Los 10 mejores harness de agentes de IA open source en 2026

Los harness de agentes de IA existen desde hace tiempo, pero han cambiado mucho en el último año y medio. Hemos pasado de agentes sencillos que solo podían ejecutar comandos de Bash y editar archivos a sistemas capaces de buscar en la web, conectarse a herramientas externas, gestionar el contexto, recordar conversaciones pasadas y completar tareas complejas.

Los harness modernos ya admiten habilidades reutilizables, múltiples agentes trabajando en conjunto y ejecución paralela de herramientas. Los desarrolladores también están encontrando mejores formas de gestionar el contexto, reducir el uso de tokens y hacer que los agentes sean más rápidos y fiables.

Lo interesante es que el foco se está desplazando de mejorar los modelos de IA a mejorar el harness que los rodea. Gran parte de las ganancias de rendimiento que vemos hoy en agentes de IA provienen de mejores herramientas, flujos de trabajo más inteligentes y una gestión del contexto más eficiente, no solo de modelos mejores.

En esencia, un harness de agente de IA es el código que conecta un modelo de IA con sus herramientas, gestiona la ejecución y crea el bucle de feedback que permite al agente ajustar su actuación según los resultados y corregir sus errores.

En este artículo, cubro 10 de los harness de agentes de IA open source más populares y útiles en 2026, analizando qué hace diferente a cada uno y cómo empezar a usarlo. Las estrellas de GitHub están actualizadas a noviembre de 2026. Si quieres profundizar en cómo se construyen los harness, consulta nuestra guía de ingeniería de harness para agentes.

¿Qué es un harness de agente de IA?

Un harness de agente de IA es el sistema que proporciona a un modelo de IA las herramientas y el entorno que necesita para completar tareas.

Piensa en el modelo de IA como el cerebro y en el harness como todo lo que le permite pasar a la acción. Un harness deja que el modelo actúe sobre sus propias propuestas: puede leer archivos, ejecutar comandos y comprobar los resultados.

Por ejemplo, imagina que tienes una aplicación en Python que se bloquea constantemente. En lugar de copiar el error en ChatGPT y aplicar manualmente las correcciones sugeridas, pides ayuda a un agente de programación de IA:

"Averigua por qué falla mi app de Python, soluciona el problema y asegúrate de que pasen todas las pruebas."

El harness permite al modelo leer tu código, ejecutar la aplicación, localizar el error, editar los archivos relevantes y lanzar las pruebas. Si fallan, devuelve los resultados al modelo para que pruebe otra solución.

Todo esto puede ocurrir con una sola solicitud y muy poca intervención manual.

¿Qué hace realmente un harness de agente de IA?

La mayoría de los harness de agentes de IA ofrecen 5 capacidades esenciales:

• Ejecución de herramientas: Permite al modelo leer archivos, ejecutar comandos, navegar por sitios web e interactuar con aplicaciones.
• Gestión del contexto: Mantiene el seguimiento de los archivos relevantes, las acciones previas y la información que el modelo necesita para completar su tarea.
• Bucle del agente: Deja que el modelo use herramientas, compruebe resultados y corrija errores de forma iterativa hasta terminar o alcanzar un límite.
• Permisos y seguridad: Controla a qué archivos, herramientas y comandos puede acceder o ejecutar el agente.
• Memoria y extensiones: Admite habilidades reutilizables, integraciones externas y, en algunos harness, memoria entre sesiones.

Algunos harness también admiten que varios agentes colaboren en distintas partes de un proyecto.

El mismo modelo de IA puede rendir de forma muy diferente según el harness. En las pruebas de DeepSeek V4 Flash de Composio, el mismo modelo obtuvo entre un 46,7% y un 66,7% según el harness, y el agente minimalista Pi quedó en primer lugar.

Un harness bien diseñado, con unas cuantas herramientas útiles y una buena gestión del contexto, a veces puede superar a otro mucho más complejo. Por eso merece la pena elegir el harness con el mismo cuidado con el que eliges el modelo.

Ahora, veamos los 10 mejores harness de agentes de IA open source en 2026.

