[NOVA]: Soy NOVA.

[ALLOY]: Soy ALLOY, y esto es AgentStack Daily. Hoy comenzamos con OpenClaw v2026.5.22 y Claude Code 2.1.149, porque ambos lanzamientos cambiaron la maquinaria de la que dependen los agent stacks: inicio de gateway, metadatos de plugins, notas de reuniones, callbacks de Discord, conectores MCP en la nube, contabilidad de uso, diffs y seguridad de shell.

[NOVA]: Luego las noticias se expanden. Google está convirtiendo los agentes Gemini en entornos Linux remotos gestionados. OpenAI está colocando el trabajo de Codex bajo supervisión móvil y en configuraciones empresariales híbridas. Anthropic compró Stainless y actualizó Project Glasswing, lo que pone la generación de SDK, servidores MCP y escaneo de seguridad de IA en la misma conversación.

[ALLOY]: Y el carril de proyectos de GitHub es real hoy: mapas de código semánticos, herramientas de documentación actuales, enrutadores de modelos, constructores de MCP, agentes locales, paquetes de roles y escáneres de seguridad. No son trivialidades de repositorio. Herramientas que pueden cambiar lo que Claude Code, Codex, Hermes, OpenClaw y clientes MCP realmente pueden ver y hacer. ...

[NOVA]: OpenClaw v2026.5.22 es un lanzamiento denso, pero el titular es claro: el gateway se vuelve menos frágil, la superficie de plugins es más reutilizable, las notas de reuniones se convierten en una mejor fuente de contexto para el agente, y varios paths de proveedores y medios se afinan.

[ALLOY]: Empecemos por el inicio del gateway. OpenClaw ahora usa lecturas de catálogo de canales estables en procesos y reutilización de instantáneas de metadatos de plugins. Eso significa que el sistema puede depender de un estado de catálogo y metadatos estable en lugar de reconstruir repetidamente la misma imagen del mundo. Para un host de agente local, eso importa porque el inicio y las verificaciones de estado son el primer punto de fricción. Si el host es ruidoso antes de que comience la tarea, todo lo que está arriba se siente poco confiable.

[NOVA]: El trabajo de plugins en estado de inicio perezoso va en el mismo grupo. El trabajo que no necesita bloquear el primer momento utilizable puede esperar. Los probes de paths de Linuxbrew irrelevantes se omiten. Los manejadores de métodos centrales del gateway y los mapas de alias de superficie pública se limpian. Estas no son características llamativas, pero cambian la sensación del plano de control: menos verificaciones inútiles, nombres de métodos más predecibles y menos trabajo sucediendo solo porque el proceso despertó.

[ALLOY]: Las notas de reuniones reciben una de las actualizaciones de capacidad más importantes. Los plugins externos de notas de reuniones y los proveedores de origen ahora tienen un contrato más limpio. La captura puede iniciar automáticamente desde la configuración. Se admiten importaciones manuales. Existe acceso CLI de solo lectura. Discord voice se trata como una fuente activa de primera clase en lugar de una entrada lateral.

[NOVA]: Esa es una característica real del agent-stack porque mucho de la instrucción valiosa no llega como texto打字ado ordenado. Llega como una llamada, una nota de voz, una corrección rápida o una discusión en un canal. Convertir esas fuentes en contexto estructurado y legible sin darle a cada herramienta acceso de escritura al registro de origen es la parte útil.

[ALLOY]: El SDK de plugins también recibe más operaciones ordinarias integradas: envío de polling de mensajes de canal genérico, ayudantes de flujo de trabajo de sesión y contratos de capacidad de proveedor de embedding más claros. Eso suena como plomería, pero es el tipo de plomería que evita que cada autor de plugin invente una versión ligeramente diferente de la misma llamada de herramienta.

[NOVA]: Los subagentes también son menos desperdiciadores. El bootstrap por defecto se recorta hacia los archivos que más importan, y el traspaso de finalización de subagentes nativos recibe correcciones. En la práctica, un agente delegado necesita suficiente contexto para hacer la tarea y una ruta confiable para devolver la respuesta. Demasiado contexto heredado hace que el subagente sea lento; un traspaso roto hace que el buen trabajo desaparezca en el lugar equivocado.

[ALLOY]: El selector de sesión de chat obtiene búsqueda y paginación de Cargar Más. Esa es una característica pequeña de UI hasta que el sistema tiene semanas de sesiones reales. Entonces encontrar una ejecución vieja se convierte en parte del trabajo. Un gateway con historial necesita navegación, no solo un pile de chats recientes.

[NOVA]: Los callbacks de componentes de Discord ahora tienen una vida útil limitada. Ese es un cambio saludable para botones de revisión, aprobaciones y pequeños controles interactivos. Un botón en un mensaje viejo no debería quedarse activo para siempre solo porque el mensaje todavía existe. La superficie de interacción ahora tiene un modelo de expiración más claro.

[ALLOY]: El manejo de proveedores también se vuelve más concreto. OAuth de xAI puede reutilizarse para búsqueda web de Grok. Los alias de modelos y los timeouts de operación reciben limpieza. Antigravity CLI se convierte en un fallback de menor prioridad para imagen y video después de las APIs de proveedores configuradas. La generación de imágenes con clave API de Codex usa la API nativa de OpenAI Images. Los bypasses de proxy local de Chrome y Ollama local reciben correcciones.

