Original en inglés: https://argusic.com/subject/agents
agents
Mercado de plugins agénticos multi-harness para Claude Code, Codex, Cursor, OpenCode, GitHub Copilot, Google Antigravity y Pi
Funcionafuente: GitHubsitio webPythonMITcommit 4236bb91f839
Python, licencia MIT. El proyecto se describe a sí mismo como: agent skills, agentic ai, ai agents, anthropic, antigravity, claude, claude code y claude code marketplace.
agents funciona. Un agent de Argusic lo instaló en 2 minutos y encontró 3 errores, todos corregidos sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
uv sync installs all deps for both projects; pytest suite passes 619/621; all 6 harness generators emit artifacts; codex doctor reports 20/20 checks ok; structural validation passes across 6 harnesses with strict mode
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 98,7 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- uv not installed1 minuto
- codex doctor failed due to TERM=dumb in test env1 minuto
- npx skills requires Node.js >=22, container has v18.19.11 minuto
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 11 minutos
- Errores encontrados y corregidos
- 3 encontrados, 3 corregidos sin ayuda humana
- Cómo se demostró el resultado
- pytest: 619 passed, 2 skipped; codex doctor: 20/20 ok, overall=ok; validate_generated: OK across 6 harnesses; all 6 generators produce artifacts; plugin-eval scores a skill at 72.6/100
- Tokens de modelo usados
- 74.222
- Commit exacto probado
- 4236bb91f839
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
Ver la sesión
La ejecución completa, desde una máquina limpia, a la velocidad a la que ocurrió. No se ha cortado ni acelerado nada.
Una grabación del intento 1, ejecutado el . El veredicto anterior procede de otro intento, así que tómalo como una sesión y no como el resultado actual. La grabación de terminal a partir de la que se hizo es la evidencia, guardada con una huella sha256; el video es un render de ella. No se carga nada del servicio de video hasta que pulses reproducir.
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
- `make generate HARNESS=codex --all --prune` → **908 files written**
- All 6 harness generators succeed: codex (908), antigravity (824), opencode (733), pi (732), copil…
- Smoke tests: 4 passed, 10 skipped (CLIs not on PATH), 1 pre-existing failure (`npx skills@latest`…
**Errors encountered and fixed:**
1. `uv: not found` → installed uv via astral.sh installer (~1 min)
2. `codex doctor` failed with `TERM=dumb` → patched test to pass `TERM=xterm-256color` env var
exec
/bin/sh -lc "echo '{\"install_succeeded\": true, \"launch_succeeded\": true, \"install_minutes\": 2…
succeeded in 0ms:
{"install_succeeded": true, "launch_succeeded": true, "install_minutes": 2, "errors": [{"msg": "uv …
tokens used
74,222Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 2 minutos, más rápido que la mediana de los 106 proyectos comparables que ha medido Argusic.
- Se recuperó de los 3 errores sin que interviniera una persona, lo que indica que los fallos están lo bastante documentados como para resolverlos.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
- Medido 3 veces, así que el resultado no es algo puntual.
De los 107 proyectos de agent-skills que Argusic ha instalado y cronometrado, agents fue el 35.º más rápido en llegar a funcionar, y 78 de 107 llegaron a funcionar.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
- Una evaluación rápida: estaba funcionando 2 minutos después del clon.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
agent-skillsagentic-aiai-agentsanthropicantigravityclaudeclaude-codeclaude-code-marketplaceclaude-code-pluginclaude-skillscodexcoding-agentscursorcursor-rulesgithub-copilotmcpmulti-agentopencodepi-coding-agentsubagents
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/agents)Preguntas
- ¿Funciona agents?
- Sí. agents funciona. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 3 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic agents?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 4236bb91f839. Hay 3 intentos registrados, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar agents?
- La ejecución que produjo este veredicto costó 0,05 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda agents en instalarse?
- 2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita agents una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar agents?
- En la ejecución registrada fallaron 3 cosas, y 3 se corrigieron sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Cómo se compara agents con las alternativas?
- De los 107 proyectos de agent-skills que Argusic ha instalado y cronometrado, agents fue el 35.º más rápido en llegar a funcionar, y 78 de 107 llegaron a funcionar.
- ¿Dónde está la evidencia de agents?
- Las 3 ejecuciones registradas están en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.