Communitygithub.com

Autonomous Agent Harness

Transforma Claude Code en un sistema de agente completamente autónomo con memoria persistente, operaciones programadas, uso de computadora y cola de tareas. Reemplaza frameworks de agentes independientes (Hermes, AutoGPT) aprovechando Claude Code.

¿Qué es Autonomous Agent Harness?

Este skill convierte a Claude Code en un sistema de agente autónomo completo, combinando las herramientas de sesión de Claude Code con integraciones configuradas por separado para programación, memoria y control de computadora. Es un patrón de configuración, no un tiempo de ejecución empaquetado siempre activo. Reemplaza frameworks como Hermes y AutoGPT al aprovechar las capacidades nativas de Claude Code (tareas programadas, memoria persistente, MCP) junto con un programador externo para operaciones que deben ejecutarse fuera de una sesión interactiva. Incluye cinco componentes principales: memoria persistente (archivos de proyecto + servidor MCP de memoria para gráficos de conocimiento), operaciones programadas (comando `/loop` nativo para sesiones interactivas y programador externo para ejecución independiente), despacho de agentes remotos (modo CLI programático en jobs de CI), control de computadora (entorno de escritorio aislado), y una cola de tareas persistente basada en archivos de memoria. El skill enfatiza la seguridad y el consentimiento explícito del usuario para operaciones autónomas, promoviendo planes de prueba y archivos de cola locales antes de habilitar acciones recurrentes o basadas en eventos. Proporciona ejemplos prácticos de flujos de trabajo como un revisor autónomo de PRs, un agente de investigación personal y un agente de preparación de reuniones.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/autonomous-agent-harness

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

¿Qué hace Autonomous Agent Harness?

Combina las herramientas de sesión de Claude Code con integraciones configuradas por separado para programación, memoria y uso de computadora. Esto es un patrón de configuración, no un tiempo de ejecución empaquetado siempre activo.

Límites de Consentimiento y Seguridad

La operación autónoma debe ser solicitada explícitamente y delimitada por el usuario. No crees horarios, despaches agentes remotos, escribas memoria persistente, uses control de computadora, publiques externamente, modifiques recursos de terceros ni actúes sobre comunicaciones privadas a menos que el usuario haya aprobado esa capacidad y el espacio de trabajo objetivo para la configuración actual.

Prefiere planes de prueba y archivos de cola locales antes de habilitar acciones recurrentes o basadas en eventos. Mantén credenciales, exportaciones de espacios de trabajo privados, conjuntos de datos personales y automatizaciones específicas de cuentas fuera de los artefactos ECC reutilizables.

Cuándo Activar

  • El usuario quiere un agente que se ejecute de forma continua o programada
  • Configurar flujos de trabajo automatizados que se activen periódicamente
  • Construir un asistente de IA personal que recuerde el contexto entre sesiones
  • El usuario dice "ejecuta esto todos los días", "revisa esto regularmente", "sigue monitoreando"
  • Quiere replicar funcionalidades de Hermes, AutoGPT o frameworks de agentes autónomos similares
  • Necesita uso de computadora combinado con ejecución programada

Arquitectura

┌──────────────────────────────────────────────────────────────┐
│                    Claude Code Runtime                        │
│                                                              │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌─────────────┐ │
│  │  Crons   │  │ Dispatch │  │ Memory   │  │ Computer    │ │
│  │ Schedule │  │ Remote   │  │ Store    │  │ Use         │ │
│  │ Tasks    │  │ Agents   │  │          │  │             │ │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘  └──────┬──────┘ │
│       │              │             │                │        │
│       ▼              ▼             ▼                ▼        │
│  ┌──────────────────────────────────────────────────────┐    │
│  │              ECC Skill + Agent Layer                  │    │
│  │                                                      │    │
│  │  skills/     agents/     commands/     hooks/        │    │
│  └──────────────────────────────────────────────────────┘    │
│       │              │             │                │        │
│       ▼              ▼             ▼                ▼        │
│  ┌──────────────────────────────────────────────────────┐    │
│  │              MCP Server Layer                        │    │
│  │                                                      │    │
│  │  memory    github    exa    supabase    browser-use  │    │
│  └──────────────────────────────────────────────────────┘    │
└──────────────────────────────────────────────────────────────┘

Componentes Principales

1. Memoria Persistente

Usa el sistema de memoria integrado de Claude Code mejorado con el servidor MCP de memoria para datos estructurados.