[NOVA]: Esa es la historia real de los proveedores: no solo qué modelo responde, sino cómo se reutiliza la autenticación, cuánto tiempo se permite que duren las llamadas, cuál fallback gana y si los servicios locales se enrutan accidentalmente a través del proxy equivocado. Los agent stacks fallan en esos bordes tan frecuentemente como fallan en el razonamiento.

[ALLOY]: OpenClaw también actualiza dependencias, mueve protobufjs a 8.4.0, aprieta el trabajo de dependencias bloqueadas, poda catálogos, limpia los locks de escritura de sesión, agrega comportamiento más estricto para turnos sin herramientas de vLLM y corrige el manejo de temas de Telegram. Esta es una versión de mantenimiento con una cola larga, pero la forma es coherente: inicio, captura de fuentes, reutilización de plugins, corrección de proveedores, navegación de sesiones e higiene de dependencias.

[NOVA]: La actualización de Claude Code es más pequeña, pero aterriza en el uso diario. El comando /usage puede desglosar el uso de límites por categoría: skills, subagentes, plugins y costo por servidor MCP. Ese es un cambio significativo porque las sesiones de coding-agent ya no son una llamada de modelo. Son llamadas de herramientas, llamadas MCP, agentes ayudantes, skills, plugins y a veces trabajo en segundo plano. El uso necesita un mapa.

[ALLOY]: La vista de detalle de /diff obtiene desplazamiento por teclado. La salida de Markdown renderiza checkboxes de listas de tareas estilo GitHub. Esas son correcciones ergonómicas, pero los agentes de terminal viven y mueren en las superficies de revisión. Una mejor vista de diff y listas de tareas más claras significan menos fricción cuando un humano está decidiendo si el agente realmente hizo la cosa.

[NOVA]: Los admins empresariales obtienen allowAllClaudeAiMcps, una configuración gestionada para cargar conectores MCP de claude.ai en la nube junto con la configuración MCP gestionada. Ese es el lado de políticas de la historia de MCP. Los conectores en la nube son útiles, pero las organizaciones necesitan un interruptor claro sobre qué superficies de conectores están permitidas en lugar de dejar que cada usuario improvise.

[ALLOY]: Las correcciones son la parte más seria. Claude Code repara los bypasses de permiso de PowerShell a través de funciones integradas de cambio de directorio. Corrige las listas de permitir de escritura del sandbox que podían cubrir demasiado del worktree de git. Corrige errores de reglas de prefijo y comodín de PowerShell. Corrige el seguimiento de variables obsoletas alrededor de PWD, OLDPWD y DIRSTACK. Corrige un problema de find en macOS que podía agotar las tablas de archivos en directorios grandes.

[NOVA]: Eso es una nota de seguridad sobre shell, no solo una lista de errores. Los agentes de codificación ejecutan comandos en entornos desordenados. Los builtins que cambian directorios, las reglas de wildcards, los worktrees, las variables de entorno y los límites de descriptores de archivo son exactamente donde una política que parece segura puede filtrarse. Un agente CLI que se toma en serio los permisos tiene que manejar esos bordes aburridos.

[ALLOY]: El siguiente parche está en npm latest, pero su entrada en el changelog es solo infraestructura interna. Así que el delta visible para el usuario es el parche anterior que acabamos de cubrir. Esa distinción importa: los números de instalación pueden moverse, mientras que la historia de features pertenece al lanzamiento que realmente cambió el comportamiento.

[NOVA]: Codex y Hermes no tienen etiquetas estables más nuevas para este resumen de lanzamiento, pero se quedan en el episodio porque las noticias sobre supervisión remota de Codex, herramientas MCP, agentes locales y repos de inteligencia de código afectan la misma pila. El segmento de lanzamientos es la base; el resto del episodio es donde el entorno alrededor de esa base se está moviendo. ...

[ALLOY]: El caso de uso más fuerte para este lanzamiento de OpenClaw es un gateway que tiene que hostear varias superficies reales a la vez: chat, voz, plugins, generación de medios, búsqueda y subagentes. Un setup de juguete puede sobrevivir un comportamiento de inicio incómodo. Un build diario no puede. Cuando los catálogos de canales, metadatos de plugins, captura de fuentes y fallbacks de proveedores mejoran todos en el mismo lanzamiento, el host del agente se convierte en menos de un montón de caminos afortunados.

[NOVA]: El caso de uso más fuerte para la actualización de Claude Code es un equipo que ha ido más allá de un terminal y una llamada a modelo. El uso por categoría te dice si las skills, plugins, subagentes o servidores MCP están impulsando los límites. Una mejor navegación de diffs hace que la revisión de código sea menos dolorosa. La política MCP en la nube le da a los administradores una superficie de build más clara. Las correcciones de PowerShell y sandbox son los guardarraíles que hacen que esas features sean menos aterradoras en shells reales.

[ALLOY]: Juntos, las noticias de lanzamientos no son solo "actualiza tus herramientas." Es que el gateway local y el CLI de codificación están absorbiendo las lecciones duras del trabajo con agentes: el contexto viene de fuentes desordenadas, las herramientas necesitan políticas, el comportamiento de proveedores necesita nombres, y los límites del shell necesitan ser precisos. Esa es la dirección de build a observar.

[ALLOY]: La historia de Gemini de Google tiene dos capas. La primera es el modelo: Gemini 3.5 Flash está posicionado para trabajo agentic y codificación, con afirmaciones alrededor de Terminal-Bench, GDPval-AA, MCP Atlas, velocidad multimodal y tareas de largo horizonte.

[NOVA]: Esos nombres de benchmarks importan porque apuntan al trabajo con muchas herramientas. Un modelo puede ser encantador en el chat y aún así desmoronarse cuando tiene que usar un terminal, llamar herramientas, inspeccionar archivos, recuperarse de malas observaciones y mantener estado a través de una tarea larga. Google está intentando explícitamente vender Flash como lo suficientemente rápido para bucles y lo suficientemente capaz para trabajo agentic.

[ALLOY]: La segunda capa es más importante: Agentes Administrados de la API de Gemini. Los desarrolladores pueden iniciar un agente impulsado por Antigravity dentro de un entorno Linux aislado y efímero. El agente puede razonar, llamar herramientas, ejecutar código, gestionar archivos y navegar la web. Las llamadas de seguimiento pueden reutilizar el entorno, así que una tarea puede continuar con estado de sesión real en lugar de pretender que cada solicitud empieza desde ningún lado.

[NOVA]: Ese modelo de entorno es el producto. No es solo "envía un prompt a un modelo." Es un workspace Linux remoto con herramientas, archivos, navegación, continuación e instrucciones de agente. Google también dice que los agentes personalizados pueden definirse con archivos estilo AGENTS.md y SKILL.md, más datos extra. Esa es una señal clara de que el harness alrededor del modelo se está convirtiendo en una superficie de API de primera clase.

[ALLOY]: Para usuarios de OpenClaw, Hermes, Codex y Claude Code, la comparación interesante no es local versus nube como eslogan. Es qué se le permite saber y hacer al entorno. Un sandbox administrado es útil cuando la tarea es pública, desechable o fácil de resetear: inspeccionar un repo open source, ejecutar una reproducción limpia, navegar docs, transformar un dataset no sensible, o hacer un prototipo en un workspace controlado.

[NOVA]: Los agentes locales todavía tienen la ventaja cuando el trabajo depende de archivos privados, credenciales locales, herramientas suscritas, un perfil de navegador real, acceso a dispositivo o una configuración específica de máquina. Las noticias de agentes administrados no borran la pila local. Le dan a los constructores otra forma de ejecución: estado remoto desechable en lugar de estado de workstation personal.

[ALLOY]: El delta de features a recordar es ejecución administrada con estado. Un agente remoto que puede mantener archivos, continuar una sesión y navegar dentro de un entorno Linux aislado es diferente de un endpoint de modelo sin estado. Puede acumular evidencia. Puede instalar dependencias. Puede dejar artefactos atrás para la siguiente llamada. También puede crear lock-in alrededor del sandbox de la plataforma y el modelo de herramientas.

[NOVA]: Por eso importa el soporte de archivos de instrucciones personalizados. Los archivos estilo AGENTS.md y SKILL.md permiten que el entorno cargue reglas de proyecto y comportamiento especializado. La misma tendencia aparece en todos los agentes de codificación: el modelo es solo una parte. Las reglas, herramientas, sistema de archivos, navegador, política y modelo de continuación deciden si el agente puede trabajar como software o solo hablar sobre software.

[ALLOY]: La recomendación práctica es corta: usa agentes administrados de Gemini primero donde el aislamiento es el punto. Triage de repos públicos, reproducción limpia de bugs, scripts generados e investigación respaldada por docs son ajustes naturales. Mantén secretos, repos privados y workflows específicos de máquina en entornos locales o estrictamente controlados hasta que el límite administrado esté claramente entendido.

[NOVA]: La señal más grande de la industria es que la infraestructura de agentes ahora se está vendiendo directamente. No oculta como orquestación interna, no añadida como demo. El sandbox, el ejecutor de herramientas, la capa de navegación, el store de sesiones y los archivos de agentes personalizados son parte del producto para desarrolladores. ...

[ALLOY]: Un caso de uso destaca inmediatamente: investigación reproducible. Un agente administrado puede partir de un entorno Linux limpio, obtener un issue público, construir la reproducción y dejar un rastro con estado para una llamada de seguimiento. Eso es diferente de preguntarle a un chatbot qué podría estar mal. El entorno puede contener el checkout real, logs, artefactos generados y comandos que los produjeron.

[NOVA]: Otro caso de uso es automatización desechable alrededor de datos públicos. Un agente administrado puede navegar, ejecutar código y mantener estado de sesión sin tocar una laptop personal. Eso es útil para tareas de investigación, ejemplos generados, verificaciones de benchmarks públicos y transformaciones de datos pequeñas. No es el lugar correcto para cada build privado, pero es exactamente la forma correcta para trabajo donde el aislamiento limpio es una ventaja.

[ALLOY]: La implicación de build es que los archivos estilo AGENTS.md y SKILL.md se están convirtiendo en empaquetado portátil de agentes. Un proyecto puede llevar sus propias reglas, preferencias de herramientas y convenciones a un entorno de agente remoto. Eso hace que la capa de instrucciones sea más duradera que un prompt único y más inspeccionable que un preset de producto invisible.

[ALLOY]: La noticia de Codex de OpenAI es sobre dónde vive el trabajo de agentes de codificación y cómo los humanos lo supervisan. Codex en la app móvil de ChatGPT puede conectarse al trabajo activo ejecutándose en un Mac o entorno remoto. La vista móvil puede mostrar estado del proyecto en vivo, salida del terminal, capturas de pantalla, resultados de pruebas y diffs. El usuario puede aprobar comandos y redirigir la tarea.

[NOVA]: Eso cambia la forma del trabajo de codificación que se ejecuta durante mucho tiempo. El agente puede seguir ejecutándose cerca del espacio de trabajo, mientras que la superficie de aprobación se mueve hacia el humano. Una sesión no tiene que detenerse simplemente porque la persona dejó el escritorio. La parte importante no es la novedad móvil. Es separar la ubicación de ejecución de la ubicación de supervisión.

[ALLOY]: El estado de relay seguro es la arquitectura a observar. El código, las credenciales, las dependencias y las herramientas se quedan donde el agente realmente se está ejecutando. El humano recibe suficiente estado en vivo para tomar decisiones desde otro lugar. Ese es un mejor patrón que arrastrar cada secreto local a una superficie de chat remoto.

[NOVA]: El que SSH remoto esté disponible de forma general va en la misma dirección. Codex puede trabajar contra un host remoto donde el repositorio y las dependencias ya viven. Eso podría ser una máquina de desarrollo, una VM en la nube, una estación de trabajo, o un entorno empresarial administrado. El límite de ejecución se convierte en una decisión de despliegue, no en un efecto secundario de dónde se abre la ventana de chat.

[ALLOY]: Los tokens de acceso programático son otra pieza importante. Los agentes de codificación que se ejecutan en automatización necesitan identidad con alcance. Una sesión de navegador o un secreto personal de larga duración es una base tambaleante para trabajo no interactivo. Los tokens dan a los flujos de trabajo de agentes una forma más estrecha y revocable de actuar dentro de un espacio de trabajo.

[NOVA]: Los hooks añaden política alrededor de esa acción. Pueden escanear prompts en busca de secretos, ejecutar validadores, bloquear operaciones riesgosas, o hacer cumplir reglas locales antes de que el trabajo avance. Aquí es donde Codex comienza a parecer menos como un asistente de terminal ingenioso y más como un sistema de trabajo de agentes con puntos de control.

[ALLOY]: La asociación con Dell apunta a la versión empresarial: Codex en entornos híbridos y on-prem. Algunas organizaciones no pueden mover casualmente código fuente, logs o datos a un loop de codificación en la nube pública. Codex híbrido se trata de dejar que el agente opere más cerca de los límites aprobados de computación, almacenamiento y política.

[NOVA]: El cambio de capacidad concreto de Codex es este: supervisión móvil, hosts remotos, tokens con alcance, hooks y entornos híbridos apuntan todos a agentes de codificación que pueden ejecutarse cerca de los datos mientras son supervisados desde otro lugar. Ese es el marco útil. No "agente en mi laptop" contra "agente en la nube", sino "¿dónde debería ejecutarse esta tarea, y dónde debería el humano aprobarla?"

[ALLOY]: También hay un cambio en factores humanos. Los diffs, capturas de pantalla, salida de terminal y resultados de pruebas se están convirtiendo en objetos de revisión que viajan. Si esos objetos son claros, la supervisión remota se siente como control. Si son vagos, la supervisión móvil se convierte en una pequeña ventana a una caja negra.

[NOVA]: Así que la recomendación no es lanzar refactors grandes desde un teléfono. Usa supervisión móvil de Codex para puntos de decisión estrechos: aprobar un comando seguro, inspeccionar un resumen de diff, redirigir una elección de rama, detener una tarea que tomó el camino incorrecto. La evidencia pesada todavía tiene que ser lo suficientemente buena para confiar.

[ALLOY]: La recomendación empresarial es similar. Usa tokens y hooks para las automatizaciones que necesitan identidad no interactiva. Mantén el entorno de ejecución cerca del repositorio, secretos y política que necesita. Codex se está moviendo hacia un mundo donde el trabajo de agentes puede ser remoto, supervisado y gobernado sin pretender que la ubicación ya no importa. ...

[NOVA]: El caso de uso inmediato es la revisión remota de una sesión de codificación que se ejecuta durante mucho tiempo. El agente ya construyó una rama, ejecutó pruebas y preparó un diff. El humano está lejos del escritorio, pero aún puede ver suficiente evidencia para aprobar un comando, rechazar una dirección riesgosa o detener la sesión. Eso convierte el tiempo de espera inactiva en un punto de control supervisado.

[ALLOY]: El caso de uso empresarial es ejecución controlada. Un entorno de Codex puede vivir cerca del código base, dependencias internas y computación aprobada. La supervisión móvil o remota puede ocurrir fuera de ese límite, pero los archivos y credenciales no tienen que moverse con el revisor. Esa es la diferencia arquitectónica entre control remoto conveniente y acceso remoto irresponsable.

[NOVA]: Los hooks hacen que esto sea más que espiar la pantalla remotamente. Un hook puede bloquear un secreto de entrar en el prompt, requerir un validador antes de que un parche se considere listo, o hacer cumplir un límite del repositorio antes de que el agente actúe. Los tokens programáticos dan a esos trabajos una identidad con alcance. Juntos hacen que Codex parezca más un sistema de compilación gobernable para trabajo de agentes.

[NOVA]: La adquisición de Stainless por Anthropic es una historia de conectividad de agentes. Stainless convierte especificaciones de API en SDKs, CLIs y servidores MCP en múltiples lenguajes. Anthropic dice que Stainless ha generado SDKs oficiales de Anthropic desde temprano en la API de Claude.

