Harnesses de agentes personales

AI Employees de código abierto que ejecutas y posees tú mismo

La sección anterior te entregó los agentes generales — Claude Code, OpenCode, Cowork y OpenWork — y te enseñó a manejarlos, dirigirlos y ponerlos en bucle. Potentes, pero limitados. Un agente general se ejecuta dentro de una sesión que tú abres. Trabaja mientras lo observas, y cuando la sesión termina, la mayor parte de su contexto de trabajo termina con ella. Tú eres el runtime. Cierras el portátil y el trabajador deja de existir.

Esta sección elimina ese techo.

Un harness de agente es el software que convierte un modelo en un trabajador que se ejecuta sin ti. La literatura sobre ingeniería de harnesses lo planteó con claridad este año: un agente es un modelo más un harness. El modelo responde preguntas. El harness es lo que le permite ejecutarse de forma continua, recordar lo que aprende a lo largo de las sesiones y llamar a herramientas para actuar. Es la capa que sobrevivirá a cualquier modelo que conectes a ella, que es exactamente la razón por la que los proveedores de plataformas se la están disputando ahora.

Esa es la línea que esta sección te ayuda a cruzar: de un agente que manejas a un agente que posees.

De qué está hecho todo harness

OpenClaw y Hermes están en desacuerdo en casi todo, salvo en esto. Desarma cualquiera de los dos y encontrarás la misma anatomía:

• Runtime: mantiene al agente vivo entre tareas, no solo durante una conversación.
• Gateway: lleva los mensajes de entrada y de salida, para que el agente te alcance donde ya estás.
• Memoria: persiste a lo largo de las sesiones, para que el agente empiece cada día sabiendo más que el día anterior.
• Herramientas: las capacidades externas que el agente llama para hacer cosas de verdad (servidores MCP, API).
• Skills: experiencia portátil que el agente adquiere y reutiliza (el formato abierto agentskills.io, compatible entre runtimes).
• Identidad: con qué identidad se ejecuta el agente, y qué puede tocar esa identidad.
• Política y observabilidad: lo que puede hacer, y un registro de lo que hizo.

Aprende esta forma una vez y los dos cursos intensivos cuelgan del mismo marco. Todo lo que agregues más adelante (un canal nuevo, un skill nuevo, una tarea programada) es solo más de uno de estos siete elementos. Dos de ellos — los skills y los conectores (las herramientas de arriba) — son las partes portátiles: al estar construidos sobre formatos abiertos, viajan entre claude.ai, los agentes generales que manejaste y el harness que construyes aquí, de modo que lo que le enseñas a un trabajador no queda atado a ninguna superficie en particular.

Dos apuestas sobre la misma capa

OpenClaw y Hermes no son dos herramientas que hacen el mismo trabajo. Son dos apuestas sobre qué parte del harness es el punto de control. La diferencia está en el énfasis, no en la exclusividad. OpenClaw tiene memoria y skills; Hermes habla a través de unos veinte canales. Pero el centro de gravedad es lo que define a cada uno.

OpenClaw apuesta por el gateway. La amplitud primero. Un solo agente responde en WhatsApp, Telegram, Discord, Slack y más desde un único lugar, respaldado por un gran mercado comunitario de skills. Es el proyecto que demostró que los AI Employees personales son reales y que la gente los quiere. Su fortaleza es el alcance.

Hermes apuesta por la memoria. La profundidad primero. Un solo agente conserva tu base de código, tus convenciones y tus decisiones pasadas a lo largo de semanas, desarrolla nuevos skills tras una tarea difícil y los refina a medida que trabaja. Está construido para ejecutarse de forma persistente en infraestructura que tú posees. Su fortaleza es que te aprende a ti.

El mismo equilibrio que ya conoces de la nube: un gateway amplio y cómodo frente a un trabajador profundo y autogestionado que se acumula con el tiempo. Saldrás de esta sección capaz de elegir de forma deliberada en lugar de por inercia, y capaz de ejecutar ambos, porque aquí nada te obliga a elegir entre uno u otro.

Por qué la propiedad es lo que de verdad importa

Hay un argumento más silencioso debajo de ambos cursos, y es la razón por la que esta sección existe como par de Agentes generales en lugar de como una nota al pie dentro de ella.

Cuando un harness mantiene vivas la memoria, la identidad y el runtime de tu agente, la pregunta deja de ser "qué modelo es el más inteligente este mes" y pasa a ser "quién posee al trabajador que he estado entrenando". Los proveedores de plataformas lo saben. Scout, de Microsoft, y NemoClaw, de Nvidia, envuelven estos mismos harnesses en gobernanza e identidad: cómodos, listos para producción y propiedad del proveedor. El agente que ha aprendido un año de tus hábitos es el mayor costo de cambio que existe. La memoria, más que el alcance entre canales, es la forma duradera de dependencia por la que apuestan los proveedores de plataformas.

Esta sección enseña el otro camino: el harness de código abierto que ejecutas tú mismo, donde el runtime, la memoria y la identidad te pertenecen. Aquí la propiedad es literal, costo incluido: un harness que ejecutas tú mismo llama al modelo a través de tu propio acceso a la API — medido, pagado por llamada — en lugar de aprovechar una suscripción empaquetada de claude.ai, de modo que el runtime, la memoria, la identidad y la factura son todos tuyos. Ese es el trato: control total, responsabilidad total. No porque las versiones empaquetadas del proveedor estén mal (para una empresa regulada a menudo son la opción correcta), sino porque no puedes evaluar ese equilibrio hasta que hayas construido y sostenido la versión propia con tus propias manos.

Esta sección es un paso en la ruta compartida, no un desvío. Se sitúa en el tronco entre usar un agente (la sección de Agentes generales) y comprometerte con tu modo (Modo 1 o Modo 2): aquí todos se dan un agente persistente propio antes de especializarse. Diriges la instalación mediante un agente de programación (Claude Code u OpenCode), que hace la configuración por ti, así que el paso está abierto tanto si escribes código como si no. Y el harness que construyes aquí es exactamente lo que el traspaso del Modo 1 → Modo 2 nombra más adelante como uno de sus dos caminos, así que ya tendrás en propiedad aquello a lo que apunta esa bifurcación.

Empieza aquí

Ambos cursos intensivos comparten un requisito previo: manejas el harness a través de un agente general. El Claude Code o el OpenCode que aprendiste en Programación con agentes es lo que instala, configura y opera el harness por ti. El agente general de la última sección se convierte en el instalador del trabajador de esta. Haz primero la sección de Agentes generales si todavía no lo has hecho.

• OpenClaw con agentes generales: 90 minutos, seis escenarios, de cero a un AI Employee personal en tu teléfono. El harness gateway primero, en la práctica.
• Hermes con agentes generales: el harness memoria primero. Contexto persistente, skills que se mejoran solos y un agente que aprende tu trabajo y se mantiene portátil entre modelos.

Al final de esta sección poseerás un trabajador que responde mientras duermes, recuerda lo que le enseñaste la semana pasada y se ejecuta en infraestructura que es tuya. Esa es la diferencia entre usar la IA y emplearla.