Por Canuto  

Eigent es una aplicación de escritorio multiagente, de código abierto y con enfoque local, que puede coordinar tareas y conectarse a modelos ejecutados en la computadora. También admite servicios en la nube, por lo que la privacidad depende de la configuración elegida.
***

  • Eigent funciona como una plataforma de agentes múltiples basada en CAMEL-AI y puede conectarse a modelos ejecutados localmente.
  • El sistema coordina agentes especializados para desarrollo, navegación, documentos y tareas multimodales, que pueden trabajar en paralelo.
  • La aplicación puede automatizar flujos mediante activadores y conservar registros localmente, aunque las conexiones externas y la configuración determinan el nivel real de privacidad.

Las herramientas de inteligencia artificial capaces de navegar, modificar archivos y ejecutar comandos ofrecen una autonomía cada vez mayor, pero esa capacidad también amplía los riesgos de privacidad. Nolen Jonker, colaborador de XDA Developers, sostiene que documentos como estados de cuenta bancarios, contratos e información médica no deberían entregarse a un agente alojado en servidores que el usuario no controla. En ese contexto, describe sus pruebas con Eigent, una aplicación de código abierto orientada a ejecutar agentes de forma local.

Eigent es una aplicación de escritorio multiagente con enfoque local. La propuesta no consiste únicamente en instalar un modelo de lenguaje en una computadora, sino en combinarlo con una plataforma que organice tareas y distribuya subtareas entre distintos agentes. Eigent también acepta APIs en la nube, por lo que la privacidad depende de configurarlo con un modelo local y de revisar las conexiones externas durante la operación. Según la experiencia relatada por Jonker, esa combinación ofrece una alternativa para trabajar con carpetas que deliberadamente mantiene fuera de herramientas como Claude Code, Codex y Antigravity.

Una barrera para los documentos más sensibles

Jonker explica que utiliza agentes remotos para experimentos de interfaz, proyectos de programación asistida y la administración de su bóveda de Obsidian. Ese espacio contiene notas de reuniones, ideas para propuestas y una base de datos de su colección de DVD, información privada pero que, a su juicio, no tendría consecuencias catastróficas si recibiera una exposición mayor. Por esa razón, decidió mantener separados sus documentos de salud y finanzas, precisamente para conservar la posibilidad de usar agentes conectados a servicios externos en otros trabajos.

Antes de probar Eigent, el autor recurría principalmente a un modelo local con un complemento de acceso al sistema de archivos. Esa configuración permitía interactuar con documentos privados y obtener una capa conversacional sobre materiales que podían resultar difíciles de revisar manualmente, aunque ofrecía menos funciones de coordinación y espacio de trabajo. Eigent, en cambio, reúne esas capacidades dentro de una aplicación de escritorio enfocada en organizar flujos completos de agentes.

Para sus pruebas, Jonker utilizó Qwen 3.5 9B, un modelo que considera suficientemente potente para ejecutar llamadas a herramientas y, al mismo tiempo, lo bastante pequeño para ajustarse a las limitaciones de su hardware. El modelo se ejecutó mediante el servidor local compatible con OpenAI de LM Studio, de modo que las solicitudes se procesaron en la GPU del equipo. También son compatibles otras alternativas de inferencia local, entre ellas Ollama, vLLM, SGLang y llama.cpp.

La diferencia principal frente a una simple interfaz de chat está en la división del trabajo. Eigent se apoya en el marco de agentes múltiples CAMEL-AI y dispone de perfiles especializados para desarrollo, búsqueda, documentos y tareas multimodales relacionadas con imágenes y audio. Esa arquitectura busca que el usuario entregue un objetivo general, mientras un agente coordinador lo descompone y distribuye entre ramas independientes.

Un equipo de agentes que trabaja en paralelo

El agente de desarrollo puede encargarse de la terminal y del código, mientras el agente de búsqueda navega y el agente de documentos procesa archivos. La plataforma también contempla funciones multimodales, con soporte para materiales que incluyen PDF, Word, Excel, PowerPoint, HTML, EPUB y texto plano, además de imágenes y audio. La separación permite que cada agente mantenga su propia ventana de memoria y reduce la posibilidad de que el contexto de una tarea interfiera con otra.

En el ejemplo utilizado por Jonker, una instrucción para agrupar notas huérfanas de Obsidian por tema y cruzarlas con propuestas abiertas activa varias operaciones sobre la bóveda. La plataforma puede examinar diferentes conjuntos de información al mismo tiempo, en lugar de obligar al usuario a completar cada paso de manera secuencial. El resultado depende de la capacidad del modelo, la complejidad de los archivos y el rendimiento disponible en la computadora.