[ALLOY]: Eso importa porque los agentes necesitan asas. Un agente que solo puede leer texto es limitado. Un agente que puede llamar a un SDK tipado, invocar una CLI o usar un servidor MCP puede actuar en sistemas reales. La calidad de esas superficies generadas decide si la acción es segura, predecible y comprensible.

[NOVA]: Las especificaciones de API se están convirtiendo en infraestructura de agentes. Una especificación limpia puede convertirse en documentación, bibliotecas de cliente, herramientas de línea de comandos y superficies de herramientas MCP. Una especificación vaga se convierte en una herramienta de agente vaga. Si los nombres de los métodos no están claros, la autenticación está subespecificada, la paginación es inconsistente, o los errores son ruidosos, el agente hereda esa ambigüedad.

[ALLOY]: Stainless dentro de Anthropic hace que esa ruta de generación de herramientas sea más central para el ecosistema de Claude. No es difícil imaginar un futuro donde crear una buena especificación de API también crea una buena superficie de herramientas para Claude: SDK para código de aplicación, CLI para humanos y automatización, servidor MCP para agentes.

[NOVA]: La implicación corta para los constructores es simple: si una API interna debería ser usada por agentes, la calidad de la especificación ahora importa más. Los tipos, alcances de autenticación, métodos de solo lectura, métodos de mutación, paginación, límites de tasa y errores ya no son solo detalles de experiencia del desarrollador. Son la diferencia entre un agente que puede llamar al sistema limpiamente y un agente que improvisa.

[ALLOY]: Project Glasswing es la otra mitad. Anthropic dice que Claude Mythos Preview ha sido usado con socios en más de mil proyectos de código abierto y encontró grandes cantidades de vulnerabilidades de alta y criticidad crítica. El titular no es solo "la IA encuentra errores". Es que los modelos de frontera pueden aumentar la tasa de descubrimiento de vulnerabilidades lo suficiente para que la verificación y divulgación se conviertan en el cuello de botella.

[NOVA]: Esa es una presión muy diferente a la revisión de código ordinaria. Un modelo puede superficial una ruta de exploit real, un problema parcial, un falso positivo, o un hallazgo que necesita divulgación cuidadosa. Encontrar más posibles problemas es útil solo si los mantenedores pueden verificar, priorizar, parchear y comunicar responsablemente.

[ALLOY]: Esto se conecta directamente con MCP y la generación de SDKs. Mejores herramientas generadas dan a los agentes mayor alcance en los sistemas. Mejores modelos de seguridad dan a los agentes mayor capacidad para inspeccionar esos sistemas. La misma aceleración hace que tanto la productividad como el riesgo sean mayores.

[NOVA]: La recomendación práctica es tratar el escaneo de seguridad asistido por agentes como una actividad delimitada, no como un pasatiempo casual de fondo. Úsalo donde el repositorio, los requisitos de evidencia, la ruta de divulgación y el responsable de la reparación estén claros. La salida debe ser un hallazgo con evidencia y una dirección de parche, no una pila dramática de afirmaciones.

[ALLOY]: La semana de Anthropic, tomada en conjunto, dice que los agentes necesitan mejores interfaces y mejores frenos. Stainless es la historia de la interfaz: convertir especificaciones en SDKs, CLIs y servidores MCP. Glasswing es la historia del freno: el descubrimiento más rápido necesita verificación, divulgación y capacidad de reparación.

[NOVA]: La versión más fuerte de este stack no es un agente con alcance ilimitado. Es un agente con herramientas bien descritas, permisos estrechos, logs visibles y suficiente ayuda de seguridad para encontrar fallas reales sin inundar a los mantenedores con ruido. ...

[ALLOY]: El caso de uso de Stainless es directo: convertir una descripción de servicio en herramientas que tanto personas como agentes puedan usar realmente. Una especificación de API limpia puede producir un SDK tipado para código de aplicación, una CLI para scripts y humanos, y un servidor MCP para llamadas de agentes. Eso crea una fuente única de verdad de interfaz en lugar de tres wrappers que derivan.

[NOVA]: El caso de uso de Glasswing no es búsqueda casual de bugs. Es descubrimiento de seguridad enfocado respaldado por evidencia. Un modelo que puede inspeccionar bases de código grandes y encontrar problemas de alta gravedad cambia la economía de la investigación de vulnerabilidades. Pero la salida útil sigue siendo un hallazgo verificado, una ruta de reparación mínima y una decisión de divulgación. Sin eso, el descubrimiento más rápido solo crea una cola más grande de incertidumbre.

[ALLOY]: El punto estratégico es que la conectividad y la seguridad ahora se aceleran juntas. Cuanto más fácil sea construir superficies de herramientas, más fácil será para los agentes actuar. Cuanto más fuerte sean los modelos en descubrimiento de vulnerabilidades, más necesitarán esas superficies de herramientas permisos estrechos y auditabilidad. Stainless y Glasswing son dos caras de la misma construcción de agente-infraestructura.

[ALLOY]: El primer grupo de proyectos de GitHub le da a los agentes de código mejores ojos. Los nombres son Serena, Claude Context, Sourcebot, Understand-Anything, Chunkhound y Code Review Graph.

[NOVA]: Serena es la mejora más directa con sabor a MCP aquí. Les da a los agentes de código herramientas de recuperación semántica, edición, refactorización y depuración que se comportan más como capacidades de IDE. La característica importante es el trabajo a nivel de símbolo: definiciones, referencias, relaciones y rutas de refactor en lugar de solo coincidencias de texto.

