Cinco herramientas de código abierto que amplían los agentes de programación y la capa que dejan fuera

TL;DR: Cinco proyectos de código abierto superaron este año las 40.000 estrellas eliminando cada uno un límite distinto de Claude Code, Cursor y Codex: roles especializados, acceso a internet, ejecución en paralelo, producción de vídeo y recuperación estructural barata. Cada uno amplía lo que un agente puede hacer dentro de una sesión. Ninguno añade un registro compartido de lo que hicieron los agentes. Esa capa es un trabajo aparte, y es la primera que nota tu equipo.

Los agentes de programación han convergido. Claude Code, Codex, Cursor y OpenCode leen un repositorio, editan archivos, ejecutan comandos y llaman a servidores MCP. Cuando el bucle principal dejó de marcar la diferencia, el trabajo interesante se trasladó una capa hacia fuera: a las cosas que conectas al agente.

Estos son los cinco complementos que conviene conocer, qué hace cada uno y el límite que comparten.

Los cinco

Los recuentos de estrellas proceden de la API de GitHub el 1 de septiembre de 2026.

agency-agents es una biblioteca de definiciones de roles. Más de 300 archivos markdown repartidos en unas 20 categorías, cada uno de los cuales describe una identidad, un proceso de trabajo, entregables y una definición de «terminado». Un script de instalación los escribe en Claude Code, Cursor, Codex, Gemini CLI, OpenCode y una docena de herramientas más. Una persona cambia el modo en que un agente enfoca una tarea, pero no le aporta información de la que carezca. Guía completa: definiciones de roles y lo que no pueden contener.

Agent-Reach es una única CLI que conecta un agente con X, Reddit, YouTube, GitHub, RSS y alrededor de una docena de plataformas más, usando vías de acceso gratuitas en lugar de las API de pago de las plataformas. Todas las plataformas pasan por un backend principal con alternativas de respaldo, de modo que, cuando una vía de acceso falla, el proyecto cambia el valor por defecto y tu configuración sigue funcionando. Las plataformas basadas en cookies leen a través de una sesión de navegador con la sesión iniciada, algo que conviene revisar frente a los términos de cualquier cuenta que conectes. Guía completa: acceso web y dónde deberían acabar los hallazgos.

Orca es una aplicación de escritorio para ejecutar varios agentes de programación a la vez, cada uno en su propio worktree de git. Controla cualquier agente de CLI a través de las suscripciones que ya tienes y añade divisiones de terminal, anotación de diffs, worktrees remotos por SSH y un compañero para el móvil. El modelo de worktrees en paralelo es la primitiva correcta para este problema, y Orca lo implementa bien. Guía completa: worktrees en paralelo y cuándo un equipo necesita más.

OpenMontage convierte un asistente de programación en un sistema de producción de vídeo: once pipelines que llevan una petición por investigación, guion, plan de escenas, generación de recursos, edición y renderizado, con puertas de aprobación humana entre etapas. Ojo con la licencia antes de construir sobre él. OpenMontage es AGPL-3.0, mientras que los otros cuatro son MIT, y la cláusula de red es una decisión para tu equipo legal, no una nota a pie de página. Guía completa: vídeo agéntico y el problema de la aprobación.

codebase-memory-mcp indexa un repositorio en un grafo de conocimiento persistente de funciones, clases, cadenas de llamadas y rutas, y después responde a preguntas estructurales desde el grafo en lugar de hacer grep. El proyecto mide cinco consultas estructurales en unos 3.400 tokens a través del grafo, frente a unos 412.000 mediante exploración archivo por archivo. Es un único binario nativo, se ejecuta en local y es la entrada de esta lista con mejor retorno para el menor cambio en el flujo de trabajo. Guía completa: recuperación barata y la memoria que no retiene.

Lo que comparten los cinco

Cada uno amplía la ejecución. Más capacidad de prompting, más fuentes, más concurrencia, más formatos de salida, más recuperación dentro de una sesión.

Ninguno cambia lo que ocurre cuando termina la sesión.

No es una crítica. Es una separación de responsabilidades, y estos proyectos hacen bien en quedarse en su lado de la frontera. La herramienta del agente se encarga de la ejecución. Otra cosa tiene que sostener la asignación, el contexto, el progreso y la revisión. Cuando nada sostiene eso, el trabajo solo existe en el terminal de una persona.

El síntoma es conocido. Un agente da un buen resultado el jueves. El lunes, un compañero de equipo pregunta por qué cambió la lógica de reintentos, y la respuesta está en el historial de una terminal de un portátil, si es que ese worktree sigue abierto. El prompt era el único registro, y un prompt no es un registro.

La capa que dan por supuesta

Una Task es la unidad principal de trabajo en Sharkly. Reúne la petición, el contexto, la ejecución, los bloqueos y el resultado en un único lugar compartido, en lugar de repartirlos entre prompts privados y sesiones de terminal.

