En un chat pides que te expliquen un error. A un agente de programación le encargas encontrarlo en el proyecto, cambiar archivos y comprobar la corrección. Ambos usan IA, pero los programas que la rodean tienen capacidades distintas. De ahí tantos nombres: ChatGPT, Claude Code, Codex, OpenCode, harness, orquestador.

Organicémoslos en un mapa breve: el modelo genera respuestas y decisiones, el programa del agente organiza las acciones y su interfaz te permite controlarlo. Después entenderemos para qué se reúnen varios agentes.

Cómo llegamos a los chats de IA habituales

Un punto de partida útil para esta ola de interés es el 30 de noviembre de 2022, cuando OpenAI abrió ChatGPT como versión de investigación para que los usuarios la probaran. Probar una IA conversacional resultaba sencillo: escribir una pregunta, pedir un ejemplo y aclarar la respuesta. El final de 2022 y 2023 fueron un periodo de popularización de esta forma de interactuar; el «boom» no tiene un único día oficial.

Un modelo es un sistema entrenado que procesa los datos recibidos y genera un resultado: por ejemplo, una explicación o una propuesta de acción. Un chat es una aplicación mediante la que te comunicas con un modelo. Por eso OpenAI, un modelo GPT y la aplicación ChatGPT son cosas distintas: una empresa, un componente tecnológico y un producto para el usuario.

Anthropic es otra empresa; Claude es el nombre de su familia de modelos y de su asistente de IA para usuarios. Claude se presentó el 14 de marzo de 2023. Desarrolladores chinos como el equipo de Qwen, europeos como Mistral y otros han ampliado este ecosistema mucho más allá de dos empresas.

Para quien desarrolla software, un chat ayuda a comprender código desconocido, discutir una solución u obtener un borrador. Pero entre «esta es una posible corrección» y un proyecto corregido queda trabajo: localizar los archivos, aplicar los cambios y comprobar sus efectos. Los agentes de programación se encargan de esa parte.

Para qué necesita un agente el terminal

En esta introducción, un agente de IA es un programa en el que el modelo puede elegir las siguientes acciones para una tarea y tener en cuenta sus resultados. Una herramienta es una operación disponible: leer un archivo, buscar texto, cambiar código o ejecutar una comprobación. La operación la ejecuta realmente código del programa con los permisos que tenga asignados.

Un terminal es una ventana para interactuar con programas mediante texto. CLI, command-line interface, significa interfaz de línea de comandos: una forma de controlar un programa mediante esa interfaz. Dentro de una herramienta de programación puedes escribir en lenguaje corriente: «Encuentra por qué falla la prueba y propón una corrección». No hace falta conocer de antemano cada acción que necesitará el agente.

Claude Code, de Anthropic, y Codex CLI, de OpenAI, son ejemplos de estas herramientas. Ayudan a investigar proyectos, cambiar código y realizar comprobaciones. Las acciones permitidas dependen de la configuración y del entorno. Un agente no obtiene una prueba o un acceso inexistente solo porque le pidas «hazlo todo».

Si comparamos los primeros anuncios públicos de las CLI, Claude Code apareció antes: el 24 de febrero de 2025 como versión preliminar de investigación limitada. Codex CLI se anunció el 16 de abril de 2025. El nombre Codex es más antiguo: en 2021 designaba un modelo para trabajar con código; el Codex actual en la nube se presentó el 16 de mayo de 2025. Por tanto, «¿cuál apareció primero?» exige aclarar si hablamos del modelo, la CLI o el agente en la nube.

El lugar donde se ejecuta el programa tampoco determina dónde funciona el modelo. Una CLI puede ejecutarse en tu ordenador y consultar un modelo remoto mediante una API: una interfaz de programación con la que un programa envía peticiones a otro.

CLI, escritorio y harness: piezas distintas de la misma construcción

La CLI encaja junto a los archivos y herramientas de desarrollo, pero los agentes también pueden tener interfaces gráficas. OpenAI presentó la aplicación de escritorio de Codex el 2 de febrero de 2026. La documentación actual de Claude Code describe el trabajo desde terminal, editor de código, escritorio y navegador. Son ejemplos de la evolución de los productos, no una regla según la cual cada modelo deba tener su propia CLI.

Una aplicación de escritorio es un programa con ventanas, botones y otros elementos gráficos. Puede mostrar las tareas y los cambios de una forma más cómoda para una persona concreta. Una ventana nueva no aporta por sí sola conocimientos al modelo ni garantiza un mejor resultado.

¿Qué conecta el modelo, los archivos y las herramientas? Un harness es el software de soporte de la actividad del agente: entrega al modelo los datos pertinentes, invoca herramientas, devuelve resultados y gestiona la ejecución. Esta separación aparece, por ejemplo, en el análisis de arquitectura de Anthropic. Los límites del término pueden variar según el autor.

El contexto es la información que recibe el modelo para la decisión actual: la petición, las reglas, los fragmentos encontrados y los resultados anteriores. Un modelo capaz no ve automáticamente todo tu ordenador; el software de soporte debe proporcionarle las observaciones pertinentes. El permiso de solo lectura del código debe mantenerse aunque el modelo proponga editarlo.

Por qué existen OpenCode y Pi

Puedes usar más que la aplicación del fabricante del modelo. OpenCode es un agente de programación de código abierto compatible con varios proveedores de modelos, con interfaces de terminal, escritorio y web. Su propósito es ofrecer un entorno de desarrollo al que conectar el proveedor necesario. Poder elegir no significa que todos los modelos funcionen igual de bien.

