Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

fountain

Fountain es una plataforma que ejecuta agentes de IA (Claude Code, Codex, Gemini CLI) como API HTTP en entornos aislados, permitiendo observar el trabajo del agente paso a paso.

Ficha actualizada 22 sept 2026, 23:23 · upstream 22 sept 2026, 23:09 · release v0.21.0

Ver códigoProblemas y ayudaRepositorio ↗Sitio oficial
00

Qué es fountain

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Fountain es un servicio que actúa como un intermediario entre un chatbot y una máquina real. Cada conversación se ejecuta dentro de un sandbox independiente: el agente recibe repositorios clonados, paquetes instalados y credenciales preconfiguradas en el entorno del servidor. Entre mensajes, la máquina se pausa para guardar su estado. Esto permite que un usuario escriba instrucciones, observe el progreso del agente trabajando sobre archivos reales, steere el razonamiento paso a paso y consulte los logs brutos sin necesidad de interactuar con una interfaz gráfica.

CASOS DE USO
  • Ejecutar agentes de IA (Claude Code, Codex, Gemini CLI) en entornos aislados para que el usuario observe el trabajo del agente en tiempo real
  • Automatizar tareas de desarrollo mediante conversaciones guiadas donde el agente puede leer archivos, modificar código y reportar cambios
  • Crear un entorno de colaboración multiusuario con agentes especializados (Builder, Reviewer, Researcher) en un mismo proyecto
  • Ejecutar pruebas y auditorías de seguridad sobre repositorios reales desde una interfaz chat
  • Integración con IDEs como Cursor o Aider para que el agente genere código directamente en el editor del usuario
  • Automatización de despliegues y pipelines CI/CD mediante conversaciones guiadas entre agentes
PUNTOS DESTACADOS
  • Permite ejecutar múltiples agentes (Claude Code, Codex, Gemini CLI) simultáneamente sobre un solo servidor con un único endpoint HTTP
  • Cada conversación se ejecuta en un sandbox aislado que no comparte recursos ni credenciales entre conversaciones
  • Soporta streaming de salida mediante SSE (Server-Sent Events), permitiendo una experiencia de chat fluida y pausada
  • Permite el uso de secretos y credenciales almacenadas en un Vault, nunca se exponen en los prompts del agente
  • Soporta múltiples lenguajes de ejecución: Erlang/Elixir, Node.js, Go, Python, Swift, TypeScript
  • Permite ejecutar agentes desde una interfaz web sin necesidad de instalar herramientas locales complejas
PRECAUCIONES
  • La máquina del agente se pausa entre mensajes y no puede realizar acciones concurrentes o recursivas durante el tiempo de espera
  • El sandbox no tiene acceso a la red externa (internet) salvo a través del broker de egress, lo que limita su capacidad para ejecutar comandos externos
  • No existe un sistema de versionado integrado para los repositorios clonados en cada sandbox
  • La configuración de credenciales y el entorno se realiza manualmente antes de cada ejecución, no hay autenticación automática
  • El agente puede ser ineficiente si el usuario no proporciona instrucciones claras o si el modelo tiene limitaciones de contexto
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU2 vCPUrecomendación inicial
MEMORIA2 GBRAM estimada
DISCO20 GBalmacenamiento base
COMPLEJIDADmediumnivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Listo para automatizar

Para desplegar Fountain localmente, instala la herramienta `fountain` desde el tap Homebrew y ejecuta `fountain auth login`. Antes del primer uso, agrega credenciales de Anthropic en la cuenta y llaves de inferencia. Luego aplica un ejemplo básico con `fountain apply -f examples/quickstart/fountain.yml` y ejecuta el agente contra un repositorio real. Para producción, usa Docker para contener Fountain junto con PostgreSQL, o desplégalo como servicio en Kubernetes con el mismo esquema de seguridad que se usa en la instancia local.

✓Dockerfile
✓Compose
✓One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Next.jsNode.jsGoPython
SERVICIOS
PostgreSQL
BASES DE DATOS
PostgreSQL
PUERTOS
4000543258714322
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.