qm: herramienta open source para orquestar agentes de IA en equipos

Un nuevo framework de código abierto llamado qm plantea una arquitectura distinta para desplegar agentes de IA en empresas: en lugar de un asistente compartido que se vuelve cada vez más complejo, cada empleado obtiene su propio workspace aislado con memoria, archivos y permisos propios, y puede colaborar con el agente en canales de Slack, mensajes grupales y proyectos.

El proyecto fue publicado en GitHub por yc-software y alcanzó 3.300 estrellas en pocas semanas, reflejando el interés por soluciones de orquestación de agentes que escalen en equipos.

Arquitectura multiusuario con alcances aislados

qm está diseñado para startups y equipos de desarrollo. Cada persona tiene su propio sandbox duradero —un entorno aislado donde las herramientas instaladas persisten— y su propia vista de memoria, archivos, keychain y permisos. Los agentes pueden trabajar en contextos personales y también en espacios compartidos como canales de Slack o proyectos web, manteniendo la identidad y configuración entre interfaces.

El framework soporta múltiples harnesses (Pi, OpenCode, Codex, Claude Code) que comparten el mismo core, lo que permite cambiar de modelo y proveedor sin quedar atado a un vendor específico. Todo gira alrededor de un core headless en TypeScript que corre sobre Node, con Postgres como capa de persistencia para sesiones, memoria y cola de tareas.

Modelo de seguridad basado en credenciales del usuario

qm adopta el enfoque de agentes de código locales: el agente actúa como la persona para la que trabaja, usando sus credenciales y permisos, con auditoría completa de cada acción. El administrador del org elige una postura de seguridad:

• Strict: cada llamada a herramienta requiere aprobación humana.
• Auto (por defecto): un clasificador filtra datos externos y resultados de herramientas antes de que lleguen al modelo.
• Dangerous: sin screening de contenido ni pausas entre llamadas.

La política de comandos predeclarada —reglas de aprobación y denegaciones duras para operaciones destructivas— aplica en todos los modos, incluido Dangerous.

Casos de uso concretos

Según la documentación, qm permite:

• Buscar en notas internas, email, documentos, bases de datos y la web de forma unificada.
• Construir apps internas, publicarlas a usuarios específicos y mantener sus datos actualizados.
• Aprender el estilo de escritura de un usuario a partir de emails anteriores, clasificar su inbox en segundo plano y generar borradores de respuesta.
• Trabajar en repositorios existentes: ejecutar tests, abrir PRs, monitorear CI, revisar logs del sistema.
• Ejecutar crons y watchers que realizan trabajo en segundo plano sin intervención.

Por qué importa

La mayoría de los frameworks de agentes actuales escalan mal en organizaciones porque se diseñaron como asistentes personales. qm invierte esa lógica: cada empleado tiene su propio agente, con su propia memoria y contexto, pero pueden colaborar en espacios compartidos sin pisarse.

Para equipos que ya usan Slack y quieren adoptar agentes sin migrar a plataformas propietarias, qm ofrece una alternativa open source que permite elegir el modelo y el harness, con una capa de seguridad que hereda permisos del usuario real.

La arquitectura de sandboxes aislados por scope y la posibilidad de crear skills compartidos o privados apuntan a un modelo donde los agentes se vuelven parte de la infraestructura del equipo, no una herramienta externa que se conecta por API.