Cómo lanzar tu propia empresa de IA con OpenOPC

Por lo general, los experimentos con sistemas multi-agente terminan en el punto donde tres LLMs en un bucle empiezan a hacerse preguntas educadamente de forma indefinida y consumen tokens sin parar. Les pides que escriban una aplicación y terminas con cinco páginas de disculpas mutuas y ni una sola línea de código funcional.

Hace poco me encontré con OpenOPC de investigadores de la Universidad de Hong Kong (HKUDS). Decidieron abordar la orquestación de agentes no como un chat abstracto, sino como una empresa real con estructura organizacional, roles, un tablero Kanban, controles de calidad y contratación de empleados para tareas específicas.

Lo que desarrollaron los creadores

Los autores llaman a este concepto AI-Native Company. En lugar de que un solo agente intente manejar arquitectura, escribir pruebas y trabajo de frontend, el proyecto ensambla un equipo adaptado al briefing específico.

El trabajo se construye sobre tres mecanismos:

• Ensamblaje de estructura. El sistema analiza el briefing, construye la estructura organizacional y selecciona los agentes. Utiliza plantillas de talento predefinidas o crea nuevos perfiles con un contexto limpio.
• Ejecución de tareas. Las tareas no se acumulan en un solo lugar—pasan por una máquina de estados finitos. Cada elemento de trabajo tiene un propietario, una columna actual en el tablero y un estado de preparación para ejecución.
• Acumulación de experiencia. Después de completar un proyecto, el sistema evalúa la contribución de roles específicos, no un chat abstracto. Las técnicas y soluciones exitosas se registran en la memoria personal del rol y en las instrucciones compartidas del equipo.

Como bonus adicional, los autores conectaron una interfaz web construida con React y Phaser, donde los agentes se sientan en una oficina virtual pixelada en sus escritorios, se pasan tarjetas de tareas entre sí y se unen a llamadas para reuniones.

Cómo funciona la colaboración internamente

El problema principal con pipelines complejos es que las tareas rara vez se planifican perfectamente desde el inicio. En el camino, inevitablemente aparecerán bloqueos, contexto faltante o pruebas fallidas.

OpenOPC resuelve esto a través de un grafo de dependencias (DAG) y roles de gerente. El gerente toma el briefing, lo descompone y distribuye el trabajo entre los ejecutores. Las tareas independientes se ejecutan en paralelo, las dependientes esperan su turno.

La interacción del equipo sigue cinco modos básicos:

1. Ejecución directa de una tarea por el agente asignado.
2. Delegar una subtarea a un subordinado con transferencia de contexto.
3. Revisar un resultado terminado antes de enviarlo a la siguiente etapa.
4. Integrar módulos terminados en el proyecto general.
5. Devolver para revisión con retroalimentación específica.

Si un agente encuentra un obstáculo, no falla con un error. Primero, el sistema intenta resolver el problema internamente: envía un mensaje de bloqueo al rol responsable del área relevante. Si la autoridad de los agentes no es suficiente (por ejemplo, si un comando de terminal peligroso necesita confirmación o un servicio debe ser pagado), el runtime escala la solicitud a un humano.

Las políticas de confirmación se configuran a través del security config. Los comandos de lectura simples se ejecutan inmediatamente, los comandos de riesgo medio son evaluados por un LLM separado, y las operaciones destructivas como rm -rf o force push siempre esperan una presión de botón del usuario.

Modos de ejecución e interfaces

El proyecto soporta dos escenarios principales de trabajo: Task Mode y Company Mode.

Task Mode se parece a espacios de trabajo familiares como Cursor o OpenCode. Es un modo de agente único donde un agente seleccionado resuelve un problema específico enfocado: refactorizar un módulo, escribir un script o recopilar información.

Company Mode lanza un equipo completo. Puedes conectar el motor nativo integrado OpenOPC o agentes CLI externos como Claude Code, Cursor o Codex. Los roles pueden usar diferentes backends: el arquitecto trabaja en un modelo, el desarrollador escribe código a través de un agente de terminal externo, y el revisor revisa código a través de una tercera combinación.