Otro flujo descrito por el autor combina la lectura de una lista de DVD con la navegación por sitios de comercios en una sesión aislada de Chromium. Mientras el agente de documentos revisa la información almacenada, el agente de navegador busca en tiendas y ambas ramas avanzan de forma concurrente. Jonker afirma que el proceso termina con suficiente rapidez para ser útil, aunque advierte que quienes utilicen una GPU pequeña no deberían esperar un desempeño milagroso.

El beneficio de ejecutar todo localmente no elimina las limitaciones técnicas. La velocidad y la calidad seguirán condicionadas por la memoria de video, el tamaño del modelo, la naturaleza de los archivos y la precisión con que el usuario formule las instrucciones. En la experiencia citada, un equipo con 8 GB de VRAM todavía puede experimentar lentitud, pero la percepción de que los modelos locales son necesariamente incapaces ya no describe todo el panorama.

Automatización sin una conexión permanente

Eigent incorpora un sistema de activadores que permite programar tareas para que se ejecuten sin intervención manual. Los activadores de programación sirven para procesos recurrentes, los webhooks responden a señales provenientes de sistemas externos y los activadores agénticos permiten que un agente despierte a otro según el resultado de su trabajo. La variedad de mecanismos amplía la aplicación desde una herramienta interactiva hacia una infraestructura de automatización personal.

El primer caso automatizado de Jonker fue una tarea para buscar DVD, que antes ejecutaba manualmente cada pocas semanas. Configuró un activador para que el proceso corriera todos los domingos a las 8:00 de la mañana y guardara un informe fechado en la carpeta de su colección. La interfaz interpretó la instrucción escrita en lenguaje natural, identificó la frecuencia y vinculó el flujo con la habilidad correspondiente.

La ejecución desatendida utiliza el mismo modelo local que las operaciones manuales, una característica relevante para quienes temen que una tarea programada cambie silenciosamente a un servicio remoto. La automatización, por sí sola, no garantiza privacidad en todos los sistemas, pero en esta configuración el modelo y el procesamiento permanecen en la máquina del usuario. El control efectivo depende de revisar los ajustes y de verificar que las integraciones externas no introduzcan salidas de datos.

La aplicación también mantiene una instancia local de PostgreSQL que registra mensajes de agentes, llamadas a herramientas y escrituras de archivos. Jonker puede revisar qué agente leyó la información, qué página visitó el navegador y qué contenido terminó en la carpeta de destino. Como la base de datos permanece en el equipo, la trazabilidad no depende de un tablero administrado por un proveedor externo.

Privacidad con costos y responsabilidades

La posibilidad de trabajar con archivos confidenciales no convierte a Eigent ni a un modelo local en una solución infalible. Un agente con permisos para leer, escribir o ejecutar comandos todavía puede cometer errores, interpretar mal una instrucción o modificar archivos de manera no deseada. Por ello, la conveniencia de delegar tareas debe equilibrarse con permisos limitados, copias de seguridad y revisión de los resultados.

El enfoque local sí cambia el lugar donde se concentra el riesgo. En vez de confiar el contenido a servidores de un proveedor, el usuario asume la responsabilidad por la seguridad de su computadora, la configuración del modelo, el aislamiento del navegador y las credenciales que pudieran estar disponibles para las herramientas. Esa diferencia resulta especialmente importante en documentos financieros, médicos o contractuales, cuyo valor no depende únicamente de que el modelo pueda procesarlos.

La arquitectura de agentes paralelos también plantea una cuestión de supervisión. Aunque cada rama mantenga su propia memoria, el coordinador puede desencadenar varias acciones a partir de una sola instrucción, por lo que conviene observar el árbol de tareas y comprobar los permisos concedidos. El registro local de PostgreSQL facilita esa auditoría, pero no reemplaza la intervención humana cuando una operación tiene consecuencias legales, financieras o personales.

La experiencia presentada por XDA Developers muestra una ruta concreta para quienes desean experimentar con agentes autónomos sin subir sus carpetas más delicadas a la nube. Eigent aporta coordinación, especialización, programación y registros; el modelo local aporta el procesamiento privado; y el hardware determina cuánto de esa promesa puede materializarse. Por ahora, la combinación parece menos una sustitución universal de los servicios remotos que una herramienta práctica para reservar los datos más sensibles a un entorno bajo control del usuario.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados