Un artículo de XDA sobre Hermes Agent señaló la brecha que ha estado molestando a los entusiastas de los LLM locales durante dos años: un modelo en una ventana de chat no es lo mismo que un modelo que pueda hacer cosas realmente. Un modelo de 70B ejecutándose en tu propia GPU es impresionante. Un modelo de 7B que puede leer tus archivos, ejecutar un script y escribir el resultado es útil de una manera que el cuadro de chat no lo es.
Probamos siete aplicaciones de escritorio que añaden capacidades de agente a los LLM locales, ejecutando Ollama y LM Studio como backends de modelos en Windows, macOS y Linux. Las selecciones abarcan los marcos de trabajo de código abierto que manejan scripts, archivos y shells, y las herramientas más ligeras que se enfocan en hacer bien un trabajo.
Qué importa en un agente LLM local
- Flexibilidad del backend. Un agente útil funciona con cualquier servidor de modelos que ya ejecutes. Ollama, LM Studio, llama.cpp y puntos finales compatibles con OpenAI aparecen aquí.
- Ejecución de herramientas que puedas auditar. Los agentes que ejecutan comandos de shell necesitan un paso de confirmación o una sandbox. Las ejecuciones de herramientas de caja negra en una estación de trabajo real son cómo terminan los experimentos de LLM locales con archivos dañados.
- Límites de acceso a archivos. “Leer cualquier archivo” es conveniente pero peligroso. Las mejores herramientas te permiten limitar un agente a una carpeta de proyecto.
- Memoria entre ejecuciones. Algunas tareas quieren una conversación nueva. Otras quieren contexto de la ejecución de ayer. Las herramientas difieren en si la memoria es opcional o no.
- Costo del fallo. Un agente en la nube fallido es una llamada API desperdiciada. Un agente local fallido que ejecutó el comando de shell incorrecto es una tarea de recuperación. Elige herramientas que fallen de forma segura.
Comparación rápida
| Aplicación | Mejor para | Soporte de backend | Ejecución de herramientas | Licencia |
|---|---|---|---|---|
| Open Interpreter | Shell de lenguaje natural con ejecución de código | Ollama, LM Studio, llama.cpp, compatible con OpenAI | Sí, con modo seguro opcional | AGPLv3 |
| OpenHands | Agente de ingeniería de software para bases de código reales | Compatible con OpenAI, Ollama | Sí, sandboxed en Docker | MIT |
| Hermes Agent | Ejecutor ligero vinculado a modelos Hermes | Ollama, LM Studio, llama.cpp | Sí, herramientas con scripts | MIT |
| AutoGPT | Ejecutor de tareas autónomas de largo horizonte | Compatible con OpenAI, Ollama mediante shim | Sí, basado en plugins | MIT |
| AgentGPT | Agente alojado en navegador con opción autohospedada | Compatible con OpenAI, Azure, proxy local | Sí, en navegador | GPL-3.0 |
| Continue | Agente de codificación en editor | Ollama, LM Studio, compatible con OpenAI | Sí, limitado al IDE | Apache 2.0 |
| CrewAI | Marco de orquestación multiagente | Cualquier punto final compatible con OpenAI | Sí, mediante herramientas Python | MIT |
Las aplicaciones
1. Open Interpreter — El mejor shell de propósito general
Open Interpreter es lo más cercano a “un LLM local que puede usar tu computadora”. Instálalo desde pip, apúntalo a un punto final Ollama o LM Studio, y pídele que resuma el contenido de una carpeta, renombre archivos por fecha o consulte una base de datos SQLite. Escribe Python, pregunta antes de ejecutar, e introduce el resultado nuevamente en la conversación.
Dónde se queda corto: El modo predeterminado ejecuta código localmente con confirmación; el modo seguro añade una sandbox pero limita lo que las herramientas pueden hacer. Los modelos locales más pequeños ocasionalmente alucinar llamadas a funciones que fallan en la ejecución. El REPL interactivo es excelente; la GUI de escritorio es más nueva y más áspera.
Precios:
- Gratis: código abierto AGPLv3
- De pago: ninguno
Plataformas: Windows, macOS, Linux
Descargar: Open Interpreter | Código fuente
Conclusión: Elige esto cuando quieras una única herramienta de línea de comandos que convierte un LLM local en un asistente de shell funcional.
2. OpenHands — Lo mejor para tareas de ingeniería de software
OpenHands (el proyecto anteriormente conocido como OpenDevin) está construido para trabajo a escala de base de código. El agente se ejecuta dentro de una sandbox Docker, obtiene un shell real, puede usar un navegador y puede ejecutar planes de varios pasos contra un repositorio Git. Se conecta a puntos finales compatibles con OpenAI, incluyendo proxies locales de Ollama y LM Studio, por lo que el modelo permanece en tu hardware mientras el agente obtiene herramientas de desarrollo completas.
