sutando
Sutando es un agente de IA autónomo que opera en tiempo real mediante voz y visión para automatizar tareas como gestión de reuniones, llamadas, edición de documentos y organización personal.
Ficha actualizada 22 sept 2026, 16:53 · upstream 22 sept 2026, 16:52 · release v0.12.0
Qué es sutando
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Sutando es un agente de IA autónomo diseñado para operar como "Stand" personal que trabaja por ti mientras tú trabajas. El sistema combina agentes de voz en tiempo real (Gemini Live), servidor de conversaciones telefónicas, cliente web y agente central (Claude Code o Codex CLI) para ejecutar tareas con acceso completo al sistema.
El repositorio implementa un bucle autónomo programado que se ejecuta cada 15 minutos para detectar patrones de trabajo, descubrir nuevas habilidades y construir capacidades faltantes. Los agentes de voz y conversación manejan acciones de alcance conversacional mediante herramientas inline, mientras que el agente central procesa tareas complejas escritas en tasks/.
El proyecto está en fase Alpha con 30 capacidades verificadas funcionando (voz, captura de pantalla, notas, calendario, llamadas telefónicas, delegación de tareas) y 3 que requieren configuración externa (Twilio, Telegram bot, Discord bot). La licencia es MIT y el código es open source.
- Automatización de reuniones: Unirse a Zoom/Google Meet automáticamente, tomar capturas de pantalla para identificar participantes, realizar investigación en tiempo real durante la llamada y generar resúmenes al finalizar
- Gestión de llamadas telefónicas: Realizar llamadas entrantes/salientes, dejar mensajes, tener conversaciones mientras el usuario trabaja, con capacidad de llamadas concurrentes durante reuniones
- Edición de documentos por voz: Modificar texto en documentos abiertos mediante comandos de voz ("hacer este párrafo más corto"), reemplazando el texto original directamente
- Gestión de notas y tareas: Capturar ideas habladas, etiquetarlas, guardarlas como notas buscables y comenzar a trabajar en acciones inmediatamente o encolarlas para el siguiente ciclo libre
- Migración multi-máquina: Configurar automáticamente nuevos Macs, abrir canales Discord para enviar comandos de configuración, y coordinar la transferencia de servicios entre máquinas sin scripts de migración
- Control por voz desde móvil: Abrir Zoom con compartición de pantalla desde el teléfono, tomar capturas de pantalla remotas, corregir errores tipográficos en archivos mientras se camina
- Ejecución local sin API key de pago para el núcleo: Funciona a través de Claude Code o Codex CLI seleccionados por el usuario, con credenciales de servicio opcionales solo para capacidades habilitadas
- Bucle autónomo de auto-mejora: El agente escribe su propio código durante ciclos nocturnos, aprende de correcciones del usuario y se adapta con el tiempo (la mayoría del código de Sutando fue escrito así)
- Arquitectura modular verificable: 4 procesos separados (agente de voz WebSocket :9900, cliente web HTTP :8080, servidor de conversación Twilio :3100, agente central CLI) con herramientas inline para acciones inmediatas y tasks/ para trabajo complejo
- Soporte multi-canal integrado: Voz, Zoom, Google Meet, Telegram, Discord (texto + voz), web, teléfono o email — mismo agente, misma memoria en cualquier canal
- Capacidades de 30+ verificadas funcionando: Voz, captura de pantalla, notas, calendario, recordatorios, contactos, navegador, llamadas telefónicas, delegación de tareas, detección de patrones, health check, dashboard, Telegram, Discord, migración multi-máquina
- Depende de CLI externos para el núcleo: Requiere Claude Code o Codex CLI instalados y autenticados; sin ellos el sistema no inicia (verificado en startup.sh)
- Capacidades telefónicas requieren configuración externa: Twilio + ngrok necesarios para llamadas/SMS, no incluidos en la instalación base (3 de 33 capacidades necesitan setup externo)
- Integraciones opcionales requieren paquetes adicionales: Discord/Slack necesitan discord.py/slack_bolt instalados manualmente; Telegram funciona sin paquete pero Discord/Slack no son nativos
- Fase Alpha con capacidades no hardening: El proyecto está en etapa temprana, algunas funcionalidades pueden fallar y se requiere reportar issues para mejorarlas
- macOS 15+ recomendado aunque no verificado en arranque: La documentación recomienda macOS 15+ y Node.js 22+ pero startup.sh solo verifica requisitos básicos sin validar versiones específicas
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Clonar repositorio, ejecutar bash src/startup.sh para iniciar servicios core (agente de voz, servidor de conversación, cliente web, dashboard, API). Configurar .env con credenciales opcionales (GEMINI_API_KEY para voz, Twilio para teléfono). Para macOS usar --with-app para incluir la aplicación del menú. Dashboard en http://localhost:8080 y http://localhost:7844. Bypass de autenticación inicial con SUTANDO_SKIP_AUTH_PREFLIGHT=1. Verificar setup con bash src/verify-setup.sh si el núcleo no inicia correctamente.
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.