Use MicroDC.ai como backend de LLM para Hermes.

Un agente personal tiene un perfil de costo distinto al de un chatbot. Los chatbots reciben un puñado de llamadas por sesión. Un agente siempre activo, que revisa bandejas de entrada, resume reuniones, ejecuta habilidades según un horario y mantiene contexto durante días, dispara cientos de llamadas al día en uso normal. Multiplique eso por unos cuantos usuarios, o por la consolidación de memoria en segundo plano, y la factura de una API alojada deja de parecer incidental.

La buena noticia: Hermes trata a los proveedores de LLM como configuración. Incluye entradas de primera clase para OpenAI, Anthropic y OpenRouter, además de un proveedor custom explícito que apunta a cualquier base_url compatible con OpenAI, que es exactamente la forma que MicroDC.ai expone. Configurar el cambio es un solo bloque de configuración.

Por qué esta combinación funciona.

Hermes resuelve las llamadas al modelo mediante un par proveedor/modelo, y su configuración admite explícitamente endpoints personalizados compatibles con OpenAI. MicroDC.ai expone Chat Completions en https://api.microdc.ai/v1: la misma forma, los mismos encabezados, el mismo JSON. El resultado:

• Sin fork, sin parches. No está modificando Hermes. Está usando su ruta documentada provider: custom con una sobrescritura de base_url.
• Modelos de pesos abiertos. Llama 3.x, Qwen 2.5, Mistral, DeepSeek, Phi, Gemma y la línea de NousResearch ajustada para Hermes: elija cualquiera del catálogo de MicroDC.ai. Los modelos con capacidad de llamadas a herramientas manejan sin problemas la capa de habilidades y herramientas de Hermes.
• Procesamiento asíncrono por lotes por debajo. Hermes ve una respuesta síncrona, pero la solicitud pasa por la cola distribuida de MicroDC.ai; vea por qué eso importa para el costo.
• Agente local, cómputo distribuido. La memoria, las habilidades y el estado de las herramientas de Hermes permanecen en su máquina. Solo sale el contenido del prompt que realmente se envía a un modelo, y los trabajos cifrados de extremo a extremo son una opción si incluso eso debe permanecer opaco.

Paso 1: instale Hermes.

Desde el instalador oficial:

# macOS / Linux / WSL2 / Termux
curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

# Windows (PowerShell)
iex (irm https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.ps1)

El instalador deja una CLI hermes en su $PATH y crea un directorio ~/.hermes/ para configuración, memoria y habilidades. Si es su primera instalación, ejecute el asistente para que el directorio quede inicializado:

hermes setup

Puede elegir cualquier proveedor en el asistente; de todos modos lo sobrescribirá en el Paso 3.

Paso 2: obtenga una clave de API de MicroDC.ai.

Cree una cuenta gratuita en console.microdc.ai — alrededor de un minuto, sin tarjeta de crédito. Genere una clave de API desde el panel. Las cuentas nuevas reciben créditos de bienvenida, así que puede ejecutar cargas de trabajo reales de Hermes a través de la integración antes de añadir fondos.

Elija un modelo del catálogo. Para un agente que necesita seguir instrucciones de llamadas a herramientas de forma confiable, qwen3:32b es una opción sólida por defecto — moderno, de tamaño medio y limpio con el formato de llamadas a herramientas de OpenAI. llama3:70b es la alternativa más pesada para más margen de razonamiento. Para tareas más ligeras en segundo plano donde la latencia importa más que la profundidad, baje a gpt-oss:20b o phi4:latest — considerablemente más baratos por llamada. El catálogo usa identificadores name:tag al estilo de Ollama; cópielos textualmente.

Paso 3: apunte Hermes a MicroDC.ai.

