Paperclip: el plano de control de código abierto para empresas de agentes de IA

En la comunidad de agentes de IA circula una analogía útil: si OpenClaw funciona como un colaborador individual, Paperclip se posiciona como la capa de orquestación que lo supervisa. Esa perspectiva describe lo que Paperclip intenta lograr mejor que la mayoría de las descripciones técnicas. Actúa como la capa organizacional por encima de los agentes, gestionando la coordinación, la responsabilidad y el control presupuestario de toda una flota de trabajadores de IA.

Paperclip se lanzó en marzo de 2026, creado por @dotta, y acumuló más de 46.700 estrellas en GitHub en sus primeras semanas. La velocidad de adopción refleja una brecha real en el stack de IA actual: la mayoría de los equipos que ejecutan múltiples agentes no cuentan con estado compartido, visibilidad de costes ni forma de evitar que dos agentes realicen el mismo trabajo dos veces.

El problema que resuelve Paperclip

Ejecutar un único agente de IA es suficientemente sencillo. Ejecutar veinte de forma simultánea es un problema de otra naturaleza. Sin coordinación, se producen trabajos duplicados, costes desbocados y ninguna responsabilidad sobre lo que cada agente hizo realmente.

Los fallos específicos les resultarán familiares a quienes hayan intentado escalar flujos de trabajo multiagente:

• Sin estado compartido: el agente A termina una tarea que el agente B ya había comenzado. Ninguno de los dos sabe nada del otro.
• Sin visibilidad de costes: el gasto en la API del LLM se distribuye entre muchos procesos sin contabilidad centralizada. El coste real se conoce a posteriori.
• Sin coordinación: los agentes que deberían transferirse trabajo entre sí operan en silos. El progreso se detiene porque no existe ninguna autoridad que desbloquee las dependencias.
• Sin registro de auditoría: cuando algo falla, no hay un registro fiable de qué hizo cada agente, por qué y en qué orden.

Paperclip aborda todos estos problemas a nivel de infraestructura, antes de escribir cualquier lógica de agente.

No es un gestor de tareas: es una estructura corporativa

La perspectiva que hace encajar a Paperclip es que modela los equipos de agentes de IA del mismo modo que se modela una organización real. Paperclip modela esos equipos con organigramas, jerarquías de reporte, roles definidos, presupuestos mensuales por agente, alineación de objetivos y gobernanza a nivel de directorio.

Ese último punto importa. Paperclip sitúa al ser humano en el rol del directorio. Los agentes ejecutan dentro de la estructura de la empresa, pero el ser humano conserva la autoridad final sobre los objetivos, la asignación de presupuesto y la política. Se trata de un modelo de delegación estructurada en el que la autonomía está acotada y es auditable.

La arquitectura de dos capas

Paperclip separa sus responsabilidades de forma clara en dos capas.

Plano de control

Paperclip en sí mismo es el plano de control. Gestiona los agentes, asigna tareas, aplica presupuestos, mantiene el registro de auditoría y administra la gobernanza. Los agentes no se ejecutan dentro de Paperclip; se ejecutan externamente y reportan de vuelta. Paperclip es la parte que sabe en todo momento qué está ocurriendo en toda la empresa.

Servicios de ejecución

Los agentes son servicios de ejecución. Viven fuera de Paperclip, se ejecutan en la infraestructura que tenga sentido para cada runtime y se conectan al plano de control mediante adaptadores. El patrón de adaptadores es la forma en que Paperclip evita la dependencia de un stack de IA concreto. Los agentes "llaman a casa" para reportar el estado de las tareas, consumir trabajo de la cola de incidencias y registrar su actividad en el rastro de auditoría.

Primitivos fundamentales

Paperclip define un conjunto reducido de primitivos que se combinan para formar la estructura corporativa completa.

Company

El contenedor de nivel superior. Una Company tiene objetivos, un registro de agentes y una política de gobernanza. Todo lo demás vive dentro de una Company.

Agents

Cada agente tiene un rol definido, un presupuesto mensual en centavos y un estado. La aplicación del presupuesto es atómica: cuando un agente alcanza su límite mensual, se detiene. No hay degradación gradual ni posibilidad de anularlo. Esto es deliberado. Los límites blandos fallan silenciosamente; los límites duros, no.

Issues y Tasks

El trabajo se modela como Issues y Tasks. El mecanismo clave es el checkout atómico: cuando un agente reclama una tarea, queda bloqueada para ese agente hasta su finalización o liberación explícita. Ningún otro agente puede tomarla. Esta es la característica concreta que elimina el problema del trabajo duplicado, y está implementada a nivel de base de datos en lugar de dejarse a la lógica de la aplicación.

Heartbeats

Los agentes operan en ciclos de activación programados llamados heartbeats. En lugar de ejecutarse de forma continua, un agente se activa según un calendario, comprueba si tiene trabajo asignado, lo ejecuta, reporta y se detiene. Esto hace que los costes de cómputo sean predecibles y el comportamiento del agente sea auditable.

