No es una herramienta de codificación, sino un tiempo de ejecución de agentes: Ejecute su propia capa de agentes con TrueForge

NeuralNine enmarca TrueForge desde el primer minuto como infraestructura, no como otro asistente de codificación junto a Pi u OpenCode. El producto es un arnés con licencia MIT de TrueFoundry que proporciona la capa de tiempo de ejecución para agentes de propósito general. Encuentro el encuadre útil porque establece la expectativa correcta: esta es la columna vertebral de un sistema de agentes, no una ventana de chat.

El video luego explica lo que realmente cubre un arnés, y creo que estos son sus mejores dos minutos. Un modelo de lenguaje por sí solo solo mapea tokens de entrada a tokens de salida, mientras que un agente también necesita llamadas a herramientas, conexiones MCP, sandboxes de código, aprobaciones de un humano y estados de espera. TrueForge posee ese bucle circundante: razonar, actuar, leer resultados y continuar hasta que el trabajo esté hecho. Una vez que se ve el bucle como el producto, la comparación con los agentes gestionados de Claude comienza a tener sentido.

Antes de la demostración, el presentador pone una divulgación sobre la mesa: el video es una colaboración pagada con TrueForge, aunque las opiniones son suyas. Acredito esa apertura, y es importante para todo lo que sigue porque las afirmaciones de costos provienen del proveedor. La invitación es a probar todo lo que se muestra de forma gratuita y a marcar el repositorio con una estrella, para que al menos el espectador pueda verificar lo básico sin pagar.

El benchmark proviene de una publicación de X y cubre 14 tareas de Enterprise-Bench de DevRev, que abarcan registros de CRM, rastreadores de problemas y almacenes de documentos. Se comparan tres configuraciones: agentes gestionados de Claude con Opus 4.8, TrueForge con el mismo Opus 4.8 y TrueForge con el modelo abierto GLM-5.2. La finalización reportada es de 11 de 14 en cada ejecución comparable, con un costo por tarea de 11.80 dólares gestionados, 8.50 dólares en TrueForge con el mismo modelo y 2.90 dólares con el modelo abierto. Eso es aproximadamente un 30 por ciento más barato en modelos iguales y un 75 por ciento más barato con el modelo abierto.

TrueFoundry en sí misma merece una frase de contexto. Es una empresa de infraestructura de aprendizaje automático de San Francisco fundada en 2021 por ex ingenieros de Meta, y ya vende a empresas una pasarela de pago para el acceso a modelos, credenciales y presupuestos. TrueForge se sitúa por encima de esa pasarela como el bucle de ejecución abierto, lo que explica la lógica comercial: regalar el arnés, mantener el plano de control. Forbes describe la misma división, con el titular de un ahorro del 50 por ciento que necesita matización.

La instalación es deliberadamente aburrida, lo que digo como un elogio. Copias un comando NPX del repositorio de GitHub, lo ejecutas una vez y descarga el paquete, crea una base de datos SQLite local y sirve una página en localhost. La vista del navegador que se abre es tu panel de control, y desde allí adjuntas los modelos que desees. Un inicio local como este reduce la barrera de prueba a casi cero.

La configuración del modelo cubre a los grandes proveedores más una salida autoalojada. Puedes pegar una clave de OpenAI, hacer lo mismo para Anthropic o Gemini, o registrar un proveedor personalizado con una URL base que apunte a Ollama. El video muestra la creación de claves en la consola del proveedor y luego muestra los modelos apareciendo dentro de TrueForge. Esa estantería neutral para el proveedor, incluidos los modelos locales, es la promesa central de todo el proyecto.

La vista de chat que te recibe es explícitamente un laboratorio, no el producto. Abres un nuevo chat, activas conectores como Linear, Notion o la búsqueda web de Exa, y experimentas con prompts antes de que algo sea permanente. Un botón de guardar visible marca el límite entre jugar y enviar. Me gusta esta separación porque te obliga a probar que la configuración funciona antes de nombrarla y exponerla.

El primer ejemplo completo construye un asistente de investigación de acciones. Un prompt de prueba desechable solicita los datos financieros de Nvidia, el agente se ramifica en llamadas a herramientas y un subagente, y visiblemente busca en archivos tipo 10-Q y 10-K antes de resumir. Luego viene la lección clave: nada de ese historial de chat se convierte en el agente. La definición guardada es un prompt de sistema corto más el modelo, los conectores y las habilidades elegidos, después de lo cual una entrada MSFT desnuda produce un nuevo resumen de Microsoft.

La sección de beneficios traslada al agente del navegador a Python. No hay un SDK de Python, solo uno de TypeScript, por lo que la demostración utiliza solicitudes simples contra la API local: abrir una sesión con el nombre del agente, mantener el ID de sesión devuelto, publicar un mensaje de usuario y leer un flujo de eventos enviados por el servidor. El script filtra el flujo en busca de deltas de mensajes del modelo y los imprime en vivo, y una consulta de Tesla devuelve hallazgos transmitidos mientras el panel muestra cada paso del agente. Un programa corto como este convierte el arnés en una verdadera capa de tiempo de ejecución para sus propias aplicaciones.

El segundo agente eleva las apuestas con un sandbox de código Daytona. Después de crear una clave API de acceso completo y pegarla en la configuración del sandbox, el agente puede ejecutar Python en lugar de simplemente describir números. Al pedirle los datos financieros de Meta en formato PDF con gráficos de Matplotlib, busca en la web, ejecuta el código de forma remota y devuelve un informe descargable con gráficos generados. Guardar esto como un segundo agente con gráficos incorporados en sus instrucciones hace que cada ticker posterior, como Nvidia, siga automáticamente el mismo proceso.

Las habilidades obtienen su propia demostración compacta a través del arte algorítmico. Sin ninguna habilidad adjunta, una solicitud creativa produce un archivo SVG o HTML simple; con la habilidad dedicada habilitada, el agente primero lee las instrucciones de la habilidad y produce una pieza visiblemente más profesional con parámetros ajustables. El contraste es el argumento completo para las habilidades en miniatura: el conocimiento empaquetado supera la generación bruta. Las habilidades importables desde GitHub más los servidores MCP personalizados son lo que convierte la trivial demostración de búsqueda web en algo propietario.

El tramo final vuelve a la neutralidad del proveedor con modelos locales. Una entrada de proveedor personalizada dirigida a la URL base estándar de Ollama, un ID de modelo ingresado manualmente de la familia Qwen con alrededor de 27 mil millones de parámetros, y límites de contexto y salida pegados son suficientes para integrar una máquina doméstica en el mismo flujo de trabajo. El presentador lo ejecuta desde el hardware de su propia estación de trabajo y obtiene respuestas a través del mismo bucle que anteriormente sirvió al modelo de OpenAI. Todo abierto, todo propio: esa es la nota con la que termina el video, junto a un recordatorio de que el proyecto vive o muere por las estrellas de la comunidad.