Cada pieza tiene una función. El Agent define cómo debe gestionarse el trabajo. El Computer aporta el host y los recursos locales. El Runtime ejecuta la sesión real del agente, usando las herramientas que tu equipo ya tiene instaladas. La Task sigue siendo el registro compartido.

Merece la pena leer esa división en relación con los cinco proyectos anteriores, porque explica qué se combina bien con qué y qué no.

Sharkly no sustituye a Claude Code, Codex ni a las herramientas de esta lista. Añade alrededor de ellas la capa compartida de tareas, Computer, contexto, control y revisión. El uso del modelo sigue haciéndose a través de las suscripciones o claves de API configuradas en esas herramientas.

Así, una persona de agency-agents se convierte en un Agent: una configuración guardada con instrucciones, runtime, habilidades, repositorios y entorno, que se reutiliza en lugar de volver a escribirse. Un Crew es un grupo reutilizable de personas y Agents coordinado por un Agent líder, que es justo lo que necesita una división de especialistas para comportarse como un equipo. El trabajo de repositorio se ejecuta en un worktree aislado por tarea: el mismo aislamiento que Orca aplica a cada panel, pero aplicado a la unidad que un equipo puede ver. La ejecución, los bloqueos, los resultados y el debate posterior vuelven a la línea temporal de la tarea, así que la respuesta a la pregunta del lunes está en la tarea y no en la memoria de alguien.

El control que más importa es el más silencioso: una Task en Backlog no inicia ninguna ejecución. El trabajo se prepara, se acota y se aprueba antes de que se ejecute nada.

Los Agents investigan, ejecutan, prueban e informan. Las personas marcan la dirección, conceden autoridad y aceptan el resultado. La automatización se detiene donde hace falta el criterio del equipo.

Cuándo lo necesitas y cuándo no

Si eres una sola persona ejecutando un solo agente, con un buen terminal y un buen editor tienes suficiente. Instala codebase-memory-mcp, sigue trabajando y sáltate todo lo demás de esta página. Añadir una capa de tareas a un flujo de trabajo con un único participante es una sobrecarga sin nadie que la lea.

Usa un sistema de trabajo compartido cuando una segunda persona necesite saber qué hicieron los agentes: cuando la revisión tenga que producirse antes de publicar, cuando haya más de un agente ejecutándose a la vez sobre el mismo repositorio o cuando alguien pregunte dentro de tres meses qué cambió y por qué.

El umbral no es el tamaño del equipo, sino si el registro tiene que sobrevivir a la sesión.

Preguntas frecuentes

¿Estas herramientas entran en conflicto con una capa de gestión del trabajo? No. Están a distinto lado de la misma frontera. Las herramientas de esta lista mejoran la ejecución dentro de una sesión. Un sistema de trabajo sostiene la asignación, el contexto y la revisión a su alrededor. Sharkly ejecuta los runtimes que tu equipo ya tiene instalados en lugar de sustituirlos.

¿Cuál debería instalar primero un equipo? codebase-memory-mcp, en la mayoría de los casos. No exige cambiar el flujo de trabajo, se ejecuta en local y reduce los tokens que un agente dedica a responder preguntas estructurales que, de otro modo, tendría que buscar con grep. Las demás te piden cambiar tu forma de trabajar.

¿Hace falta Orca para ejecutar varios agentes en paralelo? No. Orca es una sólida implementación de escritorio del modelo de worktrees en paralelo y merece la pena probarla si trabajas solo. Si el trabajo en paralelo tiene que asignarlo, seguirlo y revisarlo más de una persona, el aislamiento debe recaer en la tarea y no en el panel de la terminal. Ambos enfoques usan el mismo mecanismo subyacente de git.

¿Qué significa aquí lo de «trae tu propia suscripción»? El uso del modelo sigue haciéndose a través de las suscripciones o claves de API configuradas en tus herramientas de programación. La cuota del modelo depende de las herramientas de programación con IA, los planes y las cuentas de API que conecte tu equipo.

Conclusión

La ola de herramientas de 2026 merece la pena adoptarla. Los roles, el alcance, el paralelismo, los nuevos formatos de salida y la recuperación barata son mejoras reales, y cuatro de los cinco tienen licencias permisivas y se prueban en un momento.

También comparten una frontera. Todos ellos hacen más fuerte a un agente dentro de una sesión, y el valor de una sesión está limitado por si alguien puede verla después. Sharkly existe para esa otra mitad: la tarea es el registro compartido, la ejecución se realiza en los Computer que conectas a través de los runtimes que ya pagas, y los resultados vuelven a un lugar donde una persona puede revisarlos y aceptarlos.

Amplía el agente. Y después dale al trabajo un sitio donde vivir.