicos
Conectar Telegram, Discord, WhatsApp y más
Configurar el gateway
hermes gateway setup
El asistente interactivo te guía para conectar cada plataforma.
Cómo conectar Telegram (la opción más simple)
Abrí Telegram y buscá @BotFather
Escribí /newbot y seguí las instrucciones
BotFather te da un token (algo como 123456:ABC-DEF...)
En el setup de Hermes, pegá ese token cuando te lo pida
Iniciá una conversación con tu nuevo bot en Telegram
Iniciar el gateway
hermes gateway
Instalarlo como servicio (se inicia solo al bootear el servidor)
hermes gateway install
Una vez configurado, podés iniciar una conversación en Telegram, continuarla en Discord y terminarla en la terminal. Hermes mantiene el contexto de todo.
Los mensajes de voz se transcriben automáticamente, sin configuración extra.
Automatizaciones y tareas programadas
Hermes tiene un scheduler incorporado que acepta lenguaje natural. No hace falta escribir expresiones cron.
Simplemente escribís en el chat:
«Mandame un resumen de noticias tecnológicas todos los días a las 8 AM por Telegram.»
«Hacé un backup de la carpeta /proyectos todos los viernes a las 10 PM.»
«Revisá el servidor y mandame un informe de estado todos los lunes a las 9 AM.»
«Generá un reporte de ventas mensual el último día de cada mes.»
Gestionar automatizaciones
Para ver las activas:
¿Qué automatizaciones tengo activas? (escribís esto en el chat de Hermes)
Para cancelar una:
Cancelá el backup del viernes.
Las automatizaciones corren a través del proceso del gateway. Si lo instalaste como servicio del sistema, se ejecutan aunque no tengas ninguna terminal abierta.
El sistema de Skills
Ver tus Skills
Preguntale en el chat: «¿Qué skills tenés guardados?»
O explorá manualmente en: ~/.hermes/skills/
Skills de la comunidad
Existe una comunidad que comparte Skills en agentskills.io. Para instalar uno:
Instalá el skill de análisis de CSV de agentskills.io (en el chat de Hermes)
Los Skills son archivos de texto en formato SKILL.md. Podés leerlos, editarlos y crear los tuyos propios.
Skills incorporados (40+)
Hermes viene con más de 40 Skills preinstalados: GitHub (PRs, issues, commits), MLOps (entrenar modelos, generar datasets), diagramas, notas y muchos más disponibles en la comunidad.
Actualizar Skills
hermes update
Multi-agente: coordinar equipos de agentes
Hermes puede actuar como coordinador y delegar tareas a sub-agentes que corren en paralelo. Cada sub-agente tiene su propio contexto, terminal y Skills.
Ejemplo práctico: si tenés que procesar 100 documentos, Hermes puede crear 10 sub-agentes en paralelo, asignar 10 documentos a cada uno, y combinar los resultados al final. Esto reduce el tiempo de proceso dramáticamente y no consume el contexto del agente principal.
Hermes también puede enrutar distintas sub-tareas al modelo más adecuado. Por ejemplo, usar Claude Opus para análisis complejos y un modelo local para tareas sensibles que no deben salir de tu red.
Capacidades web y de visión
Incluido de fábrica, sin configuración extra:
Capacidad
Qué puede hacer
Búsqueda web
Buscar información actualizada en internet
Extracción de páginas
Leer y analizar el contenido de cualquier URL
Automatización de navegador
Navegar, hacer clic, completar formularios
Screenshots
Capturar pantallas de páginas web
Análisis de imágenes
Describir, analizar y extraer info de imágenes
Generación de imágenes
Crear imágenes con prompts de texto
Text-to-Speech
Convertir texto en audio
Ejemplo de lo que podés pedir: «Entrá a mi panel de admin, buscá todos los pedidos de hoy y exportalos a un CSV.»
Seguridad y privacidad
Característica
Detalle
Sin telemetría
Cero datos enviados a Nous Research ni terceros
Sin tracking
No registra tus conversaciones en servidores externos
Datos locales
Todo se guarda en ~/.hermes/ en tu máquina
Container hardening
Root de solo lectura, capacidades reducidas
MIT License
Podés auditar cada línea de código
Sin lock-in
Cambiás de modelo o proveedor cuando querés
Para entornos regulados (HIPAA, CMMC, etc.): combiná Hermes con Ollama para que absolutamente ningún dato salga de tu red.
