Episode 58: OpenClaw 2026.5.27, Codex 0.134, Claude Code

OpenClaw v2026.5.27 y v2026.5.26, Codex rust-v0.134.0, Claude Code 2.1.153 y Hermes v2026.5.16 establecen el contexto de lanzamiento. OpenClaw fortalece los límites de contenido, verificación de exposición sin autenticación, recuperación de app-server de Codex, catálogos de proveedores, proveedores de embedding, Pixverse, parámetros de pensamiento de VLLM, superposiciones OAuth de Claude, entrega por canales, cachés de metadatos, verificación de paquetes y rutas de prueba de CI. Codex agrega búsqueda local de historial de conversaciones, configuración primero por perfil, mejor configuración de MCP, OAuth HTTP streamable, concurrencia de MCP de solo lectura, preservación de esquema de conectores, contexto más rico para hooks y extensiones, y correcciones de confiabilidad remota. Claude Code agrega modo de reparación de revisión de código, restricciones de herramientas de skills, hooks de recarga de skills, hooks de visualización de mensajes, sugerencias de marketplace, continuidad de modelo alternativo, visibilidad de actualización/doctor, manejo más estricto de políticas MCP de subagentes, correcciones de credenciales de gateway OAuth y reparaciones de sesiones en segundo plano. Luego el episodio avanza hacia historias del stack actual: gateways MCP gobernados, herramientas de grafo de código local, memoria compartida de agente local, puentes de control móvil, enrutadores de modelos locales y DGX Spark más LM Studio como servidor de modelo privado.

[00:00] Apertura: el stack se vuelve más estricto y más local Las actualizaciones más útiles del stack de agentes esta semana no son demostraciones llamativas de modelos. Son las partes que deciden si un agente puede actuar de manera segura, recuperarse limpiamente, elegir el proveedor correcto y encontrar el código correcto antes de editar. El nuevo lanzamiento de OpenClaw se trata de límites de contenido más precisos, menos rotación del gateway, verificaciones de exposición más seguras, comportamiento más estable del app-server de Codex, mejores proveedores y entrega más confiable. La actualización de Codex hace que el historial local, perfiles, configuración de MCP, manejo de esquemas y confiabilidad remota sean más serios. Los últimos cambios de Claude Code facilitan confiar más en revisión, skills, hooks, modelos alternativos, políticas MCP, estado de actualización y sesiones en segundo plano.

[03:00] OpenClaw v2026.5.27, Codex 0.134 y Claude Code 2.1.153 El lanzamiento de OpenClaw tiene una línea de seguridad clara. El texto del prompt de grupo se mantiene fuera del system prompt. Los hostnames con puntos repetidos se normalizan. Los wrappers de comandos con efectos secundarios y las anulaciones de entorno de runtime de Node inseguras están bloqueados. La exposición de Tailscale sin autenticación es rechazada. Las aprobaciones de Node y rol de dispositivo requieren autoridad de administrador. Eso importa porque los stacks de agentes están cada vez más conectados a canales reales, máquinas locales y redes privadas; el gateway tiene que rechazar formas de autoridad extrañas antes de que lleguen al modelo.

El trabajo específico de Codex en OpenClaw importa igual de mucho. Los modelos de runtime se resuelven primero, la memoria del workspace se enruta a través de herramientas, los clientes compartidos del app-server sobreviven a fallos de inicio y de helpers generados, las generaciones de relay de hooks sobreviven a reinicios, y se evitan falsos cambios de estado en runtime. El gateway también hace menos rediscover en rutas calientes: lecturas de sesión, huellas de metadatos de plugins, instantáneas de auth, configuración de plugins, catálogos de búsqueda de herramientas y cachés de metadatos estables todos se reutilizan de manera más inteligente. La cobertura de proveedores se expande con proveedores de embedding compatibles con OpenAI, navegación de modelos DeepInfra con reconocimiento completo de credenciales, generación de video Pixverse y selección de región, parámetros de pensamiento de VLLM, superposiciones OAuth de CLI de Claude para perfiles PI y IDs de modelo Anthropic directos.

Codex 0.134 es un lanzamiento CLI práctico. La búsqueda local de historial de conversaciones significa que el trabajo anterior se puede buscar por contenido con vistas previas. La configuración primero por perfil hace que --profile sea la manera principal de seleccionar permisos y comportamiento de sandbox. La configuración de MCP mejora con orientación de entorno por servidor y opciones OAuth para servidores HTTP streamable. Los esquemas de herramientas de conectores preservan mejor las referencias y definiciones locales, los esquemas sobredimensionados se compactan antes de la exposición, y las herramientas MCP de solo lectura pueden ejecutarse concurrentemente cuando anuncian la pista correcta. El contexto de extensión y hooks también se enriquece, incluyendo historial de conversaciones para herramientas de extensión e identidad de subagente en entradas de hooks.

