Communitygithub.com

autonomous-agent-harness

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

¿Qué es autonomous-agent-harness?

Este skill convierte a Claude Code en un agente autónomo completo, eliminando la necesidad de frameworks externos como Hermes o AutoGPT. Proporciona un patrón de configuración modular que integra memoria persistente (archivos de proyecto y grafo de conocimiento MCP), operaciones programadas (crons nativos de Claude Code y programadores externos), despacho de agentes remotos a través de CLI, control de computadora (navegador y escritorio) y una cola de tareas persistente. El sistema respeta estrictos límites de consentimiento y seguridad, exigiendo aprobación explícita del usuario antes de activar cualquier capacidad autónoma. Es compatible con Claude Code en sesiones interactivas y con programadores externos como cron del sistema o GitHub Actions para ejecución continua. Su arquitectura se basa en la capa de agente de ECC, habilidades y servidores MCP, ofreciendo una alternativa completa y segura para automatización de flujos de trabajo, revisión de PRs, asistentes personales y monitorización programada.

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

Preguntar en tu IA favorita

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

Documentación

Arnes de Agente Autónomo

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 entorno de ejecución siempre activo.

Límites de Consentimiento y Seguridad

La operación autónoma debe ser solicitada y delimitada explícitamente por el usuario. No crear programaciones, enviar agentes remotos, escribir memoria persistente, usar control de computadora, publicar externamente, modificar recursos de terceros ni actuar sobre comunicaciones privadas a menos que el usuario haya aprobado esa capacidad y el espacio de trabajo objetivo para la configuración actual.

Prefiera planes de prueba y archivos de cola locales antes de habilitar acciones recurrentes o impulsadas por eventos. Mantenga credenciales, exportaciones de espacios de trabajo privados, conjuntos de datos personales y automatizaciones específicas de cuenta fuera de los artefactos ECC reutilizables.

Cuándo Activar

  • El usuario quiere un agente que se ejecute continuamente o con una programación.
  • 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 a diario", "revisa esto regularmente", "sigue monitoreando".
  • Desea replicar funcionalidades de Hermes, AutoGPT o frameworks de agente autónomo similares.
  • Necesita uso de computadora combinado con ejecución programada.

Arquitectura

┌──────────────────────────────────────────────────────────────┐
│                    Entorno de ejecución de Claude Code        │
│                                                              │
│  ┌──────────┐  ┌──────────┐  ┌──────────┐  ┌─────────────┐ │
│  │  Crons   │  │ Despacho│  │ Memoria │  │ Computadora │ │
│  │ Programar│  │ Remoto  │  │ Almacén │  │ Uso         │ │
│  │ Tareas   │  │ Agentes │  │         │  │             │ │
│  └────┬─────┘  └────┬─────┘  └────┬─────┘  └──────┬──────┘ │
│       │              │             │                │        │
│       ▼              ▼             ▼                ▼        │
│  ┌──────────────────────────────────────────────────────┐    │
│  │              Capa de Skill ECC + Agente              │    │
│  │                                                      │    │
│  │  skills/     agents/     commands/     hooks/        │    │
│  └──────────────────────────────────────────────────────┘    │
│       │              │             │                │        │
│       ▼              ▼             ▼                ▼        │
│  ┌──────────────────────────────────────────────────────┐    │
│  │              Capa de Servidor MCP                    │    │
│  │                                                      │    │
│  │  memory    github    exa    supabase    browser-use  │    │
│  └──────────────────────────────────────────────────────┘    │
└──────────────────────────────────────────────────────────────┘

Componentes Principales

1. Memoria Persistente

Utiliza el sistema de memoria incorporado de Claude Code mejorado con un servidor MCP de memoria para datos estructurados.

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

  • Preferencias del usuario, comentarios, contexto del proyecto.
  • Almacenada como archivos markdown con frontmatter.
  • Se carga automáticamente al iniciar 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
Usar TodoWrite para seguimiento de tareas en sesión

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

# Largo plazo: grafo de conocimiento MCP
Usar mcp__memory__create_entities para datos estructurados permanentes
Usar mcp__memory__create_relations para mapeo de relaciones
Usar mcp__memory__add_observations para nuevos hechos 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 a la sesión; se requiere un programador externo para trabajos que deben ejecutarse independientemente de una sesión abierta. No se necesita un servidor MCP de programación para /loop.

