Por Canuto  

Un nuevo proyecto open source llamado OpenFang busca ir más allá de los chatbots y los “wrappers” para LLM: se presenta como un sistema operativo de agentes autónomos en Rust, empaquetado en un solo binario y diseñado para operar 24/7 con seguridad en múltiples capas, auditoría criptográfica y módulos preconstruidos que trabajan con horarios y guardrails.
***

  • OpenFang v0.1.0 se anuncia como el primer lanzamiento público (febrero de 2026) de un “sistema operativo de agentes” construido desde cero en Rust.
  • Integra siete “manos” preconstruidas para tareas autónomas como OSINT, investigación, prospección de leads, predicción, automatización web y gestión de X.
  • Prioriza seguridad y trazabilidad con sandbox WASM dual-metered, auditoría con Merkle hash-chain y rastreo de flujo de información “teñido” para secretos.

 

Un “sistema operativo de agentes” y no otro marco de chatbots

OpenFang se presenta como un sistema operativo de agentes de grado de producción, de código abierto, construido desde cero en Rust. El repositorio describe el proyecto como algo distinto a un marco de chatbot, distinto a un wrapper en Python alrededor de un modelo de lenguaje, y también diferente a un orquestador de múltiples agentes. La apuesta es más amplia: correr agentes autónomos que trabajen de forma continua, con horarios, objetivos y reportes.

Según la descripción del proyecto, el enfoque parte de una crítica a los agentes “tradicionales”, que esperan interacción directa del usuario. En su lugar, OpenFang apunta a ejecutar agentes que operan 24/7, capaces de monitorear metas, construir gráficos de conocimiento, generar prospectos, gestionar redes sociales y entregar resultados a un tablero. La intención es que el usuario configure y supervise, pero no tenga que iniciar cada acción como si conversara con un asistente.

El primer lanzamiento público es OpenFang v0.1.0, fechado en febrero de 2026. Se indica que el sistema está “completo en características”, aunque se advierte que al ser la primera versión pública puede haber inestabilidad, bordes ásperos o cambios rompientes entre versiones menores. Para uso en producción, el propio proyecto recomienda fijar el despliegue a un commit específico hasta que llegue la versión v1.0.

En cuanto a escala técnica, el repositorio lo describe con cifras que buscan respaldar su madurez: 137K líneas de código, 14 crates, más de 1.767 pruebas y cero advertencias de clippy. También afirma que todo el sistema se compila en un solo binario de alrededor de 32 MB, pensado para simplificar instalación y operación: “una instalación, un comando, tus agentes están en vivo”.

“Manos”: módulos autónomos con manifiesto, playbooks y guardrails

La innovación central que destaca OpenFang se denomina “Hands” o “Manos”. El proyecto las describe como paquetes preconstruidos de capacidad autónoma, diseñados para funcionar de manera independiente y con horarios, sin necesidad de que el usuario las invoque manualmente. La idea se resume en una frase del repositorio: los agentes tradicionales esperan a que escribas; las manos trabajan para ti.

Cada Mano incluye componentes definidos para estructurar comportamiento, herramientas y controles. Se menciona un archivo HAND.toml como manifiesto, donde se declaran herramientas, configuraciones, requisitos y métricas del tablero. También se incluye un prompt del sistema descrito como un libro de jugadas operacional en varias fases, explícitamente no reducido a una sola línea, sino a procedimientos expertos de más de 500 palabras.

Además, cada Mano incorpora un archivo SKILL.md, que funciona como referencia de experiencia del dominio e inyección de contexto en tiempo de ejecución. Junto con ello, se agregan guardrails y puertas de aprobación para acciones sensibles. El ejemplo explícito del repositorio se vincula a tareas de navegación: se plantea que el navegador requiere aprobación antes de cualquier compra, como forma de control para evitar gastos no deseados o acciones irreversibles sin supervisión.

Un punto adicional es el empaquetado. El proyecto remarca que todo queda compilado en el binario, sin descargas adicionales, sin dependencias típicas del ecosistema Python y sin flujos externos como “pip install” o “docker pull”. En su narrativa, esto pretende reducir fricción operativa y riesgos asociados a instalaciones heterogéneas.

Las siete “manos” integradas y lo que automatizan

OpenFang lista siete Manos integradas que cubren tareas muy distintas, desde creación de contenido hasta investigación y automatización web. La primera es Clip: toma una URL, descarga el video, identifica los mejores momentos, recorta en piezas verticales con subtítulos y miniaturas, agrega voz en off de IA de forma opcional, y publica el resultado en Telegram y WhatsApp.

La segunda Mano es Lead, diseñada para operación diaria. Se describe como un sistema que descubre prospectos que coinciden con el perfil de cliente ideal (ICP), enriquece datos con investigación web, asigna un puntaje de 0 a 100, deduplica contra una base existente y entrega leads calificados en formatos CSV, JSON o Markdown. En un contexto de negocios, esto apunta a convertir la investigación repetitiva en un flujo automatizado y medible.