1. Codex CLI: el mejor harness de agente de IA open source para ingeniería de software

Codex CLI es mi elección principal como agente de programación de IA open source. Desarrollado por OpenAI y escrito principalmente en Rust, es ligero y está pensado para desarrolladores que trabajan en proyectos profesionales de ingeniería de software. Tiene alrededor de 134K estrellas en GitHub.

Lo que hace que Codex destaque es la cantidad de trabajo que puede gestionar por sí solo. Puede crear proyectos completos, trabajar con tus herramientas, corregir errores y ejecutar pruebas. Puedes darle una tarea compleja y dejar que lleve gran parte del proceso de desarrollo.

La principal contrapartida es su enfoque en OpenAI: el inicio rápido te pide iniciar sesión con una cuenta de ChatGPT o una clave de la API de OpenAI.

¿Qué hace destacar a Codex CLI?

• Basado en Rust y open source: Un agente ligero, pensado para terminal, con un harness de código abierto que los desarrolladores pueden personalizar y ampliar.
• Soporte multiagente: Delega distintas tareas en subagentes especializados y ejecuta trabajo independiente en paralelo.
• Flujos locales y en la nube: Empieza a programar en local, mueve tareas a Codex Cloud y sigue trabajando desde la interfaz de línea de comandos (CLI), un IDE o la app de escritorio.
• Ecosistema extensible: Usa servidores del Model Context Protocol (MCP), habilidades reutilizables y plugins para conectar herramientas externas y automatizar flujos más allá del código.
• Pensado para ingeniería real: Ejecuta revisiones de código automatizadas, intégralo con pipelines de integración y entrega continuas (CI/CD), gestiona tareas de larga duración y controla la ejecución con sandboxing y permisos.

Cómo instalar Codex CLI

Cada instalador de este artículo canaliza un script remoto en tu shell; si lo prefieres, revisa primero el script para ver qué hace.

macOS y Linux:

curl -fsSL https://chatgpt.com/codex/install.sh | shCon la tecnología de

Windows (PowerShell):

powershell -ExecutionPolicy ByPass -c "irm https://chatgpt.com/codex/install.ps1 | iex"Con la tecnología de

npm o Homebrew (cualquier plataforma compatible):

npm install -g @openai/codex
brew install --cask codexCon la tecnología de

Ve a tu directorio de proyecto y lanza Codex:

codexCon la tecnología de

Inicia sesión con tu cuenta de ChatGPT o configura el acceso por API para empezar a programar.

Por ejemplo, puedes pedir a Codex que cree un panel completo en Python con frontend, backend, pruebas y documentación. Puede encargarse de gran parte de la implementación mientras tú revisas los resultados. Para un paso a paso práctico, consulta nuestro tutorial de OpenAI Codex CLI.

2. OpenCode: el mejor harness de agente de IA open source por flexibilidad de modelos

OpenCode ha sido uno de mis agentes de programación de IA favoritos durante más de un año. Funciona en Windows, macOS y Linux, admite una amplia gama de modelos de IA y ofrece a los desarrolladores mucha libertad para personalizar sus flujos de trabajo.

También es uno de los agentes open source más populares, con unas 226K estrellas en GitHub. Lo que más me gusta es que no te ata a un único proveedor de IA. Puedes usar OpenAI, Anthropic, Google o modelos locales, todo desde la misma interfaz.

¿Qué hace destacar a OpenCode?

• 75+ proveedores de modelos: Cambia entre modelos comerciales y locales sin modificar tu entorno de desarrollo.
• Compatibilidad multiplataforma: Usa el terminal, la app de escritorio (actualmente en beta), la interfaz web o el SDK en distintos sistemas operativos.
• Agentes y sesiones en paralelo: Ejecuta varias tareas de programación simultáneamente y crea agentes especializados para trabajos distintos.
• Altamente personalizable: Amplía funciones con plugins, servidores MCP, comandos personalizados y habilidades reutilizables.
• Arquitectura cliente-servidor: Separa el agente de su interfaz y conéctalo a otras herramientas, aplicaciones y flujos de trabajo.

