Agent.Email: Los Agentes de IA se Registran vía curl, Reclamados por OTP Humano
AgentMail (YC S25) realizó un experimento llamado Agent.Email: un flujo de registro diseñado para agentes de IA, no para humanos. La tesis: internet fue construida para humanos, excluyendo a las máquinas por defecto. Los agentes no pueden ser usuarios de primera clase si no pueden registrarse sin credenciales humanas.
Cómo funciona
- El agente necesita un buzón y accede a AgentMail mediante
curl. - El agente recibe instrucciones en Markdown (o HTML si viene de un navegador).
- El agente llama al endpoint de registro con el correo de su humano como parámetro.
- El agente recibe un buzón restringido con credenciales: solo puede enviar correos a su propio humano, 10 correos/día.
- El agente envía un correo al humano pidiendo un OTP; el humano responde con el código.
- Las restricciones se eliminan una vez reclamado.
- El endpoint de registro tiene un límite estricto por IP.
Actualmente es 1:1 agente-humano; la relación muchos-a-uno es lo próximo.
Cambios de diseño respecto a supuestos centrados en humanos
Crear Agent.Email llevó a AgentMail a revisar supuestos:
- Las salidas de CLI ahora usan una sola columna con formato consistente: los delimitadores mixtos son fáciles para humanos pero difíciles de parsear para agentes.
- Se acortaron los IDs de mensaje después de que los agentes comenzaran a alucinar completaciones con IDs más largos.
Preguntas de la comunidad
- ¿Es el modelo de restringido-hasta-reclamar el modelo de confianza adecuado?
- ¿El auto-registro de agentes es útil en producción o es solo una novedad?
- ¿La incorporación de agentes debería requerir aprobación humana por defecto, o algunos agentes deberían autoaprovisionarse completamente?
- ¿Qué medidas adicionales se pueden tomar para registros seguros?
Un comentarista de HN señaló el potencial de abuso: un agente extrajo comentarios de HN y envió spam dirigido a través de AgentMail. El correo incluía un encabezado List-Unsubscribe que apuntaba a api.agentmail.to. El comentarista sugirió agregar un bloque "Escrito por IA" a cada correo para frenar la suplantación.
📖 Lee la fuente original: HN AI Agents
👀 Ver también
Analizando el Consumo de Tokens en la Ventana de Contexto de 1 Millón de Claude: Los Datos Muestran Crecimiento Ilimitado y Acumulación de Fallos de Caché
El análisis de la ventana de contexto de 1 millón de tokens de Claude revela dos factores que se combinan y causan un consumo rápido de tokens: el crecimiento ilimitado del contexto sin compactación automática y las costosas fallas de caché en tamaños de contexto más grandes. El autor proporciona un script de Python para analizar el uso personal de tokens a partir de archivos de sesión JSONL.
Según informes, Nvidia está desarrollando NemoClaw de código abierto para competir con OpenClaw.
Informes recientes sugieren que Nvidia está trabajando en un proyecto de código abierto llamado NemoClaw, destinado a competir directamente con OpenClaw en herramientas de desarrollo de IA. Se espera que el proyecto se centre en mejorar el rendimiento, la escalabilidad y la flexibilidad para desarrolladores, manteniendo la compatibilidad con los flujos de trabajo modernos de IA.
Asistente de Canvas LMS mediante OpenClaw y Composio
Un profesor configuró un bot que accede a sus tres cursos de Canvas a través de Composio CLI, permitiéndole crear listas de estudiantes en Excel, comprobar enlaces rotos y realizar un seguimiento de las visitas a las páginas.
Comparación de rendimiento entre Qwen3-30B-A3B y Qwen3.5-35B-A3B en RTX 5090
Una comparación directa de Qwen3-30B-A3B y Qwen3.5-35B-A3B en una RTX 5090 muestra que el modelo de 30B es un 35% más rápido en generación, mientras que el modelo 3.5 maneja mejor el contexto largo con escalado plano de tokens frente a la degradación del 21% del modelo de 30B.