Pi es un agente de programación para terminal y un conjunto de componentes para construir aplicaciones con agentes. Es una opción para quienes necesitan personalización y extensiones propias alrededor del ciclo del agente. Pi no es un modelo de lenguaje independiente: el software de soporte y el modelo cumplen funciones distintas. Una mayor libertad de configuración también deja más decisiones en manos de quien configura el sistema.

Aquí puede aparecer otra palabra: una skill es un paquete de instrucciones y materiales para un procedimiento, como revisar cambios. No es por sí misma otro agente. El mismo agente puede seguir un procedimiento adicional cuando recibe sus instrucciones.

Rama · Una perspectiva más ampliaOpcional · puedes omitir esta sección

OpenClaw, Hermes y un ordenador pequeño

Los agentes también trabajan fuera del desarrollo. OpenClaw conecta un asistente de IA con canales de comunicación y herramientas: permite encargarle trabajo con información, recordatorios y otras tareas automatizadas. Sus capacidades dependen de las integraciones y los permisos; acceder a un servicio de mensajería no implica acceso ilimitado a los demás servicios.

Hermes Agent, de Nous Research, es un sistema de agentes con memoria, skills y funcionamiento mediante distintas interfaces, incluidos servicios de mensajería. Está pensado para tareas recurrentes y para conservar información útil entre sesiones. Conviene distinguir Hermes Agent de los modelos llamados Hermes; registrar experiencia no demuestra por sí solo una mejora de calidad.

Una Raspberry Pi es un pequeño ordenador de placa única, distinto del agente de programación Pi. La guía oficial de OpenClaw lo utiliza para ejecutar un gateway —un programa que recibe peticiones y conecta partes del sistema— mientras el modelo de lenguaje funciona con un proveedor en la nube. Así, una pequeña caja sobre la mesa puede mantener activo un asistente sin ejecutar un modelo grande dentro de ella.

Qué ocurre cuando hay varios agentes

Supongamos que un agente debe encontrar la causa de un error y otro revisar el cambio propuesto. Varios ejecutores con agentes que trabajan hacia un objetivo relacionado forman un sistema multiagente. Pueden usar el mismo modelo: sus tareas, contextos y acciones disponibles también establecen sus diferencias. A un ejecutor delegado se le suele llamar subagente.

Ahora hay que determinar quién empieza, qué recibe el revisor y qué ocurre cuando los resultados discrepan. La orquestación organiza ese trabajo. Un orquestador es el programa o componente que gestiona las tareas, el intercambio de resultados y la finalización. El coordinador puede ser código convencional; no siempre hace falta otro modelo. El resumen de Anthropic muestra distintas formas de combinar estos elementos.

Un segundo agente añade posibilidades y costes: necesita información suficiente, y el resultado conjunto requiere comprobación. Dos conclusiones equivocadas idénticas no se vuelven correctas porque haya dos agentes. Para un cambio pequeño y conocido, un ejecutor con una buena comprobación puede bastar.

Referencia: a qué nivel pertenece cada nombre

Nombre o conceptoQué esPara qué tareas sirveDiferencia importante
GPT, modelos ClaudeModelosProcesar contexto y generar un resultadoEl modelo no es toda la aplicación.
ChatGPT, aplicación ClaudeInterfaces de asistentes de IAConversar, explicar y trabajar con informaciónLas capacidades dependen de las funciones conectadas.
CLI, escritorio, webFormas de interactuarAsignar una tarea y ver el resultadoLa interfaz no determina la inteligencia del modelo.
Claude Code, CodexHerramientas de programaciónInvestigar proyectos, hacer y comprobar cambiosHay que precisar el producto, la interfaz y el entorno.
OpenCode, PiAgentes de programación abiertos y componentesTrabajar con código y personalizar el entorno del agenteSon programas de soporte que utilizan modelos.
HarnessSoftware de soporte del agenteConectar contexto, modelo y ejecución de herramientasLos permisos y las comprobaciones tienen una implementación concreta.
Sistema multiagenteVarios ejecutores con agentesDividir y revisar trabajo relacionadoMás ejecutores no garantizan calidad.
OrquestadorComponente de controlCoordinar tareas, dependencias y finalizaciónPuede funcionar sin un modelo de IA propio.
En una pantalla estrecha, desplaza la tabla horizontalmente. Con el teclado: Tab hasta la tabla y después las flechas izquierda/derecha.

Por dónde puede empezar un principiante

  1. Si necesitas comprender código o discutir una solución, empieza por un chat. Pídele que explique sus supuestos y comprueba las conclusiones importantes; la interfaz de conversación conocida ya ofrece un punto de partida útil.
  2. Si necesitas trabajar en un proyecto, prueba un agente de programación con una tarea pequeña. Elige una interfaz que entiendas y comprueba la compatibilidad con tu sistema. Revisa qué archivos cambiaron y qué se comprobó realmente antes de confiarle un trabajo mayor.
  3. Añade agentes para una necesidad concreta. Por ejemplo, una revisión separada o subtareas independientes, con funciones claras y una forma de reunir el resultado. Para conocer estas herramientas no hace falta empezar con una gran «fábrica de agentes».

Cuando encuentres un nombre nuevo, ubícalo primero en el mapa: ¿es un modelo, un programa que lo rodea, una interfaz o una forma de organizar varios ejecutores? Así resulta más fácil entender la utilidad de la herramienta y reconocer lo que su nombre no promete por sí solo.

Las fechas de los anuncios y las capacidades descritas se contrastaron con fuentes primarias el 17 de noviembre de 2026. Las herramientas cambian; este es un mapa introductorio, no una prueba comparativa de su calidad.