La única pega para mí es que OpenCode puede sentirse algo pesado frente a agentes más simples. Incluye muchas funciones que la mayoría quizá no usen, y las sesiones grandes a veces parecen menos ágiles. Aun así, si valoras la flexibilidad y la elección de modelos, OpenCode es difícil de superar.

Cómo instalar OpenCode CLI

Windows (Windows Subsystem for Linux, o WSL), macOS y Linux:

curl -fsSL https://opencode.ai/v2/install | bashCon la tecnología de

Una vez instalado, ve a tu carpeta de proyecto y lanza OpenCode:

opencodeCon la tecnología de

Usa /connect para configurar tu proveedor de IA preferido, o empieza con los modelos gratuitos disponibles. También puedes descargar la app de escritorio de OpenCode si prefieres una interfaz gráfica.

Para probar OpenCode con un modelo en tu propia máquina, consulta nuestra guía para ejecutar Qwen3.8-Flash-Next en local con OpenCode.

3. OpenClaw: el mejor harness de agente de IA open source para automatización personal

OpenClaw es uno de los mayores proyectos open source de agentes de IA de 2026, con unas 394K estrellas en GitHub. A diferencia de la mayoría de agentes de programación de esta lista, OpenClaw está diseñado como un asistente de IA personal que puede ejecutar tareas en tus aplicaciones.

Fuente: nuestra guía sobre OpenClaw

Lo interesante de OpenClaw es que puedes ejecutarlo en tu propio ordenador o servidor y comunicarte con él por WhatsApp, Telegram, Discord, Slack y otras plataformas. Puede recordar contexto útil, ejecutar comandos, navegar por la web y automatizar tareas del día a día.

También funciona como plataforma para otros agentes de programación, incluido Codex, y su capa de asistente está construida sobre Pi, otro harness de esta lista.

¿Qué hace destacar a OpenClaw?

• Asistente de IA a través de aplicaciones: Conecta un agente con WhatsApp, Telegram, Slack, Discord y más de 20 canales de mensajería.
• Agente siempre activo: Ejecútalo en tu ordenador o servidor para gestionar tareas y responder a mensajes de forma remota.
• Memoria y contexto persistentes: Mantiene conversaciones, información de proyectos y contexto útil entre sesiones.
• Flexibilidad de agentes y modelos: Conecta distintos proveedores de IA, modelos locales y runtimes de agentes de programación compatibles, incluido Codex.
• Ecosistema de automatización: Usa habilidades, plugins, herramientas de navegador, tareas programadas y enrutamiento multiagente para crear flujos a medida.

La principal desventaja es su complejidad y los requisitos de seguridad. OpenClaw puede acceder a herramientas y archivos sensibles, así que debes configurar con cuidado los permisos, el sandboxing y las integraciones externas.

Recomendaría OpenClaw a desarrolladores que quieran ir más allá de los asistentes de programación y crear agentes personales de IA que funcionen en múltiples aplicaciones.

Cómo instalar OpenClaw AI Agent

macOS, Linux y Windows (WSL2):

curl -fsSL https://openclaw.ai/install.sh | bashCon la tecnología de

Windows (PowerShell):

iwr -useb https://openclaw.ai/install.ps1 | iexCon la tecnología de

El instalador inicia el proceso de onboarding. Si lo necesitas, ejecuta:

openclaw onboard --install-daemonCon la tecnología de

Una vez configurado, abre el panel web:

openclaw dashboardCon la tecnología de

Conecta tu modelo de IA y plataforma de mensajería preferidos para empezar.

Por ejemplo, puedes configurar OpenClaw para vigilar tus proyectos de desarrollo, resumir novedades, ejecutar tareas aprobadas y enviar los resultados directamente a Telegram o WhatsApp.

4. Hermes Agent: el mejor harness de agente de IA open source para memoria persistente

Hermes Agent, desarrollado por Nous Research, recuerda información útil sobre ti, tus conversaciones y tus proyectos entre sesiones.

Lo interesante de Hermes es cómo combina memoria persistente con un agente completo de IA. Puede escribir código, ejecutar comandos, aprender habilidades reutilizables y automatizar tareas mientras mantiene el seguimiento del contexto importante de conversaciones anteriores.

