De un agente a muchos

Trabajar con un agente de IA ha sido bastante revolucionario para mí. Me ha permitido automatizar y ejecutar trabajos y flujos que normalmente habrían ocupado la mayor parte de mi tiempo, ahora de una manera mucho más simple, independiente de mi tiempo invertido. Esto no es novedad; creo que todos ven esta experiencia compartida por muchos en línea. Lo que estoy viendo cada vez más es la facilidad o la capacidad accesible de coordinar muchos agentes, lo que obviamente multiplica tu efectividad. Esta coordinación de agentes está sucediendo en los espacios del desarrollo de software, de agentes personales, e incluso de manera más abstracta dentro de organizaciones.

No quiero sumar a la presión que es muy palpable para muchos de nosotros, donde existe la sensación de que te estás quedando atrás. Sí quiero animar a todos, con un fuerte sentido de urgencia, a empezar a interactuar con estas herramientas, porque toma algo de tiempo entender verdaderamente el cambio en las posibilidades y comprender el ámbito de entornos productivos que ahora están disponibles con esta tecnología.

La coordinación y orquestación de agentes no es algo necesariamente nuevo. Hay ejemplos de esto que se remontan un poco, pero lo que sí es nuevo es que estoy viendo nuevos proyectos salir al aire que hacen realmente fácil implementar este tipo de entornos orquestados para ejecutar múltiples agentes. Así que tengo varios ejemplos de esto y luego un ejemplo tangencial de cómo una organización ha coordinado agentes y personas usando agentes a escala y de manera exhaustiva en toda la organización. Pensé que este era un caso de uso importante para incluir aquí porque los hallazgos y resultados son bastante significativos. Este es otro ejemplo de lo rápido que están evolucionando las cosas.

Agentes de código

Los primeros ejemplos de orquestación de agentes están relacionados con agentes de código. Los proyectos que me han parecido interesantes y que he visto pasar por mis diversos feeds incluyen Superset, Cline Kanban y mngr.

Superset te permite tener múltiples ventanas de terminal ejecutando agentes de código en una interfaz bien organizada y además te ayuda a crear fácilmente copias adicionales de tus proyectos de desarrollo de software mediante la creación automática de worktrees. Esto te permite ejecutar múltiples tareas en un solo proyecto dentro de una interfaz bien organizada. Antes de esto, tenía múltiples ventanas para mis terminales, pero Superset ayuda a organizar todo visualmente y te permite rastrear, a través de señales visuales, el estado de cada uno de tus agentes cuando están ejecutándose y cuando han completado sus tareas. Este proyecto en particular ha sido súper útil para mí.

Siguiente es Cline Kanban. No he usado mucho este proyecto todavía. Sigo olvidándome de usarlo más extensivamente desde que lo vi la semana pasada. Pero en pocas palabras, también ayuda a coordinar agentes y tareas dividiendo un proyecto en tareas individuales. Directamente de la página del producto: "Create, manage, and chain agent tasks within a single view."

Finalmente para los agentes de código hoy, veamos mngr. No estoy seguro de si haré mucho uso de esta última herramienta porque la solución en sí es bastante avanzada. Pero la incluyo aquí porque es impresionante y empuja los límites de cómo se puede conducir el desarrollo de software. La solución MNGR te permite básicamente levantar agentes no solo en tu entorno local sino en cualquier lugar al que puedas conectarte vía SSH, un protocolo para básicamente conectarte por terminal a diferentes computadoras. Así es como funcionan ciertas características en Claude Desktop y Claude Code, pero con MNGR sucede automáticamente en segundo plano. Tienes control sobre cómo ejecutar agentes y básicamente coordinar una flota de ellos ejecutándose en diferentes máquinas, lo cual es bastante genial, pero también quizás más allá de mis necesidades, o quizás simplemente más allá de mi imaginación en este momento.

Agentes personales

En los últimos dos meses, ha habido una explosión de lo que yo llamaría agentes personales autónomos que fueron popularizados por Open Claw. Esta semana pasada, vi este nuevo proyecto llamado Paperclip, que es básicamente una herramienta de orquestación para ejecutar varios de estos agentes personales dentro de un "control plane", como lo define su sitio web. Tal vez usar el término "agentes personales" es un poco engañoso, porque la intención detrás de Paperclip es que puedas establecer fácilmente una empresa con agentes de IA operando en diferentes roles para esa empresa. Estableces metas de alto nivel, métricas y resultados esperados. El agente CEO se encarga de la contratación, delegación y ejecución. Este es un cambio deliberado del modelo de "pair programmer" que la mayoría usa con Claude Code.

