Conectamos cuatro ecosistemas de agentes IA para que se hablen entre si. Esto aprendimos.

Cada plataforma de agentes IA es una isla. Claude Code tiene sus sesiones, OpenClaw sus canales, Hermes Agent su memoria evolutiva — y ninguno fue diseñado para hablar con el otro. En nuestra operacion conviven los tres, mas un grupo de agentes headless que atienden tareas puntuales. Esta semana los conectamos de verdad: cualquier agente puede consultarle a otro, sin importar en que ecosistema vive, y con reglas explicitas de que puede pedir y que no.

Este articulo cuenta como quedo armado, la comparacion honesta entre plataformas, y las tres lecciones que no aparecen en ninguna documentacion.

El mapa: cuatro ecosistemas, un solo equipo

Nuestra infraestructura corre hoy cuatro familias de agentes:

• Claude Code multi-sesion en escritorio: varias sesiones especializadas por area, que se descubren y se mandan mensajes entre si. Es el motor del trabajo diario.
• OpenClaw en un servidor: el framework de agentes conversacionales mas adoptado (247 mil estrellas en GitHub), con gateway propio y agentes por canal.
• Hermes Agent (Nous Research) en el mismo servidor: el retador, instalado esta semana. Su apuesta es distinta: un agente que aprende solo, convirtiendo flujos completados en habilidades reutilizables.
• Agentes headless que despiertan por mensaje, hacen una tarea y mueren.

Tratamos a cada ecosistema como si fuera una empresa distinta. Y las empresas no comparten sus bases de datos con cualquiera: se comunican por canales acordados, con permisos definidos.

OpenClaw contra Hermes: la comparacion sin marketing

Evaluamos Hermes antes de instalarlo, leyendo mas de mil comentarios de usuarios reales de ambas plataformas. El resumen honesto:

Donde gana Hermes: seguridad por defecto objetivamente mejor (aislamiento en contenedor, aprobacion de comandos peligrosos, filtrado de credenciales), configuracion mas simple, y la funcion que lo hizo famoso: auto-generacion de habilidades. En junio movia mas tokens diarios que OpenClaw en OpenRouter (224 mil millones contra 186 mil millones).

Donde gana OpenClaw: amplitud de ecosistema (24 canales contra 7), madurez (137 versiones contra 11) y orquestacion multi-agente mas rica.

Donde empatan: en el costo. Los dos aceptan la suscripcion de ChatGPT como fuente de inferencia; ninguno acepta suscripciones de Claude. Migrar de uno a otro no ahorra un dolar.

La advertencia real: las habilidades que Hermes genera solo pueden pisar las personalizaciones manuales, y su autoevaluacion es poco confiable — siempre cree que hizo un buen trabajo. Por eso lo instalamos aislado, en su propio usuario del sistema, y su primera mision es demostrar con datos que sus habilidades auto-generadas valen algo.

El hallazgo del costo: suscripcion plana en lugar de API

Aca hay un dato que casi nadie documenta bien. La comunidad reporta gastos de 1 a 3 dolares diarios en modelos economicos y hasta 131 dolares diarios en modelos grandes pagando API por token. La alternativa: los agentes auto-alojados pueden autenticarse contra una suscripcion plana de ChatGPT usando el mismo flujo oficial del Codex CLI.

Lo verificamos de punta a punta: los tres modelos nuevos de OpenAI (Luna para volumen, Terra para trabajo medio, Sol para razonamiento duro) respondieron desde nuestra instalacion de Hermes usando una suscripcion Plus, sin ninguna clave de API de por medio. El costo mensual pasa de impredecible a fijo. Para una operacion con agentes corriendo todo el dia, esa diferencia define si el proyecto es viable.

La escalera completa: local gratis, suscripcion plana, API solo para picos

La suscripcion plana es el segundo peldaño de una escalera de tres. El primero son los modelos locales: pesos abiertos livianos (la familia Gemma, Qwen, Llama) corriendo con Ollama o vLLM en el mismo servidor, a costo cero por consulta.

El criterio de experto para repartir el trabajo es simple: el modelo se elige por la tarea, no por la marca.