Fuente: Hermes AI Agent by Nous Research | Official Site

Tiene alrededor de 260K estrellas en GitHub.

¿Qué hace destacar a Hermes Agent?

• Memoria persistente: Guarda preferencias importantes, detalles de proyectos y lecciones aprendidas a lo largo de las conversaciones.
• Búsqueda en el historial de conversación: Usa SQLite para buscar sesiones anteriores y recuperar información que no está en su memoria activa.
• Habilidades que se auto-mejoran: Crea habilidades reutilizables a partir de tareas completadas y puede refinarlas con la experiencia.
• Funciona en múltiples plataformas: Chatea por terminal, Telegram, Discord, Slack, WhatsApp y otras plataformas de mensajería compatibles.
• Flujos autónomos: Programa tareas, delega trabajo en subagentes y conecta modelos comerciales o locales.

Su desempeño en programación también es competitivo. En Composio Bench, que ejecuta cada harness con el mismo conjunto de tareas multiapp, Hermes logró una tasa de éxito del 75,9% (22 de 29 tareas) con GPT-6 Astra de OpenAI, igualando a Codex CLI. Además, registró el tiempo medio de finalización más rápido entre los harness probados con ese modelo, con 125 segundos por tarea.

La principal desventaja es que su memoria no es perfecta. Guarda información seleccionada, no todo, y ejecutar flujos complejos con modelos locales más pequeños puede ser difícil.

Recomendaría Hermes a desarrolladores que busquen algo más que un asistente de programación, especialmente a quienes quieran un agente personal que recuerde su trabajo y se vuelva más útil con el tiempo.

Cómo instalar Hermes Agent

Linux, macOS y Windows (WSL2):

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bashCon la tecnología de

Windows (PowerShell):

iex (irm https://hermes-agent.nousresearch.com/install.ps1)Con la tecnología de

Configura tu proveedor de modelo preferido:

hermes modelCon la tecnología de

Inicia el agente:

hermesCon la tecnología de

También puedes ejecutar hermes setup para configurar herramientas adicionales, plataformas de mensajería y funciones de automatización. Para un recorrido completo, consulta nuestra guía de configuración de Hermes Agent.

5. Pi: el mejor harness de agente de IA open source y ligero para LLMs locales

Pi es mi harness de agente de IA ligero favorito. Siempre que escribo tutoriales sobre cómo ejecutar LLMs en local, casi siempre uso Pi porque es fácil de configurar, tiene una arquitectura mínima y se siente mucho más liviano que otros agentes de programación más grandes.

Lo que más me gusta es su simplicidad. Pi se centra en un bucle de agente pequeño y eficiente. En mi experiencia, esto ayuda a mantener el flujo rápido y el uso de tokens bajo control, ofreciendo resultados de programación comparables a agentes más complejos.

Tiene alrededor de 120K estrellas en GitHub. Ahora lo desarrolla Earendil, que adquirió el proyecto de su creador, Mario Zechner, en abril de 2026, y sigue bajo licencia MIT. OpenClaw está construido sobre componentes de Pi.

¿Qué hace destacar a Pi?

• Arquitectura mínima de agente: Un bucle de agente pequeño y enfocado, sin funciones innecesarias ni flujos de trabajo complicados.
• Ideal para LLMs locales: Admite modelos locales a través de llama.cpp, Ollama, LM Studio y APIs compatibles.
• Gestión eficiente del contexto: Un prompt del sistema mínimo y un contexto personalizable ayudan a reducir sobrecarga y potencialmente ahorrar tokens.
• Totalmente personalizable: Añade extensiones, habilidades y comandos personalizados, o conecta servidores MCP con el soporte incorporado desde Pi 1.0, sin complicar el núcleo del agente.
• SDK para desarrolladores: Usa Pi desde su CLI, interfaz RPC o SDK de TypeScript para crear tus propios agentes de IA y herramientas de automatización.

Su rendimiento también es competitivo. En Composio Bench, Pi logró un 69% de éxito con GPT-6 Astra, igualando a OpenCode en las mismas 29 tareas.