[ALLOY]: Eso importa porque grep no es comprensión de código. Es una linterna rápida. Un agente de código necesita saber dónde está definido un símbolo, dónde se usa, de qué depende y qué pruebas cubren la ruta. Serena intenta poner esos movimientos similares al IDE detrás de una superficie de herramientas que un agente pueda usar.

[NOVA]: Claude Context es un MCP de búsqueda semántica de código para Claude Code y otros agentes. Su trabajo es hacer que los repos grandes sean buscables por significado sin meter directorios enormes en el prompt. Eso es útil cuando el nombre del código no coincide con la descripción humana, o cuando la lógica relevante está dispersa entre archivos.

[ALLOY]: Sourcebot es la superficie de búsqueda y comprensión de código autoalojada. Ofrece búsqueda en repos, navegación, exploración de archivos y Pregúntale a Sourcebot con citas. La parte autoalojada importa porque la inteligencia de código a menudo toca repositorios privados. Una superficie de búsqueda compartida y citada puede ayudar a humanos y agentes a argumentar desde la misma evidencia en lugar de desde intuiciones.

[NOVA]: Understand-Anything convierte bases de código en grafos de conocimiento interactivos con búsqueda y preguntas y respuestas, y se posiciona explícitamente para Claude Code, Codex, Cursor, Copilot, Gemini CLI y herramientas relacionadas. Un grafo no es magia, pero puede mostrar la forma de la arquitectura antes de que un agente empiece a editar un sistema que apenas entiende.

[ALLOY]: Chunkhound y Code Review Graph empujan el ángulo local-first y mapa persistente. Esa es la categoría correcta para equipos que quieren contexto semántico o de grafo sin enviar todo el repo a otro lugar. Un mapa de código persistente puede reducir el desperdicio de contexto alimentando al agente con las pocas relaciones que importan en lugar de un volcado de transcripción gigante.

[NOVA]: La recomendación para este grupo es elegir basándose en lo que le falta al agente. Si le faltan símbolos y referencias, mira Serena. Si necesita búsqueda semántica dentro de Claude Code, mira Claude Context. Si humanos y agentes necesitan un navegador de código autoalojado compartido, mira Sourcebot. Si la forma de la arquitectura es el problema, Understand-Anything es interesante. Si la indexación local y los mapas de código persistentes importan más, Chunkhound y Code Review Graph pertenecen a la lista corta.

[ALLOY]: La razón por la que esto es un carril de noticias, no solo una lista de herramientas, es que el contexto de código se está convirtiendo en su propia capa en el stack. Las ventanas de contexto más grandes ayudan, pero no reemplazan la calidad de recuperación. Un modelo que ve un mejor mapa puede hacer una edición más pequeña y precisa. Eso a menudo es más valioso que darle otros mil archivos irrelevantes.

[NOVA]: Aquí es donde Hermes, OpenClaw, Codex y Claude Code se benefician todos de superficies de herramientas comunes. Si la inteligencia de código está disponible a través de MCP, índices locales o búsqueda autoalojada, puede sentarse debajo de varios agentes. El agente cambia; el mapa del repo se mantiene útil.

[ALLOY]: La recomendación corta es: añade una capa de inteligencia de código solo donde el tamaño del repo lo justifique. Un script de un archivo no necesita un grafo semántico. Una base de código madura con comportamiento disperso probablemente sí. ...

[NOVA]: El mejor caso de uso de Serena es la edición consciente de símbolos. Una refactorización que cruza definiciones, referencias y pruebas se beneficia de una herramienta MCP que entiende las relaciones del código. El mejor caso de uso de Claude Context es la recuperación semántica cuando el prompt describe comportamiento pero el código usa nombres diferentes. El mejor caso de uso de Sourcebot es una superficie de búsqueda autoalojada donde humanos y agentes pueden compartir citas.

[ALLOY]: Understand-Anything es más fuerte cuando la forma de la arquitectura importa: servicios no familiares, dependencias ocultas o un repo donde el grafo de llamadas explica más que los nombres de archivos. Chunkhound y Code Review Graph encajan en el caso de uso local-first, donde los mapas persistentes son valiosos pero el código no puede salir casual de la máquina o de la red confiable.

[NOVA]: La tendencia de desarrollo es clara: el contexto de código se está convirtiendo en un substrato reutilizable. El arnés de agentes puede ser Claude Code hoy, Codex mañana, Hermes la próxima semana, y OpenClaw alrededor de todo esto. Un buen mapa de repositorio puede servir a todas esas superficies si se expone a través de MCP, un índice local, o una capa de búsqueda autoalojada.

[ALLOY]: Por eso esta línea de proyecto importa. No se trata solo de hacer más inteligente a un modelo. Se trata de darle a cada agente de codificación un mejor punto de partida: menos archivos irrelevantes, referencias más exactas, arquitectura más clara, y un camino más corto de la pregunta a la evidencia.

[NOVA]: El segundo grupo de proyecto cambia cómo funciona la pila. Context7, Claude Code Router, mcp-use, goose, gstack, deepsec, context-mode, y ai-setup se sitúan entre el modelo, el repositorio, las herramientas y el humano.

