¿Qué es AgentRun?
AgentRun, de Parcha Labs (el equipo detrás de Grep.ai), se coloca alrededor de los entornos de agentes de programación que la gente ya usa, Claude Code, Codex, OpenCode o pi, y añade lo que les falta para el trabajo repetible: un almacén que sobrevive a caídas, aprobaciones por herramienta, topes de gasto, disparadores y una sola consola para todas las ejecuciones. No debe confundirse con AgentRun de Alibaba Cloud, un producto comercial distinto.
Su núcleo es un lenguaje de flujos de trabajo. Un flujo es un documento JSON de pasos tipados: llamadas a herramientas, llamadas a modelos, decisiones tipadas rápidas (sí o no, elegir una opción, una puntuación, cada una con su confianza) de un modelo de decisión como Jev, ramas, bucles acotados, mapas en paralelo y un recurso a un agente completo cuando un caso no está claro. La consola muestra cada ejecución nodo a nodo, con cada decisión y su motivo, y se puede pausar y reanudar. Un modo de aprendizaje permite a un agente guardar notas, habilidades y, con el tiempo, un flujo aprendido en su propia carpeta git tras cada ejecución.
El paquete de flujos funciona solo: npx @parcha/agentrun-dsl@latest demo reproduce un ejemplo de clasificación de soporte con juicios guionizados, sin SDK de modelo, clave de API ni red. El servidor completo se inicia con npx @parcha/agentrun en el puerto 7340 y necesita una clave de modelo para ejecuciones reales. Es Apache-2.0, se publicó por primera vez el 23 de septiembre de 2026 y sigue en beta (v0.1.0-beta.37 el 14 de noviembre de 2026).
¿Merece la pena AgentRun?
El argumento de AgentRun es que muchos agentes no deberían ser agentes. Una tarea que un agente ha hecho cien veces, como evaluar una empresa o revisar un pull request, puede escribirse como un flujo tipado en el que decisiones tipadas baratas encaminan los casos fáciles y solo se llama a un agente completo para los dudosos. La consola muestra luego cada paso y cada decisión con su confianza, lo que hace auditable una ejecución de un modo en que no lo es una larga transcripción de agente.
La capa operativa es más completa que la de la mayoría de proyectos tan jóvenes. Las ejecuciones viven en SQLite o Postgres y se reanudan tras una caída; con varios runners, las ejecuciones de un runner caído se recogen tras un arrendamiento de 30 segundos, y una escritura cortada a mitad de llamada se marca como interrumpida en lugar de reintentarse. Cada herramienta está permitida, pregunta antes o está denegada; una ejecución con tope de coste se pausa en el tope en lugar de fallar; los secretos se sellan bajo una clave y nunca entran en el ordenador del agente. Cinco plantillas (revisión de código, diligencia debida KYB, seguimiento de mercado, puntuación de leads, notas de versión) vienen con sus propios casos de evaluación.
Las cifras destacadas son autodeclaradas. El README dice que su plantilla de revisión de código ajustada cuesta 18 centavos por revisión frente a una factura de Greptile que pasó de $180 a $6,451 al mes, y que detectó 1.6 veces los errores reales en 30 pull requests no vistos; una tarea de clasificación de comercios bajó de $0.89 a $0.12 por comercio una vez aprendida. Aún no hay réplica independiente. En Hacker News (51 puntos) la objeción principal fue que Temporal, Windmill o Airflow ya ejecutan flujos, a lo que la respuesta es la capa específica para agentes: integración con los entornos, decisiones tipadas de modelo y aprendizaje.
Riesgos: el proyecto se hizo público el 23 de septiembre de 2026 y publica betas casi a diario, con 70 issues y pull requests abiertos. El modo de aprendizaje deja que las ejecuciones escriban notas y flujos que ejecutarán las siguientes; el código filtra secretos, archivos fuera de la carpeta y reglas sacadas de páginas web o correos, y un modelo evaluador juzga el resto, pero sigue siendo comportamiento escrito por un modelo que persiste entre ejecuciones. El modo "Never ask" deja que un agente funcione sin supervisión, y el despliegue con Docker Compose solo escucha en loopback y necesita un proxy TLS antes de exponerlo.
Dónde se gana su sitio
Un equipo de cumplimiento en una fintech de 50 personas
Hacer comprobaciones KYB de nuevos clientes empresariales con rastro de auditoría
Aplica la plantilla KYB: las comprobaciones de registro y certificados van en paralelo, una decisión tipada aprueba, rechaza o envía a revisión por debajo de un umbral de confianza de 0.75, y cada afirmación del informe lleva cita. Cada ejecución puede tener un tope en dólares.
Un responsable de ingeniería en una startup que paga por revisión de código con IA
Bajar el coste de la revisión de código sin perder errores reales detectados
Ajusta la plantilla de revisión de código con tus propios pull requests, como hicieron sus creadores; dicen que cuesta 18 centavos por revisión. Dispárala con eventos de pull request de GitHub en un servidor propio, unos $27.50 al mes en Render.