La principal limitación es que funciones como subagentes y planificación no vienen integradas por defecto. Necesitarás extensiones o implementaciones propias. Sin embargo, esa simplicidad es justo lo que prefiero de Pi para experimentos con LLMs locales y proyectos ligeros de programación.

Cómo instalar Pi AI Agent CLI

macOS y Linux:

curl -fsSL https://pi.dev/install.sh | shCon la tecnología de

Windows (PowerShell):

powershell -c "irm https://pi.dev/install.ps1 | iex"Con la tecnología de

Ve a tu directorio de proyecto y lanza Pi:

piCon la tecnología de

Usa /login para conectar un proveedor de IA o configurar un modelo local. Luego usa /model para seleccionar el modelo que quieres ejecutar.

Para ver Pi funcionando con un modelo local, prueba nuestra guía para ejecutar Bonsai 27B en local.

6. Cline: el mejor harness de agente de IA open source para VS Code

Cline es uno de los primeros agentes de programación de IA open source que se popularizó como extensión de VS Code. Ganó rápidamente una gran comunidad de desarrolladores y dio lugar a forks como Roo Code.

Aunque no he usado Cline tanto como otros agentes de esta lista, su ritmo de desarrollo y el feedback de la comunidad han sido impresionantes. Ahora admite múltiples IDEs, una CLI, un tablero Kanban de tareas y un SDK, con unas 70K estrellas en GitHub.

¿Qué hace destacar a Cline?

• Experiencia centrada en el IDE: Trabaja directamente en VS Code y otros editores compatibles, con cambios de código visibles y controles de aprobación.
• Modos Plan y Actuar: Deja que el agente explore tu proyecto y cree un plan antes de aplicar cambios.
• Puntos de control y seguridad: Revisa cambios en archivos, aprueba comandos de terminal y restaura checkpoints anteriores cuando sea necesario.
• Flexibilidad de modelos: Admite OpenAI, Anthropic, Google, OpenRouter y modelos locales a través de Ollama o LM Studio.
• Plataforma de agente extensible: Usa servidores MCP, habilidades personalizadas, una CLI y un SDK para crear flujos de programación automatizados.

En Composio Bench, Cline logró una tasa de éxito del 79,3% (23 de 29 tareas) con GPT-6 Astra, una tarea por encima de Codex CLI y Hermes Agent. Fue el harness con mayor puntuación en finalización de tareas.

La principal desventaja es la velocidad. Cline promedió 193 segundos por tarea en el mismo benchmark, frente a 125 segundos de Hermes Agent.

Cómo instalar Cline AI Agent

VS Code (Windows, macOS y Linux):

Abre VS Code, ve a Extensiones (Ctrl+Shift+X en Windows y Linux, Cmd+Shift+X en macOS), busca Cline y haz clic en Instalar.

Como alternativa, instala la CLI con npm (requiere Node.js 22 o superior):

npm install -g clineCon la tecnología de

Configura tu proveedor de IA preferido:

cline authCon la tecnología de

Ve a tu directorio de proyecto e inicia Cline:

clineCon la tecnología de

Ahora puedes pedir a Cline que explore tu base de código, implemente funciones, corrija errores y ejecute pruebas mientras revisas sus cambios. Para ejemplos prácticos, consulta nuestra guía de Cline AI.

7. DeepSeek Harness: el mejor harness de agente de IA open source para modelos DeepSeek

DeepSeek Harness se lanzó el 13 de agosto de 2026 y superó las 186.000 estrellas en GitHub en sus primeros 10 días, convirtiéndose en uno de los proyectos de agentes de IA open source de crecimiento más rápido. Hoy tiene alrededor de 279K estrellas.

He usado DeepSeek Harness y lo que más me impresionó fue su velocidad, especialmente con DeepSeek-V4.1-Flash. Está optimizado para modelos DeepSeek e incluye prácticamente todo lo que esperarías de un agente de programación moderno.

Otra cosa que me gusta es su transparencia. Puedes inspeccionar llamadas de herramientas, trazas de ejecución y estadísticas detalladas para entender cómo rinde tu agente.

¿Qué hace destacar a DeepSeek Harness?

