meclaw: un binario Rust monta agentes con sandbox de kernel, y su creador apaga a propósito la auto-mejora

Por Zendoric · 7 de septiembre de 2026.

Un desarrollador que se identifica en GitHub como mmeyerlein ha publicado meclaw, un proyecto de código abierto (licencia MIT/Apache 2.0) que propone una forma distinta de construir sistemas de agentes de IA. Según su propio repositorio, todo el sistema corre desde un único binario compilado en Rust, pensado solo para Linux, y cada agente vive en su propia carpeta con un archivo de configuración, una base de datos SQLite y un sandbox aplicado por el kernel: Landlock (restricción de acceso a archivos), espacios de nombres de red aislados, cgroup v2 (límites de recursos) y seccomp (filtrado de llamadas al sistema). Las conexiones entre agentes son las rutas por las que puede viajar un mensaje, y cualquier cambio en el sistema en marcha se aplica enviando un "diff" (un parche de cambios) a un único punto de la API, sin reiniciar nada y dejando constancia en un registro auditable.

La decisión de diseño más llamativa es lo que el proyecto NO hace. La mayoría de frameworks agénticos actuales —LangChain, AutoGPT y sus muchos descendientes— se construyen alrededor de un bucle explícito que el propio desarrollador programa: llamar al modelo, ejecutar una herramienta, devolver el resultado, repetir hasta que una condición diga basta. meclaw elimina ese bucle como pieza fija: según su documentación, no envía "un loop", sino que un bucle es simplemente una conexión que vuelve a apuntar a un agente-modelo. La ventaja que reivindica su autor es que, al vivir la orquestación en archivos y no en código, el propio enjambre de agentes puede reescribir su forma de trabajar mientras funciona, usando las mismas herramientas de sistema (listar, buscar, comparar) que usaría un humano.

Más interesante aún es lo que el proyecto describe como "preparado para la auto-mejora recursiva, pero no activado". El repositorio reconoce tener ya las piezas necesarias —mutación del sistema en caliente, un componente que traduce una petición en un plan de cambios, un mecanismo para conservar o revertir según resultados medidos, y un recibo por cada acción tomada— pero afirma explícitamente que el bucle que las conectaría en un ciclo de mejora autónoma está deshabilitado a propósito. "No blind RSI" (nada de auto-mejora recursiva a ciegas), resume el propio texto del proyecto.

Conviene situar esto en su escala real: se trata de un proyecto en fase experimental y bajo desarrollo intenso, con 28 estrellas y 4 forks en GitHub en el momento de publicarse, que llegó a Hacker News con apenas 7 puntos y 6 comentarios. El propio autor advierte que no está listo para producción sin supervisión y cifra el coste de una instalación productiva en 0,32 euros al día, según su propia documentación de costes. Es, en toda regla, un experimento temprano, no una plataforma consolidada ni una referencia de la industria.

Y sin embargo, la elección de diseño que hace —dejar construidas las capacidades de auto-mejora pero negarse a cerrar el circuito— importa más allá de su tamaño. En general, el debate sobre agentes autónomos capaces de modificarse a sí mismos suele plantearse como una cuestión de las grandes empresas de IA y de sus laboratorios de investigación; aquí aparece la misma tensión resuelta, de forma consciente, en el código de un proyecto pequeño y experimental. Es un recordatorio útil de que la gobernanza de sistemas agénticos no depende solo de las políticas que anuncian OpenAI, Anthropic o Google DeepMind: también se decide, línea a línea, en cómo cualquiera que construye infraestructura para agentes elige cerrar —o no cerrar— ese bucle.

Nuestra lectura es que este tipo de proyectos son el síntoma, no la noticia. La proliferación de frameworks agénticos de código abierto —y meclaw es uno más de una ola creciente— confirma que la capa de "sistema operativo para agentes" se está disputando fuera de los grandes laboratorios, con las ventajas de coste y control que ya defendemos como tesis de fondo: cuanta más infraestructura agéntica quede en manos abiertas y auditables, menos dependerá la próxima ola de automatización de un puñado de proveedores cerrados. Pero la seguridad de esa capa no es automática. El propio meclaw lo demuestra al enseñar sus primitivas de auto-mejora y negarse, por ahora, a encenderlas: la pregunta relevante para cualquier sistema agéntico —grande o pequeño, financiado o independiente— no es si puede mejorarse solo, sino quién decide cuándo se le permite hacerlo, y qué recibo queda de cada paso que da. Ese es exactamente el tipo de fricción de corto plazo —lenta, manual, llena de decisiones conservadoras como esta— que conviene ver no como un freno al progreso, sino como el andamiaje que hace posible que la delegación de tareas cada vez más complejas a los agentes no se pague, más adelante, con una crisis de confianza.