La última línea de Claude Code se divide entre trabajo de features y limpieza. El lanzamiento de features agrega /code-review --fix, permite que /simplify invoque esa ruta de reparación, permite que skills y comandos de barra eliminen herramientas con disallowed-tools, agrega /reload-skills, permite que los hooks de SessionStart recarguen skills y establezcan títulos, agrega MessageDisplay hooks e introduce marketplaces de sugerencias de plugins gestionados. También cambia a un modelo alternativo configurado para el resto de la sesión cuando el modelo primario no está disponible. El lanzamiento de seguimiento agrega opciones de omisión de LFS para fuentes del marketplace de plugins, visibilidad de actualización en /doctor, avisos combinados de autenticación MCP, continuidad de permiso de agente en segundo plano de macOS, manejo más estricto de políticas MCP de subagentes, una corrección para gateways de API personalizados que reciben credenciales OAuth incorrectas y muchas reparaciones de sesiones en segundo plano.

[12:00] Los gateways MCP se convierten en infraestructura gobernada IBM ContextForge y Jarvis Registry son el tipo de proyectos de GitHub que hacen que MCP se sienta menos como un puñado de demos de conectores y más como infraestructura. ContextForge federa APIs de MCP, A2A, REST y gRPC detrás de un registro y proxy con gobernanza, descubrimiento, observabilidad, plugins, OpenTelemetry, federación con respaldo de Redis y despliegue en Kubernetes. Su último lanzamiento completa una reescritura de UI de React Admin, mejora las migraciones de base de datos, fortalece los flujos OAuth y mejora el comportamiento de despliegue multi-réplica.

Jarvis Registry apunta al mismo problema de gobernanza de herramientas desde un ángulo de flujo de trabajo. Les da a los copilotos y agentes autónomos un único gateway seguro de MCP y A2A con identidad, control de acceso, descubrimiento semántico, logs de auditoría y métricas. Su último lanzamiento agrega un motor de ejecución de flujo de trabajo con estado de ejecución respaldado por MongoDB, despacho a agentes A2A y servidores MCP, APIs de pausa/reanudación/cancelación/reintento, endpoints de flujo de trabajo persistidos, rotación de refresh token OAuth, negociación de alcance de access token y descubrimiento A2A a través de búsqueda y herramientas de gateway.

La pregunta práctica es simple: cuando un agente de codificación pide una herramienta, ¿dónde sucede el descubrimiento, dónde vive la identidad y dónde está el trace después de la llamada? Si la respuesta es "dentro de una docena de configuraciones separadas", un gateway o registro vale la pena probar.

[19:00] Las herramientas de grafo de código dan a los agentes mejor visibilidad local Codanna y Roam Code son dos ejemplos útiles de inteligencia de código local que se vuelve legible para agentes. Codanna es un servidor MCP y CLI en Rust para búsqueda de código, símbolos, llamadas y documentos. Su último lanzamiento mejora la resolución de llamadas a métodos: las llamadas estáticas desambigan por tipo de receptor, las llamadas de instancia infieren tipos de receptor de los parámetros del llamador, y PHP obtiene resolución consciente de herencia. El cambio rompedor es del tipo correcto y conservador: una llamada que anteriormente se resolvía a un método incorrecto con el mismo nombre ahora retorna como no resuelta.

Roam Code es más una capa de verificación previa y evidencia para agentes. Construye un grafo de código SQLite local a través de muchos lenguajes, expone una gran superficie CLI y MCP, se ejecuta localmente por defecto, limpia secretos de las respuestas MCP y empaqueta evidencia de cambios para que una edición asistida por IA pueda responder qué autoridad existía, qué contexto se leyó, qué cambió, qué podría romperse, qué política se aplicó, qué lo verificó y quién aceptó el riesgo. Su forma de preflight es especialmente útil antes de una edición arriesgada: radio de impacto, pruebas afectadas, complejidad, acoplamiento y convenciones antes de que el agente cambie archivos.

La mejora del stack no es abstracta. Antes de que un agente de codificación toque un repo grande, debería preguntar a un grafo de código local qué símbolo está editando, quién lo llama, qué pruebas podrían importar y qué ruta de dependencia podría romperse. Eso es mejor que pedirle al modelo inferir la arquitectura desde un sprint de grep.

[26:00] La memoria local compartida y el estado de tareas reducen las colisiones de agentes en paralelo El proyecto Agent Guild apunta a un punto de dolor diferente: varios agentes trabajando alrededor del mismo proyecto pero perdiendo estado entre sesiones. Es un binario Go único con un servidor MCP, SQLite local, recuperación BM25 más semántica y reclamaciones atómicas de tareas. Claude Code, Codex, Cursor u otro cliente MCP puede leer el mismo contexto de proyecto, reclamar trabajo, registrar resultados y dejar transferencias. Su último lanzamiento fortalece los permisos de archivos locales, valida tipos de catálogo desde el inicio, hace el ordenamiento de eventos determinístico bajo escrituras concurrentes y estabiliza lecturas con misma marca de tiempo.

