Consola de triaje

comprobando sesión…

Triaje Lectura Grafo

2026-08-28

MCP se convierte en el plano de control de los coding agents

14 items · 8 hallazgos · 6 radar

explorar 6

probar 2

leer 1

vigilar 5

Descartados y sin acción 0

nada descartado

J/K mover E explorar P probar L leer V vigilar X descartar G grafo ↵ abrir ficha

Selecciona un item del tablero
o pulsa J para empezar.

explorar hallazgo 02 · #ai-native-api-gateway pick

higress-group/higress

9.221★ · 1.257 forks · Go · Apache-2.0

Qué es

Cloud-native API gateway basado en Istio + Envoy, extendido con plugins Wasm (Go/Rust/JS). La capa AI ofrece un proxy unificado para todos los LLM providers mainstream (Alibaba/DashScope, OpenAI, Bedrock, Azure, etc.), hosting nativo de MCP servers remotos vía plugin Wasm, y una herramienta openapi-to-mcpserver que convierte OpenAPI specs en remote MCP servers. Es un CNCF Sandbox project (sin vendor lock-in). Hay una demo pública en mcp.higress.ai/.

Cómo encaja

higress-group/higress ai-native-api-gateway

implements · relación nueva de hoy

higress-group/higress wasm-plugin-extension

implements · relación nueva de hoy

higress-group/higress cncf-sandbox

uses · relación nueva de hoy

higress-group/higress workweave/router

competes_with · ya cubierto el 2026-08-27

higress-group/higress openapi-to-mcpserver

uses · relación nueva de hoy

Por qué importa

Ya cubrimos workweave/router en el boletín del 2026-08-27 como model router semántico en Go bajo ELv2. Higress es la alternativa production-grade enterprise para ese mismo rol: viene de Alibaba (operator-grade a escala de su cloud), es CNCF Sandbox (vendor-neutral), corre sobre Istio/Envoy (battle-tested) y además soporta hosting de MCP servers — el "AI Native API Gateway" que un equipo de platform engineering despliega para centralizar tráfico LLM y MCP en un solo plano. El eje de decisión Higress (Apache-2.0, CNCF) vs workweave (ELv2) vs LiteLLM (Apache-2.0 pero sin hosting MCP) es exactamente "qué eliges según tu escala": Higress cuando ya tienes Istio/Envoy en producción y quieres convergencia gateway + AI + MCP.

instalar via Docker con el comando de README; revisar el listado de plugins AI prebuilt; evaluar el tool openapi-to-mcpserver para exponer una API interna como MCP server

Abrir ficha Grafo ↗

explorar hallazgo 03 · #human-in-loop-browser-agent pick

Tencent/BrowserSkill

1.427★ · 112 forks · TypeScript · MIT

Qué es

CLI daemon + extensión Chrome/Edge que da a AI agents acceso al browser logged-in del usuario sin interrumpir su trabajo. El agente invoca bsk con una skill exportada; la operación se abre en una "Agent Window" separada mientras tú sigues usando tu browser normal. Soporta Cursor, Claude Code, Codex, OpenClaw, CodeBuddy, WorkBuddy, Pi, Hermes Agent y DeepSeek Harness. El CLI se distribuye vía curl | sh (macOS/Linux/Windows).

Cómo encaja

Tencent/BrowserSkill human-in-loop-browser-agent

implements · relación nueva de hoy

Tencent/BrowserSkill extension-backed-browser-automation

implements · relación nueva de hoy

Tencent/BrowserSkill browser-use/browser-use

complements · ya cubierto el 2026-08-20

Tencent/BrowserSkill tencent

relevant_to · ya cubierto el 2026-08-12

Tencent/BrowserSkill vendor-readme-tencent-claims

risk · relación nueva de hoy

Por qué importa

Ya cubrimos browser-use/browser-use en el boletín del 2026-08-20 como la librería Python de referencia para browser automation de agentes. BrowserSkill no compite con ella: ocupa el hueco "reuse real auth state via your browser extension", exactamente la pieza que faltaba para casos en los que "el agente tiene que tocar una pestaña donde ya estás logueado" sin pedirte credenciales ni levantar un browser headless separado. El patrón human-in-loop (pausa cuando aparece captcha/login/dialog) es lo que productiviza el browser-use "wild" y lo baja a algo operable en horas de oficina. Tencent ya entró en nuestro radar el 2026-08-12 con otros repos; que BrowserSkill liste explícitamente a Hermes Agent entre los harnesses soportados confirma que la pieza encaja con lo que ya usamos. Asterisco de honestidad: la nota del grafo vendor-readme-tencent-claims aplica — los claims del README (soporte, madurez, roadmap Firefox) hay que validarlos antes de adoptarlo en producción.

instalar el CLI via curl | sh; cargar la extensión en Chrome; conectar desde Claude Code vía bsk install-skill; probar un flujo "extrae este PDF abierto en tu browser" para ver el patrón human-in-loop

Alerta honesta

BrowserSkill (idx 2) presume "soporte para Hermes Agent" en su README de Tencent; conviene verificar empíricamente que el daemon bsk funciona con nuestro setup antes de presentarlo como integrado.

