OpenManus acaba de eliminar el muro de invitaciones para los agentes de IA. Aquí te mostramos cómo ejecutarlo en diez minutos.

Si has estado observando el espacio de los agentes de IA con una mezcla de fascinación y frustración, fascinado por lo que herramientas como Manus pueden hacer, frustrado porque no puedes obtener un código de invitación, la espera terminó. OpenManus, lanzado por el equipo detrás de MetaGPT, está aquí y está diseñado para ser lo más abierto y accesible posible. the-migration-isnt-finished-until-the-build-server-says-it-is-why-ai-agents-keep-failing-at-enterprise-java

El prototipo fue construido en tres horas por un equipo que incluye a Xinbin Liang, Jinyu Xiang, Zhaoyang Yu, Jiayi Zhang y Sirui Hong. Esa velocidad no es descuido; refleja la madurez de los componentes subyacentes. OpenManus toma prestado de proyectos probados como computer-use de Anthropic, browser-use y crawl4ai, y los envuelve en un marco de trabajo limpio y extensible. cuga-ibms-open-source-agent-harness-lets-you-build-apps-with-just-a-prompt-and-tool-list

La instalación es trivialmente simple

Empezar toma minutos. El método recomendado usa uv, un instalador rápido de paquetes Python:

curl -LsSf https://astral.sh/uv/install.sh | sh
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus
uv venv, python 3.12
source .venv/bin/activate
uv pip install -r requirements.txt

Luego copia el archivo de configuración de ejemplo:

cp config/config.example.toml config/config.toml

Edita config/config.toml para agregar la clave API de tu LLM preferido; en el ejemplo se usa OpenAI GPT-4o, pero cualquier modelo compatible funciona y ya estás listo.

Un solo comando lanza el agente:

python main.py

Luego escribe tu idea directamente en la terminal. Sin panel de control, sin suscripción en la nube, sin cola de aprobación. how-local-llms-like-gemma-and-qwen-are-taming-open-source-repository-triage-at-scale

No es solo un agente individual

OpenManus incluye múltiples modos de ejecución. El main.py básico ejecuta un agente de propósito general. Para orquestación multiagente, está disponible run_flow.py, aunque el equipo lo etiqueta como inestable. Se puede activar un agente dedicado de análisis de datos en config.toml estableciendo use_data_analysis_agent = true en la sección [runflow].

Una herramienta de automatización del navegador es opcional pero recomendada para agentes que necesiten navegar por la web. Instálala con:

playwright install

La frontera del RL: OpenManus-RL

Más allá del marco de trabajo inmediato para agentes, el proyecto presenta OpenManus-RL, un esfuerzo complementario centrado en métodos de ajuste basados en aprendizaje por refuerzo, específicamente Optimización de Política Relativa de Grupo (GRPO), para agentes LLM. Desarrollado en colaboración con investigadores de UIUC, está dirigido a quienes quieran llevar el rendimiento de los agentes más allá de la ingeniería de prompts.

Es una implementación simple, así que damos la bienvenida a cualquier sugerencia, contribución y retroalimentación.

El equipo es honesto sobre la etapa temprana del proyecto, pero ese es precisamente el punto: la comunidad puede moldearlo desde el primer día.

Por qué esto importa ahora

El panorama de los agentes de IA ha estado dominado por sistemas propietarios y solo con invitación. Manus demostró lo que era posible, pero mantuvo las llaves bajo llave. OpenManus rompe ese modelo. Cualquier desarrollador con un entorno Python y una clave API puede ahora ejecutar agentes autónomos, integrarlos en flujos de trabajo y experimentar con arquitecturas multiagente, todo sin pedir permiso.

Para startups, investigadores y aficionados, esto reduce la barrera de entrada a prácticamente cero. El proyecto también acepta pull requests y reportes de problemas, lo que significa que la próxima innovación podría venir de cualquiera. anthropic-launches-claude-science-an-ai-workbench-tailored-for-researchers

Patrocinio y respaldo

El soporte computacional para el proyecto proviene de PPIO, un proveedor de nube de GPU posicionado como una solución MaaS asequible y fácilmente integrable. El espacio de demostración de Hugging Face cuenta con el apoyo de stepfun (阶跃星辰).

El código está disponible bajo una cita de Zenodo (doi: 10.5281/zenodo.15186407) y puede ser citado en trabajos académicos.

Qué hacer a continuación

OpenManus está listo. Los pasos de instalación anteriores te darán un agente en funcionamiento en menos de diez minutos. El repositorio está en github.com/FoundationAgents/OpenManus. No hay razón para esperar, lo único que falta es tu idea. when-a-24-hour-countdown-becomes-your-editor-the-grueling-experiment-that-changed-how-i-write