Optio: Orquestrando Agentes de Codificación con IA en Kubernetes desde el Ticket hasta la PR
Optio es un sistema de orquestación de código abierto para agentes de codificación con IA que gestiona el flujo de trabajo completo desde la recepción de tareas hasta la solicitud de extracción fusionada sin requerir supervisión humana constante. Construido con Fastify, Next.js, BullMQ y Drizzle sobre Postgres, incluye un gráfico Helm para despliegue en producción.
Cómo funciona
El sistema sigue un pipeline de tres etapas:
- Recepción – Extrae tareas de GitHub Issues, Linear o creación manual
- Ejecución – Inicia pods de Kubernetes aislados por repositorio, ejecuta Claude Code o Codex en árboles de trabajo de git
- Monitoreo de PR – Supervisa las verificaciones de CI, el estado de revisión y la preparación para fusión cada 30 segundos
El diferenciador clave es el bucle de retroalimentación. Cuando falla el CI, Optio retroalimenta el fallo al agente. Cuando un revisor solicita cambios, los comentarios se convierten en el siguiente prompt del agente. Continúa hasta que la PR se fusiona o se detiene manualmente.
Arquitectura y características
Optio utiliza una arquitectura de pod por repositorio con un pod de Kubernetes de larga duración por repositorio. Cada pod mantiene aislamiento de árboles de trabajo de git para múltiples tareas concurrentes. El sistema incluye:
- Autoreparación – Reanuda automáticamente al agente en fallos de CI, conflictos de fusión o solicitudes de cambios del revisor
- Automatización de finalización – Fusiona la PR con squash y cierra el issue vinculado cuando pasan todas las verificaciones
- Configuración por repositorio – Selección de modelo, plantillas de prompt, imágenes de contenedor, límites de concurrencia y comandos de configuración ajustables por repositorio
- Agente de revisión de código – Lanza automáticamente un agente de revisión como subtarea con prompt y modelo separados
- Panel en tiempo real – Transmisión de registros en vivo, progreso del pipeline, análisis de costos y monitoreo de salud del clúster
Implementación técnica
La arquitectura consta de tres componentes principales:
- Interfaz web (Next.js en puerto 3100) con panel, gestión de tareas y transmisión en vivo
- Servidor API (Fastify) con workers para cola de tareas, monitor de PR, monitoreo de salud y sincronización de tickets
- Clúster de Kubernetes con pods de repositorio que contienen múltiples árboles de trabajo ejecutando agentes de IA
Los servicios incluyen gestión de pool de repositorios, ejecución de agentes de revisión y manejo de autenticación/secretos, todo respaldado por Postgres para tareas, registros y eventos.
📖 Leer la fuente completa: HN AI Agents
👀 Ver también
LLMock: Servidor de simulación basado en HTTP para pruebas deterministas de LLM entre procesos
LLMock es un servidor HTTP real que simula las API de OpenAI, Claude y Gemini, permitiendo a los desarrolladores ejecutar pruebas deterministas en múltiples procesos sin acceder a las API reales. Admite transmisión SSE, llamadas a herramientas, enrutamiento por predicados y registro de solicitudes sin dependencias.
Jentic Mini: Capa de Ejecución de API y Acciones Autohospedada para OpenClaw
Jentic Mini es una capa de ejecución de API y acciones autoalojada que se sitúa entre los agentes de IA y las API externas, almacenando credenciales en una bóveda cifrada y proporcionando kits de herramientas con alcance definido y claves revocables individualmente. Importa automáticamente más de 10,000 especificaciones OpenAPI y fuentes de flujos de trabajo Arazzo cuando se añaden credenciales.
CLI de Android y Habilidades para Flujos de Trabajo de Desarrollo de Agentes de IA
Google lanzó Android CLI con comandos como android create y android sdk install, además del repositorio GitHub de Android Skills con conjuntos de instrucciones modulares. Los puntos de referencia internos muestran una reducción del 70% en el uso de tokens LLM y una finalización de tareas 3 veces más rápida.
Habilidad de código Claude de código abierto diagnostica obstáculos en la adopción de IA
Una habilidad de Claude Code con licencia MIT analiza dónde las empresas se atascan con la adopción de IA—herramientas, cultura o medición—y construye planes de 90 días con responsables designados. Basado en entrevistas con más de 100 fundadores y miembros de juntas directivas.