OpenFang no es un chatbot, es tu próximo Sistema Operativo de Agentes

El 99% de las herramientas de Agentes de IA son frameworks de Python pesados como plomo, difíciles de empaquetar, y rotos si usas versiones equivocadas de librerías. OpenFang ha llegado, portando el logo de Rust, para compilar a un ridículo binario de 32MB que lo contiene TODO.

Pero lo mejor no es su tamaño, es el concepto: Un OS, no un Chatbot. Los agentes (que OpenFang apoda Hands) no esperan a que les hables. Tú les asignas un calendario (ej: "Búscame leads de ventas a las 8 AM cada día") y él lo hace en segundo plano, y de paso, guarda la memoria en una base local para acordarse que tú y yo hablamos en Telegram, pero mañana me responda en Slack sin perder el hilo.

El problema que OpenFang ataca de raíz es este: en Python, cada dependencia es una bomba de relojería. pip install agente te baja 340 paquetes, medio giga de disco, y si actualizas tu versión de Python tres meses después, la mitad de las cosas se rompen. Rust compila estáticamente. El resultado es un binario que copias a cualquier servidor Linux y ya está. Sin runtime, sin versiones, sin dolores de cabeza.

OpenFang no es un simple wrapper sobre una API de chat. Es un micro-OS con su propio scheduler, sistema de permisos, capa de persistencia y bus de comunicación entre agentes. Vamos por partes:

El scheduler de Hands. Cada Hand es una unidad de trabajo independiente con su propio ciclo de vida. El scheduler los orquesta con colas de prioridad, timeouts configurables y reintentos con backoff exponencial. Si un Hand falla (ej: la API del LLM devuelve 503), no tumba al resto. Se queda en cola, reintenta, y si no puede, te notifica sin perder el contexto de lo que estaba haciendo.

Memoria jerárquica. OpenFang no mete todo en un prompt infinito. Tiene tres capas: Working Memory (la conversación activa), Session Memory (resumen compactado de sesiones anteriores) y Long-Term Memory (embeddings vectoriales en SQLite + FTS5). Cuando un Hand arranca, carga solo lo relevante, no todo tu historial de chat desde 2024.

Bus de eventos. Los Hands se comunican entre sí mediante un sistema de pub/sub interno. Esto permite que un Hand de "monitorizar precios de cripto" le diga al Hand de "gestionar portfolio" que hay una oportunidad de arbitraje, sin intervención humana. Es como tener un equipo de empleados que se pasan notas en la oficina.

Configuración en TOML. Todo se define en archivos .toml: los Hands, sus horarios, sus permisos, los canales de comunicación. El formato es declarativo, lo que significa que puedes versionar tu configuración con Git y revertir si algo sale mal.

Le hemos dado muchísima caña a los frameworks en esta web por dejar que agentes locos toquen el PC principal sin red de seguridad. OpenFang implementa un Sandbox Dual-metered de WASM (WebAssembly). Esto suena a sánscrito, pero significa que si el agente crea una skill de código destructiva, la ejecuta dentro de una jaula impenetrable.

Con 16 capas de seguridad es el único framework donde podemos decir: sí, dale tu tarjeta de crédito para que compre un dominio sin sentir que te estás jugando la hipoteca.

¿Qué significa "Dual-metered" exactamente? OpenFang mide dos cosas: el tiempo de ejecución (CPU cycles) y el consumo de memoria del código WASM. Si un Hand genera código que se pone a minar criptomoneda o a reservar RAM infinita, el sandbox lo mata antes de que pueda causar daño. Cada skill tiene un presupuesto de recursos hard-coded en su configuración TOML.

El sistema de permisos es granular por diseño. No es un "todo o nada". Un Hand puede tener permiso de lectura en /home/user/documentos pero no en /home/user/.ssh. Puede llamar a la API de Stripe en modo test pero no en live. Cada permiso se declara explícitamente y se audita en logs estructurados.

Requisitos mínimos: Linux (x86_64 o ARM64), 512MB de RAM libres, conexión a internet para la API del LLM. Ni siquiera necesitas instalar Rust — el binario viene precompilado.

Paso 1 — Instalar:

curl -fsSL https://openfang.sh/install | sh

Esto descarga el binario de ~32MB, lo coloca en ~/.local/bin/openfang y verifica la firma criptográfica del release. Sí, firman cada binario. Si la firma no coincide, el script se niega a continuar.

Paso 2 — Inicializar tu primer proyecto:

openfang init mi-primer-agente
cd mi-primer-agente

Esto genera la estructura de carpetas: hands/ (tus agentes), config.toml (configuración global), secrets.toml (API keys, cifrado por defecto), y memory/ (almacén local).