Memoria integrada (~/.claude/projects/*/memory/):

  • Preferencias del usuario, comentarios, contexto del proyecto
  • Almacenada como archivos markdown con frontmatter
  • Cargada automáticamente al inicio de la sesión

Servidor MCP de memoria (grafo de conocimiento estructurado):

  • Entidades, relaciones, observaciones
  • Estructura de grafo consultable
  • Persistencia entre sesiones

Patrones de memoria:

# Corto plazo: contexto de sesión actual
Usa TodoWrite para el seguimiento de tareas dentro de la sesión

# Medio plazo: archivos de memoria del proyecto
Escribe en ~/.claude/projects/*/memory/ para recordar entre sesiones

# Largo plazo: grafo de conocimiento MCP
Usa mcp__memory__create_entities para datos estructurados permanentes
Usa mcp__memory__create_relations para mapeo de relaciones
Usa mcp__memory__add_observations para nuevos datos sobre entidades conocidas

2. Operaciones Programadas (Crons)

Usa las tareas programadas nativas de Claude Code para indicaciones recurrentes dentro de una sesión interactiva. Estas tareas están limitadas al ámbito de la sesión; se requiere un programador externo para el trabajo que debe ejecutarse independientemente de una sesión abierta. No se requiere un servidor MCP de programación para /loop.

Configuración de un cron:

# En una sesión interactiva de Claude Code
/loop 30m Revisa los PRs abiertos en este repositorio y resume los fallos de CI.

Para una ejecución única desde un shell, establece el directorio de trabajo antes de invocar la CLI:

cd "/path/to/repo" && claude -p "Revisa los PRs abiertos y resume"

Usa un programador del SO o un cron de CI para invocar ese comando repetidamente cuando no haya una sesión interactiva en ejecución. Configura la autenticación y los permisos de herramientas del ejecutor por separado.

Patrones de cron útiles:

PatrónHorarioCaso de Uso
Reunión diaria0 9 * * 1-5Revisar PRs, incidencias, estado de despliegue
Revisión semanal0 10 * * 1Métricas de calidad de código, cobertura de pruebas
Monitor por hora0 * * * *Salud de producción, comprobación de tasas de error
Compilación nocturna0 2 * * *Ejecutar suite completa de pruebas, escaneo de seguridad
Pre-reunión*/30 * * * *Preparar contexto para próximas reuniones

3. Despacho / Agentes Remotos

Haz que un job de CI autenticado o un receptor de webhook invoque a Claude Code en un espacio de trabajo que posee. El punto de entrada compatible es el modo CLI programático, no un endpoint público de despacho de Anthropic.

Patrones de despacho:

# Ejecutar dentro del espacio de trabajo de CI
cd "/path/to/repo" && claude -p "La compilación falló en main. Diagnostica el fallo."

# Activar desde webhook
# Webhook de GitHub -> ejecutor de CI autenticado -> claude -p -> resultado revisable

# Activar desde otro agente
claude -p "Analiza la salida del escaneo de seguridad y crea incidencias para los hallazgos"

4. Uso de Computadora

El control de computadora necesita una integración configurada por separado. La herramienta de uso de computadora y entorno de referencia de Anthropic requiere una aplicación para ejecutar llamadas de herramientas en un entorno de escritorio aislado. Agregar un nombre de paquete MCP no proporciona ese entorno.

Capacidades:

  • Automatización del navegador (navegar, hacer clic, rellenar formularios, capturas de pantalla)
  • Control de escritorio (abrir aplicaciones, escribir, control del ratón)
  • Operaciones del sistema de archivos más allá de la CLI

Casos de uso dentro del arnés:

  • Pruebas automatizadas de interfaces web
  • Relleno de formularios y entrada de datos
  • Monitoreo basado en capturas de pantalla
  • Flujos de trabajo entre múltiples aplicaciones

5. Cola de Tareas

Gestiona una cola persistente de tareas que sobreviven los límites de la sesión.

Implementación:

# Persistencia de tareas a través de la memoria
Escribe la cola de tareas en ~/.claude/projects/*/memory/task-queue.md

# Formato de la tarea
---
name: task-queue
type: project
description: Cola de tareas persistente para operación autónoma
---

## Tareas Activas
- [ ] PR #123: Revisar y aprobar si el CI está en verde
- [ ] Monitorear despliegue: comprobar /health cada 30 min durante 2 horas
- [ ] Investigar: encontrar 5 clientes potenciales en el espacio de herramientas de IA