[ALLOY]: Context7 maneja documentación actual. Los agentes de codificación a menudo fallan porque su memoria de biblioteca está desactualizada. Context7 les da a los LLMs y a los agentes de codificación docs de biblioteca actualizadas a través de CLI, skills, o MCP. Es especialmente útil para tareas de JavaScript, Python, AI SDK y frameworks que se mueven rápido donde ejemplos antiguos parecen plausibles pero fallan.

[NOVA]: Claude Code Router se trata del enrutamiento de proveedor y modelo. Puede enrutar solicitudes de Claude Code a través de OpenRouter, DeepSeek, Ollama, Gemini, y otros backends, con transformadores y elecciones de modelo específicas por ruta. El valor está en hacer coincidir el backend con el trabajo: resúmenes baratos, experimentos locales, lecturas de contexto largo, o revisiones de alto razonamiento.

[ALLOY]: El riesgo es la rendición de cuentas. Un enrutador solo es útil si la ruta es lo suficientemente visible para que el usuario sepa qué proveedor y modelo manejó la tarea. El enrutamiento oculto puede ahorrar dinero y crear confusión al mismo tiempo.

[NOVA]: mcp-use es un framework para construir apps y servidores MCP en TypeScript y Python, con caminos de inspección y despliegue. Eso es importante porque MCP está pasando de novedad a capa de integración. Los equipos necesitan una forma más rápida de construir herramientas pequeñas, inspeccionar llamadas, y empaquetarlas para agentes sin construir cada servidor a mano.

[ALLOY]: goose es un agente de IA local con escritorio, CLI, API, soporte multi-proveedor, caminos ACP, y extensiones MCP. Ahora está bajo la Agentic AI Foundation, y vale la pena vigilarlo como alternativa o punto de comparación de agente local. La parte interesante no es si reemplaza todo. Es si su modelo de proveedor y extensión hace que algunas tareas locales sean más fáciles de ejecutar fuera de una pila más pesada.

[NOVA]: gstack empaqueta roles y flujos de trabajo de Claude Code para revisión, QA, release, seguridad, planificación, y trabajo de producto. Los packs de roles pueden volverse teatro si solo renombran prompts ordinarios, pero son útiles cuando codifican comportamiento de revisión repeatable, evidencia esperada, y formas de salida consistentes.

[ALLOY]: deepsec es el escáner de seguridad en esta línea. Usa agentes de codificación para escaneo de vulnerabilidades en bases de código grandes, con escaneos reanudables, matchers, procesamiento, revalidación, y exportación. Eso lo pone en el mismo universo que Glasswing, pero como una herramienta alojada en GitHub que los constructores pueden inspeccionar y ejecutar en entornos con alcance.

[NOVA]: context-mode y ai-setup apuntan a dos problemas cotidianos: ruido de salida y deriva de configuración. Una vez que una pila incluye Claude Code, Codex, OpenCode, Gemini CLI, Hermes, OpenClaw, modelos locales, servidores MCP, y enrutadores, la configuración puede convertirse en el modo de falla oculto. Herramientas que mantienen el contexto ajustado y la configuración consistente pueden ser más útiles que otro selector de modelo.

[ALLOY]: La recomendación para este grupo también es basada en el trabajo. Usa Context7 cuando los docs actuales son la pieza faltante. Usa Claude Code Router cuando la elección de proveedor realmente importa. Usa mcp-use cuando una capacidad privada debería convertirse en una herramienta MCP. Usa goose cuando un agente local con extensiones es la comparación correcta. Usa gstack cuando importan roles de revisión repeatable. Usa deepsec solo cuando los hallazgos de seguridad pueden ser verificados y manejados.

[NOVA]: La tendencia más grande es que la pila de agentes se está llenando en el medio. Ya tenemos modelos y superficies de chat. La nueva actividad está en enrutadores, recuperación de docs, constructores de MCP, shells de agentes locales, packs de roles, mapas de código, y escáneres. Ahí es donde el trabajo de agentes se vuelve más controlable.

[ALLOY]: También hace que la disciplina sea más importante. Cada herramienta extra añade autoridad, configuración, o otro lugar donde la evidencia puede desaparecer. Un buen proyecto se gana su lugar haciendo la tarea más clara: mejores docs, mejor contexto de código, enrutamiento de proveedor más claro, acceso a herramientas más estrecho, o hallazgos de seguridad más verificables. ...

[NOVA]: El caso de uso central de Context7 son las bibliotecas que se mueven rápido. Cuando un framework, AI SDK, o cliente de base de datos cambia rápidamente, la memoria desactualizada del modelo produce código que se ve bien y falla en runtime. Los docs actuales en el loop del agente son una forma simple de mejorar el desarrollo sin cambiar modelos.

[ALLOY]: El caso de uso de Claude Code Router es la separación de carga de trabajo. Un modelo barato puede resumir logs. Un modelo local puede manejar lectura de fondo privada. Un modelo más fuerte puede revisar un parche riesgoso. El enrutador es útil cuando esas elecciones son explícitas; es peligroso cuando el enrutamiento se vuelve invisible.

[NOVA]: mcp-use es la herramienta de desarrollo en este grupo. Reduce el costo de convertir una pequeña capacidad en un servidor o app MCP, especialmente en TypeScript y Python. El primer buen caso de uso suele ser de solo lectura: búsqueda de estado, búsqueda de documentación, consulta de inventario, o un informe interno estrecho. Una vez que la forma es comprensible, las acciones de escritura pueden tratarse como un privilegio separado.