Un desarrollador que evalúa motores de flujos para agentes
Ver cómo se comporta un flujo tipado antes de darle una clave de modelo
Ejecuta npx @parcha/agentrun-dsl@latest demo y luego haz una prueba en seco de tu propio flujo con respuestas sintéticas; ninguno llama a un modelo, así que el flujo de control se comprueba gratis.
Antes de decidirte
- Puesta en marcha
- npx @parcha/agentrun inicia un servidor y un runner en el puerto 7340, guarda los datos en ~/.agentrun y abre la consola; fija una contraseña, añade una clave de modelo (OpenRouter, Anthropic u OpenAI) y aplica una plantilla. Con Docker, los agentes tienen una shell aislada.
- Integraciones
- Entornos: pi, Claude Code, Codex, OpenCode. Ordenadores: sandboxes de Docker, Daytona, Modal y E2B, escritorios Linux, teléfonos Android en la nube, navegadores de Browserbase o Kernel. Servidores MCP remotos, kits y disparadores de Composio, programaciones, webhooks firmados, eventos de GitHub; clientes de TypeScript y Python.
- Datos y privacidad
- Autoalojado: ejecuciones, archivos y registros se quedan en tu almacén SQLite o Postgres. Los secretos se sellan bajo AGENTRUN_SEAL_KEY y solo se muestran como definidos o ausentes; las llamadas a modelos van al proveedor cuya clave añadas.
- Coste a escala
- El software es gratis; el gasto son los tokens del modelo más cualquier proveedor remoto de sandbox o navegador, facturados a tu propia cuenta. Los topes por ejecución impiden que un bucle dispare la factura.
- Límites
- Software beta con 70 issues y pull requests abiertos; los runners sobre Postgres aún comparten un único volumen de datos en esta versión; los ordenadores iPhone, macOS y Windows aún no son compatibles.
Lo bueno
- Flujos tipados con decisiones puntuadas por confianza y recurso a un agente
- Las ejecuciones sobreviven a caídas; las escrituras interrumpidas se marcan, no se reintentan
- Aprobaciones por herramienta, topes de coste que pausan en vez de fallar, secretos sellados
- Funciona sobre Claude Code, Codex, OpenCode o pi
- La demo de flujos funciona sin clave de API ni red
Lo malo
- En beta desde septiembre de 2026, con versiones casi diarias
- Las cifras de coste y calidad son de los propios creadores
- El modo de aprendizaje conserva notas y flujos escritos por modelos entre ejecuciones
- Necesita Node 24.22.3 o posterior en macOS o Linux
Ideal para
Equipos que ejecutan la misma tarea de agente muchas veces por semana y quieren ver cada paso, limitar costes y sacar los casos rutinarios del costoso bucle del agente.
Alternativas a AgentRun
AgentRun: preguntas frecuentes
- ¿Merece la pena AgentRun?
- AgentRun defiende de forma convincente que la mayoría de las tareas de agentes deberían convertirse en flujos verificables, y trae las aprobaciones y los topes para respaldarlo, pero es una beta de 52 días cuyas cifras de coste solo vienen de sus creadores. Le damos un 3.8 sobre 5.
- ¿Cuánto cuesta AgentRun?
- Gratis bajo Apache-2.0; pagas al proveedor del modelo y a cualquier proveedor de sandbox remoto. El despliegue con un clic en Render cuesta unos $25/mes por la instancia más $2.50 por el disco, según el README.
- ¿Qué inconvenientes tiene AgentRun?
- En beta desde septiembre de 2026, con versiones casi diarias; las cifras de coste y calidad son de los propios creadores; el modo de aprendizaje conserva notas y flujos escritos por modelos entre ejecuciones; necesita Node 24.22.3 o posterior en macOS o Linux.
- ¿Para quién es AgentRun?
- Equipos que ejecutan la misma tarea de agente muchas veces por semana y quieren ver cada paso, limitar costes y sacar los casos rutinarios del costoso bucle del agente.
- ¿Cuánto cuesta AgentRun para un equipo o en producción?
- El software es gratis; el gasto son los tokens del modelo más cualquier proveedor remoto de sandbox o navegador, facturados a tu propia cuenta. Los topes por ejecución impiden que un bucle dispare la factura.
- ¿Es AgentRun seguro para los datos de la empresa?
- Autoalojado: ejecuciones, archivos y registros se quedan en tu almacén SQLite o Postgres. Los secretos se sellan bajo AGENTRUN_SEAL_KEY y solo se muestran como definidos o ausentes; las llamadas a modelos van al proveedor cuya clave añadas.
- ¿Cuáles son las mejores alternativas a AgentRun?
- Las alternativas más cercanas que hemos analizado son Temporal, LangGraph y Mastra.
Respuestas comprobadas el 14 nov 2026.