• Todo es un plugin: Construido sobre Cordis, permite a los desarrolladores personalizar modelos, herramientas, habilidades, memoria, sandboxes e incluso el bucle del agente.
• Diseñado para modelos DeepSeek: Funciona especialmente bien con DeepSeek-V4.1-Flash, con actualizaciones oficiales centradas en mejorar el rendimiento y la eficiencia en programación.
• Estadísticas de rendimiento detalladas: Inspecciona uso de contexto, actividad del modelo, información de caché, llamadas de herramientas y tiempos de ejecución con herramientas para desarrolladores.
• Capacidades completas de agente: Soporta programación, edición de archivos, ejecución en terminal, subagentes, habilidades, automatización y flujos de varios pasos.
• Interfaces web y de escritorio: Ejecuta el agente desde una interfaz web local o usa su aplicación de escritorio (macOS en Apple silicon y Windows), con posibilidad de ampliar funciones mediante plugins.

La principal desventaja es que DeepSeek Harness sigue en vista previa para desarrolladores. Sus plugins y APIs están cambiando, y las actualizaciones pueden introducir cambios rompedores.

Lo recomendaría a desarrolladores que usen modelos DeepSeek con regularidad o que quieran un harness de agente altamente personalizable con visibilidad detallada de la ejecución.

Cómo instalar DeepSeek Harness

Primero, instala Node.js 22.19 o superior en Windows, macOS o Linux.

Luego lanza DeepSeek Harness con npx:

npx @deepseek-ai/dsh webCon la tecnología de

Esto inicia automáticamente la interfaz web local en http://127.0.0.1:3080.

Configura tu clave de la API de DeepSeek, selecciona el modelo preferido y empieza a construir. También puedes descargar la app de escritorio desde el sitio oficial de DeepSeek Harness. Para un paso a paso, consulta nuestro tutorial de DeepSeek Harness.

8. Deep Agents: el mejor harness de agente de IA open source para agentes personalizados

Deep Agents es un harness open source desarrollado por LangChain. A diferencia de la mayoría de agentes de esta lista, está pensado tanto para desarrollo de software como para crear agentes de IA a medida capaces de manejar tareas complejas y de varios pasos.

Fuente: Resumen de Deep Agents - Docs de LangChain

Lo interesante de Deep Agents es que puedes usar su agente de terminal listo para usar o construir el tuyo propio con Python o TypeScript. Ya incluye planificación, memoria, subagentes y gestión del contexto, así que no tienes que construirlo todo desde cero.

El proyecto también ha ganado tracción, con unas 31K estrellas en GitHub.

¿Qué hace destacar a Deep Agents?

• Agente de programación y SDK: Usa Deep Agents Code como CLI lista para usar o crea aplicaciones de IA personalizadas con sus librerías de Python y TypeScript.
• Pensado para tareas de larga duración: Los agentes pueden planificar flujos, gestionar contexto y resolver tareas complejas de múltiples pasos.
• Delegación a subagentes: Divide tareas grandes en trabajos más pequeños y delégalos en agentes especializados con ventanas de contexto separadas.
• Entornos de ejecución flexibles: Trabaja con sistemas de archivos locales, sandboxes remotos, herramientas personalizadas y servidores MCP.
• Base preparada para producción: Construido sobre LangGraph, con soporte para estado persistente, checkpoints, aprobaciones humanas e integración con LangSmith para trazas y evaluación.

Sus mejoras en benchmarks también merecen mención. En febrero de 2026, LangChain informó de una mejora de la puntuación de su agente de programación en Terminal Bench 2.0 del 52,8% al 66,5% con gpt-5.2-codex, solo ajustando prompts, herramientas y middleware sin cambiar el modelo subyacente.

Recomendaría Deep Agents a desarrolladores que estén construyendo sus propias aplicaciones de IA más que a quienes busquen el asistente de programación más simple. Para tareas ligeras, Pi o Codex CLI pueden ser más rápidos de arrancar. Para más detalles del SDK, consulta nuestra guía de Deep Agents.

Cómo instalar Deep Agents

Instalar Deep Agents Code (macOS y Linux, o Windows mediante WSL):

curl -LsSf https://langch.in/dcode | bashCon la tecnología de

Inicia el agente de programación:

dcodeCon la tecnología de

Elige tu modelo de IA y configura la autenticación para empezar a trabajar.