En inteligencia y monitoreo, aparece Collector, que el repositorio describe como inteligencia de grado OSINT. El usuario define un objetivo, como una empresa, persona o tema, y la Mano monitorea continuamente con detección de cambios, seguimiento de sentimiento, construcción de gráficos de conocimiento y alertas críticas cuando algo importante cambia. En paralelo, Researcher se presenta como un investigador autónomo profundo que cruza fuentes, evalúa credibilidad con los criterios CRAAP (Moneda, Relevancia, Autoridad, Precisión, Propósito) y produce informes citados en formato APA, con soporte multilingüe.

La lista incluye también Predictor, descrito como un motor de superpronósticos. La Mano recopila señales de múltiples fuentes, construye cadenas de razonamiento calibrado, entrega predicciones con intervalos de confianza y rastrea su propia precisión usando puntuaciones de Brier. En redes sociales, la Mano Twitter se plantea como un administrador autónomo de cuentas en X: crea contenido en siete formatos rotativos, programa publicaciones para optimizar engagement, responde menciones y rastrea métricas, con una cola de aprobación para que nada se publique sin autorización del usuario.

Finalmente, Browser aparece como un agente de automatización web que navega sitios, llena formularios, hace clic en botones y maneja flujos de trabajo de múltiples pasos. Se menciona que utiliza un puente con Playwright y persistencia de sesión, y se subraya un guardrail: la aprobación de compras es obligatoria y el agente no gastará dinero sin confirmación explícita. Como extensión del modelo, OpenFang propone “construye el tuyo”, definiendo un HAND.toml con herramientas, configuraciones y un prompt del sistema, para publicar luego en FangHub.

Seguridad y trazabilidad: sandbox WASM, Merkle hash-chain y rastreo de secretos

En seguridad, OpenFang afirma que no la “atornilla” al final, sino que la integra en capas. En una sección de comparación, el repositorio habla de benchmarks basados en documentación oficial y repositorios públicos, con fecha de febrero de 2026, y plantea el concepto de “medidos, no comercializados”. Dentro de ese encuadre, detalla mecanismos específicos para seguridad de sistemas.

El primero es un sandbox en WebAssembly con doble medición, descrito como “WASM Dual-Metered Sandbox”. Se indica que el código de herramientas se ejecuta en WebAssembly con medición de combustible más interrupción por época, y que un hilo supervisor puede matar código desbocado. Esta arquitectura busca mitigar riesgos de herramientas que se comporten de forma inesperada o consuman recursos sin control.

El segundo mecanismo es un rastro de auditoría encadenado criptográficamente, denominado “Merkle Hash-Chain Audit Trail”. La idea es que cada acción queda vinculada a la anterior y que, si se altera una entrada, toda la cadena se rompe. En sistemas autónomos, donde el agente toma decisiones y ejecuta pasos sin intervención constante, este tipo de registro apunta a facilitar revisiones y análisis posteriores.

El tercer mecanismo mencionado es el rastreo de flujo de información “teñido”, explicado como etiquetas que se propagan durante la ejecución para rastrear secretos de fuente a destino. Esto apunta a evitar filtraciones accidentales o usos indebidos de datos sensibles dentro del ciclo operativo del agente. En total, OpenFang asegura contar con 16 sistemas de seguridad bajo un enfoque de defensa en profundidad, probados de forma independiente y sin un único punto de fallo.

Lanzamiento v0.1.0, enfoque de producción y autoría del proyecto

El repositorio enfatiza que, pese al carácter “completo en características”, v0.1.0 es apenas el primer lanzamiento público. Por eso insiste en la posibilidad de cambios rompientes entre versiones menores y en la necesidad de fijar el uso en producción a un commit. La tensión es común en software de infraestructura: salir temprano para ganar adopción, sin prometer estabilidad total hasta alcanzar una versión mayor como v1.0.

En términos de operación, OpenFang destaca su formato de un solo binario de alrededor de 32 MB, con la promesa de reducir pasos de despliegue. En la práctica, este tipo de empaquetado suele ser valorado en entornos donde el mantenimiento y la reproducibilidad importan tanto como las funciones, aunque el propio proyecto no detalla aquí requisitos de sistema ni escenarios de implementación más allá del mensaje de “una instalación”.

También se remarca la narrativa de “agentes que realmente trabajan para ti”, que enmarca el producto como alternativa a la interacción conversacional típica. Para lectores nuevos, conviene aclarar que un “agente” en IA suele referirse a un sistema que combina un modelo de lenguaje con herramientas y memoria para planear y ejecutar acciones. OpenFang busca formalizar esa idea como un sistema operativo de agentes, con módulos, manifiestos, tablero, métricas y controles.

El proyecto es atribuido a Jaber, fundador de RightNow, según la propia descripción del repositorio de OpenFang en GitHub. Con el lanzamiento v0.1.0, la iniciativa entra al radar de quienes siguen automatización con IA en entornos de producción, especialmente por su énfasis en Rust, pruebas, empaquetado en binario único y un diseño explícito de seguridad en capas para ejecutar herramientas de forma autónoma.


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