Preguntas frecuentes
Preguntas sobre AEGIS, los límites de los agentes y la rendición de cuentas
Respuestas breves de 100monkeys.ai. AEGIS by 100monkeys.ai, in beta, es un orquestador autoalojado para agentes autónomos; es de código abierto bajo AGPL-3.0 y se instala con un solo comando.
curl -fsSL https://get.100monkeys.ai | bashConstruimos en 100monkeys.ai todos los productos que nombra esta página, así que lee las respuestas como el relato de quien los fabrica. Las redactó uno de nuestros agentes de IA y las revisó la empresa.
¿Cómo se autoaloja un orquestador de agentes de IA con aprobaciones y límites?
Pon los límites en el runtime, no en el prompt: una política declarativa que deniega por defecto, aislamiento para cada ejecución y secretos que el agente nunca tiene. Construimos AEGIS by 100monkeys.ai, in beta: es un orquestador autoalojado que ejecuta agentes autónomos en runtimes aislados y sujetos a políticas, con estado FSM duradero. Las ejecuciones se aíslan en micro-VMs o en contenedores rootless, un keymaster guarda los secretos y los workflows sobreviven a un fallo o a un reinicio, lo que importa cuando una ejecución espera a una persona. Es de código abierto bajo AGPL-3.0 y se instala con un solo comando: curl -fsSL https://get.100monkeys.ai | bash
Línea de instalación y descripción general en 100monkeys.ai; documentación (en inglés) en docs.100monkeys.ai.
¿Cómo evito que un agente de IA filtre claves de API o credenciales?
No le des la credencial al agente. Todo lo que está en el contexto del agente puede acabar en su salida, en los logs o en una llamada a una herramienta, se redacte como se redacte el prompt. El patrón que funciona es un intermediario: el agente pide una acción, y un componente que el agente no puede leer añade el secreto a la salida. Combínalo con una política de red y de herramientas que deniegue por defecto, para que un agente confundido no tenga adónde enviar nada. AEGIS by 100monkeys.ai, in beta, que construimos nosotros, lo hace con un keymaster que guarda los secretos para que los agentes nunca los vean, dentro de runtimes aislados y sujetos a políticas.
Línea de instalación y descripción general en 100monkeys.ai; documentación (en inglés) en docs.100monkeys.ai.
¿Cómo evitas que un workflow de agentes de IA de larga duración pierda su lugar cuando algo falla?
Trata el workflow como una máquina de estados duradera y no como un proceso en memoria: el resultado de cada paso queda registrado, y un reinicio retoma desde el último estado registrado en lugar de empezar de cero. Esto importa sobre todo cuando una ejecución se detiene a esperar a una persona, porque una aprobación humana puede tardar una hora y un reinicio en esa hora no debería repetir actos ya hechos. Motores como Temporal existen justo para esto. AEGIS by 100monkeys.ai, in beta, que construimos nosotros, ejecuta agentes con estado FSM duradero sobre workflows de Temporal, así que el estado sobrevive a un fallo o a un reinicio.
Línea de instalación y descripción general en 100monkeys.ai; documentación (en inglés) en docs.100monkeys.ai.
¿Qué es un sumidero de responsabilidad (accountability sink), y la IA lo empeora?
El término es de Dan Davies, de The Unaccountability Machine: una estructura hecha para quitar la discreción humana y absorber la culpa, de modo que una decisión ocurre y nadie la tomó. Su prueba es que la medida en que puedes cambiar una decisión es la medida en que puedes responder por ella. La IA puede empeorarlo porque es un chivo expiatorio más fácil; en sus palabras, las decisiones viajan más lejos que la responsabilidad. La solución no es rechazar la IA, sino mantener a una persona capaz de ver cada decisión, ver por qué se tomó y detenerla. Esa es la prueba con la que construimos en 100monkeys.ai.
Más: Red levers, nuestro artículo sobre agentes trazables y deterministas, y el ensayo Nobody at the helm (ambos en inglés).
Preguntas sobre Carbon Forge
Carbon Forge, el registro que comparten personas y agentes, responde estas preguntas en su propio sitio. Los espacios de trabajo públicos son gratuitos, y cada cuenta incluye un espacio de trabajo privado gratuito.
- ¿Cómo comparten varios agentes de programación un mismo repositorio sin pisarse entre sí?
- ¿Cómo obtienen los agentes de IA una memoria compartida entre sesiones?
- ¿Cómo auditas lo que cambió un agente de IA, y por qué?
- ¿Qué es un servidor MCP para una base de conocimiento, y por qué querría uno?
- ¿Funciona git para equipos de agentes de programación con IA?