¿Qué es OpenSpace?
OpenSpace, del Data Intelligence Lab de la Universidad de Hong Kong (HKUDS), es una capa en Python que se sitúa junto a Claude Code, Codex, OpenClaw, nanobot o cualquier agente compatible con MCP y gestiona sus skills SKILL.md. Registra si cada skill se seleccionó, se aplicó, completó la tarea o recurrió a una alternativa, usa esas evidencias para corregir, derivar o capturar skills automáticamente y ofrece un hub en la nube en open-space.cloud para compartirlas.
La versión 2.0.0, publicada el 17 de julio de 2026, añadió resúmenes de calidad, exploración de paquetes, subida de trazas de tareas, un panel y una interfaz de terminal. Las skills nuevas o evolucionadas empiezan como provisionales y pasan a fiables tras un uso exitoso independiente. El equipo informa, en sus propias ejecuciones de Terminal-Bench 2.1 con el mismo modelo Hy3, de un 65,2 % con una biblioteca de skills nueva y un 78,7 % una vez evolucionada.
El repositorio se creó el 24 de marzo de 2026, tiene licencia MIT y unas 7.800 estrellas en GitHub. El último commit fue el 12 de agosto de 2026, y se instala desde un clon en lugar de un paquete publicado.
¿Merece la pena OpenSpace?
OpenSpace parte de una observación sensata: cuando una biblioteca de skills supera unas pocas decenas de entradas, los agentes eligen la equivocada, siguen usando las que fallan y nadie distingue las buenas de las que solo parecen plausibles. Registrar resultados por skill, y preferir las que tienen historial de completar tareas, es una señal mejor que una descripción, y el ciclo de provisional a fiable obliga a una skill evolucionada a volver a funcionar, de forma independiente, antes de considerarla fiable. Las skills pasan un análisis de seguridad contra patrones de inyección de prompts y exfiltración de credenciales antes de cargarse.
El benchmark principal necesita contexto. El salto del 65,2 % al 78,7 % en Terminal-Bench 2.1 es un resultado propio del equipo con un solo modelo, y la ejecución en caliente se beneficia de una biblioteca evolucionada en tareas relacionadas; demuestra que el mecanismo puede ayudar, no que vaya a hacerlo con tu carga de trabajo. La integración se hace mediante un servidor MCP que envuelve el propio agente de ejecución de OpenSpace, así que las tareas delegadas largas necesitan un tiempo de espera del host de al menos 600 segundos.
Lo primero que hay que revisar son los valores por defecto. La recogida de evidencias para la evolución está activada por defecto, y las notas de configuración del README (ahora comentadas) describen como predeterminado el modo autónomo, en el que las correcciones validadas y las skills derivadas y capturadas se confirman sin intervención humana; existen los modos audit_only y fix_only, que encajan mejor en la mayoría de los equipos. El módulo de telemetría incluido, heredado de mcp-use, envía eventos anonimizados a PostHog y Scarf salvo que se defina MCP_USE_ANONYMIZED_TELEMETRY=false. Las funciones en la nube son opcionales y necesitan una clave de agente vinculada a un correo electrónico.
El mantenimiento es la otra preocupación. Tras una primavera intensa, el último commit llegó el 12 de agosto de 2026 y la v2.0.0 sigue siendo la última versión, con unas 54 incidencias y pull requests abiertas. No hay paquete en PyPI, y un clon por defecto arrastra unos 50 MB de imágenes. Frente a Hermes Agent, que también escribe sus propias skills pero como parte de un producto mantenido, OpenSpace es una capa que se acopla, con más seguimiento de evidencias y menos certeza de que se vaya a actualizar.
Dónde se gana su sitio
Un equipo de plataforma que mantiene 300 skills internas en Claude Code y Codex
Averiguar qué skills ayudan de verdad y retirar el resto
Ejecuta OpenSpace como servidor MCP en modo audit_only para que registre selección y resultado por skill sin cambiar ninguna, y revisa los resúmenes de calidad en el panel. Gratis; el coste son las llamadas al modelo de su análisis posterior a cada tarea.
Un ingeniero de IA en una agencia de automatización de 10 personas
Convertir un flujo que funcionó para un cliente en una skill reutilizable y con seguimiento
Deja que la evolución CAPTURED guarde el subflujo validado como skill provisional, promuévela tras un segundo éxito y compártela en privado mediante un grupo en la nube. Define antes MCP_USE_ANONYMIZED_TELEMETRY=false.
