El agent stack se consolida por capas y abandona el patron clasico de RAG

El movimiento editorial fuerte: Cursor ha dejado de venderse como IDE y empieza a venderse como plataforma de agents, y este repo es la materialización pública de ese giro. El plugin orchestate reparte tareas en paralelo con planners/workers/verifiers, y thermos introduce auditorías de seguridad y correctness en code-review con sub-agents — dos piezas que vale la pena leer aunque no uses Cursor, porque marcan el listón de lo que un «agent ecosystem OSS» debería exponer. La conexión con el histórico del grafo: ya cubrimos el concepto agent-skills-spec el 2026-07-31, y vimos a Anthropic Claude Code como competidor el 2026-07-28; este repo encaja exactamente en esa línea y la lleva un paso más allá con un marketplace de plugins servido vía remote MCP. Caveat menor: la API de GitHub no expone el campo license (la verificación hubo que hacerla leyendo el archivo LICENSE, que sí es MIT).

Centaur ataca el hueco «agent corporativo» desde un ángulo distinto al de Embabel — la UX es Slack-first, no IDE-first: tú mencionas @centaur en un canal, el sistema aprovisiona un sandbox Kubernetes aislado con shell/git/Python/Node/Bun y te devuelve el progreso y el resultado en el mismo thread. Los detalles técnicos que importan para CSS: trae tu propio harness (cualquier CLI-agent funciona), los workflows son duraderos con sleep/resume/wait-for-events, hay credential boundaries para que el agente use servicios aprobados sin ver API keys en crudo, y soporta replayable state más organization overlays para que cada equipo añada sus tools sin forkear el repo. En el grafo ya cubrimos tanto el concepto enterprise-agents como el repo embabel-agent el 2026-08-12, así que este boletín completa la comparación con la vertiente Slack-first y OSS por encima de Adept/Temporal/Cohere. Caveat: 87 issues abiertos en 3 meses de vida es ritmo alto, esperable para un proyecto recién salido del horno.

Es la materialización de la idea que Karpathy tuiteó en marzo de 2026: en lugar de redescubrir el conocimiento desde cero en cada query como hace el RAG tradicional, un LLM compila summaries, concept pages y cross-references y los mantiene sincronizados, de forma que el conocimiento se acumula en lugar de re-derivarse. Para CSS la narrativa importa porque desafía frontalmente el stack embeddings + vector DB, apoyándose en cambio en el tree indexing vectorless de PageIndex. Detalle técnico fuerte: trae una Skill Factory que destila agent skills redistribuibles directamente desde la wiki, y exporta a Google OKF (Open Knowledge Format) para portabilidad entre herramientas. Caveat honesto que conviene vigilar: el último push es del 2026-07-22, más de tres semanas sin commit, lo que puede ser simple receso de verano pero también un slowdown de actividad — habría que confirmarlo en el siguiente boletín. En el grafo los conceptos compiled-knowledge-base y vectorless-retrieval, así como el competitor infiniflow/ragflow, se incorporan por primera vez con este item.