cortex
Aplicación de escritorio auto-hospedada (Tauri/Rust/React) para orquestar múltiples agentes de IA desde una única interfaz, gestionando modelos locales y remotos sin enviar datos a terceros.
Ficha actualizada 28 sept 2026, 0:45 · upstream 28 sept 2026, 0:44 · release v3.1.0
Qué es cortex
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Cortex es una aplicación de escritorio auto-hospedada diseñada para unificar el control de múltiples agentes de inteligencia artificial en una sola ventana. Utiliza una arquitectura híbrida que combina un backend en Rust con un frontend en React, permitiendo la ejecución de modelos locales (Ollama, llama.cpp) y remotos (Claude, Codex, Gemini) desde un único punto de control. La aplicación se ejecuta completamente en el equipo del usuario, almacenando claves API en el keychain del sistema operativo y evitando el envío de datos a servidores externos no configurados.
- Orquestación multi-agente: Asignación automática de tareas a modelos según su capacidad (ej. solo chat vs acceso a shell) y costo, priorizando modelos locales gratuitos cuando están disponibles.
- Reproducción de ejecuciones: Visualización de historial completo de cada tarea realizada, incluyendo prompts, llamadas a herramientas, aprobaciones del usuario y costos estimados mediante un reproductor de tiempo.
- Despliegue móvil PWA: Acceso a la interfaz desde dispositivos móviles mediante un servidor HTTP local (127.0.0.1:8788) o a través de un sidecar Tailscale para redes privadas sin exposición directa.
- Gestión de contexto con Brain: Búsqueda semántica en historial de chats y vaults de Obsidian usando embeddings locales, permitiendo referencias como @brain o @diff en tiempo real.
- Ruta por capacidad antes que por costo: El router verifica las capacidades del modelo (ej. acceso a shell) antes de considerar el precio, evitando asignar tareas complejas a modelos limitados.
- Sandboxing de herramientas en tres niveles: Implementación de políticas de seguridad que restringen llamadas a herramientas desde modo de planificación y bloquean escrituras fuera del root del proyecto por defecto.
- Persistencia local sin telemetría: Uso de SQLite local para almacenamiento de historial, con verificación de firma ED25519 en actualizaciones Linux y ausencia total de telemetría o llamadas a casa.
- Model Fabric para endpoints personalizados: Capacidad de registrar y gestionar cualquier endpoint compatible con OpenAI (vLLM, llama.cpp) en la red local o tailnet con checks de salud automáticos.
- Instaladores sin firma de código: Los instaladores para Windows y macOS no están firmados, lo que provoca advertencias de seguridad en SmartScreen y Gatekeeper hasta que se provisione un certificado.
- Dependencias del sistema críticas: En Linux es obligatorio instalar libwebkit2gtk-4.1 y GTK 3; el AppImage requiere parches manuales para usar WebKit del host en distros con Mesa nuevo.
- Métricas de fiabilidad estimadas: El dashboard calcula métricas basándose únicamente en el historial local, sin poder ver reintentos internos de gateways ni costos exactos de APIs externas.
- Enrutamiento manual actual: La selección del endpoint del modelo se realiza manualmente en el compositor; el enrutamiento automático local-first está planificado pero no implementado.
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.
Verificar libwebkit2gtk-4.1 y GTK 3 en Linux antes de instalar. En Windows 10, el instalador descargará WebView2 automáticamente; en Windows 11 ya viene preinstalado. Para despliegues móviles, configurar el sidecar Tailscale (cortex-tsnet) para acceso seguro sin exponer la red local. Las actualizaciones Linux verifican firmas ED25519 antes de reemplazar binarios.
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.