Tendril: Un agente autoextensible que construye y registra herramientas sobre la marcha
Tendril es un arenero agentico autoextensible que demuestra el patrón de Capacidad de Agente: el modelo descubre, construye y reutiliza herramientas de forma autónoma a través de sesiones. Construido con AWS Strands Agents SDK y Tauri.
Cómo funciona
Le pides a Tendril que haga algo. Revisa su registro de capacidades. Si existe una herramienta, la usa. Si no, escribe una, la registra y la ejecuta, todo sin preguntar. La próxima vez que necesites lo mismo, la herramienta ya está ahí.
Tú: "obtén las mejores historias de Hacker News"
Tendril: → searchCapabilities("obtener url hacker news") # nada encontrado
→ registerCapability(fetch_url, código) # construye una herramienta
→ execute("fetch_url", {url: "https://..."}) # la ejecuta por nombre
→ "Aquí están las mejores historias: ..."
Tú: "ahora obtén Lobsters y compara"
Tendril: → listCapabilities() # encontrado: fetch_url ✓
→ execute("fetch_url", {url: "https://lobste.rs"}) # la ejecuta — sin reconstruir
El registro crece con el uso. Cada sesión es más inteligente que la anterior.
Configuración del agente
El núcleo de Tendril es un agente Strands con solo tres herramientas de arranque:
import { Agent } from '@strands-agents/sdk';
import { BedrockModel } from '@strands-agents/sdk/models/bedrock';
const agent = new Agent({
model: new BedrockModel({ modelId: '...', region: '...' }),
systemPrompt: TENDRIL_SYSTEM_PROMPT(workspacePath),
printer: nullPrinter,
tools: [
listCapabilities(registry),
registerCapability(registry),
executeCode(registry, workspacePath, config),
],
});
Reglas del prompt del sistema
El prompt del sistema impone un comportamiento autónomo:
- Llama a
searchCapabilities(query)para verificar si existe una herramienta relevante - Si se encuentra: llama a
loadTool(name)y luego aexecute(code, args) - Si NO se encuentra: DEBES construir la herramienta tú mismo
- NUNCA preguntes "¿quieres que cree una herramienta?" — simplemente constrúyela
- Si una herramienta falla, lee el error, corrige el código y reintenta
- NUNCA respondas con datos de entrenamiento cuando una herramienta podría obtener información en vivo
Arquitectura
┌─────────────────────────────────────────┐ │ Tauri Shell (Rust) │ │ ACP Host ──stdin/stdout──► Agent │ │ (acp.rs) NDJSON (Node.js SEA)│ │ Events ◄── session/update ──┘ │ │ (events.rs) │ │ Tauri Events ──► React Frontend │ │ (TailwindCSS v4) │ └─────────────────────────────────────────┘Agent internals: Strands SDK ── BedrockModel ── Claude │ 4 bootstrap tools ┌────┴────┐ │ Registry │ ←→ index.json + tools/*.ts └─────────┘ ┌────┴────┐ │ Sandbox │ ←→ Deno subprocess (sandboxed)
El bucle agentico se ejecuta dentro de agent.stream() y se conecta al protocolo ACP, exponiendo las fases think, act y observe a la interfaz de usuario.
La solución "demasiadas herramientas"
La mayoría de los frameworks de agentes le dan al modelo una gran bolsa de herramientas y esperan que elija la correcta. Tendril invierte esto: el modelo siempre ve exactamente tres herramientas. Busca en un registro, construye lo que necesita y el registro crece con el tiempo. La superficie de herramientas nunca cambia; las capacidades sí.
📖 Lee el código fuente completo: HN AI Agents
👀 Ver también

Cull: Motor de código abierto para la curación de conjuntos de datos en pipelines de imágenes de IA
Cull extrae imágenes de más de 340 fuentes, incluyendo Civitai, X/Twitter, Reddit, Discord y sitios booru, las clasifica con un modelo de lenguaje visual a través de LM Studio local o Groq, y las organiza en carpetas por categoría con prompts de SD y registros de auditoría.

Aplicación Móvil Fuera de la Red Incorpora Uso de Herramientas de IA en Dispositivo con una Mejora de Velocidad de 3 Veces
La aplicación móvil Off Grid ahora permite que los modelos de IA utilicen herramientas como búsqueda web, calculadora, fecha/hora e información del dispositivo completamente sin conexión, con opciones de caché KV configurables que ofrecen hasta 30 tokens/segundo en teléfonos.

OpenClaw Implementa la Compresión del Historial del Agente para Reducir el Uso de Contexto
OpenClaw ahora comprime el historial del agente reemplazando los registros de subtareas completadas con resúmenes estructurados, reduciendo de ~1 millón de tokens a ~30 mil. El sistema utiliza un escáner de 4 pasadas para identificar ciclos de vida de tareas y genera resúmenes enmascarados que mantienen la compatibilidad del agente.

PageAgent: Agente de IA para Navegador que Se Ejecuta Dentro de Páginas Web con Soporte para Ollama
PageAgent es una biblioteca de JavaScript que ejecuta agentes de IA directamente dentro de páginas web, leyendo el DOM en vivo como texto en lugar de usar capturas de pantalla. Funciona con cualquier endpoint compatible con OpenAI, incluido Ollama, permitiendo llamadas a LLM locales directamente desde el navegador.