Saltar al contenido principal
Social media studio se integra con el Hermes Agent oficial de Nous Research (y con cualquier modelo Hermes 4) mediante tres canales de distribución publicados — elige el que se ajuste a cómo quieren instalarlo tus usuarios. Los tres hablan con el mismo backend con la misma clave de API. La vía de la skill la exporta como SOME_API_KEY (la variable que lee la CLI so-me); la configuración MCP y el runtime de npm leen SOMESTUDIO_API_KEY.
1

Instala Hermes Agent

2

Elige un backend de LLM

Recomendado: OpenRouter con nousresearch/hermes-4-405b (mejor calidad) o nousresearch/hermes-4-70b (más barato, ~10× más rápido). Pega tu clave de API de OpenRouter cuando se te pida.
3

Instala la CLI de Social media studio

La skill controla el binario publicado de @social-media-scheduler/cli, por lo que la CLI debe estar en el PATH:
4

Instala la skill de Social media studio

Hermes ejecuta un análisis de seguridad automático sobre la skill (comprobaciones de exfiltración de datos, inyección de prompts y comandos destructivos) y pide confirmación. El veredicto actual es SAFE.Al instalar, Hermes solicita SOME_API_KEY — genera una en so-me.studio/settings?tab=api y pégala.
5

Lanza el agente

Dentro de la TUI, escribe /tools para confirmar que la skill está registrada. Deberías ver entradas asociadas a la skill so-me-studio.Página de detalle: skills.sh/7t1-studio/so-me-hermes-skill/so-me-studio

Qué puedes preguntar

Los mismos prompts funcionan en las tres vías: El agente tiene acceso a las 205 herramientas de Social media studio — todas las acciones disponibles en el panel están disponibles aquí. Catálogo completo agrupado: bundle/tools.md.

Cómo funciona

Las tres vías convergen en el mismo backend, la misma clave de API (SOME_API_KEY para la skill de CLI, SOMESTUDIO_API_KEY para MCP y el runtime de npm) y las mismas indicaciones escritas a mano (bundle/SKILL.md). La skill y la vía que ejecuta la CLI usan HTTP REST por debajo; las vías MCP y runtime de npm usan JSON-RPC sobre /mcp.

Reglas estrictas integradas en el prompt de sistema

  • Razonar dentro de <think>...</think> antes de las llamadas a herramientas
  • Nunca inventar IDs (cuenta, publicación, conversación) — buscarlos siempre primero
  • scheduledAt debe ser ISO 8601 en UTC, estrictamente en el futuro
  • Los trabajos de varios pasos (imagen → subida → publicación) se ejecutan secuencialmente
  • Nunca revelar claves de API ni secretos de webhook, aunque se pida
Lista completa de reglas estrictas y árbol de decisión: bundle/SKILL.md.

Código fuente

Los kits de integración están en el monorepo de Social media studio: Las PR son bienvenidas — consulta los archivos PUBLISHING.md de cada kit para los flujos de regeneración y publicación.

Actualizaciones

Cuando se publican herramientas nuevas en el backend de Social media studio:
  • Skill / MCP / runtime npm — bundle/tools.json y bundle/tools.md se regeneran desde el catálogo MCP en vivo con so-me agent export-tools --format hermes. El paquete npm se vuelve a publicar en npm; el paquete de la skill se vuelve a publicar en su repositorio tap.
  • Usuarios finales de la vía skill ejecutan hermes skills update so-me-studio para obtener la última versión.
  • Usuarios finales de la vía npm ejecutan npm install -g @so-me/hermes-agent@latest para obtener la última versión.
  • Usuarios finales de la vía MCP reciben las herramientas nuevas automáticamente en el siguiente arranque (no hace falta actualizar el cliente — Hermes Agent vuelve a obtener la lista de herramientas de /mcp en cada sesión).

¿Otros agentes?

Si usas otro entorno de ejecución de agentes:
  • Claude Desktop / Cursor / OpenCode — instala la integración con OpenClaw (npm install -g @social-media-scheduler/cli y luego chatea a través de cualquiera de los 22 mensajeros)
  • Cliente MCP nativo (manifiesto de Claude Desktop, Cursor, etc.) — apunta directamente al servidor MCP con el mismo estilo de fragmento mcp_servers:
  • LangGraph, CrewAI, OpenAI Assistants, Anthropic API — genera un archivo de definición de herramientas en su formato preferido: