OpenFang
RightNow-AI · Programación
OpenFang es un sistema operativo de agentes de código abierto escrito en Rust que ejecuta agentes de IA autónomos según horarios, en vez de esperar a que escribas un prompt. Es una plataforma de agentes de código abierto tanto como un runtime. Llega con 7 Hands prediseñadas, 30 agentes ya listos, 38 herramientas integradas, memoria que persiste entre chats y unos 40 adaptadores de canal. Un solo binario. Una sola instalación. Y tus agentes quedan activos. Está pensado para quien quiere agentes trabajando 24/7 bajo controles de seguridad reales, no otro envoltorio de chatbot.
Acerca de OpenFang
Qué es OpenFang
OpenFang es un agent OS, y la palabra importa. Un framework te da piezas y te deja el cableado a ti. Un sistema operativo le da a los agentes un runtime donde vivir: memoria, seguridad, programación y canales forman parte de la plataforma, no son algo que añadas después. En ese sentido, es menos un framework de agentes en Rust y más el terreno sobre el que esos frameworks se apoyan. RightNow-AI lo construyó entero en Rust y lo compiló en un único binario pequeño, así que no hay entorno de Python que gestionar ni imagen de contenedor pesada que descargar.
El problema que ataca es la naturaleza pasiva de la mayoría de las herramientas de agentes. Abres una terminal, haces una pregunta, recibes una respuesta. Luego cierras la ventana y el agente se detiene contigo. OpenFang le da la vuelta a eso. Sus "Hands" son paquetes de capacidades autónomas que se activan según un horario, hacen su trabajo y reportan a un panel, contigo delante o sin ti.
El principal pero es la madurez. OpenFang está funcionalmente completo, pero sigue en fase pre-1.0, y el proyecto avisa de que habrá asperezas y cambios rompedores entre versiones menores. Para producción, recomiendan fijar un commit concreto hasta que llegue la v1.0. Además, el software es gratis, pero los modelos que conectes no lo son, salvo que apuntes a un modelo local.
Primeros pasos
- Instala el binario con el script de una línea para tu plataforma, o descarga una versión de lanzamiento.
- Ejecuta
openfang inity conecta al menos un proveedor de LLM, como Anthropic, Gemini, Groq, DeepSeek o una opción local. - Arranca el servicio con
openfang starty abre el panel en http://localhost:4200. - Activa una Hand, por ejemplo la de investigación o la de leads, y define su horario.
- Apunta un canal como Telegram o Slack a tu agente para que los resultados lleguen donde ya trabajas.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de OpenFang.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores que quieren un runtime de nivel producción para agentes autónomos y no les importa seguir una configuración por línea de comandos.
- Equipos pequeños que necesitan agentes vigilando competidores, leads o cuentas sociales a todas horas sin un supervisor.
- Creadores con mentalidad de seguridad que se preocupan por el aislamiento y las auditorías antes de dejar que un agente toque sistemas reales.
Tareas
- Ejecutar investigación programada que contrasta fuentes y produce informes con citas.
- Vigilar objetivos en busca de cambios y construir un grafo de conocimiento con lo que encuentra.
- Gestionar una cuenta social con publicaciones redactadas y programadas que esperan aprobación.
Casos de uso
- Generación de leads outbound que corre a diario y te entrega cada mañana una lista sin duplicados.
- Inteligencia competitiva en la que un agente sigue precios y noticias y te avisa cuando algo se mueve.
- Convertir vídeos largos en clips verticales cortos con subtítulos, de principio a fin.
Funciones clave
Hands: paquetes de capacidades autónomas
Las Hands son la idea central. Cada una es un trabajador prediseñado con su propia descripción de puesto, sus herramientas y su horario, así que funciona sin que tú le mandes un prompt. Siete vienen de serie. Clip se encarga del vídeo. Lead caza clientes potenciales. Collector vigila objetivos. Predictor hace pronósticos. Researcher indaga a fondo. Twitter lleva lo social. Browser maneja la web. Activas una, defines el horario y consultas el panel.
Un modelo de seguridad de 16 capas
OpenFang ejecuta el código de las herramientas dentro de un sandbox de WebAssembly con doble medición, así que un bucle descontrolado se interrumpe y un proceso que devora memoria se mata. Encima de eso van la firma de manifiestos con Ed25519, un rastro de auditoría con árbol de Merkle, el seguimiento de contaminación y la protección contra SSRF. ¿Por qué importa? Si vas a dejar que un agente actúe por su cuenta, quieres límites que aguanten cuando algo sale mal. Esta es la parte que lo separa de frameworks más ligeros.
