Unreal Agent

Artículo original ↗ Discusión en Hacker News ↗

Un nuevo harness de codificación con IA basado en Go llamado Unreal Agent pretende hacer más eficientes a los agentes que usan herramientas ejecutándolas de forma asíncrona, reduciendo el sondeo y el uso de tokens frente a configuraciones populares como Codex y Pi. Los comentaristas se muestran en general positivos sobre el modelo de orquestación asíncrono, similar al de actores, y lo comparan con otros harnesses y técnicas (por ejemplo, el uso programático de herramientas, modelos de decisión y descubrimiento fractal de herramientas), aunque cuestionan cuánto beneficio real aporta en velocidad y costo. Muchos también critican la marca, señalando un probable conflicto de marca con Unreal Engine de Epic y la confusión que genera para desarrolladores que esperan herramientas relacionadas con videojuegos.

Herramientas asíncronas y ahorro de tokens/costos

  • Varios comentaristas tienen dificultades para ver cómo las llamadas asíncronas a herramientas ahorran tokens directamente, ya que los modelos no están “ejecutándose” mientras las herramientas se ejecutan.
  • Las explicaciones se centran en:
    • Reducir bucles de sondeo derrochadores en algunos harnesses (por ejemplo, Codex comprobando repetidamente el estado de una tarea).
    • Evitar que caduque la caché mientras se ejecutan herramientas de larga duración, lo que puede obligar a recargar contexto de forma costosa.
    • Hacer “más trabajo de herramientas por turno del modelo”, reduciendo lecturas de caché y el número total de turnos.
  • Algunos señalan ahorros de tokens similares logrados ajustando los timeouts y el comportamiento de espera en configuraciones de harness existentes.

Arquitectura del harness y modelos asíncronos/de actores

  • Gran entusiasmo por tratar a los agentes como procesos/actores asíncronos en lugar de sesiones lineales de chat.
  • Modelo propuesto: paso de mensajes entre “actores” (sistema de archivos, herramientas, otros agentes), con notificaciones en lugar de sondeo y soporte para enrutamiento entre dispositivos.
  • Varios ven esto como una adaptación natural del estilo de supervisión y manejo de fallos de Erlang/Elixir, esencialmente un “sistema operativo de agentes”.

Comparación con harnesses y técnicas existentes

  • Múltiples marcos ya admiten herramientas asíncronas o ideas relacionadas: la llamada asíncrona a herramientas de OpenAI, Claude Code, Crush, el “programmatic tool calling” de DSH y varios harnesses de código abierto.
  • Algunos dicen que el enfoque de Unreal se parece mucho a lo que otros han estado haciendo desde principios de 2024, aunque los modelos más nuevos están mejor entrenados para patrones asíncronos.
  • Se afirma que técnicas como las de Unreal pueden combinarse con harnesses que optimizan costos (por ejemplo, maki.sh).

Escepticismo y preguntas abiertas

  • Dudas sobre el beneficio real frente a la “apariencia de velocidad”, ya que a menudo los agentes deben esperar la salida de la herramienta para poder continuar.
  • Experiencias previas en las que los agentes llaman herramientas asíncronas pero luego inmediatamente “esperan” con timeouts largos, causando ralentizaciones o bloqueos.
  • Preocupación de que prohibir subagentes o ceñirse a SDKs centrados en CLI pueda perjudicar tareas de largo horizonte o complejas.

Cuestiones de nombre y marca

  • Muchos lectores asumen inicialmente que esto es un agente relacionado con Unreal Engine.
  • Existe una opinión generalizada de que la marca “Unreal” es confusa y probablemente atraiga una impugnación de marca por parte del propietario del motor de juegos.
  • Algunos temen que este riesgo legal pueda afectar la sostenibilidad del proyecto para usuarios serios.

Usabilidad, documentación y problemas del ecosistema

  • Quejas de que el README carece de un camino claro de “primeros pasos”, aunque otros prefieren documentación mínima y de alta señal.
  • Preguntas sobre compatibilidad con suscripciones, OAuth, GUIs/TUIs y compatibilidad con subs existentes (por ejemplo, Codex).
  • Frustración más amplia porque la experimentación con nuevas ideas de harness es costosa bajo el precio de las API, lo que limita la innovación pese a la evidencia de mejoras fáciles de obtener.