Puedes trabajar con todo esto a través de la terminal y el dashboard del navegador.

En la interfaz web encontrarás:

• Un tablero Kanban que refleja los estados reales de las tareas desde el runtime.
• Un panel de comunicaciones con registros de mensajes entre agentes y registros de sus discusiones internas.
• Un editor de estructura organizacional donde puedes cambiar las cadenas de reporte y contratar nuevos especialistas.
• Una oficina pixelada donde puedes ver quién está trabajando actualmente en qué tipo de tarea.

Inicio rápido

Para desplegar el proyecto, los creadores recomiendan el gestor de paquetes uv. Necesitarás Python 3.10 o superior, y Node.js desde la versión 18 si planeas reconstruir el frontend.

Primero, configura un entorno virtual:

# Клонируем проект и переходим в папку
cd OpenOPC

# Создаем окружение с Python 3.12
uv python install 3.12
uv venv --python 3.12
source .venv/bin/activate

# Устанавливаем зависимости
uv pip install -e .

# Опционально ставим Chromium для браузерных инструментов
uv run python -m playwright install chromium

Luego, inicializa las configuraciones locales y las carpetas de memoria:

uv run opc init

El comando creará el directorio .opc/config/. Abre .opc/config/llm_config.yaml y añade tu clave API. El motor funciona con cualquier endpoint compatible con LiteLLM y OpenRouter.

llm:
  default_model: "openai/gpt-4o"
  api_base: "https://openrouter.ai/api/v1"
  api_key: "sk-or-v1-..."
  max_tokens: 16384

Ahora puedes lanzar la interfaz web:

uv run opc ui

El panel se abrirá en http://localhost:8765.

Si prefieres trabajar directamente desde la consola, la utilidad proporciona un chat interactivo conveniente y soporta ejecución de tareas individuales:

# Запуск интерактивного чата
uv run opc chat -p my_project

# Одиночная задача в Task Mode
uv run opc chat -p my_project --mode task --agent native "Проанализируй структуру проекта и составь список зависимостей"

# Запуск задачи в режиме компании
uv run opc chat -p my_project --mode company --company-profile corporate "Спроектируй и реализуй базовый REST API для сервиса заметок"

Dónde se aplica esto en la práctica

El repositorio tiene ejemplos de uso para una amplia gama de direcciones: desde informes de inversión hasta escenarios de guiones de video y prototipos de juegos.

En el desarrollo diario, OpenOPC destaca en cubrir pipelines de extremo a extremo. Por ejemplo, cuando necesitas no solo escribir una función, sino investigar una API de terceros, preparar un documento de arquitectura, escribir código, ejecutar pruebas a través de Playwright y empaquetar todo en un pull request limpio con documentación.

Otro escenario involucra la integración con mensajeros. OpenOPC puede conectarse a Telegram, Discord, Slack, Feishu y otros canales de chat corporativos. Puedes configurar un bot en un flujo de tareas entrantes, y lanzará un equipo de agentes basado en mensajes del chat.

Resumen

OpenOPC deja una impresión agradable con su enfoque estructurado. Los autores no están intentando vender un cuento sobre un único prompt todopoderoso—están construyendo un sistema de ingeniería predecible con separación clara de responsabilidades, persistencia de estado en disco y control sobre acciones peligrosas.

El proyecto vale la pena probarlo si:

• Sientes que te limitan en un solo chat con Claude o Cursor cuando un proyecto requiere varias competencias diferentes.
• Quieres experimentar con sistemas multi-agente que tengan gestión real de tareas y DAG, en lugar de intercambios de mensajes caóticos.
• Necesitas un framework local para automatizar procesos rutinarios de investigación o ingeniería con control visual claro.

La mejor manera de comenzar es ejecutando la UI local a través de uv y abordando tareas simples en modo agente único, avanzando gradualmente hacia la construcción de tus propios equipos en Company Mode. También es útil revisar la carpeta .opc/config/ para configurar los niveles de auto-confirmación para tu máquina.