Esta semana destacan proyectos nuevos y activos que atacan piezas concretas del stack de agentes: coding, memoria, investigación, acceso a datos, seguridad operativa y automatización de contenido.
Coding agents y coordinación
ZCode
Autor: zai-org Estrellas verificadas: 5.1k GitHub: https://github.com/zai-org/ZCode Qué hace: Es un harness extensible para coding agents, diseñado para ejecutar trabajo de desarrollo asistido por IA con una base configurable. Por qué importa: Para una agencia o equipo dev, ofrece otra arquitectura para estudiar cómo empaquetar agentes de código que puedan integrarse en flujos reales de construcción y mantenimiento.
cumora
Autor: yetone Estrellas verificadas: 3.8k GitHub: https://github.com/yetone/cumora Qué hace: Es un chat de equipo multiplataforma donde agentes de IA participan como compañeros, con soporte para servicios cloud y cerebros propios como Claude Code o Codex. Por qué importa: Es relevante para equipos que quieren coordinar humanos y agentes desde una interfaz compartida, en vez de operar cada agente como una herramienta aislada.
Memoria y arquitectura de agentes
agent-memory
Autor: tigerless-labs Estrellas verificadas: 1.0k GitHub: https://github.com/tigerless-labs/agent-memory Qué hace: Implementa memoria de largo plazo para agentes usando Markdown como fuente de verdad, recuperación local y una capa independiente para organizar recuerdos fuera de la sesión activa. Por qué importa: Puede servir como referencia para dar continuidad a agentes de agencia sin amarrar la memoria a un solo proveedor, además permite compartir el mismo almacén entre Claude Code y Codex.
semantix
Autor: Gnosil Estrellas verificadas: 0.7k GitHub: https://github.com/Gnosil/semantix Qué hace: Es un kernel semántico para agentes enfocado en eficiencia, orquestación y evolución del comportamiento del agente. Por qué importa: Es útil para estudiar una capa de coordinación más compacta cuando un sistema necesita múltiples capacidades sin convertir cada flujo en una cadena rígida de prompts.
Investigación y datos
AutoResearch
Autor: EvoMap Estrellas verificadas: 3.2k GitHub: https://github.com/EvoMap/AutoResearch Qué hace: Usa agentes para llevar investigación de IA y machine learning desde una idea hasta evidencia preparada para respaldar un trabajo técnico. Por qué importa: El patrón puede adaptarse a investigación competitiva, auditorías y análisis internos donde una agencia necesita producir evidencia reproducible, no solo respuestas generadas.
pgbot
Autor: pgrundev Estrellas verificadas: 1.3k GitHub: https://github.com/pgrundev/pgbot Qué hace: Añade una capa de inteligencia sobre PostgreSQL para que agentes y aplicaciones puedan trabajar con datos y análisis de una base Postgres. Por qué importa: Puede reducir la distancia entre un agente y los datos operativos de una app, algo valioso para dashboards, reporting y automatizaciones basadas en información real del negocio.
Automatización de contenido
Easel
Autor: ZJU-REAL Estrellas verificadas: 1.3k GitHub: https://github.com/ZJU-REAL/Easel Qué hace: Es un agente open source para descubrir tendencias, crear contenido, publicar y analizar resultados en varias plataformas sociales. Por qué importa: Para una agencia, muestra una arquitectura práctica para cerrar el ciclo entre investigación, creación, distribución y aprendizaje, en lugar de automatizar cada etapa por separado.
Repo de la semana: ZCode, por combinar crecimiento rápido con una arquitectura de coding agent directamente aplicable a equipos que construyen software con IA.