¿Qué es UFO?
UFO es un framework de agentes de código abierto de Microsoft Research que maneja aplicaciones de Windows por ti. A partir de una petición en lenguaje natural, toma capturas de pantalla, lee el árbol de UI Automation de Windows y después hace clic, escribe y llama a las API de las aplicaciones en los programas reales de tu equipo: Office, Edge, el Explorador de archivos y el resto. No es un sandbox; actúa sobre el escritorio en el que se ejecuta.
El repositorio tiene dos capas. UFO² (abril de 2025) es el propio agente de Windows, ahora con soporte a largo plazo. UFO³ Galaxy (noviembre de 2025) divide una tarea en un grafo de pasos y los reparte entre agentes en dispositivos Windows, Linux y Android mediante un protocolo WebSocket; Microsoft lo etiqueta como en desarrollo activo, apto para experimentos y trabajos no críticos.
Necesita Windows 10 o posterior, Python 3.10 o posterior y una clave de API de un proveedor de modelos: OpenAI, Azure OpenAI, Claude, Gemini, Qwen, DeepSeek o un modelo local mediante Ollama. El código tiene licencia MIT, unas 10.200 estrellas en GitHub, y la v3.0.10 se publicó el 22 de septiembre de 2026.
¿Merece la pena UFO?
La ventaja de UFO frente a los agentes que solo usan capturas de pantalla es que lee el propio Windows. UFO² combina el árbol de accesibilidad de UI Automation y las llamadas Win32 y COM con visión, de modo que puede pulsar un botón por su nombre o llamar a una API de Office en lugar de adivinar posiciones de píxeles. En el artículo de Microsoft eso mejora claramente los resultados: con o1 completó el 30.5% de las tareas de Windows Agent Arena y el 32.7% de OSWorld-W, frente al 20.8% y el 14.3% de Operator de OpenAI, con todos los agentes limitados a 30 pasos.
Aun así son tasas de fallo de alrededor del 70%, y el agente actúa sobre el escritorio que estás usando. Mueve el puntero, escribe en documentos y correos y envía capturas de tu pantalla al proveedor de modelos que hayas configurado; el aviso legal de Microsoft pide a los usuarios que no tengan información sensible a la vista y que lo ejecuten en un entorno controlado. Un ajuste SAFE_GUARD, activado por defecto, pide confirmación antes de las acciones que el modelo marca como sensibles, pero el mismo documento admite que esa barrera depende de que el modelo haga el marcado y que no es un sandbox. Una máquina virtual Windows dedicada es el sitio sensato para usarlo.
El trabajo de seguridad ha sido constante y conviene seguirlo. Las versiones v3.0.8 y v3.0.9, en agosto y septiembre de 2026, corrigieron varios problemas comunicados al centro de respuesta de seguridad de Microsoft, entre ellos una falsificación de peticiones del lado del servidor a través de la interfaz web de Galaxy. El 29 de septiembre llegó una corrección para que las acciones sensibles dejaran de ejecutarse antes de la barrera de confirmación; llegó una semana después de la v3.0.10, así que la última release etiquetada no la incluye.
El coste es la otra contrapartida. Cada paso es una llamada al modelo con una captura adjunta; la función de multiacción especulativa agrupa pasos previstos y, según el README, reduce las llamadas al LLM hasta en un 51%. Galaxy añade planificación entre dispositivos, pero es más reciente y más difícil de configurar. Para trabajo solo en el navegador, browser-use es más ligero y más fácil de contener; UFO se gana su sitio cuando la tarea vive dentro de software de escritorio de Windows sin API.
Dónde se gana su sitio
Un desarrollador de RPA en una aseguradora con software de siniestros heredado en Windows
Prototipar la automatización de una rutina de introducción de datos que no tiene API
Ejecuta UFO² en una VM Windows dedicada con SAFE_GUARD activado, añade una demostración grabada a su base de conocimiento de recuperación y mide con qué frecuencia completa la rutina de principio a fin. Con tasas de éxito cercanas al 30% en los benchmarks, prevé que una persona revise cada ejecución antes de que toque registros de producción.
Un grupo de investigación que estudia agentes de uso del ordenador
Comparar modelos en las mismas tareas de Windows
Cambia el modelo en agents.yaml entre GPT-4o, Claude, Gemini o un modelo local de Ollama y ejecuta la integración con Windows Agent Arena que documenta Microsoft. El límite de 30 pasos del artículo y sus tablas por modelo dan una referencia publicada con la que comparar.
Un equipo de TI en una empresa de 300 personas con portátiles Windows y servidores Linux
Probar un flujo que saca un log de un servidor y escribe un resumen en un documento de Office
Galaxy divide la petición en un grafo, envía el paso de Linux a un agente de dispositivo Linux y el paso de Office a UFO² en Windows. Microsoft considera Galaxy adecuado para experimentación y flujos no críticos, así que limítalo a un piloto.