He instalado Paperclip pero aún no lo he usado, así que no puedo dar fe de qué tan efectiva y funcional es la coordinación de todos estos agentes cumpliendo diferentes roles. Pero los demos que he visto se ven muy impresionantes.

claw-code es el siguiente. Técnicamente, esto está relacionado con agentes de código o la coordinación de agentes de código, pero es muy diferente de los agentes de código que mencioné anteriormente porque demuestra trabajo que es completamente autónomo. Las implicaciones de esto están más alineadas con el comportamiento general de agentes que específicamente con el desarrollo de software. Por si no te enteraste, el código fuente de Claude Code se filtró la semana pasada, y en un día — o incluso menos, en una noche — alguien había reescrito la implementación en un lenguaje de programación diferente. De eso estamos hablando aquí, la reescritura de Claude Code como claw-code, autónomamente en cierto sentido. Te recomendaría leer el post del desarrollador que hizo esto. Tiene algunas perspectivas muy interesantes, y la arquitectura, la configuración y los mecanismos de cómo coordinó el desarrollo de esta copia de uno de los agentes de código más populares del mercado, lo cual hizo solo a través de Discord, una app de chat, es simplemente impactante.

Aquí está una de sus reflexiones:

"But if you are staring at the generated Python files, you are looking at the wrong layer. The code is a byproduct. The Rust port that followed is also a byproduct. The thing worth studying in the claw-code repository is the system that produced all of it. claw-code was always a showcase. The point was never the Python files or the Rust crates. The point was the clawhip-based agent coordination system that built them while the developer was asleep."

Agentes institucionalizados

En inglés americano, cuando dices que alguien está "institutionalized", significa que ha sido internado en un centro de salud mental. Pensé que el subtítulo encajaba bien aquí porque lo que Trail of Bits ha hecho les parecerá una locura a cualquiera que haya luchado por lograr cualquier tipo de cambio en cualquier institución que no sea pequeña.

Trail of Bits es una consultora de ciberseguridad con unas 140 personas. En el transcurso de aproximadamente un año, pasaron de un 5% del personal usando IA realmente a tener auditores aumentados con IA encontrando 200 bugs por semana, cuando antes eran 15. El veinte por ciento de todos los bugs reportados ahora son descubiertos inicialmente por IA. Sus ingresos por representante de ventas alcanzaron los 8 millones de dólares contra un benchmark de la industria de 2-4 millones. Estas no son mejoras pequeñas. Es un cambio estructural en lo que una empresa de 140 personas puede producir.

Lo que hace que su historia valga la pena incluir aquí, junto con herramientas individuales como Superset y Paperclip, es que resolvieron el problema de coordinación a nivel organizacional. No se trataba solo de darle acceso a la gente a IA. Trail of Bits construyó lo que ellos llaman un "sistema operativo" de seis partes en su lugar.

La versión corta es que estandarizaron a todos en las mismas herramientas, escribieron un manual interno explicando no solo las reglas sino el razonamiento detrás de ellas, crearon una matriz de madurez para que la gente pudiera ver dónde estaban y hacia dónde podían crecer, realizaron sprints de adopción enfocados que forzaron a la gente al modo autónomo, capturaron los aprendizajes de cada proyecto como artefactos reutilizables, y luego hicieron que la autonomía fuera segura a través de sandboxing y configuraciones predeterminadas endurecidas enviadas a las máquinas vía software de gestión de dispositivos. Al final, habían acumulado 94 plugins, 201 skills, 84 agentes especializados y más de 400 archivos de referencia. Cada proyecto hacía que el siguiente fuera más rápido.

El replanteamiento de la identidad resonó conmigo particularmente bien, habiendo experimentado resistencia yo mismo. Sus auditores de seguridad son expertos, y los expertos resisten la IA más que nadie porque su habilidad es el núcleo de quiénes son. Trail of Bits no peleó contra eso, sino que se escurrió por el costado. Replantearon la competencia en IA de "Yo uso IA" a "Yo soy el que hace que la IA sea peligrosa". Eso es una mejora de identidad, no una amenaza. Funcionó porque se alineaba con cómo estas personas ya se veían a sí mismas. Hermosamente ejecutado, Trail of Bits.

A dónde nos lleva esto

Esta es la dirección en la que van las cosas. Los ejemplos anteriores en este post muestran cómo los individuos pueden coordinar múltiples agentes. Trail of Bits muestra lo que pasa cuando toda una organización lo hace sistemáticamente. La brecha entre las empresas que descifran esto y las que no se va a hacer muy grande, muy rápido. Yo estoy tratando esto menos como algo para observar y más como algo hacia lo cual construir, tanto en mis propios flujos de trabajo como en cómo pienso en llevar esto a mi equipo en el trabajo como algo que espero crear como plantilla y luego implementar en toda la organización.