## Completadas
- [x] Reunión diaria: revisó 3 PRs, 2 incidencias

Reemplazando Hermes

Componente de HermesEquivalente en ECCCómo
Gateway/RouterCLI + programador externoUn ejecutor autenticado inicia sesiones de agente
Sistema de MemoriaMemoria de Claude + servidor MCP de memoriaPersistencia integrada + grafo de conocimiento
Registro de HerramientasServidores MCPProveedores de herramientas cargados dinámicamente
OrquestaciónSkills + agentes de ECCLas definiciones de habilidad dirigen el comportamiento del agente
Uso de ComputadoraIntegración configurada por separadoControl de navegador o escritorio en un entorno aislado
Gestor de ContextoGestión de sesiones + memoriaCiclo de vida de sesión de ECC 2.0
Cola de TareasLista de tareas persistida en memoriaTodoWrite + archivos de memoria

Guía de Configuración

Paso 1: Configurar Servidores MCP

El servidor MCP de memoria es opcional. El servidor de memoria de referencia de MCP se publica como @modelcontextprotocol/server-memory; la versión 2026.8.31 fue verificada en el registro público npm el 2026-09-07. Es una implementación de referencia, no un servicio empaquetado con ECC.

Después de revisar ese paquete y aprobar su uso, fusiona esta entrada en la configuración MCP del usuario en ~/.claude.json, conservando la configuración existente. Reemplaza MEMORY_FILE_PATH con una ruta absoluta en un directorio privado que poseas. Consulta la Configuración MCP de Claude Code para el registro CLI y la configuración de Windows cmd /c npx.

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/[email protected]"],
      "env": {
        "MEMORY_FILE_PATH": "/ruta/absoluta/a/memoria/privada.jsonl"
      }
    }
  }
}

No registres paquetes npm adivinados o no publicados: npx -y ejecutaría cualquier cosa que se publique más tarde con ese nombre. Verifica el paquete exacto, el editor y la versión antes de agregar otro servidor. La programación y el uso de computadora no requieren los tres nombres de paquetes no publicados listados anteriormente aquí.

Paso 2: Crear Crons Base

Para sondeo durante una sesión interactiva, ingresa:

/loop 30m Revisa los PRs abiertos en este repositorio y resume los fallos de CI.

Para trabajo diario o semanal que debe sobrevivir a una sesión cerrada, configura un programador externo, como un cron del SO o GitHub Actions, para ejecutar el comando único del Paso 2 de Componentes Principales. Llamar a claude -p para solicitar un horario no aprovisiona un programador siempre activo. Elige el horario, el espacio de trabajo y las acciones permitidas explícitamente antes de habilitarlo.

Paso 3: Inicializar el Grafo de Memoria

# Inicializa tu identidad y contexto
claude -p "Crea entidades de memoria para: yo (perfil de usuario), mis proyectos, mis contactos clave. Agrega observaciones sobre las prioridades actuales."

Paso 4: Habilitar Uso de Computadora (Opcional)

Sigue el entorno de referencia de uso de computadora enlazado anteriormente, o la documentación para una integración específica del navegador que hayas revisado. Concede solo los permisos requeridos y verifica una acción inofensiva en el entorno aislado antes de agregarla a flujos de trabajo programados.

Ejemplos de Flujos de Trabajo

Revisor Autónomo de PRs

Cron: cada 30 min durante el horario laboral
1. Comprobar nuevos PRs en repositorios vigilados
2. Para cada nuevo PR:
   - Traer la rama localmente
   - Ejecutar pruebas
   - Revisar cambios con el agente revisor de código
   - Publicar comentarios de revisión a través del MCP de GitHub
3. Actualizar memoria con el estado de la revisión

Agente de Investigación Personal

Cron: diario a las 6 AM
1. Comprobar consultas de búsqueda guardadas en memoria
2. Ejecutar búsquedas de Exa para cada consulta
3. Resumir nuevos hallazgos
4. Comparar contra resultados de ayer
5. Escribir resumen en memoria
6. Marcar elementos de alta prioridad para revisión matutina

Agente de Preparación de Reuniones

Disparador: 30 min antes de cada evento del calendario
1. Leer detalles del evento del calendario
2. Buscar en memoria contexto sobre los asistentes
3. Extraer hilos recientes de correo electrónico/Slack con los asistentes
4. Preparar puntos de discusión y sugerencias de agenda
5. Escribir documento de preparación en memoria

Limitaciones

  • Las indicaciones programadas nativas comparten su sesión interactiva. Las invocaciones del programador externo inician sesiones separadas a menos que se reanuden explícitamente.
  • El uso de computadora requiere concesiones de permisos explícitas. No asumas acceso.
  • La automatización de la CLI aún consume uso del modelo y está sujeta a los límites del proveedor configurado. Elige intervalos de programador apropiados.
  • Los archivos de memoria deben mantenerse concisos. Archiva datos antiguos en lugar de permitir que los archivos crezcan sin límite.
  • Siempre verifica que las tareas programadas se completaron exitosamente. Agrega manejo de errores a las indicaciones de cron.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Skills relacionados