Dónde se queda corto: Configuración más pesada que Open Interpreter; necesitas Docker en funcionamiento y dispuesto a dar al contenedor recursos sustanciales. Los modelos locales más pequeños (menos de 13B) tienen dificultades con la planificación de varios pasos que OpenHands espera. La interfaz web es funcional pero no tan fluida como la versión alojada en la nube.
Precios:
- Gratis: código abierto MIT
- De pago: ninguno
Plataformas: Windows, macOS, Linux (vía Docker)
Descargar: OpenHands
Conclusión: Elige esto cuando el agente necesita leer una base de código real, ejecutar pruebas y producir una solicitud de extracción.
3. Hermes Agent — El mejor ejecutor ligero
Hermes Agent es el proyecto que XDA destacó. Empareja un LLM local con un pequeño tiempo de ejecución de agente enfocado que puede ejecutar scripts y leer archivos, diseñado alrededor de la familia de modelos Hermes ajustados pero compatible con cualquier modelo sintonizado para chat servido a través de Ollama o llama.cpp. La huella es pequeña y la configuración es corta.
Dónde se queda corto: Proyecto más joven; la documentación y la base de conocimiento de la comunidad son escasas. Los mejores resultados provienen de ejecutarlo con los modelos de la familia Hermes para los que se sintonizó el tiempo de ejecución; los modelos abiertos genéricos funcionan pero menos confiablemente. La orquestación de trabajos es más simple que OpenHands.
Precios:
- Gratis: código abierto MIT
- De pago: ninguno
Plataformas: Windows, macOS, Linux
Descargar: Hermes Agent en GitHub
Conclusión: Elige esto cuando quieras un pequeño ejecutor que se quite del camino y ejecute los scripts que ya tienes.
4. AutoGPT — El mejor ejecutor autónomo de tareas
AutoGPT popularizó el patrón “da a un LLM un objetivo y déjalo que descifre los pasos”. La reescritura reciente admite un constructor de agente de estilo gráfico, plugins para búsqueda web, manipulación de archivos y uso de herramientas, y un backend autohospedado que se comunica con puntos finales de modelos locales a través de proxies compatibles con OpenAI.
Dónde se queda corto: Los bucles autónomos en modelos locales pequeños pueden espiral, acumulando llamadas de herramientas sin hacer progreso. El ecosistema de plugins creció durante el ciclo de exageración de 2023, luego se redujo; verifica los plugins antes de otorgarles acceso al sistema de archivos. La interfaz es más ocupada que las alternativas de CLI.
Precios:
- Gratis: código abierto MIT
- De pago: nube administrada opcional
- vs OpenHands: objetivos más amplios, ejecución menos estructurada
Plataformas: Windows, macOS, Linux
Descargar: AutoGPT
Conclusión: Elige esto cuando la tarea es amplia y el objetivo es “ver qué se le ocurre al agente” en lugar de “ejecutar este plan definido”.
5. AgentGPT — La mejor opción centrada en navegador
AgentGPT se ejecuta en una pestaña del navegador. Expone una interfaz basada en objetivos que descompone un objetivo de alto nivel en subtareas y las ejecuta a través de un punto final de modelo. La compilación de Docker autohospedada te permite apuntarlo a un servidor de modelos local, que mantiene el modelo en tu hardware mientras te da una interfaz web usable para usuarios no técnicos.
Dónde se queda corto: La ejecución de herramientas es más limitada que Open Interpreter u OpenHands; se basa en búsqueda y razonamiento sobre acceso al sistema de archivos. La versión alojada es un SaaS de pago; la versión autohospedada es el camino gratuito.
Precios:
- Gratis: GPL-3.0 autohospedado
- De pago: planes alojados a partir de aproximadamente 40 USD mensuales para límites superiores
Plataformas: Windows, macOS, Linux (navegador; backend vía Docker)
Descargar: AgentGPT
Conclusión: Elige esto cuando quieras una interfaz web que colegas no técnicos puedan usar, apuntada a tu servidor de modelos local.
6. Continue — El mejor agente en editor
Continue es una extensión de VS Code y JetBrains que convierte el editor en una interfaz de agente. Se conecta a Ollama, LM Studio, llama.cpp y puntos finales compatibles con OpenAI, admite uso de herramientas limitado al espacio de trabajo y maneja autocompletado, chat y ediciones de varios pasos sin salir del IDE.
Dónde se queda corto: La profundidad agéntica es más superficial que OpenHands; es excelente en “editar estos archivos basado en este mensaje” y más débil en “explorar esta base de código de principio a fin”. La superficie de herramientas se limita al IDE en lugar de toda la máquina.