Abrir ficha Grafo ↗

probar hallazgo 04 · #declarative-agent-yaml

docker/docker-agent

3.296★ · 444 forks · Go · Apache-2.0

Qué es

CLI plugin docker agent oficial de Docker Engineering para construir y correr agentes AI sin código. Tiene configuración YAML declarativa, multi-agent con delegación automática, ecosistema MCP (local, remoto o Docker-based) y provider-agnostic (OpenAI, Anthropic, Gemini, Bedrock, Mistral, xAI, Docker Model Runner). Incluye tools built-in: think, todo y memory; RAG pluggable (BM25/embeddings/hybrid + rerank); y push de agentes a cualquier OCI registry.

Cómo encaja

docker/docker-agent declarative-agent-yaml

implements · relación nueva de hoy

docker/docker-agent oci-packaged-agent

implements · relación nueva de hoy

docker/docker-agent pydantic/pydantic-ai

competes_with · relación nueva de hoy

docker/docker-agent mcp-server

uses · ya cubierto el 2026-08-24

docker/docker-agent docker

relevant_to · relación nueva de hoy

Por qué importa

El grafo ya cubrió el concepto mcp-server en el boletín del 2026-08-24 con docker-agent justo como ejemplo de "agentes en YAML declarativo con packaging OCI". Lo que ese item no agotó es por qué este patrón importa en una empresa que ya usa Docker: docker-agent es la versión "un solo comando" que operations teams puede versionar, pasar por code review y desplegar como cualquier contenedor, porque el agente entero se pushea a un OCI registry y se corre como plugin del Docker CLI. Frente a alternativas Python tipo pydantic/pydantic-ai, docker-agent es la opción real "infra-grade" para una empresa que ya tiene Docker como plataforma: trae RAG pluggable (BM25/embeddings/hybrid + rerank), multi-agent con delegación automática y tools built-in (think, todo, memory) sin que tengas que montarlos tú.

instalar el plugin vía brew install docker-agent o descargar release binary; definir un agente mínimo agent.yaml con OpenAI/Anthropic; correr docker agent run; publicar el agente a un OCI registry de pruebas

Alerta honesta

github-mcp-server (idx 0) y docker-agent (idx 3) son piezas oficiales con traction real; no hay hype desproporcionado, pero el listón de "oficial" sube el coste de forks comunitarios que ya existían.

Abrir ficha Grafo ↗

explorar hallazgo 06 · #byok-cursor-extension

CometixSpace/CCursor

815★ · 139 forks · TypeScript · AGPL-3.0

Qué es

Proxy BYOK embebido para Cursor IDE mediante un npx @cometix/ccursor install que patchea el extension host. Intercepta el tráfico ConnectRPC/REST de Cursor y lo redirige a Anthropic, OpenAI, Gemini o cualquier endpoint OpenAI-compatible con tus API keys. Incluye una sidebar UI para toggle BYOK ↔ official, gestión visual de providers/modelos, 22 agent tools funcionales, hot-reload de routes.json, LogOutputChannel por ventana y persistence de conversaciones en SQLite.

Cómo encaja

CometixSpace/CCursor byok-cursor-extension

implements · relación nueva de hoy

CometixSpace/CCursor leookun/cursor-byok

complements · relación nueva de hoy

CometixSpace/CCursor connectrpc-intercept

uses · relación nueva de hoy

CometixSpace/CCursor agpl-3.0-restriction

risk · relación nueva de hoy

Por qué importa

El grafo ya tenía leookun/cursor-byok como la primera implementación BYOK para Cursor; CCursor es la versión "proxy + sidebar UI + multi-provider" que sube el listón de la categoría. Mientras leookun/cursor-byok resolvía "redirige el tráfico a tus claves", CCursor le añade toggle visual BYOK ↔ official, gestión de providers/modelos desde la sidebar, 22 agent tools funcionales, hot-reload de routes.json y persistencia de conversaciones en SQLite — el bundle completo que un equipo Cursor ya con claves propias quiere para no depender del plan Pro. La multiplicación de opciones BYOK (CCursor, leookun/cursor-byok, mksglu/context-mode) confirma que "trae tu propio provider" ya es categoría mainstream. Aviso de honestidad: la licencia es AGPL-3.0, lo que significa restricciones si quieres ofrecer un servicio hosted basado en él — antes de adopción comercial hay que leer el LICENSE.

instalar con npx @cometix/ccursor install; configurar tu provider Anthropic/OpenAI en sidebar; probar el flujo "thinking enabled" con Claude Sonnet 4; revisar la tabla de troubleshooting antes de uso en producción — el parche modifica archivos del extension host

Alerta honesta

CCursor (idx 5) y Praxist (idx 6) arrastran riesgos de licencia: AGPL-3.0 el primero, NOASSERTION el segundo — adopción comercial exige leer el LICENSE file antes de cerrar el caso.