La configuración principal de Hermes se encuentra en ~/.hermes/config.yaml; las claves de API van en ~/.hermes/.env. La ruta provider: custom le indica a Hermes que ignore la lista de proveedores integrados y llame a la base_url que usted le dé. Edite ~/.hermes/config.yaml para que el bloque model quede así:

model:
  provider: custom
  model: qwen3:32b
  base_url: "https://api.microdc.ai/v1"

# Opcional: un respaldo más pequeño para tareas en segundo plano
secondary_model:
  provider: custom
  model: gpt-oss:20b
  base_url: "https://api.microdc.ai/v1"

Luego añada la clave. La CLI de Hermes dirige automáticamente los secretos a .env y todo lo demás a config.yaml:

hermes config set OPENAI_API_KEY mDC_your_api_key_here

A primera vista parece un error, pero es deliberado. Cuando base_url está definida, Hermes usa la variable de entorno estándar OPENAI_API_KEY como token bearer, sin importar con qué endpoint esté hablando realmente. Ese es el contrato de compatibilidad con OpenAI. Su clave de MicroDC.ai se envía como Authorization: Bearer mDC_…, que es exactamente lo que espera la API de MicroDC.ai.

Confirme la conexión con el selector de modelos incluido:

hermes model

Debería ver su modelo respaldado por MicroDC.ai seleccionado y accesible. Una prueba rápida interactiva:

hermes chat "ping"

Paso 4: conserve sus otros proveedores (opcional).

No tiene que comprometerse. Hermes resuelve model por invocación, así que puede mantener una entrada de Anthropic u OpenRouter en config.yaml para habilidades concretas y enrutar el bucle diario del agente a través de MicroDC.ai. Una división viable:

• Bucle diario del agente: MicroDC.ai (económico, procesamiento asíncrono por lotes por debajo, adecuado para los miles de llamadas pequeñas).
• Modo de voz: el proveedor en tiempo real que prefiera, si quiere latencia mínima en los turnos de voz.
• Habilidades de razonamiento intensivo: su proveedor premium actual, invocado solo para las pocas tareas que justifican el costo.

La configuración por habilidad de Hermes puede sobrescribir el bloque global model; consulte la documentación de habilidades para conocer la forma exacta de la clave en la versión que esté ejecutando.

Qué esperar.

Algunas notas honestas tras usar esta combinación en la práctica:

• Latencia. Hermes verá aproximadamente la misma forma de respuesta que una llamada alojada de OpenAI — unos cientos de ms de sobrecarga frente a un proveedor en tiempo real, a menudo invisible para el agente. Para turnos de voz interactivos querría un proveedor en tiempo real en esa habilidad; para los bucles de tareas típicos de un agente, la sobrecarga de la cola se pierde en el ruido.
• Formato de llamadas a herramientas. La mayoría de los modelos de chat modernos de pesos abiertos manejan correctamente la forma de llamadas a herramientas de OpenAI mediante su plantilla de chat. Llama 3.x y Qwen 2.5 son confiables. Si se topa con un modelo que no se comporta bien, cambie a uno que sí — el catálogo es amplio.
• La memoria y las habilidades son locales. La memoria a largo plazo, los archivos de contexto y el estado de las habilidades de Hermes permanecen en su máquina. Solo sale de su equipo el contenido del prompt que realmente se envía a un modelo. Si incluso eso es sensible, MicroDC.ai admite trabajos cifrados de extremo a extremo.
• Ventana de contexto. Hermes usa el límite de contexto que reporta cada modelo. Llama 3.x tiene 128K; los modelos más pequeños varían — la ficha de cada modelo en MicroDC.ai indica la cifra exacta.

El argumento.

Hermes es una de las propuestas más honestas sobre lo que debería ser un agente de IA personal: de código abierto, local primero, con su memoria y sus herramientas, y con el LLM como la única dependencia provista externamente. La desventaja de esa dependencia es la que todo autor de agentes termina encontrando — un agente siempre activo consume tokens sin parar, y la prima por llamada de una API alojada es un impuesto que usted no eligió pagar.

Enrutar la capa de modelos de Hermes a través de MicroDC.ai conserva todo lo que hace que Hermes sea Hermes, local, configurable y suyo, mientras sustituye la parte más cara de la pila por un equivalente a una fracción del costo. El agente no lo nota. La factura, sí.

Sitio de Hermes →   Obtenga una clave de API de MicroDC.ai →