Esto importa porque la memoria de agentes a menudo se trata como un cuaderno personal para una sesión de modelo. La versión más útil es estado de proyecto local compartido: decisiones, trabajo activo, tareas reclamadas, tareas bloqueadas y notas de transferencia que sobreviven a la compactación y pueden ser leídas por más de una superficie de agente. La primera prueba debería ser pequeña: un almacén de estado de proyecto, dos clientes, una reclamación de tarea, una transferencia y sin colisión.

[31:00] Los puentes de control móvil mantienen la ejecución local pero mueven la superficie de aprobación Lucarne es una respuesta ligera al problema de cuidar. Observa sesiones locales de agentes de codificación y envía aprobaciones, solicitudes de clarificación, fallos y progreso a Telegram o WeChat. Esto lo hace sin agregar hooks, skills, MCP o cambios de proyecto. Claude, Codex, Gemini, Copilot y Pi permanecen en la computadora local; el teléfono se convierte en la superficie de atención.

Esa distinción importa. Los agentes remotos hospedados mueven tanto la ejecución como la supervisión fuera de la máquina local. Un puente de control mantiene archivos, credenciales y herramientas locales, luego enruta los momentos de atención humana a través de un canal de mensajería existente. Lo que hay que verificar no es si llega una notificación una vez. Verifica que llegue en el punto de decisión correcto, enrute la respuesta de vuelta al workspace y sesión correctos, y no agregue una nueva superficie de autoridad amplia.

[36:00] Los enrutadores de modelos locales se vuelven conscientes del hardware SmarterRouter es un enrutador compatible con OpenAI para Ollama, llama.cpp y endpoints estilo OpenAI. Perfila modelos, rastrea metadatos de capacidades, estima VRAM, soporta caché semántico y enruta prompts por tarea y hardware local. Su último lanzamiento agrega extracción dinámica de metadatos de modelo, soporte de Gemma 4, detección automatizada de capacidades desde Ollama, estimación de VRAM consciente de MoE y dimensionamiento consciente de cuantización.

Esto se alinea con el lanzamiento de OpenClaw porque los stacks de modelos locales necesitan más que una lista de URLs de endpoints. Embeddings, llamada de herramientas, visión, contexto largo, parámetros de pensamiento, cuantización, parámetros activos de MoE y límites de VRAM todos afectan qué modelo debería manejar una tarea. Un enrutador local debería saber que un modelo local pequeño puede resumir logs, un modelo local más grande puede inspeccionar código, un endpoint de embedding debería estar separado y un modelo de nube suscrito debería reservarse para trabajo donde cambia el resultado.

[41:00] DGX Spark más LM Studio parece un electrodoméstico de modelo privado La guía de NVIDIA de LM Studio en DGX Spark es un patrón concreto de servicio local. Ejecuta LM Studio en un dispositivo Spark, sirve un modelo localmente con aceleración GPU y úsalo desde una laptop. Con LM Link, el modelo hospedado en Spark puede aparecer en otra máquina a través de un enlace encriptado sin configuración de misma LAN ni apertura de servicio público.

Eso es relevante porque el resto del stack se está volviendo más amigable con proveedores compatibles con OpenAI, proveedores de embedding locales, enrutadores de modelos y ejecución híbrida. Un DGX Spark en este patrón no es solo un escritorio rápido. Es un electrodoméstico de modelo privado: lo suficientemente local para mantener datos e inferencia cerca, lo suficientemente orientado a servicios para que laptops y gateways de agentes lo usen, y lo suficientemente aislado para que pueda tratarse como un límite real.

[46:00] Cerrar La cola del EP058 es concreta. Actualizar OpenClaw para límites de contenido, cobertura de proveedores, resiliencia del app-server de Codex, y limpieza del hot-path del gateway. Actualizar Codex para búsqueda de historial local, perfiles, configuración de MCP, preservación de esquema, y concurrencia de herramientas de solo lectura. Actualizar Claude Code para correcciones de revisión, habilidades restringidas por herramientas, recargas de habilidades, hooks de visualización de mensajes, modelos de respaldo, visibilidad de actualizaciones, y política más estricta de subagente MCP. Luego seleccionar un experimento de infraestructura: un gateway MCP gobernado, un gráfico de código local, un store de estado compartido, un puente de control móvil, un router de modelos local, o una ruta de servicio privado de DGX Spark / LM Studio. El tema es práctico: más capacidad de agente solo ayuda si el stack puede gobernar herramientas, ver código con precisión, compartir estado, alcanzar al humano en el momento correcto, y enrutar modelos según lo que el hardware realmente puede hacer.