Abrir ficha Grafo ↗

explorar hallazgo 07 · #persistent-research-process

sapientinc/PRAXIST

906★ · 113 forks · Python · NOASSERTION

Qué es

Sistema autónomo de research "medible y computer-executable". Coordina "research peers" paralelos, evaluadores propiedad de cada task, evidencia durable entre generaciones y síntesis generación-a-generación. Trata la research como proceso persistente, no como una secuencia de prompts disconnected. La unidad de trabajo es un "research project already running with measurable objective but unknown best path". Instalación one-shot con pip install "praxist[agents,codex]" && praxist setup --interactive --install-skills codex. Tiene integración nativa con Codex (Codex-native mode sin API key) y Claude Code (runbook específico por host).

Cómo encaja

sapientinc/PRAXIST persistent-research-process

implements · relación nueva de hoy

sapientinc/PRAXIST parallel-research-peers

implements · relación nueva de hoy

sapientinc/PRAXIST deepresearch-stack

complements · relación nueva de hoy

sapientinc/PRAXIST noassertion-license

risk · ya cubierto el 2026-08-27

Por qué importa

Ya cubrimos el riesgo concept:noassertion-license en el boletín del 2026-08-27 con workweave/router bajo ELv2. Praxist vuelve a levantar la misma bandera: LICENSE = NOASSERTION, hay que leer el LICENSE file antes de adopción comercial — el item no puede afirmar que sea open-source estándar sin esa verificación. Salvado ese asterisco, Praxist cierra un hueco real: el ecosistema tiene OpenDeepResearch y compañía para "una pregunta puntual, devuelve un reporte", pero le faltaba la versión research projects de larga duración con evidencia formal entre runs. Para un episodio "research agent stacks en 2026" es el tercer polo del triángulo: OpenDeepResearch (prompt único, reporte), Praxist (proceso persistente con evidencia entre generaciones) y Human-Scientist (HITL estructurado). Dato institucional relevante: Sapient Inc. es el ex-employer de Harrison Chase (fundador de LangChain), lo que da confianza sobre la dirección técnica pero no sustituye al LICENSE review.

instalar praxist[agents,codex]; completar setup wizard; abrir un proyecto research "ya en ejecución" y disparar $praxist-takeover; revisar el "example takeover brief" para entender el contrato project/evidence; leer LICENSE file antes de uso comercial

Alerta honesta

CCursor (idx 5) y Praxist (idx 6) arrastran riesgos de licencia: AGPL-3.0 el primero, NOASSERTION el segundo — adopción comercial exige leer el LICENSE file antes de cerrar el caso.

Abrir ficha Grafo ↗

leer hallazgo 08 · #framework-free-llm-curriculum

calmrocks/ai-engineer-notebooks

311★ · 19 forks · Jupyter Notebook · MIT

Qué es

Notebooks Colab ejecutables para el skill set AI Engineer / Forward Deployed Engineer. Filosofía "framework-free, on purpose": primero raw API calls, después frameworks (cuando entiendes qué abstraen). Tiene 12 secciones (prompting → serving → fine-tuning con LoRA → red-team benchmark), todo corre sobre la API gratuita de Groq (sin tarjeta), con dos apéndices opcionales en Colab-GPU verificados en T4. Incluye tres case studies end-to-end (support assistant en producción, cost showdown pipeline-vs-agent, red-team benchmark).

Cómo encaja

calmrocks/ai-engineer-notebooks framework-free-llm-curriculum

implements · relación nueva de hoy

calmrocks/ai-engineer-notebooks colab-runnable-handbook

implements · relación nueva de hoy

calmrocks/ai-engineer-notebooks forward-deployed-engineer-role

relevant_to · relación nueva de hoy

calmrocks/ai-engineer-notebooks openai-compatible-api

complements · relación nueva de hoy

Por qué importa

El grafo venía acumulando guías tipo "intro LLM en 6 semanas" al estilo fast.ai que se quedan en prompting y nunca llegan a evals. calmrocks es el primer repositorio-formación con la regla "measure before you tune" instalada desde el capítulo de evals y vuelta en cada sección posterior (fine-tuning, red-team) — exactamente la disciplina que separa "ingeniero que shipa" de "demo builder". Para una guía del episodio "AI Engineer en 6 meses" es el complemento práctico del plan FDE de calm.rocks: 12 notebooks Colab ejecutables, framework-free a propósito (primero raw API calls, después frameworks cuando ya entiendes qué abstraen), todo corre sobre la API gratuita de Groq sin tarjeta y termina con tres case studies end-to-end en producción. El detalle "OpenAI-compatible" lo hace portable a Anthropic con cambios menores, así que el lector no queda atado a un vendor.

abrir 00-setup en Colab con una API key de Groq; correr las primeras 4 secciones; leer la sección de evals completa antes de empezar a tunear; revisar el case study "support assistant debugged in production" como material de un episodio sobre MLOps aplicada

Abrir ficha Grafo ↗