Opciones de hospedaje gestionado
Si no querés encargarte del servidor, existen opciones donde todo viene listo:
OpenHosst — desde USD $2.99/mes, prueba gratuita de 7 días sin tarjeta. Hermes preinstalado y configurado. portal.openhosst.com
NVIDIA RTX / DGX Spark — para usuarios con hardware NVIDIA que quieren máximo rendimiento on-premise con aceleración GPU.
Petronella Technology Group — para organizaciones con requisitos de compliance (HIPAA, CMMC, SOC 2). Deployments desde USD $5.000.
Para uso personal y equipos pequeños, la opción self-hosted es completamente gratis. Solo pagás el servidor y las APIs de modelos que uses.
Casos de uso prácticos
Desarrolladores
Code reviews automáticos de PRs en GitHub
Generar tests unitarios para código existente
Documentar APIs y funciones automáticamente
Monitorear logs y notificar errores en Slack
Creadores de contenido
Briefing diario de noticias relevantes a tu nicho
Generar borradores de posts basados en tendencias
Investigar temas y crear resúmenes automáticamente
Operaciones y negocios
Reportes de ventas mensuales automáticos
Monitorear disponibilidad de servidores con alertas
Procesar y clasificar emails entrantes
Actualizar bases de datos con información de la web
Investigadores
Procesar miles de papers en paralelo con sub-agentes
Generar datasets de entrenamiento para fine-tuning
Exportar trayectorias en formato ShareGPT
Integración con Atropos para experimentos de RL
Solución de problemas comunes
El comando ‘hermes’ no se reconoce El PATH no se actualizó. Cerrá y volvé a abrir la terminal, o ejecutá: source ~/.bashrc
Error de API Key inválida Ejecutá hermes model y reingresá la API key.
Hermes no recuerda conversaciones anteriores Verificá que ~/.hermes/ existe y tiene permisos de escritura.
El gateway de mensajería no responde Ejecutá hermes gateway o verificá el servicio: systemctl status hermes-gateway
Modelo muy lento o sin respuesta Si usás un modelo local, probá uno más chico: ollama pull llama3.1:8b. O usá un proveedor cloud.
Error de Docker: permiso denegado Ejecutá sudo usermod -aG docker $USER y reiniciá sesión.
Antes de ir tecnología por tecnología, hay que entender el lente con el que NVIDIA mira el mundo. Jensen Huang tiene un único mensaje central: los datos centers ya no son instalaciones de IT sino «fábricas de IA», sistemas industriales diseñados para convertir electricidad en tokens. «Los tokens son la nueva commodity», dijo en el GTC 2026. Todo lo que no encaja en esa visión, NVIDIA lo ignora. Lo que sí encaja, lo abraza. Data Center Frontier
IoT — Aquí sí están metidos a fondo
IoT es el territorio donde NVIDIA tiene más presencia concreta. Su apuesta se llama Jetson, la familia de computadoras de borde para IA industrial.
La serie Jetson de NVIDIA es la plataforma dominante para inferencia de IA de alto rendimiento en el borde, con el Jetson AGX Orin entregando 275 TOPS, posicionado como el módulo de IA en el borde de mayor rendimiento disponible actualmente, orientado a robótica, vehículos autónomos y sistemas de visión industrial. E&ICT Academy
En el Computex 2026, NVIDIA anunció JetPack 7.2 y soporte de NemoClaw en Jetson, haciendo la plataforma «agentic-ready» para robótica, inspección y automatización industrial. NVIDIA Blog
Los casos de uso reales ya están desplegados: inspección de fábricas con visión artificial, cámaras inteligentes en retail, monitoreo en tiempo real de infraestructura de salud, agricultura inteligente y vehículos autónomos. Socios como ABB, KUKA, Caterpillar y Medtronic ya usan Jetson en sus productos.
La visión de NVIDIA para IoT es clara: no le interesa el IoT de sensores baratos que mandan datos a la nube. Le interesa el IoT con IA embebida en el borde, donde el dispositivo mismo procesa, razona y actúa. Eso requiere sus chips.
RFID — Silencio total
Este es el dato más revelador. NVIDIA no habla de RFID. En ningún anuncio, keynote, blog post ni comunicado oficial de 2025/2026 Jensen Huang o algún ejecutivo de NVIDIA menciona la tecnología de identificación por radiofrecuencia.
¿Por qué? Porque RFID es una tecnología de identificación pasiva, de bajísimo cómputo, que no necesita GPUs ni IA sofisticada para funcionar. Es el opuesto de lo que NVIDIA vende. Para NVIDIA, si un sistema de logística usa RFID para trackear pallets, la parte interesante no es el RFID — es el modelo de IA que analiza los patrones de movimiento, predice demanda o detecta anomalías. El RFID es infraestructura previa que simplemente alimenta datos a sus sistemas.
En la visión de NVIDIA, RFID es un sensor más en el ecosistema de datos que sus plataformas consumen. No es un competidor ni un aliado — es invisible.
Blockchain y crypto — Una relación peculiar
Acá la postura es interesante y un poco esquiva. En ningún momento durante el earnings call ni en el GTC 2026 Huang hizo referencia a blockchain, criptomonedas o activos digitales. Crypto Briefing
Sin embargo, hay dos conexiones indirectas que el mercado crypto aprovecha permanentemente:
1. Las GPUs de NVIDIA son la infraestructura de minería. La empresa nunca lo promueve activamente, pero sus chips son los que mueven una parte del ecosistema crypto. Huang una vez describió el bitcoin mining como «tomar energía excedente y almacenarla en una nueva forma llamada moneda» — una descripción técnica neutral, no un endoso. The Cool Down
2. La IA descentralizada lo entusiasma más. En el podcast All-In, Huang comparó a Bittensor — una red de entrenamiento de IA descentralizada en blockchain — con «una versión moderna de folding@home», el proyecto de computación distribuida para investigación científica. Dentro de las 48 horas del episodio, el sector de tokens de IA saltó un 40% en un solo día. Fue el comentario más cercano a un endoso que jamás dio sobre crypto. Phemex
Lo que sí quedó claro en el GTC 2026 es que cuando Huang habla de «tokens» no habla de blockchain: habla de unidades de output de modelos de IA. «Los tokens son ahora rentables» declaró en la conferencia de resultados — refiriéndose a que las empresas cobran más por la inferencia de IA de lo que les cuesta generarla. Crypto Briefing
La postura real de NVIDIA sobre blockchain: no le importa la tecnología en sí. Le importa si usa sus GPUs. El mining lo acepta sin entusiasmo. La IA descentralizada sobre blockchain le parece fascinante porque requiere exactamente lo que vende.
Quantum computing — Presente pero todavía lejos
En el GTC 2026, quantum computing apareció en el programa como vertical propio, con sesiones específicas sobre computación cuántica y su intersección con IA. NVIDIA está desarrollando NVQLink para conectar GPUs con QPUs (unidades de procesamiento cuántico) en sistemas híbridos. No es el centro de su negocio hoy, pero lo están monitoreando de cerca. NVIDIA Corporation
El patrón de fondo
NVIDIA tiene una regla no escrita muy consistente: si una tecnología necesita sus GPUs para escalar, la abraza. Si no, la ignora. IoT con IA en el borde: sí. Telco con AI-RAN: sí. Robots, autos autónomos, digital twins: sí. RFID, blockchain sin IA, sensores pasivos, bases de datos tradicionales: indiferencia total.
Jensen Huang lo resume en una frase que repite constantemente: «La IA está redefiniendo la computación e impulsando la mayor construcción de infraestructura de la historia de la humanidad.» Todo lo que no es parte de esa construcción, sencillamente no está en su radar.
La razón estratégica de fondo: el edge es la próxima gran oportunidad
NVIDIA ya ganó la batalla de los centros de datos. Ahora necesita el siguiente frente. Y ese frente es el borde de la red — el lugar donde los datos se crean, antes de llegar a cualquier servidor.
Jensen Huang lo dijo sin vueltas: «La IA está redefiniendo la computación e impulsando la mayor construcción de infraestructura de la historia de la humanidad — y las telecomunicaciones son las siguientes.» NVIDIA Corporation
La lógica es la siguiente: hoy la IA corre mayormente en centros de datos en la nube. Pero la próxima ola — robots, vehículos autónomos, drones, fábricas inteligentes, ciudades conectadas — necesita que la IA corra cerca de donde pasan las cosas, con latencia mínima. Y quien controla esa infraestructura de borde son las telcos, con sus miles de antenas distribuidas por todo el mundo.