Configurar un cron:

# En una sesión interactiva de Claude Code
/loop 30m Revisar los PR abiertos en este repositorio y resumir las fallas de CI.

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

cd "/ruta/al/repo" && claude -p "Revisar los PR abiertos y resumir"

Use un programador del sistema operativo o una programación de CI para invocar ese comando repetidamente cuando no haya una sesión interactiva activa. Configure la autenticación y los permisos de herramientas del ejecutor por separado.

Patrones de cron útiles:

PatrónProgramaciónCaso de Uso
Daily standup0 9 * * 1-5Revisar PRs, problemas, estado de despliegue
Revisión semanal0 10 * * 1Métricas de calidad de código, cobertura de pruebas
Monitor por hora0 * * * *Salud de producción, 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

Haga que un trabajo de CI autenticado o un receptor de webhook invoque a Claude Code en un espacio de trabajo que posea. El punto de entrada admitido es el modo CLI programático, no un punto de envío público de Anthropic.

Patrones de despacho:

# Ejecutar dentro del espacio de trabajo de CI
cd "/ruta/al/repo" && claude -p "La compilación falló en main. Diagnosticar la falla."

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

# Activar desde otro agente
claude -p "Analizar la salida del escaneo de seguridad y crear problemas 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 require una aplicación para ejecutar llamadas de herramienta en un entorno de escritorio aislado. Agregar un nombre de paquete MCP no proporciona ese entorno.

Capacidades:

  • Automatización del navegador (navegar, hacer clic, llenar formularios, captura de pantalla)
  • Control de escritorio (abrir aplicaciones, escribir, control del mouse)
  • 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
  • Monitorización basada en capturas de pantalla
  • Flujos de trabajo entre múltiples aplicaciones

5. Cola de Tareas

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

Implementación:

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

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

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

## Completadas
- [x] Daily standup: revisados 3 PRs, 2 problemas

Reemplazar 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 incorporada + grafo de conocimiento
Registro de HerramientasServidores MCPProveedores de herramientas cargados dinámicamente
OrquestaciónSkills + agentes de ECCLas definiciones de habilidades dirigen el comportamiento del agente
Uso de ComputadoraIntegración configurada por separadoControl de navegador o escritorio en un entorno aislado
Gestor de ContextoGestión de sesión + 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 MCP se publica como @modelcontextprotocol/server-memory; la versión 2026.8.31 fue verificada en el registro público de 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, combine esta entrada en la configuración MCP del usuario en ~/.claude.json, conservando la configuración existente. Reemplace MEMORY_FILE_PATH con una ruta absoluta en un directorio privado que usted posea. Consulte 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/hacia/privada/memory.jsonl"
      }
    }
  }
}

No registre paquetes npm adivinados o no publicados: npx -y ejecutaría cualquier cosa que se publique posteriormente con ese nombre. Verifique 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 paquete no publicados enumerados anteriormente.

Paso 2: Crear Crons Base

Para consultas periódicas durante una sesión interactiva, escriba:

/loop 30m Revisar los PR abiertos en este repositorio y resumir las fallas de CI.

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

Paso 3: Inicializar el Grafo de Memoria

# Inicialice su identidad y contexto
claude -p "Crear entidades de memoria para: yo (perfil de usuario), mis proyectos, mis contactos clave. Agregar observaciones sobre prioridades actuales."

Paso 4: Habilitar Uso de Computadora (Opcional)

Siga el entorno de referencia de uso de computadora vinculado anteriormente, o la documentación de una integración de navegador específica que haya revisado. Otorgue solo los permisos requeridos y verifique una acción inofensiva en el entorno aislado antes de agregarlo a flujos de trabajo programados.

Ejemplos de Flujos de Trabajo

Revisor Autónomo de PRs

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

Agente de Investigación Personal

Cron: diario a las 6 AM
1. Verificar 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

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

Restricciones

  • 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 asuma acceso.
  • La automatización CLI consume uso del modelo y está sujeta a los límites del proveedor configurado. Elija intervalos de programación adecuados.
  • Los archivos de memoria deben mantenerse concisos. Archive datos antiguos en lugar de permitir que los archivos crezcan sin límite.
  • Verifique siempre que las tareas programadas se completaron con éxito. Agregue 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/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

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.

Skills relacionados