Una investigadora que estudia agentes que se mejoran a sí mismos
Reproducir el efecto de una biblioteca de skills en evolución en un benchmark de programación
Clona el repositorio, ejecuta pasadas en frío y en caliente con el mismo modelo e inspecciona el linaje en el panel. La cifra publicada del 65,2 % al 78,7 % es del propio equipo, así que trátala como una hipótesis que comprobar.
Antes de decidirte
- Puesta en marcha
- git clone y pip install -e . con Python 3.12+, añade un servidor MCP openspace a la configuración del host con un tiempo de espera de herramientas de 600 segundos y copia dos skills del host en la carpeta de skills del agente. El panel necesita Node.js 20+.
- Integraciones
- Cualquier host MCP por stdio, SSE o HTTP streamable; asistentes para OpenClaw y nanobot, configuración manual para Claude Code, Codex y Cursor; adaptadores de pasarela para WhatsApp y Feishu; modelos a través de LiteLLM, incluido Ollama.
- Datos y privacidad
- Las skills, las evidencias y el linaje se guardan en un almacén SQLite local. La telemetría anonimizada a PostHog y Scarf está activa salvo con MCP_USE_ANONYMIZED_TELEMETRY=false; la subida a la nube es opcional, necesita una clave de agente vinculada a un correo y solo acepta skills fiables. Licencia MIT.
- Coste a escala
- No hay plan de pago publicado. Cada tarea añade un análisis posterior a la ejecución y posibles llamadas de evolución con tu propia clave de modelo, además del trabajo en sí.
- Límites
- Última versión v2.0.0 (julio de 2026) y sin commits desde el 12 de agosto; unas 54 incidencias y pull requests abiertas; sin paquete en PyPI; clon pesado por unos 50 MB de recursos.
Lo bueno
- Puntúa las skills por resultados de tareas registrados, no por descripciones
- Las skills provisionales deben volver a funcionar antes de ser fiables
- Funciona con cualquier host MCP que lea SKILL.md
- El análisis de seguridad bloquea al cargar las skills con patrones de inyección
Lo malo
- La reescritura autónoma de skills se describe como predeterminada
- Telemetría a PostHog y Scarf activa salvo que se desactive
- Sin commits desde el 12 de agosto de 2026
- Las mejoras del benchmark son autodeclaradas y con un solo modelo
Ideal para
Equipos que ejecutan agentes sobre una biblioteca de skills grande y creciente, quieren evidencias de qué skills funcionan y van a empezar con la evolución en modo solo auditoría.
Alternativas a OpenSpace
OpenSpace: preguntas frecuentes
- ¿Merece la pena OpenSpace?
- OpenSpace hace la pregunta correcta sobre las skills de los agentes, cuáles funcionan de verdad, pero por defecto deja que los agentes reescriban sus propias skills y está parado desde agosto. Le damos un 3.5 sobre 5.
- ¿Cuánto cuesta OpenSpace?
- Gratuito y de código abierto (MIT). El hub open-space.cloud es opcional y no hay plan de pago publicado. Pagas a tu proveedor de modelos.
- ¿Qué inconvenientes tiene OpenSpace?
- La reescritura autónoma de skills se describe como predeterminada; telemetría a PostHog y Scarf activa salvo que se desactive; sin commits desde el 12 de agosto de 2026; las mejoras del benchmark son autodeclaradas y con un solo modelo.
- ¿Para quién es OpenSpace?
- Equipos que ejecutan agentes sobre una biblioteca de skills grande y creciente, quieren evidencias de qué skills funcionan y van a empezar con la evolución en modo solo auditoría.
- ¿Cuánto cuesta OpenSpace para un equipo o en producción?
- No hay plan de pago publicado. Cada tarea añade un análisis posterior a la ejecución y posibles llamadas de evolución con tu propia clave de modelo, además del trabajo en sí.
- ¿Es OpenSpace seguro para los datos de la empresa?
- Las skills, las evidencias y el linaje se guardan en un almacén SQLite local. La telemetría anonimizada a PostHog y Scarf está activa salvo con MCP_USE_ANONYMIZED_TELEMETRY=false; la subida a la nube es opcional, necesita una clave de agente vinculada a un correo y solo acepta skills fiables. Licencia MIT.
- ¿Cuáles son las mejores alternativas a OpenSpace?
- Las alternativas más cercanas que hemos analizado son Hermes Agent, claude-mem y Everything Claude Code (ECC).
Respuestas comprobadas el 31 oct 2026.