[ALLOY]: goose es el caso de uso de agente local. Le da a los constructores otra superficie de escritorio, CLI, y API con soporte de proveedor y extensión MCP. gstack es el caso de uso de rol repeatable: prompts de revisión, QA, release, planificación, y seguridad que se comportan consistentemente lo suficiente para ser evaluados. deepsec es el caso de uso de seguridad, con escaneos reanudables y hallazgos exportados. context-mode y ai-setup son el caso de uso de consistencia, evitando que la salida y la configuración se expandan mientras la pila crece.

[NOVA]: El patrón útil en todos ellos no es procedimiento por el bien del procedimiento. Es elegir la herramienta que cambia el resultado: menos APIs desactualizadas, elección de proveedor más clara, una superficie MCP más estrecha, un agente local que pueda correr sin la pila pesada, un rol de revisión que encuentre bugs concretos, o un escáner que produzca evidencia en lugar de ruido.

[ALLOY]: Hay un punto más a nivel de pila en esta línea de proyecto. Estas herramientas no están compitiendo solo en calidad de modelo. Están compitiendo en calidad de contexto, claridad de enrutamiento, forma de interfaz, y evidencia. Context7 mejora la entrada de documentación. Serena y Sourcebot mejoran la entrada de código. Claude Code Router cambia la ruta del modelo. mcp-use cambia la interfaz de herramienta. goose cambia el shell de ejecución local. deepsec cambia el lente de seguridad. Esas son capas diferentes, y mezclarlas hace que la pila sea más difícil de razonar.

[NOVA]: El mejor caso de uso para este nicho es un builder que ya tiene un modelo capaz pero sigue obteniendo resultados mediocres porque el sistema que lo rodea es débil. El agente lee documentación obsoleta. Se salta el archivo correcto. Usa el modelo caro para un resumen barato. No puede llamar al sistema interno de forma limpia. Genera una afirmación de seguridad sin evidencia. Los proyectos en este nicho atacan directamente esos modos de fallo.

[ALLOY]: Por eso esto es más interesante que un resumen de estrellas. Un repo gana atención cuando cambia uno de los puntos difíciles del trabajo con agentes: lo que el modelo sabe, qué modelo responde, qué herramientas se pueden llamar, dónde ocurre la ejecución, cómo se mapea el código, o cómo se verifican los hallazgos. Eso es una mejora concreta del stack, no una nueva insignia para el README.

[NOVA]: Los builds más fuertes combinarán estas capas cuidadosamente. Documentación actualizada para librerías rápidas. Mapas de código semánticos para repos grandes. Enrutamiento visible para elección de proveedor. Servidores MCP pequeños para capacidades privadas. Agentes locales para ejecución sensible. Scanners de seguridad donde la evidencia pueda ser manejada. El valor no está en tener cada herramienta instalada. El valor está en saber qué capa es débil y agregar solo la pieza que la fortalece.

[NOVA]: La actualización del stack de EP057 es directa. OpenClaw v2026.5.22 hace que la puerta de enlace, la capa de plugins, las fuentes de notas de reunión, el comportamiento de fallback del proveedor, la navegación de sesión y los controles de Discord sean más sólidos. Claude Code mejora la visibilidad de uso, la revisión de diffs, el renderizado de listas de tareas, la política del conector MCP de nube administrada y varios bordes de seguridad de shell y sandbox. El siguiente parche es solo interno.

[ALLOY]: Las noticias de Gemini de Google dicen que los entornos de agentes administrados ahora son una superficie de producto: ejecución remota de Linux, herramientas, navegación, archivos, continuación de sesión y archivos de instrucciones de agentes personalizados. Las noticias de Codex de OpenAI dicen que el trabajo de agentes de codificación se está volviendo remoto, supervisado por móvil, con alcance de tokens, gobernado por hooks y desplegable en empresas.

[NOVA]: La adquisición de Stainless de Anthropic dice que los SDKs, CLIs y servidores MCP se están convirtiendo en infraestructura central de agentes. Project Glasswing dice que los modelos frontier pueden encontrar vulnerabilidades lo suficientemente rápido como para que la verificación y divulgación se conviertan en el cuello de botella.

[ALLOY]: El radar de proyectos de GitHub dice que las mejoras útiles del stack no son todos modelos. Serena, Claude Context, Sourcebot, Understand-Anything, Chunkhound y Code Review Graph mejoran lo que los agentes pueden entender sobre el código. Context7, Claude Code Router, mcp-use, goose, gstack, deepsec, context-mode y ai-setup mejoran la documentación, el enrutamiento, las herramientas MCP, la ejecución local, los roles repetibles, el escaneo de seguridad y la consistencia de setup.

[NOVA]: La recomendación corta es actualizar las herramientas core, luego agregar solo los proyectos que resuelven un problema visible. Mejores mapas de código para repos grandes. Documentación actual para librerías de movimiento rápido. Enrutamiento de modelos donde importa la elección de proveedor. Constructores MCP para herramientas específicas. Scanners de seguridad donde hay un camino de verificación real.

[ALLOY]: Esa es la versión útil de noticias sobre agentes: no un montón de nombres, y no proceso por el proceso mismo. Lanzamientos concretos, capacidades concretas y un panorama más claro de hacia dónde va el stack.

[NOVA]: Las notas completas y los enlaces de origen están en las notas del episodio en Toby On Fitness Tech punto com.

[ALLOY]: Gracias por escuchar AgentStack Daily. Volveremos pronto.