Original en inglés: https://argusic.com/subject/mco
mco
Orquestación CLI-first para AI coding agents: ejecutar agents y modelos seleccionados en paralelo, comparar respuestas en bruto y coordinar flujos de trabajo de revisión o implementación.
Funcionafuente: GitHubPythonMITcommit d7fef6c96dca
Python, licencia MIT. El proyecto se describe a sí mismo como: ai agents, ai ide, claude, cli, code review, codex, copilot y cursor.
mco funciona. Un agent de Argusic lo instaló en 0,1 minutos y no encontró ningún error en una máquina limpia sin GPU, y toda la sesión quedó grabada.
MCO 0.11.0 Python runtime installed in venv, Node wrapper installed, CLI responds to --version and doctor --json, all tests pass.
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 100 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.
- Tiempo de instalación
- menos de un minuto
- De máquina en frío a terminar
- 7 minutos
- Errores encontrados y corregidos
- 0 encontrados, 0 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python3 -m unittest discover -s tests -p test_*.py returned OK (skipped=4), npm test returned 19 pass 1 skip, mco --version returned 0.11.0, mco doctor --json returned valid provider health JSON
- Tokens de modelo usados
- 117.244
- Commit exacto probado
- d7fef6c96dca
- 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
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
**Build:** No build step needed — pure Python/Node runtime. **Tests:** 469 Python tests passed, 0 failed, 4 skipped (2 need `mcp` optional dependency, 2 are Wi… **Launch:** `mco --version` returned `mco 0.11.0`. `mco doctor --json` returned the full provider h… **Verified how:** `python3 -m unittest discover -s tests -p 'test_*.py'` — 469 passed, 4 skipped. `… tokens used 117,244 All installs succeeded and all tests passed. Here's the final report: **Install:** Python venv + `pip install -e .` completed cleanly. `npm install` added 10 packages wi… **Build:** No build step needed — pure Python/Node runtime. **Tests:** 469 Python tests passed, 0 failed, 4 skipped (2 need `mcp` optional dependency, 2 are Wi… **Launch:** `mco --version` returned `mco 0.11.0`. `mco doctor --json` returned the full provider h… **Verified how:** `python3 -m unittest discover -s tests -p 'test_*.py'` — 469 passed, 4 skipped. `…
Reproducir 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 0,1 minutos, más rápido que la mediana de los 110 proyectos comparables que ha medido Argusic.
- Nada se rompió por el camino: cero errores entre el clon y el funcionamiento.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, mco fue el 2.º más rápido en llegar a funcionar, y 83 de 111 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 0,1 minutos después del clon.
- Seguir su propio README: el camino documentado funcionó sin nada que arreglar.
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)
ai-agentsai-ideclaudeclicode-reviewcodexcopilotcursordeveloper-toolsgeminigrok-buildhermes-agentmulti-agentopencodeorchestrationpi-coding-agentqwenwindsurf
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/mco)Preguntas
- ¿Funciona mco?
- Sí. mco funciona. Argusic lo instaló y lo inició en una máquina limpia en 0 minutos, con 0 errores por el camino, y grabó la sesión.
- ¿Cómo probó Argusic mco?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit d7fef6c96dca. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar mco?
- La ejecución que produjo este veredicto costó 0,02 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 mco en instalarse?
- 0,1 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita mco una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar mco?
- Nada, en la ejecución registrada: cero errores entre el clon y el funcionamiento.
- ¿Cómo se compara mco con las alternativas?
- De los 111 proyectos de ai-agents que Argusic ha instalado y cronometrado, mco fue el 2.º más rápido en llegar a funcionar, y 83 de 111 llegaron a funcionar.
- ¿Dónde está la evidencia de mco?
- La ejecución registrada está 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.