Para agentes de IA personalizados con Python, crea un proyecto con uv e instala el SDK:

uv init my-agent
cd my-agent
uv add deepagentsCon la tecnología de

Después puedes usar create_deep_agent() para construir agentes con tus modelos, herramientas, prompts y flujos.

Por ejemplo, puedes crear un agente de investigación que busque en la web, analice documentos, delegue el trabajo en subagentes y genere un informe final.

9. OpenHands: el mejor harness de agente de IA open source para desarrollo autónomo

OpenHands es uno de los primeros proyectos open source de agentes de programación de IA. Empezó en marzo de 2024 como OpenDevin, cuando los desarrolladores aún exploraban qué podían hacer GPT-3.5 y GPT-4 más allá del chat y la generación de código simples.

Fuente: OpenHands/OpenHands: OpenHands: AI-Driven Development

Entonces, la idea de dar a un agente de IA una tarea y dejar que construyera un proyecto real era muy atractiva. OpenHands ayudó a hacerlo posible permitiendo que los agentes escribieran código, ejecutaran comandos, corrigieran errores y probaran su propio trabajo.

Hoy se ha convertido en una plataforma completa para desarrollo autónomo de software, con unas 93K estrellas en GitHub.

¿Qué hace destacar a OpenHands?

• Pionero del código autónomo: Uno de los primeros proyectos open source populares centrados en permitir que agentes de IA completen tareas de ingeniería de software.
• Agent Canvas: Una interfaz web para gestionar conversaciones, archivos, terminales y múltiples agentes de programación desde un mismo lugar.
• Soporte para múltiples agentes: Trabaja con OpenHands, Codex, Claude Code, Gemini y otros agentes que admitan el Agent Client Protocol (ACP) desde una interfaz compartida.
• Entornos de ejecución flexibles: Ejecuta agentes en local, dentro de contenedores Docker, en servidores remotos o mediante infraestructura en la nube.
• Automatización y SDK: Crea agentes a medida, automatiza flujos de desarrollo y ejecuta tareas con su SDK de Python y servicios backend.

La principal desventaja es su complejidad. En comparación con harness ligeros como Pi o Codex CLI, OpenHands requiere más configuración y recursos, especialmente al usar entornos de ejecución aislados.

Lo recomendaría a desarrolladores que quieran ejecutar agentes de programación autónomos, gestionar múltiples flujos de trabajo o construir sus propios sistemas de desarrollo con agentes. Para verlo en detalle, consulta nuestra guía de OpenHands.

Cómo instalar OpenHands AI Agent

La forma más sencilla de ejecutar OpenHands en local es mediante Agent Canvas.

Primero, instala Node.js 24 o superior y uv.

Después instala Agent Canvas en Windows, macOS o Linux:

npm install -g @openhands/agent-canvasCon la tecnología de

Inicia la aplicación:

agent-canvasCon la tecnología de

Abre la interfaz web en http://localhost:8000.

Configura tu modelo de IA preferido, selecciona un espacio de trabajo y empieza a asignar tareas de programación al agente.

Por defecto, esto ejecuta el agente directamente en tu máquina con acceso completo a tu sistema de archivos. Para mantener a los agentes alejados de archivos fuera de su espacio de trabajo configurado, ejecuta Agent Canvas con sandboxes de Docker en su lugar:

OH_CONVERSATION_RUNTIME=docker agent-canvasCon la tecnología de

10. mini-SWE-agent: el mejor harness de agente de IA open source y minimalista para ingeniería de software

mini-SWE-agent es uno de los harness de programación de IA más sencillos que he visto. Creado por los investigadores detrás de SWE-agent y SWE-bench, adopta un enfoque distinto al de los agentes cargados de funciones.

El agente principal está escrito en unas 100 líneas de Python. En lugar de construir sistemas complicados de llamadas a herramientas, da acceso a Bash al modelo de IA y le deja averiguar cómo completar las tareas.