Antes de decidirte
- Puesta en marcha
- En Windows 10 o posterior con Python 3.10 o posterior, ejecuta pip install -r requirements.txt, copia config/ufo/agents.yaml.template, añade una clave de API y lanza python -m ufo --task <name>. Galaxy necesita además un devices.yaml y un servidor y un cliente en cada dispositivo.
- Integraciones
- OpenAI, Azure OpenAI, Claude, Gemini, Qwen, DeepSeek, Ollama y el modelo Operator de OpenAI; servidores MCP para las herramientas de los agentes de dispositivo; búsqueda en Bing y recuperación sobre documentos y demostraciones; Windows Agent Arena y OSWorld para evaluación.
- Datos y privacidad
- Las capturas del escritorio y de las aplicaciones activas van al proveedor de modelos configurado en cada paso; Microsoft dice que no las recoge, pero se aplican las condiciones del proveedor. Las claves de API se guardan en config/ufo/agents.yaml. El agente controla el ratón y el teclado reales, así que ejecútalo en una VM o cuenta dedicada; la confirmación de SAFE_GUARD depende de que el modelo marque las acciones sensibles.
- Coste a escala
- Gratuito bajo MIT; el gasto es el uso de la API del modelo, una o más llamadas de visión por paso, y el agrupado de multiacción reduce las llamadas hasta en un 51% según el README. Microsoft no publica un coste por tarea.
- Límites
- Las mejores tasas de éxito publicadas son del 30.5% en Windows Agent Arena y del 32.7% en OSWorld-W; UFO² solo funciona en Windows; Galaxy está en desarrollo activo; la corrección de la barrera de confirmación del 29 de septiembre de 2026 es posterior a la v3.0.10.
Lo bueno
- Usa UI Automation, Win32 y COM de Windows, no solo capturas de pantalla
- 30.5% en Windows Agent Arena con o1, por encima del 20.8% de Operator
- Funciona con OpenAI, Azure OpenAI, Claude, Gemini, Qwen, DeepSeek u Ollama
- Licencia MIT, con correcciones de seguridad periódicas durante 2026
Lo malo
- Hace clic y escribe en tus aplicaciones reales; no está en un sandbox
- Envía capturas de tu escritorio al proveedor de modelos
- Falla en torno al 70% de las tareas de los benchmarks incluso en su mejor caso
- UFO² solo funciona en Windows; Galaxy sigue en desarrollo activo
Ideal para
Ingenieros de automatización en organizaciones muy basadas en Windows que quieren prototipar agentes para software de escritorio sin API, dentro de una máquina virtual de pruebas.
Alternativas a UFO
UFO: preguntas frecuentes
- ¿Merece la pena UFO?
- UFO demuestra hasta dónde puede llevar a un agente de escritorio una integración profunda con Windows, pero sigue fallando la mayoría de las tareas de los benchmarks mientras maneja tu ratón y tu teclado reales. Le damos un 3.5 sobre 5.
- ¿Cuánto cuesta UFO?
- Gratuito y de código abierto bajo la licencia MIT; pagas a tu proveedor de modelos por cada paso.
- ¿Qué inconvenientes tiene UFO?
- Hace clic y escribe en tus aplicaciones reales; no está en un sandbox; envía capturas de tu escritorio al proveedor de modelos; falla en torno al 70% de las tareas de los benchmarks incluso en su mejor caso; uFO² solo funciona en Windows; Galaxy sigue en desarrollo activo.
- ¿Para quién es UFO?
- Ingenieros de automatización en organizaciones muy basadas en Windows que quieren prototipar agentes para software de escritorio sin API, dentro de una máquina virtual de pruebas.
- ¿Cuánto cuesta UFO para un equipo o en producción?
- Gratuito bajo MIT; el gasto es el uso de la API del modelo, una o más llamadas de visión por paso, y el agrupado de multiacción reduce las llamadas hasta en un 51% según el README. Microsoft no publica un coste por tarea.
- ¿Es UFO seguro para los datos de la empresa?
- Las capturas del escritorio y de las aplicaciones activas van al proveedor de modelos configurado en cada paso; Microsoft dice que no las recoge, pero se aplican las condiciones del proveedor. Las claves de API se guardan en config/ufo/agents.yaml. El agente controla el ratón y el teclado reales, así que ejecútalo en una VM o cuenta dedicada; la confirmación de SAFE_GUARD depende de que el modelo marque las acciones sensibles.
- ¿Cuáles son las mejores alternativas a UFO?
- Las alternativas más cercanas que hemos analizado son Browser Use, CLI-Anything, Magentic-UI (MagenticLite) y Agent Zero.
Respuestas comprobadas el 14 nov 2026.