Precios:
- Gratis: código abierto Apache 2.0
- De pago: características de equipo opcionales
Plataformas: Windows, macOS, Linux (como extensión de VS Code o JetBrains)
Descargar: Continue | Código fuente
Conclusión: Elige esto cuando el trabajo ocurre en un IDE y quieras el agente dentro del editor, no en una ventana separada.
7. CrewAI — Lo mejor para configuraciones multiagente
CrewAI es un marco Python, no una aplicación pulida. El punto de inclusión: cuando “un agente” es la unidad de trabajo incorrecta y realmente necesitas un investigador, un escritor y un crítico ejecutándose en coordinación, este es el camino más amigable para configurarlo contra un servidor de modelos local. Se dirige a la audiencia de desarrolladores Python y produce código de orquestación en lugar de una interfaz de chat.
Dónde se queda corto: Primero código, sin GUI. Requiere que definas la tripulación, herramientas y tareas en Python. La curva de aprendizaje es real y la documentación espera familiaridad con patrones de estilo LangChain.
Precios:
- Gratis: código abierto MIT
- De pago: CrewAI Enterprise opcional
Plataformas: Windows, macOS, Linux (como biblioteca Python)
Descargar: CrewAI | Código fuente
Conclusión: Elige esto cuando un agente no es suficiente y puedes escribir Python.
Cómo elegir la correcta
- Si quieres una única herramienta de línea de comandos que haga trabajo: Open Interpreter.
- Si quieres un agente que maneje proyectos de software reales: OpenHands.
- Si quieres un pequeño ejecutor vinculado a la familia Hermes: Hermes Agent.
- Si quieres una autonomía amplia y aceptas el costo: AutoGPT.
- Si quieres una interfaz de navegador para usuarios no técnicos: AgentGPT.
- Si el trabajo ocurre en un IDE: Continue.
- Si necesitas múltiples agentes coordinados: CrewAI.
Preguntas frecuentes
¿Cuál es la diferencia entre un agente LLM local y un modelo de chat?
Un modelo de chat produce texto. Un agente se ejecuta en un bucle: pensar, llamar a una herramienta, observar el resultado, pensar de nuevo, llamar a otra herramienta, hasta que se alcance el objetivo o termine el bucle. Las herramientas son scripts, lecturas de archivos, búsquedas web, comandos de shell o cualquier otra cosa que el marco exponga. El mismo modelo puede ser cualquiera de los dos dependiendo del envoltorio de tiempo de ejecución.
¿Puedo ejecutar estos en una Raspberry Pi?
Algunos pueden, con modelos pequeños. Open Interpreter y Hermes Agent son lo suficientemente ligeros para comenzar. OpenHands necesita recursos Docker más allá de lo que una Pi entrega cómodamente. Planifica al menos 16 GB de RAM y una GPU o Apple Silicon para cualquier agente construido alrededor de un modelo de 13B o más grande.
¿Cuál es el más seguro de ejecutar en una estación de trabajo real?
OpenHands sandbox todo dentro de Docker de forma predeterminada, lo que proporciona el aislamiento más fuerte. Open Interpreter tiene un modo seguro que añade una capa de sandbox. Trata el resto como lo harías con cualquier herramienta que ejecute scripts arbitrarios: limitalo a una carpeta de proyecto, no ejecutes como root, y haz una copia de seguridad antes de dejar que toque cualquier cosa importante.
¿Necesito una GPU?
Los agentes útiles comienzan a sentirse receptivos alrededor de modelos de 13B. Sin una GPU, un modelo de 7B en un CPU moderno es viable para tareas simples. Un Mac con Apple Silicon con 32 GB de memoria unificada funciona sorprendentemente bien. Una GPU NVIDIA discreta con 16 GB+ es la configuración más flexible.
¿Puedo usar estos con la API de OpenAI en lugar de un modelo local?
Sí para la mayoría de ellos. Los marcos listados aceptan cualquier punto final compatible con OpenAI, por lo que la misma configuración funciona contra GPT-4o, Anthropic a través de un proxy, Groq, Together, o tu instancia local de Ollama. El punto del local es mantener los datos en tu hardware; el código del agente no se preocupa por la fuente.
¿Cuál es la diferencia entre OpenHands y Open Interpreter?
OpenHands está construido para tareas de ingeniería contra una base de código, con sandboxing fuerte y un bucle de planificación. Open Interpreter está construido para uso de “shell de lenguaje natural” en toda la máquina, con una sandbox más ligera e interfaz centrada en chat. Usa OpenHands dentro de un repositorio; usa Open Interpreter en la máquina.
