La semana confirma que el crecimiento más fuerte en GitHub está concentrado en herramientas que hacen a los agentes más operables: ejecución paralela, memoria persistente, routing entre modelos, reducción de contexto y aplicaciones abiertas construidas encima de esos componentes. Esta selección combina velocidad reciente, actividad del proyecto y utilidad práctica para agencias, desarrolladores y equipos que ya trabajan con Claude Code, Codex, Cursor u otros agentes.
Orquestación y frameworks de agentes
Orca
Autor: Stably (stablyai)
Qué hace: Es un entorno de desarrollo para ejecutar varios coding agents en paralelo, cada uno dentro de su propio worktree, con supervisión desde escritorio, móvil o VPS.
Por qué importa: Resuelve un problema operativo real: dividir una tarea entre varios agentes, comparar resultados y evitar que todos modifiquen la misma rama. Convierte el trabajo multiagente en un flujo visible y controlable.
Estrellas verificadas: 34.2k
Enlace: https://github.com/stablyai/orca
Hermes Agent
Autor: Nous Research
Qué hace: Es un agente personal autoalojable con memoria, herramientas, skills, gateways y soporte para distintos modelos y canales.
Por qué importa: Ofrece una base completa para construir asistentes persistentes que acumulen contexto y ejecuten tareas reales, sin depender de una sola interfaz o proveedor de modelos.
Estrellas verificadas: 223.1k
Enlace: https://github.com/NousResearch/hermes-agent
pi
Autor: Earendil Works
Qué hace: Combina una API unificada para LLM, un bucle de agente, una interfaz TUI y un coding agent de línea de comandos.
Por qué importa: Su diseño modular permite adoptar solo las piezas necesarias y mantener control sobre el runtime, el proveedor de modelos y la experiencia de terminal.
Estrellas verificadas: 81.3k
Enlace: https://github.com/earendil-works/pi
MCP, memoria y contexto para código
codebase-memory-mcp
Autor: DeusData
Qué hace: Indexa repositorios en un grafo de conocimiento persistente y expone consultas de inteligencia de código mediante MCP. Soporta 158 lenguajes y se distribuye como un binario local sin dependencias.
Por qué importa: Reduce la necesidad de volver a escanear repositorios completos y permite que los agentes consulten relaciones entre funciones, clases, rutas y llamadas con mucho menos consumo de contexto.
Estrellas verificadas: 36.7k
Enlace: https://github.com/DeusData/codebase-memory-mcp
code-review-graph
Autor: Tirth Patel (tirth8205)
Qué hace: Construye un mapa local y persistente de funciones, dependencias, pruebas y cambios para revisiones de código mediante MCP, CLI y GitHub Actions.
Por qué importa: Ataca uno de los costos más altos de los coding agents: releer archivos irrelevantes en cada revisión. Su análisis de impacto ayuda a entregar al agente únicamente el contexto relacionado con el cambio.
Estrellas verificadas: 27.8k
Enlace: https://github.com/tirth8205/code-review-graph
Gateways y acceso a modelos
OmniRoute
Autor: Diego Souza (diegosouzapw) y colaboradores
Qué hace: Proporciona un gateway compatible con cientos de modelos y proveedores, con routing configurable, fallback por cuotas, compresión de tokens e integración con MCP y A2A.
Por qué importa: Desacopla a los agentes de un modelo único. Esto ayuda a controlar costos, límites, disponibilidad y cambios de proveedor desde una sola capa de infraestructura.
Estrellas verificadas: 35.5k
Enlace: https://github.com/diegosouzapw/OmniRoute
Formación y arquitectura de agentes
ai-agent-book
Autor: Bojie Li (bojieli)
Qué hace: Publica un libro abierto, documentación y código sobre contexto, memoria, herramientas, MCP, evaluación, coding agents y colaboración multiagente.
Por qué importa: Funciona como un mapa técnico del stack completo. Es útil para quienes necesitan comprender los principios de arquitectura antes de copiar un framework o montar un sistema de agentes en producción.
Estrellas verificadas: 28.3k
Enlace: https://github.com/bojieli/ai-agent-book
Apps de IA y herramientas abiertas
open-seo
Autor: Every (every-app)
Qué hace: Es una alternativa open source a plataformas como Semrush y Ahrefs, enfocada en auditorías, investigación de palabras clave, backlinks y datos de Google Search Console, con integraciones MCP.
Por qué importa: Muestra cómo la infraestructura de agentes y MCP puede convertirse en un producto vertical concreto. Para agencias, representa una base reutilizable para crear herramientas SEO propias o servicios SaaS especializados.
Estrellas verificadas: 9.8k
Enlace: https://github.com/every-app/open-seo
Repo de la semana: Orca, porque convierte la ejecución paralela de agentes en un sistema supervisable, aislado por worktrees y aplicable hoy a flujos con Codex, Claude Code y otros coding agents.