Paperclip: la orquestación de código abierto que gestiona tus agentes de IA como si fueran una empresa

A quién va dirigido

Paperclip es una herramienta de código abierto para orquestar agentes de IA, y su metáfora es directa: los agentes son empleados que has contratado y Paperclip es la empresa. Se compone de un servicio en Node.js y una interfaz en React; los agentes los traes tú, así que encaja con responsables técnicos o equipos pequeños que ya usan agentes de programación y quieren reunir en un mismo sitio las tareas, los permisos y el historial de esos agentes.

Tres perfiles habituales: veinte terminales de Claude Code abiertos a la vez sin saber qué está haciendo cada uno; agentes que corren solos 7×24 mientras tú puedes revisar el progreso en cualquier momento e intervenir si hace falta; y responsables que quieren fijar un límite de presupuesto por agente y vigilar los costes.

Además hay una condición innegociable: los agentes los aportas tú. La portada del repositorio indica de forma explícita que hay que «traer tus propios agentes»; los modelos y los frameworks de ejecución los eliges uno a uno, mientras que la plataforma se encarga de la planificación, la contabilidad y de hacer cumplir el presupuesto.

No es el caso adecuado si quieres que un único agente termine una tarea y se detenga: el flujo «definir un objetivo, contratar al equipo, aprobar y ejecutar» se convierte en carga adicional. Y no empieces si no tienes cuentas de agente utilizables ni cuota de modelos, porque tanto los agentes como los modelos los preparas tú.

Tu primer intento en 3 minutos

Sigue un único camino oficial: la sección Quickstart de la portada del repositorio de GitHub.

• https://github.com/paperclipai/paperclip
• https://docs.paperclip.ing/

Lo verificado llega solo hasta «el punto de entrada oficial es la sección Quickstart del repositorio». Para los comandos concretos, consulta el Quickstart y el sitio de documentación; aquí no se repiten comandos no verificados.

1. Prepara los prerrequisitos: un entorno de ejecución de Node.js y al menos un agente tuyo (Codex o Claude).
2. Lugar de instalación: sigue el Quickstart para levantar el servicio y la interfaz en local. Las fuentes no indican directorio de instalación global ni nombre de paquete, así que no copies el método de instalación de otras partes.
3. Lanza una tarea de bajo riesgo: crea un objetivo de análisis de solo lectura (por ejemplo, «analiza la estructura de un repositorio y lista las mejoras posibles»), engancha primero un solo agente, revisa la estrategia que propone, fija el límite de presupuesto en una cifra pequeña y solo entonces pulsa ejecutar. En esta fase no lo dejes escribir archivos, ejecutar comandos ni hacer llamadas salientes.
4. Primero confirma el límite de los efectos secundarios: una vez arrancado, el agente seguirá funcionando de forma autónoma y generará costes reales. El límite de presupuesto y la tarea de solo lectura son las únicas barreras de esta ronda, así que empieza con un presupuesto pequeño.
5. Observa la señal de éxito: el objetivo y sus entradas de tareas aparecen en el panel, ves el progreso de cada agente y la contabilidad de costes, y el coste acumulado no supera el límite de presupuesto.

Lo que no debes hacer en la primera ronda: no enganches una docena de agentes de golpe y, sobre todo, no pulses ejecutar sin presupuesto definido.

Casos de uso

Caso uno: varios agentes avanzan en paralelo sobre el mismo objetivo y el progreso deja de depender de la memoria de una persona. El repositorio incluye directamente «20 terminales de Claude Code abiertos a la vez y perder la pista de lo que hace cada uno» como escenario aplicable. La forma de hacerlo es enganchar agentes distintos —OpenClaw, Codex, Claude, Cursor— bajo un mismo objetivo, dejar que cada uno elija su modelo y su framework de ejecución, y dejar tareas, habilidades, permisos e historial en un único sitio; a partir de ahí solo miras el panel para ver quién hace qué y cuánto ha costado, sin revisar terminal por terminal, y un solo panel te dice quién avanza y hasta dónde.

Caso dos: gestionar «fijar un objetivo, contratar al equipo, aprobar y ejecutar» como un ciclo operativo. Los tres pasos que da el repositorio son: primero definir el objetivo (por ejemplo, llevar una app de notas con IA hasta $1M MRR), después montar un equipo de agentes con roles como CEO, CTO, ingeniero, diseñador o marketing (cualquier bot, cualquier proveedor) y, por último, aprobar y ejecutar —revisar la estrategia, fijar el presupuesto, pulsar iniciar y vigilar de forma continua desde el panel. Este es el flujo de ejemplo que da el texto original, no un uso inferido; cómo se configuran los roles y cómo se conectan los agentes se hace según el Quickstart y el sitio de documentación.

Límites de uso

• El alcance verificado se limita a la portada del repositorio: el posicionamiento (orquestación de código abierto para poner agentes de IA a trabajar), la forma técnica, el flujo central de tres pasos y el conjunto de requisitos «los agentes funcionan de forma autónoma 24/7, hace falta que una persona los revise y pueda intervenir en cualquier momento, y hay que monitorizar los costes e imponer el presupuesto». Los comandos de instalación, la estructura de directorios y el modo de vincular cuentas no están verificados.
• Los agentes siguen funcionando de forma autónoma y generan costes reales: la monitorización de costes y la imposición del presupuesto son a la vez una capacidad de la plataforma y una condición para operar.
• Los agentes, los modelos y los frameworks de ejecución los aportas tú; Paperclip no aloja tus cuentas de agente.
• En la primera ronda elige una tarea de análisis de solo lectura y reversible; cuando implique escribir archivos, ejecutar comandos o hacer llamadas salientes, confirma el alcance del impacto y el presupuesto antes de darla luz verde.
• Si solo quieres ejecutar una tarea, este proceso resulta pesado; sus ventajas se aprovechan en escenarios multiagente, de larga duración y con restricciones de presupuesto.
• La profundidad de soporte de cada agente, la escala de concurrencia y el mecanismo de recuperación ante fallos no aparecen en la portada del repositorio: manda la documentación oficial.