Governance

La capa de gobernanza formaliza el modelo del ser humano como directorio. Las decisiones de política, los cambios presupuestarios y las actualizaciones de objetivos fluyen a través de la gobernanza. El registro de auditoría es inmutable: una vez registradas, las acciones de los agentes no pueden modificarse ni eliminarse. Esto tiene relevancia para la responsabilidad, y cada vez lo es más a medida que los agentes de IA toman acciones con consecuencias en el mundo real.

El sistema de adaptadores

Paperclip incluye adaptadores para nueve runtimes de fábrica:

• Claude (Anthropic)
• Codex (OpenAI)
• Gemini (Google)
• Cursor
• OpenCode
• OpenClaw
• Hermes
• Process (cualquier subproceso local)
• HTTP (cualquier endpoint de API)

Los adaptadores HTTP y Process son las vías de escape. Cualquier runtime capaz de realizar una llamada HTTP o ejecutarse como subproceso se integra con Paperclip. El patrón de adaptadores mantiene estable el plano de control mientras el ecosistema de agentes evoluciona. Los nuevos runtimes de IA se publican como adaptadores sin requerir cambios en el núcleo.

Stack tecnológico

Las decisiones de implementación reflejan ingeniería orientada a producción, no prototipado rápido:

• React 19 para el frontend
• Express.js 5 para la capa de API
• PostgreSQL 17 para el almacenamiento persistente, con PGlite como opción embebida para desarrollo local
• Drizzle ORM para el acceso a la base de datos con seguridad de tipos
• Better Auth para la autenticación

La opción PGlite importa porque permite ejecutar una instancia completa de Paperclip en local sin necesidad de un servidor de base de datos separado. Para el desarrollo y los despliegues en una sola máquina, la opción embebida elimina una dependencia operacional significativa.

La aplicación del presupuesto en la práctica

La aplicación del presupuesto merece su propia sección porque es una de las características con mayor probabilidad de ser relevante en producción. Paperclip rastrea el gasto por agente en centavos, con ciclos de reinicio mensual. Los límites son duros.

El sistema detiene al agente cuando este alcanza su límite en mitad de una tarea.

• Los equipos de finanzas obtienen un gasto en IA predecible, sin facturas sorpresa
• Los equipos de ingeniería pueden experimentar con nuevas configuraciones de agentes sin arriesgar costes desbocados
• Los agentes con mayor responsabilidad o caudal de trabajo reciben presupuestos más altos; los de menor prioridad, presupuestos más bajos
• La asignación presupuestaria se convierte en una decisión de gobernanza, no en una reflexión posterior

Para las organizaciones que ejecutan automatización con IA a escala, esta característica por sí sola justifica el esfuerzo arquitectónico de adoptar una capa de orquestación.

Auto-alojado y con licencia MIT

Paperclip es completamente auto-alojado y se publica bajo la licencia MIT. Sin cuotas de uso, sin dependencia de un proveedor, sin dependencias de servicios externos. La empresa de agentes se ejecuta en su propia infraestructura y los datos que genera permanecen allí.

Para los sectores regulados o las organizaciones con requisitos estrictos de gestión de datos, el auto-alojamiento es habitualmente un requisito previo, no una preferencia. El mismo registro de auditoría que ayuda a gestionar los agentes también facilita la demostración del cumplimiento normativo, ya que los registros residen en la propia base de datos.

Clipmart: el marketplace que se aproxima

Clipmart es el marketplace planificado para empresas de IA preconfiguradas. El concepto es que usted descarga una configuración de empresa completa, con roles de agente, plantillas de tareas, políticas de gobernanza y asignaciones presupuestarias, y la despliega en su instancia de Paperclip.

Esto representa una apuesta significativa por la idea de que las configuraciones de empresas de IA se convertirán en un artefacto compartible y reutilizable, del mismo modo que lo son los paquetes de software. Una "empresa de atención al cliente" o una "empresa de revisión de código" preconfigurada que usted despliega y personaliza en lugar de construir desde cero. El éxito de Clipmart depende de si la comunidad produce configuraciones que valgan la pena compartir, pero el modelo es sólido.

Lo que esto representa

Los agentes de IA individuales son la primera capa de este cambio tecnológico. Pueden ejecutar tareas, usar herramientas y operar de forma autónoma dentro de límites definidos. Sin embargo, los agentes individuales llegan a un techo: no pueden coordinarse, no pueden compartir recursos eficientemente y no pueden gobernarse como un colectivo.

Paperclip representa la segunda capa. Es infraestructura para organizaciones multiagente, no para scripts multiagente. La distinción importa porque las organizaciones tienen propiedades que los scripts no tienen: responsabilidad, definición de roles, asignación de recursos, aplicación de políticas y registros de auditoría. Estas propiedades son las que hacen que los despliegues de agentes sean suficientemente seguros para su uso en producción en flujos de trabajo críticos para el negocio.

El proyecto está en paperclip.ing/docs y el código fuente está en GitHub. Si usted está construyendo flujos de trabajo multiagente y la sobrecarga de coordinación se ha convertido en el problema principal, vale la pena dedicar tiempo a evaluarlo.

webvise trabaja con empresas para diseñar e implementar arquitecturas de automatización con IA que se sostengan en producción. Si usted está evaluando plataformas de orquestación o tratando de estructurar un despliegue multiagente para trabajo real, póngase en contacto y webvise ayudará a encontrar el enfoque adecuado.