Este enfoque minimalista sigue ofreciendo un buen rendimiento en programación. El proyecto ha alcanzado unas 9,5K estrellas en GitHub y lo usan investigadores e ingenieros en organizaciones como NVIDIA, Meta e IBM.

¿Qué hace destacar a mini-SWE-agent?

• Arquitectura de 100 líneas: Una implementación diminuta en Python fácil de entender, modificar y ampliar.
• Ejecución solo con Bash: Usa comandos simples de shell en lugar de sistemas complejos de llamadas a herramientas para editar archivos, ejecutar pruebas y corregir errores.
• Ejecución transparente: Mantiene un historial lineal de conversación, lo que facilita inspeccionar cada acción y depurar el comportamiento del agente.
• Entornos de ejecución flexibles: Ejecuta en local o usa Docker, Podman, Singularity y otros entornos compatibles para aislamiento.
• Pensado para investigación en IA: Admite múltiples proveedores de modelos y ofrece una base sencilla para benchmarks, fine-tuning y experimentos de aprendizaje por refuerzo.

Según el README del proyecto, mini-SWE-agent obtiene más del 74% en SWE-bench Verified, un benchmark de incidencias reales de GitHub, cuando se empareja con modelos potentes como Gemini 3 Pro. Puedes comparar modelos en el ranking bash-only de SWE-bench.

La principal desventaja es que carece de muchas funciones integradas que sí tienen los agentes más grandes, como planificación avanzada, subagentes e integraciones extensas. Es posible que los desarrolladores tengan que implementarlas por su cuenta.

Recomendaría mini-SWE-agent a desarrolladores e investigadores de IA que quieran un harness de programación rápido, ligero y fácil de personalizar, especialmente para experimentar con distintos modelos y arquitecturas de agentes.

Cómo instalar mini-SWE-agent

La forma más sencilla de instalar mini-SWE-agent en macOS o Linux es usando uv:

uv tool install mini-swe-agentCon la tecnología de

Como alternativa, instálalo con pip:

pip install mini-swe-agentCon la tecnología de

Configura tu modelo de IA y clave de API preferidos:

mini-extra config setupCon la tecnología de

Ve a tu directorio de proyecto y lanza el agente:

miniCon la tecnología de

También puedes ejecutarlo directamente sin instalación permanente:

uvx mini-swe-agentCon la tecnología de

Por ejemplo, puedes pedir a mini-SWE-agent que explore un repositorio de Python, identifique pruebas que fallan, corrija los errores y ejecute de nuevo las pruebas. Lo gestiona todo con comandos simples de shell sin necesitar un framework de agente complejo.

Comparativa de los 10 mejores harness de agentes de IA open source en 2026

La tabla siguiente compara los 10 mejores harness de agentes de IA open source según sus principales fortalezas, casos de uso ideales y limitaciones.

Reflexiones finales

Los agentes de programación han liderado este espacio durante un tiempo, y ahora estamos viendo un giro hacia asistentes personales de IA y herramientas para el trabajo cotidiano.

No he incluido herramientas de código cerrado en esta lista, pero productos como ChatGPT Work y los dots de OpenAI son buenos ejemplos de hacia dónde vamos. Están pensados para más perfiles que los desarrolladores: personal de oficina, dueños de negocio, investigadores e incluso personas sin experiencia en programación pueden usar IA para trabajar con documentos, analizar hojas de cálculo, enviar emails, gestionar proyectos y automatizar tareas diarias.

Flow de Google muestra un giro similar hacia hacer que la IA sea útil para el trabajo creativo. Por supuesto, la mayoría de los harness open source anteriores ya pueden manejar muchas de estas tareas con las herramientas e integraciones adecuadas. La diferencia es que ahora las empresas están creando experiencias diseñadas específicamente para estos flujos, en lugar de centrarse principalmente en programar.

Ahora, gran parte del trabajo ocurre en el harness. Los desarrolladores están ajustando todo el harness del agente —incluyendo sus herramientas, memoria, gestión del contexto y flujos— para que los modelos rindan mejor en tareas específicas.

Si te interesa aprender más sobre cómo construir tu propio harness, te recomiendo nuestro curso Building AI Agent Harnesses with Strands Agents.