«Las telecomunicaciones poseen el espacio más valioso para la IA: el borde, donde se crean los datos. Los operadores que modernicen su infraestructura serán las fábricas distribuidas de la red de IA», dijo Michael Dell de Dell Technologies, parte del ecosistema que NVIDIA está construyendo. Nokia
La plataforma de edge computing de NVIDIA generó 6.400 millones de dólares en ingresos en un trimestre, con un crecimiento del 29% interanual, impulsado por workstations Blackwell y contribuciones crecientes de robótica y automotive. El telco es la extensión natural de ese negocio. SiliconANGLE
Qué es AI-RAN y por qué es el corazón de la estrategia
RAN significa Radio Access Network — la red de acceso por radio, es decir, las antenas base que conectan los celulares. Tradicionalmente, esas antenas corren con hardware propietario especializado y cerrado.
NVIDIA quiere reemplazar ese hardware con sus GPUs, convirtiendo las antenas en plataformas de computación general que puedan hacer dos cosas al mismo tiempo: manejar el tráfico de radio y correr cargas de trabajo de IA. Eso es AI-RAN.
La propuesta de NVIDIA busca convertir la red celular en un ordenador distribuido de alto rendimiento — una de las piedras angulares de la visión de «IA física» de Jensen Huang. Laecuaciondigital
La ventaja es enorme para las telcos: en lugar de tener infraestructura de red ociosa en horarios de baja demanda, esa capacidad de cómputo podría venderse como servicio de IA a terceros. SoftBank demostró en el MWC 2026 cómo la capacidad de cómputo sobrante en sus antenas, identificada por su orquestador AITRAS, puede usarse para correr tareas de IA de terceros — una señal de cómo los operadores podrían monetizar su infraestructura RAN más allá de la conectividad. Artificial Intelligence News
La inversión de 1.000 millones en Nokia
En octubre de 2025, NVIDIA hizo su movimiento más concreto: invirtió 1.000 millones de dólares en Nokia a 6,01 dólares por acción, anunciando una alianza estratégica para incorporar productos AI-RAN de grado comercial con tecnología NVIDIA en la cartera de RAN de Nokia, el mayor proveedor de equipos de red del mundo. AppsUser
«El próximo salto en telecomunicaciones no se limita al paso del 5G al 6G, sino a un rediseño fundamental de la red para ofrecer conectividad impulsada por IA capaz de procesar inteligencia desde el centro de datos hasta el borde», declaró Justin Hotard, CEO de Nokia. «Nuestra alianza con NVIDIA pondrá un centro de datos de IA al alcance de todos.» Infobae
Con esa inversión, NVIDIA no solo compra acciones — compra acceso directo a la cadena de suministro global de infraestructura de red y se posiciona como tecnología habilitante dentro de los equipos que las telcos ya despliegan.
La coalición del MWC 2026: el club más selecto de las telco
En el Mobile World Congress de Barcelona en marzo de 2026, NVIDIA formalizó la alianza más ambiciosa del sector. Anunció el compromiso de Booz Allen, BT Group, Cisco, Deutsche Telekom, Ericsson, MITRE, Nokia, SK Telecom, SoftBank y T-Mobile para construir la próxima generación de redes inalámbricas sobre plataformas abiertas, nativas de IA, seguras y confiables. NVIDIA Newsroom
La AI-RAN Alliance, el organismo que nuclea este ecosistema, ya cuenta con más de 130 empresas participantes. En el MWC 2026 se presentaron el triple de demos de AI-RAN que el año anterior, con 26 de las 33 demos del evento construidas sobre la plataforma NVIDIA AI Aerial. Crnasia
Los resultados de campo ya no son promesas: T-Mobile demostró procesamiento simultáneo de IA y RAN en la plataforma de NVIDIA corriendo streaming de video, IA generativa y subtítulos automáticos junto con 5G en vivo. SoftBank logró un hito técnico histórico: el primer Massive MIMO de 16 capas totalmente definido por software en hardware NVIDIA. Crnasia
El modelo para 6G y las herramientas de red autónoma
Más allá del 5G, NVIDIA está construyendo la arquitectura base para el 6G. En el MWC 2026, la compañía lanzó el Nemotron Large Telco Model (LTM), un modelo open source de 30 mil millones de parámetros desarrollado junto con AdaptKey AI, entrenado en datasets abiertos de telecomunicaciones, diseñado para razonar sobre flujos de trabajo de gestión de red y avanzar hacia redes autónomas que no solo automatizan tareas predefinidas sino que entienden la intención del operador y toman decisiones propias. Crnasia
La plataforma que NVIDIA construyó para esto se llama NVIDIA ARC — un stack tecnológico de wireless nativo de IA para 6G centrado en tecnología estadounidense, que integra CPUs Grace, GPUs Blackwell y componentes de red avanzados. 36Kr
Por qué a las telcos les conviene
El negocio tradicional de las telcos está en presión: los ingresos por conectividad pura se estancan mientras los costos de red suben. La reconversión de sus antenas en plataforma de cómputo distribuido les abre un negocio completamente nuevo. Según el propio reporte de NVIDIA sobre el estado de la IA en telecomunicaciones, el 77% de los encuestados anticipa un cronograma de despliegue significativamente más rápido para la arquitectura de redes nativas de IA que para generaciones de red anteriores. Crnasia
La apuesta de NVIDIA en telco no es filantropía tecnológica: es el intento de convertirse en la capa de GPU de toda la infraestructura inalámbrica del planeta — exactamente lo que hizo con los centros de datos entre 2020 y 2025, pero ahora repartido en millones de antenas distribuidas por el mundo.
