Andrew Ng presenta OpenWorker: un agente de IA de código abierto para escritorio que entrega resultados, no conversaciones

Andrew Ng presentó OpenWorker, un agente de IA de escritorio de código abierto que entrega trabajo terminado, no conversaciones. En lugar de un prompt, el usuario especifica el resultado esperado: un documento listo, una respuesta en Slack con números exactos, un calendario actualizado o una bandeja de entrada ordenada. Luego, el agente divide la tarea en pasos, trabaja con archivos locales y aplicaciones conectadas, y solicita confirmación antes de cualquier acción significativa. La arquitectura incluye cuatro capas: un shell de escritorio basado en Tauri 2 con React 18, un servidor de agente local en Python (FastAPI, uvicorn, puerto 127.0.0.1:8765), una capa de capacidades y conectores (herramientas locales, integraciones alojadas, MCP) y un enrutador de modelos construido sobre la biblioteca aisuite. OpenWorker no proporciona su propio servicio de inferencia: el usuario inserta una clave de API o ejecuta un entorno local. La lista de modelos compatibles incluye 30 opciones: proveedores nativos (OpenAI, Anthropic, Google), compatibles con OpenAI (GLM, DeepSeek, Kimi, MiniMax, Qwen, Grok, Mistral), open-weight a través de Together AI y Fireworks, y completamente locales mediante Ollama (sin clave). Una característica clave es el motor de permisos, que clasifica cada acción en cuatro clases de riesgo (lectura, escritura, ejecución de comandos, efectos externos) y soporta cinco modos de permisos. En modo autónomo, las notificaciones se envían a la bandeja de entrada y la sesión se pausa hasta recibir respuesta. La política de seguridad ordena al modelo tratar el contenido de herramientas, registros, páginas web y mensajes entrantes como datos no confiables, no como instrucciones. La privacidad se garantiza mediante el procesamiento local: las llamadas a modelos van directamente, los tokens de conectores y las claves permanecen en la máquina, y los secretos no entran en el contexto del modelo. El único componente en la nube es un broker opcional para handshakes OAuth (Auth0 con PKCE); los tokens se emiten directamente a la máquina y no se almacenan en la nube. La aplicación es completamente funcional sin inicio de sesión. El código fuente está disponible en GitHub (licencia MIT).