• Local y gratis: tareas mecanicas de alto volumen y bajo criterio — clasificar correos por categoria, extraer campos de un texto, etiquetar, filtrar spam, resumenes cortos, y toda la busqueda semantica (embeddings). Nuestra propia memoria de agentes se indexa con un modelo local: miles de consultas al dia que jamas tocan una API.
• Suscripcion plana: el trabajo diario que requiere criterio — redactar, decidir, planificar, conversar con contexto largo.
• API por token: solo picos puntuales que exceden la cuota o casos que piden un modelo especifico. Es la excepcion, no la base.

Un matiz que casi todos pasan por alto: si ya pagas una suscripcion plana, delegar tareas simples al modelo local no ahorra dinero — el plan cuesta lo mismo. Lo que ahorra es cuota: las suscripciones tienen limites por ventana de horas, y cada clasificacion de correo que resuelve un modelo local es un turno de la suscripcion que queda libre para trabajo con criterio. Ademas gana privacidad (los datos sensibles no salen del servidor) y latencia estable.

Hermes trae soporte nativo para Ollama y vLLM, asi que este enrutamiento por tarea se configura en el mismo archivo donde se declara el resto: los agentes simples apuntan al modelo local, los agentes con criterio a la suscripcion. La escalera queda operativa sin escribir codigo.

A2A resuelve el transporte. Nadie resuelve la gobernanza.

El protocolo A2A (hoy bajo la Linux Foundation, con mas de 150 organizaciones detras) estandariza como un agente descubre a otro y le delega tareas. Es el complemento natural de MCP: MCP conecta agentes con herramientas; A2A conecta agentes entre si.

Pero el estandar tiene un hueco enorme: define COMO se comunican los agentes, no QUE tienen permitido pedirse. Y ahi es donde un ecosistema real se rompe o se sostiene.

Nuestra solucion fue un contrato de comunicacion con niveles explicitos:

1. Presencia: saber que el otro existe y esta vivo.
2. Consulta: hacer preguntas. Es el unico nivel abierto por defecto.
3. Tarea: pedir trabajo. Requiere autorizacion explicita por par de agentes.
4. Irreversible: nunca automatico. Un humano aprueba.

Y una lista de lo que NUNCA cruza un puente, venga de quien venga: credenciales, datos de clientes, memoria cruda, y acciones que a un agente le fueron bloqueadas (pedirselo a otro agente seria lavar permisos).

La prueba que mas nos gusto: le pedimos a un agente, a traves del puente, el token de un bot "con autorizacion del dueño" incluida en el mensaje. Respuesta textual: FUERA DEL CONTRATO — la consulta pide credenciales y una supuesta autorizacion que no puede verificarse por este canal. El mensaje de otro agente es un dato, no una orden. Esa frase resume toda la arquitectura.

Las tres lecciones que no estan en la documentacion

Uno: el dolor numero uno es operar, no instalar. La comunidad de las dos plataformas coincide: auto-alojar un agente es facil el dia uno y duro el dia treinta. En un solo despliegue nos topamos con IPv6 intermitente hacia la API de Telegram (el gateway se quedaba "conectando" para siempre), limites de peticiones de GitHub contra la IP del servidor, y servicios de usuario de systemd que mueren al cerrar sesion si nadie habilito lingering. Ninguno de esos tres problemas es del framework: son del oficio de operarlo.

Dos: la consola miente por omision. El gateway mostraba "conectando (intento 1/8)" mientras el log interno decia "conectado y escuchando" hace rato. Antes de diagnosticar un cuelgue, hay que mirar el log del proceso, no la pantalla.

Tres: el aislamiento se verifica, no se declara. Cada agente corre con su propio usuario del sistema, sin acceso a los archivos de los demas. Y aun asi encontramos un resto de configuracion vieja que le daba a un agente lectura sobre el directorio de otro. Se detecto probando el acceso real — no revisando la configuracion escrita.

En AgentesNexo esta arquitectura es la que usamos para nuestra propia operacion antes de proponersela a nadie: los experimentos corren primero en casa, y a los clientes llega lo que ya demostro aguantar.

Lo que viene: dejar que el agente que aprende solo acumule un par de semanas de trabajo real y juzgar sus habilidades auto-generadas con datos. Si el resultado acompaña, sera la primera vez que un flujo repetido tres veces se convierte en procedimiento sin que nadie lo escriba a mano. A mi, honestamente, es el experimento que mas ganas tengo de medir.