El formato Agent Skills, creado por Anthropic y liberado como estándar abierto en diciembre de 2025, se convirtió en cuestión de meses en la manera dominante de darle memoria procedimental a los agentes de inteligencia artificial. Más de 35 herramientas lo adoptaron, el ecosistema creció de cero a más de 500.000 skills disponibles en menos de seis meses, y gigantes como Google, Microsoft, OpenAI y Elastic ya lo integraron en sus plataformas. La pregunta que define el trabajo con IA en 2026 ya no es «¿puede el modelo hacer esto?», sino «¿sabe el modelo cómo hacerlo de la forma correcta para mi contexto?».
El problema que Agent Skills vino a resolver es uno que cualquier persona que trabaje con herramientas de IA reconoce de inmediato: cada vez que abrís una conversación, empezás de cero. Tenés que volver a explicar quién sos, qué hacés, cómo querés las cosas, cuál es el formato de salida esperado. La IA produce algo brillante. Y al día siguiente, amnesia total. Este ciclo de repetición constante no es solo frustrante: tiene un costo económico real. Cuando se paga por uso de API en dólares, cargar el mismo contexto una y otra vez significa tokens tirados a la basura antes de que el agente haga nada productivo. Un servidor MCP con muchas herramientas puede consumir más de 50.000 tokens solo en definiciones al inicio de cada sesión. Los skills resolvieron esto con una lógica elegante que la industria abrazó a una velocidad inusual.
La mecánica es simple al punto de parecer obvia en retrospectiva. Un skill es una carpeta con un archivo obligatorio llamado SKILL.md, que contiene metadatos mínimos (nombre y descripción) e instrucciones sobre cómo ejecutar una tarea específica. Opcionalmente puede incluir subcarpetas con scripts ejecutables, documentación de referencia, templates y otros recursos. Lo central del diseño es el concepto de «progressive disclosure»: los agentes no cargan el contenido completo de todos los skills al arrancar, sino que en la etapa de descubrimiento solo leen el nombre y la descripción de cada skill disponible, lo que consume apenas entre 30 y 50 tokens por skill inactivo. Cuando una tarea coincide con la descripción de un skill, recién entonces el agente carga el SKILL.md completo al contexto, con instrucciones de entre 500 y 5.000 tokens. Esto permite tener decenas de skills instalados sin que el costo de contexto explote. La comparación con el enfoque anterior es contundente: un desarrollador puede tener 40 skills disponibles con un impacto mínimo en el contexto cuando no son relevantes, algo que antes era estructuralmente imposible.
