La capa de agentes entra en producción por tres puertas simultáneas

El foco tradicional de la seguridad de IA estaba en jailbreaks de LLMs; este repo de Tencent lo desplaza al lado del agente: prompt injection en herramientas, skills envenenadas, servidores MCP comprometidos y exfiltración vía Function Calling. Es material directo para un artículo «AI Agent Security 101: qué auditar y cómo empezar». Ya cubrimos el concepto de AI offensive security sobre MCP el 2026-08-18 y el de agent/mcp security el 2026-08-03; este repo los aterriza con una suite operativa (5103★, Apache-2.0, release 2026-08-19).

Más de 66k★ lo convierten en el ejemplo más viral del momento de «IA aplicada al trabajo del propio usuario». Aunque el nicho (búsqueda de empleo) parezca ajeno al dev, interesa como caso de estudio de un agente que encadena scraping → evaluación estructurada (rúbrica A-F, score 1.0–5.0) → generación de documentos (CV personalizado), y esa rúbrica es directamente exportable a otros casos de evaluación: PR review, RFPs, propuestas comerciales. Encaja con el patrón agentic-RAG que cubrimos el 2026-08-19 y con el uso de MCP del 2026-08-08; el MIT y el README en español (entre 14 idiomas) lo dejan listo para trastear.

Microsoft ya tenía AutoGen (orientado a research) y Semantic Kernel (orientado a producción); este repo los consolida con SDKs paralelos para Python y .NET, así que cubre tanto el lado data science como el enterprise. Es la respuesta directa de Microsoft a LangGraph (orquestación tipo grafo), CrewAI (roles) y Agno (memoria), por lo que si tu stack es Azure el camino oficial a partir de ahora pasa por aquí. Tema conectado con multi-agent workflows, que cubrimos el 2026-08-12; Microsoft publicó el último push el 2026-08-21 bajo MIT.

Los frameworks agentic suelen ignorar dónde corre el agente; kagent asume explícitamente Kubernetes como runtime (proyecto CNCF): los agentes son CRDs, las herramientas se montan vía MCP y el deploy se hace con Helm. Es la pieza que faltaba para hablar en serio de «agentes en producción» ante equipos de plataforma, no solo ante ML engineers. Está bajo Apache-2.0 con 3554★ y un release del 2026-08-20; conecta con la cobertura de MCP del 2026-08-08 y, en la línea de CRDs agénticos, con kubernetes-sigs/agent-sandbox del 2026-08-07.

El espacio de generación de vídeo con IA está dominado por SaaS cerrados (HeyGen, Synthesia, Runway); Pixelle-Video es la respuesta open-source con UI completa y stack modular basado en ComfyUI (texto → guion → TTS → imagen → vídeo → edición). Aunque el README está en chino, la arquitectura (texto → assets → composición) es directamente exportable a casos técnicos del boletín: screencasts automatizados, demos de producto y tutoriales. Ya cubrimos el concepto de agentic video production el 2026-08-12; con 27k★ y Apache-2.0 es el referente open-source serio para compararlo con SaaS cerrados.

Competidor directo y moderno de Open WebUI: donde Open WebUI se centra en la UI de chat, ODS empaqueta el stack completo (inferencia LLM, chat UI, voz, agentes, workflows, RAG, generación de imagen) sobre cualquier PC/Mac/Linux. Si escribimos sobre «AI self-hosted» o «home lab AI», ODS es la pieza que hay que comparar con Open WebUI, Ollama y AnythingLLM. Encaja con local-first agent workspace (cubierto el 2026-08-10) y reutiliza ollama y llama.cpp, que cubrimos el 2026-08-17; Apache-2.0, 4602★, release del 2026-08-13.

Si los agentes dejan de estar en silos y pasan a pares en una malla P2P cambian tres cosas con implicaciones prácticas: (a) baja el coste de despliegue porque no hace falta gateway central; (b) la seguridad pasa a ser un problema de identidad criptográfica entre agentes; (c) emergen patrones de «agente-que-llama-a-agente» sin servidor de coordinación. Es un repo aún pequeño (356★) pero arquitectónicamente relevante, del propio Google y bajo Apache-2.0; conecta con la cobertura de MCP del 2026-08-08 y aterriza el problema de agent discovery.