Paso 3 — Configurar el LLM:

# En config.toml
[llm]
provider = "openrouter"
model = "deepseek/deepseek-chat-v3-0324"
api_key_file = "secrets.toml"

Soporta 15+ proveedores: OpenRouter, OpenAI, Anthropic, Gemini, GLM/Zhipu, Ollama para modelos locales, y cualquier endpoint compatible con la API de OpenAI.

Paso 4 — Crear tu primer Hand:

# En hands/asistente.toml
[hand]
name = "asistente-diario"
schedule = "0 8 * * *"  # Cada día a las 8 AM
channel = "telegram"

[hand.permissions]
filesystem_read = ["~/documentos"]
web_search = true
shell = false

Paso 5 — Arrancar:

openfang daemon start

Y ya. El daemon corre en segundo plano, el scheduler lanza tus Hands según sus horarios, y todo se loguea en ~/.openfang/logs/ con formato JSON estructurado para que puedas integrarlo con Grafana o cualquier herramienta de monitorización.

OpenFang no es para hacerle preguntas existenciales a un chatbot. Está diseñado para automatización continua y desatendida. Estos son los escenarios donde de verdad saca ventaja sobre la competencia:

1. Lead generation automatizado. Configuras un Hand con acceso a LinkedIn (via browser tool), le das un perfil de cliente ideal, y cada mañana a las 7:30 escanea nuevos prospects, evalúa si encajan, y te envía un resumen por Slack con los 10 más prometedores. Todo sin que tú abras el portátil.

2. Monitorización de infraestructura. Un Hand vigila tus servidores (via SSH sandboxed), revisa logs, detecta anomalías, y si algo se pone feo, ejecuta runbooks predefinidos (reiniciar servicio, escalar recursos) o te escala a ti por Telegram con el contexto completo del incidente.

3. Asistente de contenido multi-canal. Un Hand investiga temas en la web, otro redacta borradores, otro programa publicaciones en WordPress y redes sociales. Cada uno independiente, comunicándose por el bus de eventos. Si el Hand de investigación encuentra un dato nuevo, se lo pasa al de redacción sin intervención.

4. Gestión financiera personal. Conectas tus APIs bancarias (permisos de solo lectura), y un Hand categoriza gastos, detecta suscripciones duplicadas, y cada viernes te manda un reporte financiero por Telegram con gráficos generados en SVG inline.

5. CI/CD inteligente. Un Hand escucha webhooks de GitHub, analiza los diffs de cada PR, ejecuta tests adicionales si detecta cambios críticos, y comenta directamente en el PR con sugerencias de mejora o aprobación.

Hemos comparado OpenFang con los frameworks de agentes más populares del panorama actual. Ojo: cada uno tiene su nicho, pero si lo que quieres es un OS de agentes serio, Rust-native y seguro, OpenFang se posiciona único:

Nota honesta: Si ya tienes OpenClaw funcionando y estás contento, no hay razón urgente para migrar. OpenFang brilla cuando necesitas autonomía real en segundo plano con seguridad seria. Si solo quieres un chatbot conectado a Telegram, NanoBot sigue siendo la opción más sencilla.

No todo es color de rosa. Llevamos semanas usando OpenFang y estas son las cosas que te van a doler:

Curva de aprendizaje pronunciada. Si nunca has tocado TOML ni conceptos de scheduling, vas a pasar las primeras horas leyendo documentación. No es pip install && listo. La potencia viene con complejidad, y OpenFang no pretende ser para principiantes.

Ecosistema de skills aún joven. OpenClaw tiene ClawHub con cientos de skills de la comunidad. OpenFang tiene su repositorio oficial, pero la comunidad es más pequeña. Si necesitas una skill muy específica (ej: integración con el CRM raro de tu empresa), probablemente tendrás que escribirla tú en Rust o WASM.

Sin GUI oficial. Todo se configura por terminal y archivos TOML. Si esperas un panel web bonito donde hacer clic, esto no es para ti. Hay proyectos de terceros que construyen dashboards, pero no son oficiales.

Windows no es ciudadano de primera clase. Compila en Windows vía WSL2, pero la experiencia nativa es Linux-first y macOS-second. Si tu entorno es 100% Windows sin WSL, vas a sufrir.

Documentación dispersa. La docs oficial es buena pero incompleta en algunos edge cases. La comunidad está en Discord y responden rápido, pero a veces tienes que leer el código fuente (que por suerte está en Rust, bien organizado y con comentarios útiles).