Brain: un runtime de agentes en WebAssembly que apuesta por el aislamiento como respuesta a los fallos de seguridad de la IA agéntica

Por Zendoric · 2 de septiembre de 2026.

Aexhq ha publicado en GitHub Brain, un "runtime" de agentes de código abierto: el servidor que ejecuta la sesión de un agente de IA, gestiona sus llamadas al modelo y coordina las herramientas que usa (buscar un pedido, ejecutar código, navegar una web). Según la documentación del propio proyecto, cada sesión inactiva ocupa unos 14 KiB de memoria y un turno completo de ida y vuelta tarda 40 milisegundos, cifras que la propia aexhq compara con otros siete runtimes similares —ZeroClaw, OpenFang, AgentScope, Letta, LangGraph, Awaken y OpenClaw— en un benchmark que publican en su repositorio (BENCHMARKS.md) y que, conviene subrayarlo, es un ejercicio de la propia empresa, no una medición independiente.

La pieza técnica más interesante no es la velocidad, sino la arquitectura. El "agent loop" —la lógica que decide qué hace el agente en cada paso— se compila a WebAssembly y corre en una sandbox de Wasmtime sin acceso a sistema de archivos, red, reloj ni credenciales propias: es Brain quien ejecuta cualquier efecto en su nombre. Cada decisión, llamada al modelo y resultado de herramienta queda como un evento en un registro de solo-anexado ("write-ahead log"), lo que permite reproducir exactamente qué hizo un agente y por qué. El proyecto está en "early preview": la propia aexhq avisa de que la API puede cambiar sin compatibilidad hacia atrás antes de una versión 1.0.

Conviene calibrar el tamaño real de esto: es un repositorio con 11 estrellas en GitHub y una publicación en Hacker News que apenas sumó un voto y dos comentarios. No hay anuncio de financiación, cliente conocido ni tracción documentada. Es, en sentido estricto, una herramienta para desarrolladores en fase muy temprana, no un evento de mercado.

Su interés no está en el proyecto en sí, sino en lo que confirma como patrón. En las últimas semanas hemos visto cómo la economía de agentes autónomos empieza a necesitar su propia "fontanería": estándares de pago que dejan cobrar a un agente sin aprobación humana, fabricantes de chips que reorientan su hoja de ruta hacia la orquestación de agentes. Brain encaja en esa misma categoría: infraestructura de bajo nivel que no compite por ser el modelo más inteligente, sino por ser la capa que ejecuta, aísla y audita a los agentes que usan ese modelo. Cuantos más runtimes de este tipo aparezcan —y el propio benchmark de aexhq enumera ya siete competidores directos—, más claro queda que la disputa por la IA agéntica se libra también, y quizá sobre todo, en quién controla esa capa de ejecución.

El énfasis en el aislamiento por sandbox y en el registro reproducible de cada decisión tampoco es casual. Como contexto del sector, la preocupación por que un agente actúe fuera de los límites previstos está empujando la respuesta hacia dos vías: restringir el acceso a las capacidades más peligrosas, o contener por diseño lo que un agente puede hacer y dejar rastro de cada paso que da. Brain apuesta por la segunda vía. Es una respuesta razonable al problema de fondo —agentes cada vez más autónomos que necesitan gobernanza técnica, no solo promesas—, aunque en este caso venga de un proyecto tan joven que aún no ha demostrado si sobrevivirá a la saturación de frameworks que compiten por el mismo hueco.

Nuestra lectura es que este tipo de anuncios, individualmente menores, son el mejor termómetro de hacia dónde se mueve la infraestructura de la IA cuando la atención mediática está puesta en los modelos grandes. La abundancia que defendemos a largo plazo no depende solo de que los modelos sean más capaces, sino de que exista una capa de ejecución barata, auditable y seguible en la que millones de agentes puedan operar sin que cada fallo se convierta en un incidente de seguridad. Proyectos como Brain, aunque hoy sean un experimento con 11 estrellas, son el tipo de pieza de fontanería que, si prospera, nadie notará porque simplemente funcionará.