Agenvoy
Agenvoy es un harness de agentes IA auto-hospedado en un único binario Go que ejecuta herramientas, sandboxea procesos con bubblewrap y comparte librerías de herramientas con clientes MCP como Claude Code. Gestiona memoria resumida para contexto ilimitado y permite automatización local sin exponer e
Ficha actualizada 27 sept 2026, 1:19 · upstream 26 sept 2026, 21:22 · release v1.0.24
Qué es Agenvoy
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Agenvoy es una plataforma de inteligencia artificial auto-hospedada construida sobre Go, diseñada para convertir conversaciones en trabajo ejecutado directamente en el equipo del usuario. A diferencia de los chatbots tradicionales que solo responden, Agenvoy actúa: investiga datos en vivo, organiza archivos y completa tareas multi-paso manteniendo el control total sobre los archivos y el entorno local.
El sistema integra modelos, contexto, herramientas y memoria en un flujo de trabajo único. Utiliza una estructura de memoria basada en resúmenes para manejar contextos ilimitados sin saturar la ventana del modelo. Además, implementa un modo de ejecución sandbox con bubblewrap para asegurar que las acciones de los agentes no comprometan la seguridad del sistema operativo subyacente.
La arquitectura permite compartir una única librería de herramientas entre múltiples agentes (como Claude Code o Codex) a través de protocolos MCP, evitando la duplicación de código. Incluye capacidades avanzadas como detección de palabras clave para voz, recuperación de tareas interrumpidas y un marketplace de extensiones para cargar nuevas habilidades sin reiniciar el núcleo.
- Investigación en vivo: Consultar datos actuales (clima, noticias) y obtener respuestas con fuentes verificables desde la interfaz web.
- Automatización de tareas complejas: Ejecutar flujos de trabajo multi-paso como organizar archivos o redactar informes técnicos automáticamente.
- Creación dinámica de herramientas: Generar, probar y desplegar nuevas herramientas en el entorno local cuando no existen soluciones preexistentes.
- Integración con agentes externos: Compartir herramientas sandboxeadas con otros clientes MCP para una colaboración entre agentes sin duplicidad.
- Gestión de agencias subagentes: Invocar subagentes especializados para tareas específicas y rastrear sus logs en tiempo real.
- Programación de tareas recurrentes: Configurar ejecuciones automáticas periódicas mediante comandos simples o cronogramas definidos.
- Ejecución en un único binario Go sin dependencias complejas ni contenedores obligatorios.
- Sandboxing seguro con bubblewrap para aislar procesos de ejecución y proteger credenciales.
- Integración nativa con protocolo MCP para compartir herramientas entre diferentes agentes IA.
- Gestión de memoria basada en resúmenes para mantener contexto ilimitado sin saturar tokens.
- Sistema de extensiones y marketplace para cargar nuevas habilidades dinámicamente.
- Recuperación de estado persistente: reanuda tareas interrumpidas desde puntos de control.
- No incluye soporte nativo para Docker o Compose; requiere ejecución directa del binario Go.
- Requiere configuración manual de rutas sensibles y permisos de sistema para el sandboxing.
- Complejidad media: recomienda al menos 4 núcleos CPU y 8 GB de RAM según especificaciones técnicas.
- Dependencia de librerías externas como MySQL o MongoDB para persistencia de datos.
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Despliegue directo del binario Go compilado. Asegurar al menos 4 núcleos CPU y 8 GB de RAM disponibles. Configurar variables de entorno para autenticación OAuth si se usan servicios externos. Verificar que las rutas sensibles estén bloqueadas por el sandboxing. Instalar dependencias de base de datos (MySQL/MongoDB) antes de iniciar el daemon local.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.