Anthropic publicó la especificación como estándar abierto el 18 de diciembre de 2025, replicando el mismo movimiento que había hecho con el Model Context Protocol (MCP), que también fue donado como estándar abierto a la Agentic AI Foundation bajo la Linux Foundation junto con OpenAI y Block. La reacción del ecosistema fue inmediata y masiva. En las primeras 24 horas del lanzamiento, un repositorio de skills en GitHub pasó de 85 a más de 250 entradas. Vercel Labs publicó skills oficiales de Next.js y React el mismo día. En las semanas siguientes, Google adoptó el formato en Gemini CLI y en su IDE Antigravity, construido sobre el equipo de Windsurf que adquirió por 2.400 millones de dólares. Microsoft lo integró nativamente en VS Code y GitHub Copilot. OpenAI, competidor directo de Anthropic, adoptó una arquitectura idéntica en ChatGPT y Codex CLI, replicando la estructura de archivos y metadatos de forma exacta. Hoy el formato es compatible con más de 35 herramientas, entre ellas Claude Code, Cursor, Gemini CLI, GitHub Copilot, Roo Code, Goose, Amp, Tabnine, Letta, OpenHands, Spring AI, Laravel Boost, Kiro, Factory, Qodo, Databricks Genie Code, Snowflake Cortex Code y varias más. La ruta más compatible entre agentes es .claude/skills/, que reconocen Cursor, OpenCode y GitHub Copilot además de su propio directorio nativo.
La dimensión empresarial del formato es donde el impacto se vuelve más tangible. En la mayoría de los equipos de desarrollo, el conocimiento sobre «cómo hacemos las cosas acá» vive en la memoria de las personas: convenciones no escritas, decisiones de arquitectura tomadas años atrás, criterios de code review que varían según quién los aplica. Cuando alguien se va, se lleva sus prompts. Cuando alguien nuevo entra, empieza de cero. Los skills permiten externalizar ese conocimiento en artefactos versionables y compartibles que el agente aplica automáticamente. Un desarrollador nuevo puede instalar el set de skills de la empresa y tener acceso inmediato a los estándares y convenciones vigentes sin que ningún colega tenga que explicárselos. Elastic, por ejemplo, lanzó un conjunto de skills bajo licencia Apache 2.0 que cubre cinco áreas del Elastic Stack, desde interacciones con la API de Elasticsearch hasta la gestión de dashboards en Kibana, y lo publicó bajo el argumento de que «el conocimiento de los agentes debe ser abierto». La comunidad de ciberseguridad, por su parte, ya cuenta con un repositorio de 754 skills en producción repartidas en 26 dominios, que incluyen desde Cloud Security y Threat Hunting hasta Web Application Security, todas siguiendo la especificación abierta de agentskills.io y compatibles con Claude Code, Codex CLI, Cursor y OpenCode.
El uso práctico demuestra hasta dónde puede llegar el formato cuando está bien implementado. Un skill correctamente escrito permite pedirle al agente que entre a Stripe, recopile datos de un trimestre completo y genere automáticamente los importes para las declaraciones impositivas con el detalle por casilla, o que limpie y deduplique un dataset de scraping en JSON y produzca un informe Excel listo para presentar, o que siga el proceso interno de code review del equipo sin que el desarrollador tenga que volver a explicarlo. Las únicas reglas que la comunidad identificó como críticas para que un skill funcione bien son dos: la descripción tiene que ser específica sobre qué hace y cuándo se activa (una descripción genérica como «ayuda con datos» confunde al agente), y no puede haber dos skills con descripciones superpuestas dentro del mismo proyecto. Un skill mal escrito no solo no ayuda: consume tokens sin aportar valor y puede producir resultados inconsistentes. La especificación recomienda que el SKILL.md completo no supere los 5.000 tokens para mantener el balance entre riqueza de instrucciones y eficiencia de contexto. Para instalar skills desde repositorios externos, el ecosistema cuenta con una CLI que se ejecuta con npx skills y detecta automáticamente qué agentes están instalados en el sistema para colocar los archivos en el lugar correcto sin intervención manual.
El equipo de Claude Code en Anthropic, que desarrolló el formato originalmente, tiene hoy cientos de skills en uso activo interno y lo describe como el punto de extensión más utilizado de la herramienta. La especificación vive en agentskills.io, con documentación pública que cubre el quickstart, la especificación completa del formato, buenas prácticas de escritura, evaluación de calidad de output, optimización de descripciones para activación confiable, uso de scripts dentro de skills, y una guía para desarrolladores que quieren integrar el formato en sus propios agentes. El código fuente y la comunidad se concentran en github.com/agentskills/agentskills, con un servidor de Discord activo para discusión y soporte. En menos de seis meses, lo que empezó como una feature de Claude Code se convirtió en el estándar de facto para darle expertise de dominio a los agentes de IA, independientemente de qué modelo o herramienta se use.
AI1 año ago
Nano1 año ago
AI7 meses ago
AI1 año ago