40 adaptadores de canal
Un solo agente puede llegar a Telegram, Discord, Slack, WhatsApp, Teams, IRC, Matrix y decenas más. Puedes definir modelos por canal y políticas de DM o de grupo, así que el mismo agente se comporta distinto según dónde llegue el mensaje. Diferencia enorme para equipos que hacen malabares con plataformas. Y no rehaces tu flujo de trabajo por cada una que tu equipo ya usa.
Memoria persistente
El almacenamiento corre sobre SQLite con embeddings vectoriales, además de espejo de sesiones y compactación automática. Los agentes recuerdan el contexto entre conversaciones y entre canales, así que un seguimiento en Slack conecta con lo que pasó ayer en Telegram.
Herramientas, MCP y protocolos
Hay 38 herramientas nativas y soporte del Model Context Protocol como cliente y como servidor, junto con A2A de Google y el OpenFang Protocol para redes entre pares. Las herramientas incluidas cubren búsqueda web, automatización de navegador, generación de imágenes, texto a voz, Docker y grafos de conocimiento.
Una app de escritorio nativa
El panel llega como app de escritorio Tauri 2.0, así que tienes una ventana de verdad con bandeja del sistema, notificaciones e inicio automático al entrar. No todo el mundo quiere vivir en una terminal. Si prefieres hacer clic a escribir, así es como ves trabajar a tus agentes.
Ventajas y desventajas
Ventajas
- Un único binario en Rust, así que la instalación es ligera y el arranque rápido frente a pilas de Python.
- Aislamiento y auditorías de verdad, que importan una vez los agentes actúan por su cuenta.
- Las Hands corren según horarios, así que la plataforma trabaja mientras tú no.
- Amplio soporte de canales y modelos, que te evita atarte a un solo proveedor.
Desventajas
- Sigue en pre-1.0, así que cuenta con cambios rompedores entre versiones menores y fija un commit para producción.
- La configuración da por hecho que te manejas con la línea de comandos y con claves de proveedor, lo que descarta al usuario casual.
- El software es gratis, pero las llamadas a los modelos no, salvo que corras un modelo local y tengas el hardware para ello.
Preguntas frecuentes
Sí. El software es código abierto bajo Apache-2.0 y MIT, así que puedes ejecutarlo, modificarlo e incluso publicar trabajo comercial basado en él. Tu coste real es lo que gastes en llamadas a la API de los modelos, y eso baja a cero si conectas un modelo local con algo como Ollama o LM Studio.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con OpenFang.
Alternativas a OpenFang
Forefront
Forefront · ProgramaciónForefront es una plataforma web para construir con IA de código abierto. Te deja ajustar los principales modelos de lenguaje de código abierto con tus propios datos, evaluar cómo rinden y ejecutarlos a través de una API o exportarlos para alojarlos tú mismo. Los desarrolladores que quieren la comodidad de una plataforma cerrada pero insisten en ser dueños de sus modelos y sus datos son el público objetivo.
Startkit
StartKit.AI · ProgramaciónStartkit es un boilerplate para crear productos de SaaS con IA y wrappers de IA. Piénsalo como un boilerplate para startups de IA con las partes aburridas ya conectadas: autenticación, pagos con Stripe y Lemon Squeezy, límites de uso, correo transaccional y un kit de inicio de API de IA que habla con OpenAI, Anthropic, Groq o Llama. Clonas el repositorio, pones tu precio y te dedicas a la parte del producto por la que la gente paga de verdad. Está hecho con Next.js sobre React y Tailwind, así que buena parte del código boilerplate ya te resulta familiar.
Testim
Tricentis · ProgramaciónTestim es una plataforma de automatización de pruebas impulsada por IA para crear y ejecutar pruebas de extremo a extremo en aplicaciones web, móviles y Salesforce. Se apoya en el aprendizaje automático para mantener las pruebas estables cuando cambia una interfaz, así que los equipos dedican menos tiempo a reparar selectores rotos. No está nada mal para una herramienta de pruebas automatizadas que puedes empezar a usar hoy mismo. Creas pruebas grabando acciones en un navegador y luego añades JavaScript cuando necesitas más control. Es una opción sólida para equipos de QA con mucho trabajo.